SKILLEMALL.ai

BD cue-wealth-advisory

Используйте Cue для проведения углубленных исследований в сценарии «Финансовый консультант»: Автоматически обобщайте ночные новости о политике и внешних рынках, генерируя готовые к использованию утренние отчеты для клиентов и рекомендации по инвестированию. Охватывает помощника после закрытия рынка, утренние брифинги для консультантов, контент-фабрику для состоятельных клиентов, утренние финансовые отчеты, руководство по трансграничному налоговому соответствию и мониторинг рисков на рынке облигаций и другие ключевые аспекты, анализируя логику роста и падения и денежные потоки, выдавая профессиональные комментарии, рекомендации по общению и углубленный контент, адаптированный для различных групп клиентов.

машинный переводПоказать оригиналСкрыть оригинал«用 Cue 跑「财富投顾」场景的深度研究:自动汇总隔夜政策与外盘动态,生成即插即用的客户早报与配置建议。覆盖盘后超级助理、投顾早盘简报、高净…»

用 Cue 跑「财富投顾」场景的深度研究:自动汇总隔夜政策与外盘动态,生成即插即用的客户早报与配置建议。覆盖盘后超级助理、投顾早盘简报、高净值财富内容工场、财经早报、跨境税务合规展业指南、债券市场风险监测等核心搭子,穿透涨跌逻辑与资金流向,产出适配不同客群的专业点评、沟通话术与深度内容。

ClawHub Agent Skills автор: wangxiaoxu v1.0.1 MIT-0 2 файла тело ≈ 536 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Используйте Cue для проведения углубленных исследований в сценарии «Финансовый консультант»: Автоматически обобщайте ночные новости о политике и внешних…

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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 536 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 144 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 6 заголовков
  • +3Пошаговые инструкции: 16 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 wealth-advisory reports, with expected network use, credit consumption, and local runner setup.
LLM: benign (medium) · VirusTotal: · 11 авг. 2026 г.