SKILLEMALL.ai

AC china-macro-climate

Анализ макроэкономической ситуации в Китае — комплексная оценка по пяти параметрам: рост, инфляция, обменный курс, процентные ставки, кредит. Определение стадии экономического цикла (по модели "Веселый Роджер" Меррилл Линч), выдача рекомендаций по распределению крупных классов активов. Триггеры: (1) Макроэкономический анализ/макроэкономическая ситуация/оценка экономического цикла (2) Рекомендации по распределению крупных классов активов (3) Анализ "Веселого Роджера" / инвестиционных часов (4) Диагностика китайской экономики по пяти параметрам (5) Комплексная оценка обменного курса/процентных ставок/кредита/инфляции/роста.

машинный переводПоказать оригиналСкрыть оригинал«中国宏观景气分析 — 从增长、通胀、汇率、利率、信用五维度综合打分, 判断经济周期阶段(美林时钟),输出大类资产配置建议。 触发场景:(1)…»

中国宏观景气分析 — 从增长、通胀、汇率、利率、信用五维度综合打分, 判断经济周期阶段(美林时钟),输出大类资产配置建议。 触发场景:(1) 宏观分析/宏观景气/经济周期判断 (2) 大类资产配置建议 (3) 美林时钟/投资时钟分析 (4) 中国经济五维度诊断 (5) 汇率/利率/信用/通胀/增长综合评估。

ClawHub Agent Skills автор: StevenGE791 v1.0.0 MIT-0 6 файлов тело ≈ 604 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ макроэкономической ситуации в Китае — комплексная оценка по пяти параметрам: рост, инфляция, обменный курс, процентные ставки, кредит.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИсследованияРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
79
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 6. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 40
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 604 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 154 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 79.

Внешние проверки

ClawHub: clean
This is a transparent China macro-analysis skill that gives market-cycle and asset-allocation guidance, with no hidden access or automation found.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.