SKILLEMALL.ai

BF tech-earnings-deepdive

Глубокий анализ финансовых отчетов технологических компаний и система инвестиционных заметок с разных точек зрения (v3.0). Охватывает 16 основных модулей анализа от A до P, 6 инвестиционных философских перспектив, институциональные стандарты доказательности, фреймворк против предвзятости и систему исполнимых решений. Используйте этот навык, когда пользователь упоминает анализ финансовых отчетов технологической компании, интерпретацию квартальных/годовых отчетов, earnings call, анализ роста выручки, изменение рентабельности, guidance, модели оценки, DCF, обратный DCF, EV/EBITDA, PEG, Rule of 40, анализ управленческой команды, конкурентную среду, оценку позиции, покупку/продажу/увеличение доли в акциях технологической компании, как посмотреть последний финансовый отчет компании, "сделай мне deep dive", оценку с разных сторон, "что думают инвестиционные гуру об этой компании", variant view, key forces, kill conditions, распределение фишек, команду топ-менеджеров, экосистему партнеров, влияние макроэкономической политики и другие подобные темы. Даже если пользователь просто спрашивает "помоги посмотреть последний отчет NVDA" или "как показала себя META в этом квартале" или "стоит ли продолжать держать MSFT", следует использовать этот навык для предоставления всестороннего анализа финансовых отчетов и инвестиционных заметок с разных точек зрения. Этот навык дополняет навык us-value-investing: us-value-investing фокусируется на четырехмерной оценке долгосрочной стоимости, а данный навык — на глубоком разборе последних финансовых отчетов, комплексной оценке с использованием различных инвестиционных философий и принятии исполнимых инвестиционных решений.

машинный переводПоказать оригиналСкрыть оригинал«科技股财报深度分析与多视角投资备忘录系统(v3.0)。覆盖A-P共16大分析模块、6大投资哲学视角、机构级证据标准、反偏见框架和可执行决策体…»

科技股财报深度分析与多视角投资备忘录系统(v3.0)。覆盖A-P共16大分析模块、6大投资哲学视角、机构级证据标准、反偏见框架和可执行决策体系。当用户提到某科技公司财报分析、季报/年报解读、earnings call、收入增长分析、利润率变化、guidance指引、估值模型、DCF、反向DCF、EV/EBITDA、PEG、Rule of 40、管理层分析、竞争格局、持仓判断、是否买入/卖出/加仓某科技股、某公司最新财报怎么看、帮我做个deep dive、多角度估值、投资大师怎么看这家公司、variant view、key forces、kill conditions、筹码分布、高管团队、合作伙伴生态、宏观政策影响等话题时,务必使用此技能。即使用户只是笼统地问"帮我看看NVDA最新财报"或"META这季度表现如何"或"该不该继续持有MSFT",也应触发此技能来提供全面的财报分析和多视角投资备忘录。此技能与us-value-investing技能互补——us-value-investing侧重长期价值四维评分,本技能侧重最新财报的深度拆解、多投资哲学的综合判断、以及可执行的持仓决策。

ClawHub Agent Skills автор: Star v1.0.0 MIT-0 3 файла тело ≈ 1 557 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Глубокий анализ финансовых отчетов технологических компаний и система инвестиционных заметок с разных точек зрения (v3.0). Охватывает 16 основных модулей…

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/valuation-models.md, references/investing-philosophies.md, references/bias-checklist.md

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/valuation-models.md, references/investing-philosophies.md, references/bias-checklist.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 3. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: references/valuation-models.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/investing-philosophies.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/bias-checklist.md

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/valuation-models.md, references/investing-philosophies.md, references/bias-checklist.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): references/valuation-models.md, references/investing-philosophies.md, references/bias-checklist.md
  • 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
  • 100Шаги. Шагов: 65
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1557 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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

  • +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
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 497 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 65 пунктов
  • +4Есть примеры (2 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a Markdown-only tech earnings analysis skill with disclosed financial research behavior and no evidence of hidden code, credential access, persistence, or trade execution.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.