SKILLEMALL.ai
GitHub ↗ EN Войти

AC vestafolio-micro-foncier-vs-reel

Сравнивает налогообложение аренды недвижимости без мебели между micro-foncier и régime réel с déficit foncier с помощью симулятора Vestafolio API, после ответов на вопросы симулятора (без мебели или нет, валовая арендная плата, шесть строк расходов, TMI, предыдущий дефицит). Используйте, когда пользователь спрашивает "micro-foncier ou régime réel", как облагается налогом доход от аренды недвижимости без мебели во Франции, о 30% скидке, пределе micro-foncier в 15 000 евро, зачете déficit foncier в общий доход или какой режим позволяет сэкономить больше налогов на revenus fonciers.

машинный переводПоказать оригиналСкрыть оригинал«Compare unfurnished rental taxation between micro-foncier and régime r…»

Compare unfurnished rental taxation between micro-foncier and régime réel with déficit foncier using Vestafolio's simulator API, after asking the simulator's questions (unfurnished or not, gross rents, six charge lines, TMI, prior deficit). Use when a user asks "micro-foncier ou régime réel", how location nue rental income is taxed in France, about the 30 % abattement, the 15 000 € micro-foncier ceiling, déficit foncier imputation on global income, or which regime saves more tax on revenus fonciers.

ClawHub Agent Skills v1.0.0 2 файла тело ≈ 1 797 токенов Открыть источникclawhub.ai↗ проанализирован 4 дн назад

Сравнивает налогообложение аренды недвижимости без мебели между micro-foncier и régime réel с déficit foncier с помощью симулятора Vestafolio API, после…

Как процесс C 52/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, ошибки и развилки

ИнтеграцияФинансыИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
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
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: vestafolio-micro-foncier-vs-reel (ClawHub)

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

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 28
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1797 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 504 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

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

    Внешние проверки

    ClawHub: suspicious
    The skill is a coherent tax-simulator helper, but it requires sending detailed rental and tax figures to Vestafolio without an explicit consent checkpoint.
    LLM: suspicious (high)