SKILLEMALL.ai

BD cue-market-cap-mgmt

Используйте Cue для проведения углубленных исследований в сценарии «Управление рыночной капитализацией»: Разрабатывайте комплексные решения по управлению рыночной капитализацией, охватывающие создание стоимости, распространение и реализацию. Охватывает стратегии управления рыночной капитализацией, поиск объектов для слияний и поглощений, поиск потенциальных компаний для листинга, разработку планов стимулирования акциями, ежедневные отчеты о мониторинге рыночной капитализации, обзор компаний, находящихся в листинге, диагностику состояния рыночной капитализации, мониторинг оценки непубличных компаний и другие ключевые аспекты, используя общедоступные данные из нескольких источников для диагностики позиционирования рыночной капитализации, а также для поиска возможностей для слияний, поглощений и инвестиционно-банковских операций.

машинный переводПоказать оригиналСкрыть оригинал«用 Cue 跑「市值管理」场景的深度研究:从价值创造、传播、实现三维构建全流程市值管理方案。覆盖市值管理策略方案、并购标的挖掘、潜在上市企业…»

用 Cue 跑「市值管理」场景的深度研究:从价值创造、传播、实现三维构建全流程市值管理方案。覆盖市值管理策略方案、并购标的挖掘、潜在上市企业挖掘、股权激励方案设计、市值监测日报、上市公司全景速览、市值健康度诊断、非上市企业估值监控等核心搭子,用多源公开数据支撑市值定位诊断、并购与投行业务机会挖掘。

ClawHub Agent Skills автор: wangxiaoxu v1.0.1 MIT-0 2 файла тело ≈ 567 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Используйте Cue для проведения углубленных исследований в сценарии «Управление рыночной капитализацией»: Разрабатывайте комплексные решения по управлению…

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: 18
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 567 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 149 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (1 блоков кода)
  • +1Лицензия указана

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

Внешние проверки

ClawHub: clean
This skill is a disclosed Cue research workflow for market-capitalization management that uses an external Cue runner and requires user confirmation before spending credits.
LLM: benign (high) · VirusTotal: · 11 авг. 2026 г.