SKILLEMALL.ai
GitHub ↗ EN Войти

BC stock-investment-system

Полная система принятия инвестиционных решений по акциям класса А — пятимерный байесовский фреймворк (быстрый отбор → пятиступенчатое глубокое исследование → ставка) + шестиуровневая матрица принятия решений с использованием шести линз + коррекция поведенческих финансов. Автоматически генерирует карту инвестиционной диагностики, подходит для долгосрочных инвесторов на рынках акций класса А/Гонконга.

машинный переводПоказать оригиналСкрыть оригинал«A股完整投资决策系统 — 五维贝叶斯框架(快筛→五阶深研→下注) + 六层镜头决策矩阵 + 行为金融纠偏。自动输出投资诊断卡，适合A股/港股…»

A股完整投资决策系统 — 五维贝叶斯框架(快筛→五阶深研→下注) + 六层镜头决策矩阵 + 行为金融纠偏。自动输出投资诊断卡，适合A股/港股中长线投资者。

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: managaman-ship-it v1.0.0 MIT-0 5 файлов тело ≈ 2 870 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Полная система принятия инвестиционных решений по акциям класса А — пятимерный байесовский фреймворк (быстрый отбор → пятиступенчатое глубокое исследование →…

Как процесс C 58/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураФинансытип 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
76/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Обфускация
Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
  2. 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

  • высокая Обфускация uni-zero-width references/wuwei-bayesian-v3.4.md:95
    Невидимые символы нулевой ширины (возможен скрытый текст) (6 шт.)
    | **␀**  | **股票**             | **股权**            |

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 58/100

  • 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
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 75Шаги. Шагов: 3
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2870 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)
  • +3Длина description 77: рекомендуется 120–800 символов
  • -268 эмодзи в инструкциях: шум для модели
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +4Структура: 39 заголовков
  • +3Пошаговые инструкции: 3 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a markdown-only stock analysis framework that gives concrete investment guidance, so the main risk is financial overreliance rather than hidden system access.
LLM: benign (high) · VirusTotal: · 18 июн. 2026 г.