SKILLEMALL.ai

BF financial-event-impact-analyzer

Анализирует историческое влияние финансовых событий на связанные активы. Событийно-ориентированный анализ в стиле Kensho. Используйте, когда: - спрашиваете о реакции активов на события (рост цен на нефть, золото, повышение ставок), - проводите анализ исторических прецедентов, - анализируете причинно-следственные связи индикаторов. Выдает отчеты и графики на китайском языке.

машинный переводПоказать оригиналСкрыть оригинал«Analyze historical impact of financial events on related assets. Kensh…»

Analyze historical impact of financial events on related assets. Kensho-style event-driven analysis. Use when: asking about asset reactions to events (oil surge, gold rise, rate hikes), historical precedent analysis, causal indicator relationships. Outputs Chinese reports and charts.

ClawHub Agent Skills автор: 赖根 v1.0.5 MIT-0 13 файлов тело ≈ 3 171 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализирует историческое влияние финансовых событий на связанные активы.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: charts/图表文件.png

АнализаторДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: charts/图表文件.png
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Опасные команды cmd-shell-rc SKILL.md:42
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (строка таблицы в документации)
    | **TUSHARE_TOKEN** | `echo $TUSHARE_TOKEN` | 在 ~/.bashrc 中设置 |
    таблица

Просканировано файлов: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: charts/图表文件.png
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "env"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: charts/图表文件.png
  • 0Инструменты и файлы. Не хватает 1 файла(ов): charts/图表文件.png
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Шаги. Шагов: 57
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3171 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Ответ описан самодельной разметкой (3 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
  • -239 эмодзи в инструкциях: шум для модели
  • -32 из 8 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 284 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 33 заголовков
  • +3Пошаговые инструкции: 57 пунктов
  • +4Есть примеры (16 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This is a disclosed financial analysis skill that fetches market data and writes local reports, with notable quality and setup cautions but no evidence of hidden, destructive, or exfiltrating behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.