BB Kalshalyst
Сканер контрарных рынков прогнозов, который находит неверные ценообразования на Kalshi с использованием анализа Claude Sonnet, калибровки Brier score и определения размера позиции по критерию Келли. Пятиэтапный конвейер: получение рынков, классификация, оценка контрарных вероятностей, расчет преимущества и оповещение. Отслеживает точность оценок с течением времени, чтобы вы знали, когда доверять сигналу. Часть стека для торговли на рынках прогнозов OpenClaw — передает данные о преимуществе в Market Morning Brief и работает в паре с Kalshi Command Center для исполнения.
машинный переводПоказать оригиналСкрыть оригинал«Contrarian prediction market scanner that finds mispricings on Kalshi…»
Contrarian prediction market scanner that finds mispricings on Kalshi using Claude Sonnet analysis, Brier score calibration, and Kelly Criterion position sizing. Five-phase pipeline: fetch markets, classify, estimate contrarian probabilities, calculate edge, and alert. Tracks estimate accuracy over time so you know when to trust the signal. Part of the OpenClaw Prediction Market Trading Stack — feeds edge data to Market Morning Brief and pairs with Kalshi Command Center for execution.
Сканер контрарных рынков прогнозов, который находит неверные ценообразования на Kalshi с использованием анализа Claude Sonnet, калибровки Brier score и…
Как процесс B 70/100 · Почти готов — слабые места: когда включается, повторный запуск
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
низкая Опасные команды
cmd-cron-mentionSKILL.md:473Упоминание редактирования crontab (документация security-скилла)# Add to crontab -e:
security-скилл
Просканировано файлов: 18. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
body-longтело SKILL.md ≈ 6003 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 70/100
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 10, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web, git, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 70Стоимость исполнения. Тело инструкции 6003 токенов
- 100Шаги. Шагов: 150
- 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 20. Похоже на несколько доменов в одном скилле
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)
- -39 из 10 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 489 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 56 заголовков
- +3Пошаговые инструкции: 150 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (26 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.