SKILLEMALL.ai

BD cue-financial-deep-read

Глубокое исследование финансовых отчетов с помощью Cue: Фокусируется на последнем финансовом отчете публичной компании, глубоко анализируя изменения основных данных, факторы, влияющие на бизнес, качество прибыли, позицию в цепочке поставок и типичные финансовые сигналы. Охватывает такие основные аспекты, как быстрая проверка финансовой отчетности на наличие рисков, проверка качества финансовой отчетности и цепочки поставок, проверка выполнения прогнозов финансовой отчетности, проверка конвертируемых облигаций и аудиторских заключений, а также полный мониторинг денежных потоков. Предоставляет глубокий анализ финансовой отчетности и список сигналов риска с возможностью проверки источников.

машинный переводПоказать оригиналСкрыть оригинал«用 Cue 跑「财报深读」场景的深度研究:围绕上市公司最新一期财报,从核心数据变动、业务驱动因子、利润含金量、产业链话语权与典型财务信号深度…»

用 Cue 跑「财报深读」场景的深度研究:围绕上市公司最新一期财报,从核心数据变动、业务驱动因子、利润含金量、产业链话语权与典型财务信号深度拆解。覆盖财报极速排雷、财务质量与供应链核查、财报前瞻指引兑现核查、可转债与审计意见核查、资金流向全景追踪等核心搭子,产出带可回查出处的深度财报分析与风险信号清单。

ClawHub Agent Skills автор: wangxiaoxu v1.0.0 MIT-0 2 файла тело ≈ 554 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокое исследование финансовых отчетов с помощью Cue: Фокусируется на последнем финансовом отчете публичной компании, глубоко анализируя изменения основных…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 17
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 554 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
  • +2Инструкции на одном языке
  • +3Длина description 152 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 17 пунктов
  • +4Есть примеры (1 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The skill is a disclosed financial-research integration, but it asks the agent to fetch and run mutable remote code that can use a local Cue API key and consume credits.
LLM: suspicious (medium) · VirusTotal: · 11 авг. 2026 г.