SKILLEMALL.ai
GitHub ↗ EN Войти

BF company-information

Мониторинг общественного мнения и предупреждение о рисках для предприятий. Использует API FEEDAX для запроса новостной информации и динамики общественного мнения конкретных публичных компаний, поддерживает анализ тональности (позитивная/негативная/нейтральная), оценку популярности общественного мнения, классификацию по отраслям и идентификацию связанных компаний. Сценарии использования: пользователь запрашивает новости конкретной компании, отслеживает риски общественного мнения предприятия, анализирует репутацию компании, изучает динамику публичных компаний, отслеживает негативные события предприятия, оценивает инвестиционные риски, понимает конкурентную среду в отрасли и т. д. Примеры триггеров: "Запросить последние новости Vanke", "Какие негативные новости о CATL?", "Последние новости BYD", "Как общественное мнение о Evergrande Group?", "Последние сообщения Tencent", "Новости компании Maotai", "Негативное общественное мнение JD", "Последняя информация Alibaba" и т. д. Поддерживает запросы по названию компании или ключевым словам, фильтрацию по тональности, возвращает данные многомерного анализа, такие как оценка тональности, популярность новостей, отраслевая классификация, связанные компании.

машинный переводПоказать оригиналСкрыть оригинал«企业舆情监测与风险预警技能。基于 FEEDAX API 查询特定上市公司的新闻资讯和舆情动态，支持情感分析（正面/负面/中性）、舆情热度评估…»

企业舆情监测与风险预警技能。基于 FEEDAX API 查询特定上市公司的新闻资讯和舆情动态，支持情感分析（正面/负面/中性）、舆情热度评估、行业分类和关联公司识别。 使用场景：用户查询特定公司新闻、监测企业舆情风险、分析公司口碑、研究上市公司动态、追踪企业负面事件、评估投资风险、了解行业竞争格局等。 触发示例："查询万科最近的新闻"、"宁德时代有什么负面消息"、"比亚迪最新动态"、"恒大集团舆情怎么样"、"腾讯近期报道"、"茅台公司新闻"、"京东负面舆情"、"阿里巴巴最新资讯"等。 支持按公司名称或关键词查询，按情感倾向筛选，返回情感得分、资讯热度、行业分类、关联公司等多维度分析数据。

ClawHub Agent Skills автор: longGGGGGG v1.0.1 MIT-0 5 файлов тело ≈ 2 526 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Мониторинг общественного мнения и предупреждение о рисках для предприятий.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/config.json

ИнтеграцияИнфраструктуратип 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
88/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/config.json
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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 Утечка данных read-dotenv SKILL.md:26
    Чтение файла .env
    cat .env
  • низкая Утечка данных read-dotenv SKILL.md:509
    Чтение файла .env
    cat .env | grep FEEDAX_API_KEY

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")
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/config.json

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/config.json
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/config.json
  • 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
  • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
  • 100Шаги. Шагов: 58
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2526 токенов
  • 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 8 примера фраз-триггеров в кавычках
  • +3Длина description 300 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 49 заголовков
  • +3Пошаговые инструкции: 58 пунктов
  • +4Есть примеры (14 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

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

Внешние проверки

ClawHub: suspicious
This appears to be a legitimate company-news monitoring skill, but its API-key handling and default data persistence need review before use.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.