SKILLEMALL.ai

AC saffronai-etf-data

Получает данные индийских ETF-трекеров (символ, последняя цена, iNAV, временные метки) от SaffronAI (saffronai.in) и возвращает их в виде JSON или отфильтрованных строк. Используйте, когда пользователь запрашивает последнюю цену/iNAV ETF для индийских ETF (символы NSE, такие как NIFTYBEES, GOLDBEES, SILVERBEES) или хочет получить полный снимок ETF-трекера.

машинный переводПоказать оригиналСкрыть оригинал«Fetch Indian ETF tracker data (symbol, lastPrice, iNAV, timestamps) fr…»

Fetch Indian ETF tracker data (symbol, lastPrice, iNAV, timestamps) from SaffronAI (saffronai.in) and return it as JSON or filtered rows. Use when the user asks for ETF last price/iNAV for Indian ETFs (NSE symbols like NIFTYBEES, GOLDBEES, SILVERBEES) or wants the full ETF tracker snapshot.

ClawHub Agent Skills автор: subscriptionmanager26-png v1.0.0 MIT-0 3 файла тело ≈ 230 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Получает данные индийских ETF-трекеров (символ, последняя цена, iNAV, временные метки) от SaffronAI (saffronai.in) и возвращает их в виде JSON или…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
52/100
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

    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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 4
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 230 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 291 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 4 пунктов
    • +4Есть примеры (4 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This looks like a documented Python/API helper with a permission-metadata gap, but no evidence of hidden or harmful behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.