AC hkex-li-daily-factor-monitor
Получать последние объявления HKEXnews "Daily Targeted Leverage Factor" для листинговых на Гонконгской фондовой бирже продуктов с использованием кредитного плеча и обратных продуктов (L&I), извлекать ежедневный целевой коэффициент кредитного плеча каждого продукта из PDF-объявления и выдавать удобочитаемый дайджест Telegram — строки продуктов в моноширинном блоке кода, сгруппированные по применимой дате, со ссылками на исходные PDF ниже — готовые к отображению в канале OpenClaw. Используйте для ежедневных ручных запусков или запланированной проверки факторов L&I на следующий торговый день. Нативный для агента: curl + jq для обнаружения, pdftotext для извлечения текста из PDF, агент определяет таблицу факторов. PDF загружаются при каждом запуске и удаляются после парсинга (PDF HKEX защищены авторским правом).
машинный переводПоказать оригиналСкрыть оригинал«Fetch the latest HKEXnews "Daily Targeted Leverage Factor" announcemen…»
Fetch the latest HKEXnews "Daily Targeted Leverage Factor" announcement(s) for HKEX-listed Leveraged & Inverse (L&I) products, extract each product's daily targeted leverage factor from the announcement PDF, and emit a human-readable Telegram digest — product rows in a monospace code block grouped by applicable date, with source PDF links below — ready to display in the OpenClaw channel. Use for daily manual runs or a scheduled cron check of the next trading day's L&I factors. Agent-native: curl + jq for discovery, pdftotext for PDF text, the agent reasons out the factor table. PDFs are downloaded per-run and deleted after parsing (HKEX PDFs are copyrighted).
Получать последние объявления HKEXnews "Daily Targeted Leverage Factor" для листинговых на Гонконгской фондовой бирже продуктов с использованием кредитного…
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 51/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 13, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4885 токенов
- 85Шаги. Шагов: 45, расплывчатых формулировок: 1
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- high Скилл велит модели самой совершать необратимое действие, без подтверждения человеком
- low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 667 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 17 заголовков
- +3Пошаговые инструкции: 45 пунктов
- +4Есть примеры (14 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.