SKILLEMALL.ai
GitHub ↗ EN Войти

AA canslim-analysis

Выполняет гибридный количественный и качественный анализ CANSLIM по акциям США с использованием фиксированной схемы и модульного конвейера Python, возвращая ранжированный список.

машинный переводПоказать оригиналСкрыть оригинал«Executes a hybrid quantitative and qualitative CANSLIM analysis on US…»

Executes a hybrid quantitative and qualitative CANSLIM analysis on US stocks using a fixed schema and a modular Python pipeline, returning a ranked shortlist.

ClawHub Agent Skills автор: lkmsteven v1.0.3 MIT-0 7 файлов тело ≈ 2 170 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Выполняет гибридный количественный и качественный анализ CANSLIM по акциям США с использованием фиксированной схемы и модульного конвейера Python, возвращая…

Как процесс A 80/100 · Дойдёт до конца — слабые места: входы и предусловия

АнализаторPDFИнфраструктураРазработкатип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
A
80/100
Дойдёт до конца
Входы и предусловия вес 11
0
Результат и критерий готовности вес 14
60
Когда включается вес 12
70
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "requires"
    • заметка frontmatter-key неизвестное поле фронтматтера "os"

    Процессный рейтинг: все десять параметров 80/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 37
    • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2170 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 10. 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

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 158 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 37 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)
    • +3Все 3 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.

    Внешние проверки

    ClawHub: clean
    This is a disclosed stock-analysis skill that runs local Python, fetches public market data, and creates local JSON/PDF reports without evidence of hidden credential use, exfiltration, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 30 мая 2026 г.