SKILLEMALL.ai
GitHub ↗ EN Войти

CC stocks

Данные по акциям, ETF, криптовалютам, форексу и сырьевым товарам от Yahoo Finance. Цены, история, фундаментальные показатели, финансовые показатели за последние 12 месяцев, коэффициенты, история оценки, доходы и прогнозы, дивиденды, опционы, держатели и инсайдеры, новости, движущие силы рынка, сектора и отрасли, а также календари дивидендов, IPO, экономических событий и сплитов.

машинный переводПоказать оригиналСкрыть оригинал«Stock, ETF, crypto, forex and commodity data from Yahoo Finance. Price…»

Stock, ETF, crypto, forex and commodity data from Yahoo Finance. Prices, history, fundamentals, TTM financials, ratios, valuation history, earnings and estimates, dividends, options, holders and insiders, news, market movers, sectors and industries, and earnings, IPO, economic and split calendars.

ClawHub Agent Skills автор: lkcair v5.0.0 MIT-0 5 файлов · 2 скрипта тело ≈ 1 232 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

Данные по акциям, ETF, криптовалютам, форексу и сырьевым товарам от Yahoo Finance.

Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураФинансыЛичная продуктивностьтип 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
86/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token scripts/yfinance_ai.py:1358
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    result += f"  Price/Sales: {safe_get(info, 'pric…ths')}\n"
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token scripts/yfinance_ai.py:4837
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    ps = info.get("pric…ths")
    в кавычках

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")

Процессный рейтинг: все десять параметров 56/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 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: 20
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1232 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
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 298 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 20 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a disclosed Yahoo Finance data tool that installs pinned Python dependencies and fetches market data, with no evidence of hidden persistence, credential access, destructive behavior, or unrelated data collection.
LLM: benign (high) · VirusTotal: · 11 окт. 2026 г.