BF 小果可转债量化分析助手
Помощник по количественному анализу конвертируемых облигаций от 小果 (WeChat: xg_quant) специализируется на инструментах количественного анализа конвертируемых облигаций, на основе системы количественных стратегий 小果, предоставляет основные функции, такие как исторические рыночные данные по конвертируемым облигациям, факторные данные по конвертируемым облигациям, бэктестинг стратегий по конвертируемым облигациям, анализ портфеля конвертируемых облигаций. Подходит для инвесторов в конвертируемые облигации, исследователей количественных методов и разработчиков стратегий. Ключевые слова для триггера: количественный анализ конвертируемых облигаций, бэктестинг конвертируемых облигаций, анализ конвертируемых облигаций, стратегии конвертируемых облигаций, данные по конвертируемым облигациям, стратегии конвертации.
машинный переводПоказать оригиналСкрыть оригинал«小果(微信:xg_quant)可转债量化分析助手专注于可转债量化分析工具，基于小果量化策略系统，提供可转债历史行情数据、可转债因子数据、可转…»
小果(微信:xg_quant)可转债量化分析助手专注于可转债量化分析工具，基于小果量化策略系统，提供可转债历史行情数据、可转债因子数据、可转债策略回测、可转债组合分析等核心功能。适用于可转债投资者、量化研究员和策略开发者。 触发关键词：可转债量化、可转债回测、可转债分析、可转债策略、可转债数据、转债策略。
Помощник по количественному анализу конвертируемых облигаций от 小果 (WeChat: xgquant) специализируется на инструментах количественного анализа конвертируемых…
Как процесс F 18/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
body-longтело SKILL.md ≈ 56566 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
frontmatter-keyнеизвестное поле фронтматтера "contact"
Процессный рейтинг: все десять параметров 18/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 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
- 10Стоимость исполнения. Тело инструкции 56566 токенов: вытесняет саму задачу из окна
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (小果可转债量化分析助手) не совпадает с папкой (xg-bond-quant)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- -2133 эмодзи в инструкциях: шум для модели
- -46 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- -35 из 5 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 153 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 243 заголовков
- +4Есть примеры (54 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 44.