AC financial-risk-scanner
Сканирование и анализ потенциальных рисков финансового мошенничества в финансовой отчетности публичных компаний. Используйте, когда пользователи просят проанализировать финансовое состояние компании, обнаружить аномалии в бухгалтерском учете или выявить «красные флаги» в финансовых отчетах. Поддерживает 21 индикатор риска, включая парадокс денежных средств и долга, аномалии в дебиторской задолженности, проблемы с запасами, расхождение денежных потоков и прибыли, опасения по поводу аудита и риски управления. Входные данные: тикер одной компании (например, 000001.SZ). Выходные данные: комплексный отчет о рисках с оценками уровня серьезности и рекомендациями по перекрестной проверке.
машинный переводПоказать оригиналСкрыть оригинал«Scan and analyze potential financial fraud risks in listed company fin…»
Scan and analyze potential financial fraud risks in listed company financial statements. Use when users ask to analyze a company's financial health, detect accounting anomalies, or identify red flags in financial reports. Supports 21 risk indicators including cash-debt paradox, receivables anomalies, inventory issues, cash flow-profit divergence, audit concerns, and governance risks. Input: single company stock code (e.g., 000001.SZ). Output: comprehensive risk report with severity ratings and cross-validation recommendations.
Сканирование и анализ потенциальных рисков финансового мошенничества в финансовой отчетности публичных компаний.
Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки
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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Scan and analyze potential financial fraud risks in listed company… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies"
Процессный рейтинг: все десять параметров 52/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 19
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1432 токенов
- low Разделов верхнего уровня: 14. 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)
- -34 из 5 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 532 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (5 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 2)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.