SKILLEMALL.ai

AC xiapi-dividend-analysis

Анализируйте возможности инвестирования в дивидендные индексы, основываясь на алгоритме оценки для определения состояния перекупленности/перепроданности. Триггерные слова: запрос инвестиционных возможностей по дивидендному индексу, дивидендный индекс, анализ дивидендов, CSI Dividend Index, Low Volatility Dividend Index, High Dividend Yield Index. Сценарии применения: анализ инвестиционных возможностей дивидендных индексов, определение времени покупки/продажи при перекупленности/перепроданности, тайминг дивидендных индексов. Неприменимые сценарии: анализ отдельных акций, анализ облигаций, отбор фондов.

машинный переводПоказать оригиналСкрыть оригинал«分析红利类指数投资机会,基于打分算法判断超买超卖状态。触发词:询问某个红利指数的投资机会、红利指数、红利分析、中证红利、红利低波、股息率指数…»

分析红利类指数投资机会,基于打分算法判断超买超卖状态。触发词:询问某个红利指数的投资机会、红利指数、红利分析、中证红利、红利低波、股息率指数、高股息。适用场景:分析红利类指数投资机会、判断超买超卖时机、红利指数择时。不适用场景:个股分析、债券分析、基金筛选。

ClawHub Agent Skills автор: 三水清 v1.0.4 MIT-0 6 файлов тело ≈ 1 181 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализируйте возможности инвестирования в дивидендные индексы, основываясь на алгоритме оценки для определения состояния перекупленности/перепроданности.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 6. 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 58/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 51
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1181 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 129 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 51 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This is a coherent dividend-index analysis skill, but users should handle the required DaxiAPI token carefully.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.