SKILLEMALL.ai

AC vestafolio-age-retraite

Смоделируйте досрочный выход на пенсию (FIRE), финансируемый за счет инвестированного капитала, для французского вкладчика с помощью симулятора API Vestafolio, после ответов на вопросы симулятора (текущая ситуация, ипотека, целевой возраст, дополнительный доход, образ жизни на пенсии). Используйте, когда пользователь спрашивает «à quel âge puis-je arrêter de travailler», «quand serai-je financièrement indépendant», в каком возрасте он может выйти на пенсию досрочно, сколько капитала ему нужно для FIRE, хватит ли его сбережений, или как частичная занятость и сокращение расходов влияют на возраст выхода на пенсию.

машинный переводПоказать оригиналСкрыть оригинал«Simulate early retirement (FIRE) financed by invested capital for a Fr…»

Simulate early retirement (FIRE) financed by invested capital for a French saver using Vestafolio's simulator API, after asking the simulator's questions (current situation, mortgage, target age, complementary income, lifestyle at retirement). Use when a user asks "à quel âge puis-je arrêter de travailler", "quand serai-je financièrement indépendant", at what age they can retire early, how much capital they need for FIRE, whether their savings will last, or how part-time income and expense cuts change their retirement age.

ClawHub Agent Skills автор: Vestafolio v1.0.2 MIT-0 2 файла тело ≈ 2 339 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Смоделируйте досрочный выход на пенсию (FIRE), финансируемый за счет инвестированного капитала, для французского вкладчика с помощью симулятора API…

Как процесс C 56/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
C
56/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: 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 56/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, 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
    • 65Ошибки и развилки. Развилок: 3
    • 85Шаги. Шагов: 36, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2339 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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 2 примера фраз-триггеров в кавычках
    • +3Длина description 528 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 36 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a transparent retirement-simulation skill that asks permission before sending limited financial inputs to Vestafolio's API.
    LLM: benign (high) · VirusTotal: · 9 сент. 2026 г.