SKILLEMALL.ai
GitHub ↗ EN Войти

BC fund-analyzer-pro

［Когда использовать］Когда пользователю требуется глубокий анализ фонда; когда пользователь говорит «анализируй этот фонд», «сравни фонды», «диагностика фонда», «анализ управляющего фондом»; срабатывает при обнаружении кода фонда/названия фонда/инвестиционной стратегии. Интегрирует天天基金 API+ и 且慢 MCP, предоставляя восемь модулей: анализ отдельного фонда/сравнение фондов/диагностика фонда/диагностика портфеля/управляющий фондом/анализ возможностей/инвестиционный подход/сигналы отчета. Добавлена функция мониторинга и оповещения по сигналам (signal_checker.py), поддерживающая автоматическую отправку квартальных отчетов/информации об управляющем/масштабе/волатильности/стиле/сигналах покупки/продажи.

машинный переводПоказать оригиналСкрыть оригинал«［何时使用］当用户需要基金深度分析时；当用户说"分析这个基金""基金对比""基金诊断""基金经理分析"时；当检测到基金代码/基金名称/投顾策…»

［何时使用］当用户需要基金深度分析时；当用户说"分析这个基金""基金对比""基金诊断""基金经理分析"时；当检测到基金代码/基金名称/投顾策略时触发。整合天天基金 API+ 且慢 MCP，提供单一基金分析/基金比较/基金诊断/持仓诊断/基金经理/机会分析/投资方式/报告信号八大模块。新增信号监控提醒功能（signal_checker.py），支持季报/经理/规模/波动/风格/买卖信号自动推送。

ClawHub Agent Skills автор: lj22503 v2.1.3 MIT-0 32 файла тело ≈ 2 118 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

［Когда использовать］Когда пользователю требуется глубокий анализ фонда; когда пользователь говорит «анализируй этот фонд», «сравни фонды», «диагностика…

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

ИнтеграцияИнфраструктураИИ и агентытип 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
B
86/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
73
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Опасные команды cmd-shell-rc references/data-sources-guide.md:41
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile)
    echo 'export TTFUND_APIKEY="ttf_sk_live_xxx"' >> ~/.bashrc

Просканировано файлов: 30. 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"
  • заметка frontmatter-key неизвестное поле фронтматтера "data_sources"

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: 104
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2118 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -244 эмодзи в инструкциях: шум для модели
  • -36 из 7 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 198 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 47 заголовков
  • +3Пошаговые инструкции: 104 пунктов
  • +4Есть примеры (18 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

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

Внешние проверки

ClawHub: suspicious
This fund-analysis skill is mostly purpose-aligned, but it needs Review because it exposes live-looking API credentials and handles sensitive portfolio data with weak storage and export controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.