SKILLEMALL.ai

BD cue-short-term-market

Глубокое исследование сценариев «краткосрочного рынка» с помощью Cue: отслеживание горячих тем и катализаторов за последние 24 часа в реальном времени, глубокий анализ позиций лидеров торгов за день, сканирование ночных глобальных внезапных событий для прогнозирования влияния на китайский фондовый рынок. Охватывает отслеживание горячих тем и катализаторов за 24 часа, анализ намерений крупных игроков на основе данных торгов, глубокий предрыночный стратегический обзор, анализ краткосрочных объемов, цен и технических показателей, анализ внутридневного рынка, анализ логики денежных потоков в горячих секторах, мониторинг в реальном времени и торговый календарь, а также другие ключевые аспекты, создавая аналитические материалы, пригодные для краткосрочной торговли и наблюдения за рынком.

машинный переводПоказать оригиналСкрыть оригинал«用 Cue 跑「短线盘面」场景的深度研究:实时追踪 24h 热点与催化剂,深度解析每日龙虎榜席位,扫描隔夜全球突发事件推导 A 股映射。覆盖…»

用 Cue 跑「短线盘面」场景的深度研究:实时追踪 24h 热点与催化剂,深度解析每日龙虎榜席位,扫描隔夜全球突发事件推导 A 股映射。覆盖 24h 热点与催化剂追踪、龙虎榜主力意图透视、深度盘前策略内参、短线资金量价与技术面分析、盘中盘面透视、热点板块资金逻辑分析、实时盯盘与交易日历等核心搭子,产出短线交易与盘面观察可用的分析底稿。

ClawHub Agent Skills автор: wangxiaoxu v1.0.0 MIT-0 2 файла тело ≈ 571 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокое исследование сценариев «краткосрочного рынка» с помощью Cue: отслеживание горячих тем и катализаторов за последние 24 часа в реальном времени…

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 571 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 168 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 market-research workflow that uses public data and a Cue API key to generate trading research, with user confirmation before spending credits.
LLM: benign (high) · VirusTotal: · 11 авг. 2026 г.