SKILLEMALL.ai
GitHub ↗ EN Войти

AC conditional-order-tool

[Когда использовать] Когда пользователь спрашивает "как инвестировать в код XX", "как установить лимитный ордер", "какую стратегию для ETF порекомендуете"; когда пользователь говорит "проанализируй этот ETF", "как распределить мои средства с помощью лимитных ордеров"; когда обнаружена комбинация тикера акции + инвестиционный вопрос. [Не подходит] Для погашения внебиржевых фондов (длительный цикл), фьючерсов/опционов (высокорискованные производные инструменты), глубокого фундаментального анализа отдельных акций (требуются данные финансовой отчетности).

машинный переводПоказать оригиналСкрыть оригинал«［何时使用］当用户问'XX代码怎么投''条件单怎么设''ETF推荐什么策略'时；当用户说'帮我分析这个ETF''我的资金怎么配置条件单'时；…»

［何时使用］当用户问'XX代码怎么投''条件单怎么设''ETF推荐什么策略'时；当用户说'帮我分析这个ETF''我的资金怎么配置条件单'时；当检测到股票代码+投资问题组合时。［不适合］场外基金赎回（周期长）、期货/期权（高风险衍生品）、个股深度基本面分析（需财报数据）。

ClawHub Agent Skills автор: lj22503 v1.0.1 MIT-0 22 файла тело ≈ 509 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

[Когда использовать] Когда пользователь спрашивает "как инвестировать в код XX", "как установить лимитный ордер", "какую стратегию для ETF порекомендуете"…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 22. 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 "created"
  • заметка frontmatter-key неизвестное поле фронтматтера "skill_type"
  • заметка frontmatter-key неизвестное поле фронтматтера "related_skills"

Процессный рейтинг: все десять параметров 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 509 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
  • -218 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 135 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a disclosed investment-assistance tool that fetches public market data and produces conditional-order suggestions, with no evidence of hidden access, credential use, trade execution, or persistence.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.