SKILLEMALL.ai

BC ai-finance-free

AI-управляемый финансовый анализ — количественные исследования на естественном языке. Профессиональный вспомогательный ИИ-инструмент для финансового анализа, удаляет исходный код риска, повышает безопасность и стабильность, дополняет полную обработку ошибок и граничных случаев, добавляет примеры использования в различных сценариях. Используйте, когда пользователю нужны функции, связанные с AI-управляемым финансовым анализом. Не подходит для сложных требований, выходящих за рамки возможностей этого навыка. Подходит для независимых разработчиков, корпоративных команд и сценариев автоматизированных рабочих процессов.

машинный переводПоказать оригиналСкрыть оригинал«AI驱动金融分析-自然语言量化研究。针对财务分析领域的专业AI辅助工具,\n,去除原始风险代码,增强安全性和稳定性,\n补充完整的错误处理与…»

AI驱动金融分析-自然语言量化研究。针对财务分析领域的专业AI辅助工具,\n,去除原始风险代码,增强安全性和稳定性,\n补充完整的错误处理与边界情况,增加多场景使用示例。\n\。Use when 用户需要AI驱动金融分析相关功能时使用。不适用于超出本技能能力范围的复杂需求。适用于独立开发者、企业团队和自动化工作流场景。

ClawHub Agent Skills автор: 天轰穿 v1.0.2 MIT-0 2 файла тело ≈ 2 190 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

AI-управляемый финансовый анализ — количественные исследования на естественном языке.

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

ИнтеграцияРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Invalid escape sequence \。 at line 6, column 102: …增强安全性和稳定性,\n补充完整的错误处理与边界情况,增加多场景使用示例。\n\。Use when 用户需要AI驱动金融分析相关功能时使用。不适用于超出本技… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
    • заметка frontmatter-key неизвестное поле фронтматтера "summary"
    • заметка frontmatter-key неизвестное поле фронтматтера "tools"

    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. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 63
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2190 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле

    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
    • +2Инструкции на одном языке
    • +3Длина description 160 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 49 заголовков
    • +3Пошаговые инструкции: 63 пунктов
    • +4Есть примеры (7 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

    Внешние проверки

    ClawHub: suspicious
    This finance skill is not clearly malicious, but it asks for broad tool access and describes exports, API keys, and recurring pushed results without enough guardrails.
    LLM: suspicious (medium) · 10 авг. 2026 г.