SKILLEMALL.ai

BD a-stock-screener

Пятиступенчатый навык количественного выбора акций A股, выполняющий системный скрининг акций на основе источника данных AkShare. Сценарии использования: (1) отбор качественных акций по 5-ступенчатому процессу (первичный количественный скрининг → фундаментальные показатели → денежные потоки → отрасль → риски), (2) генерация отчета о выборе акций, (3) экспорт пула акций в Excel, (4) пользовательские условия фильтрации. Поддерживает приоритет политических треков, отслеживание северо-восточных фондов, устранение финансовых рисков и другие функции.

машинный переводПоказать оригиналСкрыть оригинал«A 股五步量化选股技能,基于 AkShare 数据源执行系统化股票筛选。使用场景:(1) 按 5 步流程筛选优质股票(量化初筛→基本面→资金…»

A 股五步量化选股技能,基于 AkShare 数据源执行系统化股票筛选。使用场景:(1) 按 5 步流程筛选优质股票(量化初筛→基本面→资金流→行业→风险),(2) 生成选股报告,(3) 导出 Excel 股票池,(4) 自定义筛选条件。支持政策赛道优先、北向资金追踪、财务排雷等功能。

ClawHub Agent Skills автор: nodermachine v1.0.0 MIT-0 4 файла тело ≈ 945 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Пятиступенчатый навык количественного выбора акций A股, выполняющий системный скрининг акций на основе источника данных AkShare.

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

ПроцедураExcelДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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")

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: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 945 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -213 эмодзи в инструкциях: шум для модели
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 143 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (5 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This is a disclosed A-share stock screening helper that uses public market data and exports a spreadsheet, but users should treat its results as incomplete research support.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.