SKILLEMALL.ai

AC riskofficer

Управление рисками портфеля и аналитика. Используйте, когда пользователь просит рассчитать VaR, выполнить Монте-Карло, стресс-тест, оптимизировать с помощью Risk Parity / Calmar / Black-Litterman, выполнить предторговую проверку, проверить концентрацию секторов, управлять портфелями или анализировать межпортфельную корреляцию. Также охватывает поиск тикеров, синхронизацию с брокером, пакетное создание портфелей и сравнение портфелей.

машинный переводПоказать оригиналСкрыть оригинал«Portfolio risk management and analytics. Use when user asks to calcula…»

Portfolio risk management and analytics. Use when user asks to calculate VaR, run Monte Carlo, stress test, optimize with Risk Parity / Calmar / Black-Litterman, run pre-trade check, check sector concentration, manage portfolios, or analyze cross-portfolio correlation. Also covers ticker search, broker sync, batch portfolio creation, and portfolio comparison.

ClawHub Agent Skills автор: mib424242 v4.3.0 17 файлов тело ≈ 11 887 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Управление рисками портфеля и аналитика.

Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктураДанные и аналитикаФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 17. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 11887 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 55/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Стоимость исполнения. Тело инструкции 11887 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 160
  • 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +3Длина description 361 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 74 заголовков
  • +3Пошаговые инструкции: 160 пунктов
  • +4Есть примеры (43 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (13 из 13)
  • +2Инструкции двуязычные (RU + EN)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This is a disclosed RiskOfficer integration for portfolio analytics and virtual portfolio management, with sensitive account-token use and destructive API actions that users should handle carefully.
LLM: benign (medium) · VirusTotal: benign · 10 сент. 2026 г.