SKILLEMALL.ai
GitHub ↗ EN Войти

BD chanlun-scan-closed-loop

Рабочий процесс сканирования точек покупки по Чаньлунь — сканирование точек покупки Чаньлунь первого, второго, третьего типа на STAR Market/ChiNext, циклическое повторное использование групп избранных акций, определение однодневных форм и создание условных ордеров и HTML-отчетов на следующий день. Используется, когда пользователю требуется запустить сканирование точек покупки по Чаньлунь, создать условные ордера на следующий день, настроить автоматизацию сканирования точек покупки или выполнить отбор акций по точкам покупки Чаньлунь первого/второго/третьего типа.

машинный переводПоказать оригиналСкрыть оригинал«缠论买点扫描闭环工作流——扫描科创板/创业板缠论一、二、三类买点、滚动复用自选股分组、判断单日形态并生成次日条件单与 HTML 报告。当用户…»

缠论买点扫描闭环工作流——扫描科创板/创业板缠论一、二、三类买点、滚动复用自选股分组、判断单日形态并生成次日条件单与 HTML 报告。当用户需要跑缠论买点扫描、生成次日条件单、搭建买点扫描自动化，或做缠论一/二/三类买点选股时使用。

ClawHub Agent Skills автор: menglaw2308 v1.0.0 MIT-0 4 файла тело ≈ 983 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Рабочий процесс сканирования точек покупки по Чаньлунь — сканирование точек покупки Чаньлунь первого, второго, третьего типа на STAR Market/ChiNext…

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

ПроцедураИнфраструктуратип 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%
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")
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 983 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 116: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +4Нет примеров входа/выхода
  • +2Инструкции на одном языке
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 1 скриптов описаны в инструкциях
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a disclosed stock-scanning and watchlist/report workflow, with financial-risk caveats but no evidence of hidden exfiltration, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 30 авг. 2026 г.