SKILLEMALL.ai
GitHub ↗ EN Войти

BD earnings-tracker

Отслеживает финансовые отчеты технологических/AI-компаний, автоматически получает календарь отчетности, предупреждения, генерирует сводные отчеты. Сценарии использования: (1) Пользователь хочет узнать время финансовой отчетности компании (2) Пользователю нужен сводный анализ финансовой отчетности (3) Пользователь хочет отслеживать динамику финансовых отчетов нескольких компаний.

машинный переводПоказать оригиналСкрыть оригинал«追踪科技/AI公司财报，自动获取财报日历、预警提醒、生成摘要报告。使用场景：(1) 用户想了解某公司财报时间 (2) 用户需要财报摘要分析…»

追踪科技/AI公司财报，自动获取财报日历、预警提醒、生成摘要报告。使用场景：(1) 用户想了解某公司财报时间 (2) 用户需要财报摘要分析 (3) 用户想追踪多家公司的财报动态

ClawHub Agent Skills автор: Newaiguy v1.0.0 MIT-0 5 файлов тело ≈ 835 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Отслеживает финансовые отчеты технологических/AI-компаний, автоматически получает календарь отчетности, предупреждения, генерирует сводные отчеты.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

СправочникИнфраструктуратип 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
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 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")

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (earnings-tracker) не совпадает с папкой (ai-earnings-alert)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 25
  • 100Стоимость исполнения. Тело инструкции 835 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 88: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -224 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (13 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
The skill mostly does what it says, but it has under-disclosed credential handling and an unnecessary vulnerable dependency that users should review before installing.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.