SKILLEMALL.ai

BD shiwei

Десятимерная оценка стоимости: стандартный процесс финансового анализа акций. С основным принципом «постепенное углубление, от поверхности к сути» разбирает фундаментальные показатели компании по 10 модулям: выручка и чистая прибыль, рентабельность собственного капитала (ROE), баланс, отчет о движении денежных средств, доходность акционеров, анализ отрасли, сравнение с конкурентами, изменение доли акционеров, владение на душу населения, анализ оценки. В итоге выдает комплексную оценку и предупреждение о рисках по системе оценки «соответствует/не соответствует». Подходит для анализа всех акций роста, «белых лошадок», особенно для акций, демонстрирующих активность на дне после длительного падения. Основное ключевое слово: «десятимерный». При появлении слова «десятимерный» необходимо вызвать этот навык. Другие ключевые слова: десятимерный анализ, оценка стоимости, стандартный процесс финансового анализа, финансовая проверка, оценка стоимости инвестиций, определение разворота на дне, всесторонний фундаментальный анализ, глубокий финансовый анализ.

машинный переводПоказать оригиналСкрыть оригинал«十维价值研判:股票财务分析标准流程。以"层层递进、由表及里"为核心原则, 通过10个维度逐模块拆解企业基本面:营收净利润、ROE、资产负债表…»

十维价值研判:股票财务分析标准流程。以"层层递进、由表及里"为核心原则, 通过10个维度逐模块拆解企业基本面:营收净利润、ROE、资产负债表、现金流量表、 股东回报、赛道分析、同业对标、股权变动、人均持股、估值分析共十大模块, 最终以"合格/不合格"打分体系输出综合研判结论与风险提示。 适配所有成长股、白马股分析,尤其适合长期下跌后底部异动标的。 核心触发词:十维。出现"十维"二字必须调用本技能。 其他触发词:十维分析、价值研判、财务分析标准流程、财务排雷、价值投资打分、 底部反转判断、基本面全维度分析、深度财务分析。

ClawHub Agent Skills автор: lsh9630 v1.0.1 MIT-0 4 файла тело ≈ 1 405 токенов Открыть источникclawhub.ai проанализирован 29 ч назад

Десятимерная оценка стоимости: стандартный процесс финансового анализа акций.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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: 4. 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 56
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1405 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -226 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 262 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 56 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This is a disclosed Chinese-language stock-analysis framework with no executable code, install hooks, persistence, credential handling, or hidden data movement.
LLM: benign (high) · VirusTotal: · 9 июн. 2026 г.