SKILLEMALL.ai

AC xiapi-financial-roe-analysis

Финансовый анализ ROE/Дюпон для публичных компаний на основе команд финансовой отчетности daxiapi. Триггерные слова: финансовый анализ, анализ ROE, анализ Дюпон, финансовые показатели акций, качество прибыли, качество чистой прибыли, анализ финансовой отчетности, фундаментальный анализ, рентабельность, качество финансов, анализ денежных потоков, анализ баланса, финансовое здоровье, интерпретация финансовой отчетности. Применимые сценарии: предоставлен тикер акции, требуется однократный финансовый разбор компании, анализ драйверов ROE, оценка качества прибыли и структурированный отчет на основе `daxiapi report finance <code>`. Неприменимые сценарии: рекомендации по внутридневной торговле, краткосрочное определение времени входа, чисто технический анализ, чистое определение стоимости (PE/PB), не предоставлен тикер акции и невозможно определить целевую компанию.

машинный переводПоказать оригиналСкрыть оригинал«基于大虾皮财报命令对上市公司进行ROE/杜邦财务分析。触发词:财务分析、ROE分析、杜邦分析、股票财务、盈利质量、净利润质量、财报分析、基本…»

基于大虾皮财报命令对上市公司进行ROE/杜邦财务分析。触发词:财务分析、ROE分析、杜邦分析、股票财务、盈利质量、净利润质量、财报分析、基本面分析、盈利能力、财务质量、现金流分析、资产负债分析、财务健康度、财务报告解读。适用场景:已提供股票代码,需要基于 `daxiapi report finance <code>` 做单公司财务拆解、ROE驱动分析、盈利质量评估与结构化报告输出。不适用场景:盘中交易建议、短线择时、纯技术面分析、纯估值定价(PE/PB)、未提供股票代码且无法确认标的时。

ClawHub Agent Skills автор: 三水清 v1.0.3 MIT-0 6 файлов тело ≈ 1 626 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Финансовый анализ ROE/Дюпон для публичных компаний на основе команд финансовой отчетности daxiapi.

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

АнализаторДанные и аналитикаИнфраструктураРазработкатип 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: 104
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1626 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 246 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 24 заголовков
    • +3Пошаговые инструкции: 104 пунктов
    • +4Есть примеры (7 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

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

    Внешние проверки

    ClawHub: clean
    This is a disclosed financial-analysis skill that uses an external DaxiAPI CLI and token, with no evidence of hidden, destructive, or unrelated behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.