SKILLEMALL.ai

BD FTShare-market-data

Набор финансовых данных от Non-convex Technology. Охватывает списки акций A-акций, котировки, IPO, блочные сделки, маржинальное кредитование, оценку котировок отдельных акций, конвертируемые облигации, ETF, фонды, индексы (включая описания постраничных индексов, PDF для скачивания, сводку весов/детали компонентов, XLSX для скачивания весов, подробности/K-линии/внутридневные графики), макроэкономику, а также информацию о компаниях Гонконга/анализ оценки/базовые представления/K-линии, списки американских акций от Eastmoney/исторические K-линии/последние котировки, базовую информацию/отчет о прибылях и убытках/отчет о движении денежных средств/баланс американских акций от native, трехчастные отчеты Гонконгских акций (прибыли/денежные потоки/баланс)/дневные K-линии индексов Гонконга от Eastmoney и другие интерфейсы (market.ft.tech / ftai.chat). Используется, когда пользователи спрашивают о кодах, котировках, оценках, K-линиях, весах/описаниях индексов, новостях и макроданных по акциям A-акций, Гонконга и США.

машинный переводПоказать оригиналСкрыть оригинал«非凸科技金融数据技能集。覆盖 A 股股票列表、行情、IPO、大宗交易、融资融券、单股行情估值、可转债、ETF、基金、指数(含分页指数描述、下…»

非凸科技金融数据技能集。覆盖 A 股股票列表、行情、IPO、大宗交易、融资融券、单股行情估值、可转债、ETF、基金、指数(含分页指数描述、下载描述 PDF、权重汇总/成份明细、下载权重 xlsx、详情/K 线/分时)、宏观经济,以及港股公司介绍/估值分析/基础视图/K线、东财美股列表/历史K线/最新行情、native 美股基础信息/利润表/现金流量表/资产负债表、港股财报三表(利润/现金流/资产负债)/东财港股指数日K线等接口(market.ft.tech / ftai.chat)。用户询问 A 股、港股、美股的代码、行情、估值、K线、指数权重/描述、新闻与宏观数据时使用。

ClawHub Agent Skills автор: Shawn92 v1.0.10 MIT-0 80 файлов тело ≈ 11 238 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Набор финансовых данных от Non-convex Technology.

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelРазработкаДанные и аналитикаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
83/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
57
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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.
  2. 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: 2. 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)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 11238 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 40Стоимость исполнения. Тело инструкции 11238 токенов: вытесняет саму задачу из окна
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 187
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 32. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (39 тегов): типизированный вызов надёжнее

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
  • +2Инструкции на одном языке
  • +3Длина description 290 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 80 заголовков
  • +3Пошаговые инструкции: 187 пунктов
  • +4Есть примеры (10 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 57.

Внешние проверки

ClawHub: clean
This is a coherent finance market-data skill that makes disclosed GET requests to finance-data domains and only writes files when the user asks for downloads.
LLM: benign (high) · VirusTotal: · 28 июн. 2026 г.