SKILLEMALL.ai

BD 足球预测 / soccer-predict

Система прогнозирования ставок на футбольные матчи. Автоматически собирает данные с titan007.com (азиатский гандикап, тотал больше/меньше, европейские коэффициенты, фундаментальные показатели, составы, угловые, голы в первом тайме), выполняет 5-этапную структуру количественного анализа и выдает рекомендации по ставкам с прогнозируемыми счетами. Поддерживает режимы краткого/визуального вывода, обзор после матча и автоматическую оптимизацию весов. Триггеры: (1) идентификатор матча, например «2908467», или описание матча, (2) запросы на анализ/прогнозирование футбольных матчей, (3) результаты матча для обзора, например «比分2比1», (4) анализ гандикапа/тотала.

машинный переводПоказать оригиналСкрыть оригинал«Football match betting prediction system. Auto-scrapes data from titan…»

Football match betting prediction system. Auto-scrapes data from titan007.com (Asian handicap, over/under, European odds, fundamentals, lineups, corners, half-time goals), runs a 5-step quantitative analysis framework, and outputs betting recommendations with predicted scores. Supports concise/visual dual output modes, post-match review, and auto weight optimization. Triggers: (1) match ID like "2908467" or match description, (2) requests to analyze/predict football matches, (3) match results for review like "比分2比1", (4) handicap/over-under analysis.

ClawHub Agent Skills автор: Superluigi v1.1.0 MIT-0 8 файлов тело ≈ 448 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система прогнозирования ставок на футбольные матчи.

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

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
67
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

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 name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

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 (足球预测 / soccer-predict) не совпадает с папкой (soccer-predict)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 33
  • 100Стоимость исполнения. Тело инструкции 448 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 556 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 33 пунктов
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.

Внешние проверки

ClawHub: suspicious
The skill does football betting analysis, but it may save prediction history and learned model changes locally without clear opt-in or cleanup controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.