SKILLEMALL.ai

AC stock-research

Проводите исследование акций на основе доказательств с датированными источниками, проверкой качества данных, оценкой, сценарным анализом, опровергаемыми тезисами и рекомендациями только для исследования. Используйте для анализа отдельных акций, сравнения с аналогами, отраслевых или тематических корзин, обзора тезисов и вопросов о покупке/удержании/наблюдении/отказе без исполнения сделок. / 使用带日期的来源、数据质量门、估值、情景分析、可证伪论点和仅研究建议开展证据优先的股票研究;适用于个股分析、同业比较、行业或主题篮子、论点复盘,以及不执行交易的买入、持有、观察或放弃问题。

машинный переводПоказать оригиналСкрыть оригинал«Conduct evidence-first stock research with dated sources, data-quality…»

Conduct evidence-first stock research with dated sources, data-quality gates, valuation, scenario analysis, falsifiable theses, and research-only recommendations. Use for single-stock analysis, peer comparisons, sector or theme baskets, thesis reviews, and buy/hold/watch/pass questions without trade execution. / 使用带日期的来源、数据质量门、估值、情景分析、可证伪论点和仅研究建议开展证据优先的股票研究;适用于个股分析、同业比较、行业或主题篮子、论点复盘,以及不执行交易的买入、持有、观察或放弃问题。

ClawHub Agent Skills автор: lee v0.1.1 MIT-0 12 файлов тело ≈ 1 562 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Проводите исследование акций на основе доказательств с датированными источниками, проверкой качества данных, оценкой, сценарным анализом, опровергаемыми…

Как процесс C 54/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

АнализаторФинансыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
C
54/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
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: 12. 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 54/100

    • 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
    • 40Согласованность. Имя во frontmatter (stock-research) не совпадает с папкой (stock-research-first-principles)
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 28
    • 100Стоимость исполнения. Тело инструкции 1562 токенов

    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)
    • +2Инструкции на одном языке
    • +3Длина description 408 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)
    • +3Все 2 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This skill is a bounded stock-research assistant with clear no-trading and no-credential safeguards.
    LLM: benign (high) · VirusTotal: · 30 авг. 2026 г.