SKILLEMALL.ai

DC akshare-stock

Инструмент количественного анализа данных акций A-класса, использующий библиотеку AkShare для получения данных о котировках, финансовых данных, информации о секторах и т. д. акций A-класса. Используется для ответов на вопросы о запросах акций A-класса, данных о котировках, финансовом анализе, выборе акций и т. д.

машинный переводПоказать оригиналСкрыть оригинал«A股量化数据分析工具,基于AkShare库获取A股行情、财务数据、板块信息等。用于回答关于A股股票查询、行情数据、财务分析、选股等问题。…»

A股量化数据分析工具,基于AkShare库获取A股行情、财务数据、板块信息等。用于回答关于A股股票查询、行情数据、财务分析、选股等问题。

Не рекомендуетсянизкая оценка D
ClawHub Agent Skills автор: ttbb v1.0.1 3 файла тело ≈ 531 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Инструмент количественного анализа данных акций A-класса, использующий библиотеку AkShare для получения данных о котировках, финансовых данных, информации о…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
59/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
55
Не улучшает ответы прогон на моделях: 76% со скиллом · 79% без скилла
Процессный рейтинг
C
53/100
Есть пробелы
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
Это копия скилла из другого каталога, в рейтинге считается основная: akshare-stock (ClawHub)

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: 3. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 531 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 68: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (10 блоков кода)

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

Прогон на моделях · 10 сент. 2026 г.

Со скиллом
76%
-3 п.п. к базе
Без скилла (baseline)
79%
триггеры: +100% / −100%

Не улучшает ответы Pass rate 76% ниже порога 80% · 7 кейсов · $0.071

Внешние проверки

ClawHub: clean
This skill is a straightforward China A-share market data helper, with some quality and dependency caveats but no evidence of hidden, destructive, persistent, or deceptive behavior.
LLM: benign (high) · VirusTotal: · 11 сент. 2026 г.