SKILLEMALL.ai

AC westockdata

Запрашивайте подробные данные по акциям/индексам/ETF на рынках A-shares, Гонконга и США, включая: K-линии/временные интервалы, финансовые отчеты (многопериодный просмотр трех основных отчетов, поддержка пакетного сравнения между рынками), потоки капитала, технические индикаторы, анализ фишек, структуру акционеров, дивиденды и дробление акций, прогнозы результатов, краткую информацию о компании, данные ETF (подробности/позиции/чистая стоимость); а также рыночные данные, такие как индексы широкого рынка, рыночные тренды секторов/отраслей, акции, входящие в сектора, рейтинг роста секторов, акции, входящие в индексы, горячие поисковые запросы, календарь новых акций, инвестиционный календарь.

машинный переводПоказать оригиналСкрыть оригинал«查询A股、港股、美股个股/指数/ETF的详细数据,包括:K线/分时、财务报表(三大报表多期查询,支持跨市场批量对比)、资金流向、技术指标、筹…»

查询A股、港股、美股个股/指数/ETF的详细数据,包括:K线/分时、财务报表(三大报表多期查询,支持跨市场批量对比)、资金流向、技术指标、筹码分析、股东结构、分红除权、业绩预告、公司简况、ETF基金数据(详情/持仓/净值);以及大盘指数、行业/板块行情、板块成份股、板块区间涨幅排行、指数成份股、热搜、新股日历、投资日历等市场数据。

ClawHub Agent Skills автор: westock-skills v1.0.1 MIT-0 4 файла тело ≈ 2 128 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Запрашивайте подробные данные по акциям/индексам/ETF на рынках A-shares, Гонконга и США, включая: K-линии/временные интервалы, финансовые отчеты…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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

  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: 4. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 4
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2128 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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
  • -236 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 166 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 24 заголовков
  • +3Пошаговые инструкции: 4 пунктов
  • +4Есть примеры (15 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a coherent public stock-market data helper, with the main caveat that it runs a pinned third-party npm CLI at use time.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.