SKILLEMALL.ai
GitHub ↗ EN Войти

CC cue-fund-due-diligence

С помощью Cue проведите комплексную проверку фонда по всем параметрам: портрет управляющего, анализ доходности, соответствие стилю, показатели риска, комиссии и объем. Это поможет понять, "основана ли историческая доходность фонда на удаче или на мастерстве", чтобы вы были уверены перед покупкой.

машинный переводПоказать оригиналСкрыть оригинал«用 Cue 一键给一只基金做全维度深度体检——基金经理画像、业绩归因、风格一致性、风险指标、费率与规模，告诉你"这只基金的历史业绩是靠运气还…»

用 Cue 一键给一只基金做全维度深度体检——基金经理画像、业绩归因、风格一致性、风险指标、费率与规模，告诉你"这只基金的历史业绩是靠运气还是靠能力"，买之前心里有底。

ClawHub Agent Skills автор: panting09266-ai v1.0.9 MIT-0 2 файла тело ≈ 2 891 токенов Открыть источникclawhub.ai↗ проанализирован 7 дн назад

С помощью Cue проведите комплексную проверку фонда по всем параметрам: портрет управляющего, анализ доходности, соответствие стилю, показатели риска, комиссии…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураWordGitHubИИ и агентыПоддержка клиентовтип 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
C
80/100
безопасность, качество, тесты
Безопасность 60%
90
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • средняя Утечка данных net-credential-use SKILL.md:255
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    echo "=== 2/3 Cue 服务 ===" && curl -sS --max-time 10 "https://cuecue.cn/api/health" -H "Authorization: Bearer $CUE_KEY"
  • средняя Утечка данных net-credential-use SKILL.md:256
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    echo "=== 3/3 搭子 ===" && curl -sS --max-time 10 "https://cuecue.cn/api/playbook" -H "Authorization: Bearer $CUE_KEY" | python3 -c "import sys,json;scenes=json.load(sys.stdin).get('data',{}).get('scene

Просканировано файлов: 2. 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 "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"

Процессный рейтинг: все десять параметров 51/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2891 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле

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 84: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -212 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This skill is a coherent Cue-based fund due-diligence helper, with expected external API use and local runner setup, but users should understand it uses a Cue API key and installs mutable runner code from an external repository.
LLM: benign (medium) · VirusTotal: · 22 сент. 2026 г.