SKILLEMALL.ai

AD investment-research

Интеллектуальный инструмент исследования и анализа акций, для решения сложных и глубоких инвестиционных исследовательских вопросов, поддерживающий сравнительный анализ отдельных активов/множества активов/отраслей, выдающий выводы институционального уровня по различным аспектам и профессиональные исследовательские отчеты. **Сценарии частого использования** - Финансовый анализ - Анализ выручки, прибыли, рентабельности собственного капитала, темпов роста, финансовой устойчивости и т. д. - Анализ оценки - Просмотр P/E, P/B, P/S, дивидендной доходности, сравнение с историческими данными и отраслевыми показателями для определения уровня оценки. - Технический анализ - Анализ скользящих средних, MACD, KDJ, уровней поддержки и сопротивления. - Анализ денежных потоков - Анализ направлений денежных потоков, различий в движении средств основных игроков/розничных инвесторов. - Анализ настроений - Анализ рыночного консенсуса и противоречий, мнений сообщества и институтов. - Глубокое исследование - Генерация комплексных инвестиционных исследовательских отчетов по различным аспектам. **Применимые сценарии** - "Проанализируй финансы CATL" → Отчет о финансовом анализе - "Дорога ли оценка Kweichow Moutai" → Отчет об анализе оценки - "Технический анализ BYD" → Технический анализ - "Денежные потоки основных игроков в Topstar" → Анализ денежных потоков - "Дай мне глубокий анализ CATL" → Полный исследовательский отчет - "Сравни BYD и CATL" → Отчет о сравнении отраслей **Триггерные слова** Инвестиционный анализ, фундаментальные показатели, финансы, оценка, рост прибыли, технический анализ, свечные графики, денежные потоки, настроения, глубокое исследование, аналитический отчет, отдельная акция, сравнение отраслей

машинный переводПоказать оригиналСкрыть оригинал«智能股票研究分析工具,应多复杂深度的投资研究问题,支持单资产/多资产/行业对比分析,输出不同维度的机构级拆解结论和专业研究报告。 **高频…»

智能股票研究分析工具,应多复杂深度的投资研究问题,支持单资产/多资产/行业对比分析,输出不同维度的机构级拆解结论和专业研究报告。 **高频使用场景** - 财务分析 - 分析营收、利润、ROE、增速、财务健康度等 - 估值分析 - 查阅 PE/PB/PS、股息率,对比历史和行业得到估值水平结论 - 技术面分析 - 分析均线、MACD、KDJ、支撑阻力 - 资金面分析 - 分析资金流向、主力/散户资金动向差异 - 情绪面分析 - 分析市场共识和矛盾点、社区和机构观点 - 深度研究 - 生成多维度综合投资研究报告 **适用场景** - "分析下宁德时代的财务" → 财务分析报告 - "茅台估值贵不贵" → 估值分析报告 - "比亚迪技术面" → 技术面分析 - "拓维信息的主力资金流向" → 资金面分析 - "给我宁德时代的深度分析" → 完整研究报告 - "比较下比亚迪和宁德时代" → 行业对比报告 **触发词** 投资分析、基本面、财务、估值、业绩增长、技术面、k线、资金面、情绪面、深度研究、研报、个股、行业对比

ClawHub Agent Skills автор: sunlujing v1.0.5 MIT-0 6 файлов тело ≈ 1 336 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Интеллектуальный инструмент исследования и анализа акций, для решения сложных и глубоких инвестиционных исследовательских вопросов, поддерживающий…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • средняя Утечка данных net-redirectable-api-key scripts/tool_client.py:43
    Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
    API key + configurable base URL from environment

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "env_vars"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (investment-research) не совпадает с папкой (invest-buddy)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 62
  • 100Стоимость исполнения. Тело инструкции 1336 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

  • +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 6 примера фраз-триггеров в кавычках
  • +3Длина description 466 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 62 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

Внешние проверки

ClawHub: clean
The skill is a disclosed finance-analysis API integration, with manageable privacy and configuration risks rather than evidence of hidden or malicious behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.