SKILLEMALL.ai

AC fund_buying_decision

Параметризует и применяет китайскую стратегию покупки, добавления, уменьшения или удержания паев взаимных фондов, управляемую снижением цены, регулярным DCA, управлением денежным пулом и лимитами позиций. Используйте, когда Codex должен поддерживать пороговые значения стратегии в SKILL.md, объяснять или моделировать ежедневное решение, обновлять пакетный импортер Eastmoney-to-SQLite или создавать подробный отчет для фонда, такого как 011598.

машинный переводПоказать оригиналСкрыть оригинал«Parameterize and apply a Chinese mutual-fund buy, add, reduce, or hold…»

Parameterize and apply a Chinese mutual-fund buy, add, reduce, or hold strategy driven by price drawdown, recurring DCA, cash-pool management, and position limits. Use when Codex needs to maintain the strategy thresholds in SKILL.md, explain or simulate a daily decision, update the bundled Eastmoney-to-SQLite importer, or produce a detailed report for a fund such as 011598.

ClawHub Agent Skills автор: Xinhai Zou v1.0.0 MIT-0 12 файлов тело ≈ 2 736 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Параметризует и применяет китайскую стратегию покупки, добавления, уменьшения или удержания паев взаимных фондов, управляемую снижением цены, регулярным DCA…

Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, согласованность, отчётность по ходу

ГенераторРазработкаИнфраструктураИИ и агентытип 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
62/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)

    Процессный рейтинг: все десять параметров 62/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 40Согласованность. Имя во frontmatter (fund_buying_decision) не совпадает с папкой (fund-buying-decision)
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Ошибки и развилки. Развилок: 5
    • 100Шаги. Шагов: 86
    • 100Стоимость исполнения. Тело инструкции 2736 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 12. 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 8 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 376 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 86 пунктов
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)

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

    Внешние проверки

    ClawHub: clean
    This skill is a disclosed local fund-strategy tool that fetches public fund data and maintains a local SQLite planning ledger.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.