SKILLEMALL.ai

AC industry-diagnosis

Комплексная диагностика всей отрасли — охватывает 31 первичную отрасль Shenwan, проводя индивидуальный анализ на основе структуры цепочки поставок каждой отрасли. Для каждой отрасли определяются уникальные показатели верхнего/среднего/нижнего звена, структура спроса и предложения, логика распределения прибыли, а также накладываются показатели цены/объема/технологии/оценки для комплексной диагностики. Поддерживается динамическая адаптация к отраслям-сателлитам. Сценарии запуска: (1) Анализ отрасли/диагностика отрасли/анализ цепочки поставок (2) Структура спроса и предложения/индекс процветания отрасли (3) Ротация отраслей/рекомендации по распределению активов (4) Распределение прибыли в цепочке поставок/инвестиционные возможности

машинный переводПоказать оригиналСкрыть оригинал«全行业综合诊断 — 覆盖申万31个一级行业,根据各行业产业链结构进行定制化分析。 为每个行业定义独特的上游/中游/下游指标、供需格局、利润分…»

全行业综合诊断 — 覆盖申万31个一级行业,根据各行业产业链结构进行定制化分析。 为每个行业定义独特的上游/中游/下游指标、供需格局、利润分配逻辑, 并叠加价量/技术/估值指标进行综合诊断。支持细分行业动态适配。 触发场景:(1) 行业分析/行业诊断/产业链分析 (2) 某行业供需格局/景气度 (3) 行业轮动/板块配置建议 (4) 产业链利润分配/投资机会

ClawHub Agent Skills автор: StevenGE791 v2.1.0 MIT-0 8 файлов тело ≈ 1 428 токенов Открыть источникclawhub.ai проанализирован 21 ч назад

Комплексная диагностика всей отрасли — охватывает 31 первичную отрасль Shenwan, проводя индивидуальный анализ на основе структуры цепочки поставок каждой…

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

АнализаторИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
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: 8. 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: 15
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1428 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
  • -235 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 180 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 15 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a structured finance research template for Chinese industry analysis, with no executable code or hidden privileged behavior found.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.