SKILLEMALL.ai

BF hk-horse-racing

Получает карты скачек Hong Kong Jockey Club с деталями лошадей, коэффициентами и рекомендуемыми ставками на каждую гонку. Поддерживает выбор даты, фильтрацию по классу, исключения, получение данных по одной гонке, расширенную оценку и улучшенный анализ формы.

машинный переводПоказать оригиналСкрыть оригинал«Fetches Hong Kong Jockey Club race cards with horse details, odds, and…»

Fetches Hong Kong Jockey Club race cards with horse details, odds, and recommended picks per race. Supports date selection, class filtering, exclusions, single-race fetch, advanced scoring, and enhanced form analysis.

ClawHub Agent Skills автор: Steven Ho v1.2.2 MIT-0 7 файлов тело ≈ 2 258 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Получает карты скачек Hong Kong Jockey Club с деталями лошадей, коэффициентами и рекомендуемыми ставками на каждую гонку.

Как процесс F 48/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/get_hk_race_results.js

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
85/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
62
Прогон на моделях
не было
Процессный рейтинг
F
48/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/get_hk_race_results.js
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
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: 7. 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: scripts/get_hk_race_results.js

Процессный рейтинг: все десять параметров 48/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/get_hk_race_results.js
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/get_hk_race_results.js
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 85Шаги. Шагов: 54, расплывчатых формулировок: 1
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2258 токенов

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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 217 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 54 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 62.

Внешние проверки

ClawHub: clean
This skill appears to do what it says: fetch public Hong Kong horse-racing data and compute betting-style recommendations without credential access, hidden persistence, or unrelated system authority.
LLM: benign (high) · VirusTotal: · 22 июн. 2026 г.