SKILLEMALL.ai
GitHub ↗ EN Войти

CD npa-fapai-valuation-lite

Быстрый расчет стоимости конфискованного жилья: различие в скидках, реальная ставка скидки, оценка ремонтопригодности скидки, IRR/MOIC в трех сценариях, обратный расчет максимальной ставки для предложения, заполните набор предположений для 5 таблиц xlsx. Ключевые слова: конфискованное жилье, конфискация, оценка, оценочная стоимость, ставка скидки, сколько скидка, аукцион, ставка, максимальная ставка, сколько денег, можно ли купить, риск, расчет, окупаемость, IRR.

машинный переводПоказать оригиналСкрыть оригинал«法拍房速算估值：折价口径区分、真实折价率、折价可修复性打分、三情景 IRR/MOIC、投标上限反推，填一组假设出 5 表 xlsx。 触发词…»

法拍房速算估值：折价口径区分、真实折价率、折价可修复性打分、三情景 IRR/MOIC、投标上限反推，填一组假设出 5 表 xlsx。 触发词：法拍房、法拍、估值、评估价、折价率、几折、竞拍、出价、投标上限、多少钱、能买吗、风险、算账、回本、IRR。

ClawHub Agent Skills автор: lingyu9495-source v1.1.1 MIT-0 5 файлов · 1 скрипт тело ≈ 742 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

Быстрый расчет стоимости конфискованного жилья: различие в скидках, реальная ставка скидки, оценка ремонтопригодности скидки, IRR/MOIC в трех сценариях…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelФинансытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 32
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 742 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
  • +2Инструкции на одном языке
  • +3Длина description 124 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 32 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This skill is a local foreclosure valuation workbook generator with disclosed finance risks and no evidence of hidden data access, persistence, or remote execution.
LLM: benign (high) · VirusTotal: · 25 сент. 2026 г.