SKILLEMALL.ai

AC debt-blitz-planner

Сравнивает стратегии погашения долга с реальной математикой амортизации: лавина (сначала самая высокая процентная ставка), снежный ком (сначала самый маленький баланс) и минимальный платеж как базовый. Показывает точные даты полного погашения долга, общую выплаченную сумму процентов, сэкономленные проценты и каскадное высвобождение минимальных платежей. Используйте, когда у пользователя есть долг по кредитной карте, студенческие кредиты или несколько долгов, и он спрашивает, какой из них погасить первым, сколько времени потребуется до полного погашения долга или стоит ли погашать небольшие балансы или долги с высокими процентными ставками в первую очередь.

машинный переводПоказать оригиналСкрыть оригинал«Compare debt payoff strategies with real amortization math: avalanche…»

Compare debt payoff strategies with real amortization math: avalanche (highest APR first), snowball (smallest balance first), and minimum-only baseline. Shows exact debt-free dates, total interest paid, interest saved, and freed-minimum cascading. Use when the user has credit card debt, student loans, or multiple debts and asks which to pay first, how long until debt-free, or whether to pay off small balances or high rates first.

ClawHub Agent Skills автор: voronindenis5 v1.0.0 MIT-0 7 файлов тело ≈ 1 441 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Сравнивает стратегии погашения долга с реальной математикой амортизации: лавина (сначала самая высокая процентная ставка), снежный ком (сначала самый…

Как процесс C 63/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
63/100
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: 7. 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 63/100

    • 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
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 36
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1441 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 2 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 433 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 36 пунктов
    • +4Есть примеры (5 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This skill is a local debt payoff calculator whose behavior matches its stated personal-finance planning purpose.
    LLM: benign (high) · VirusTotal: · 20 авг. 2026 г.