SKILLEMALL.ai
GitHub ↗ EN Войти

AA analyze-burn-economics

Комплексный анализ экономики сжигания Uniswap Firepit: историческая прибыль/убыток от сжигания, тенденции накопления, разбивка источников комиссий, конкурентная динамика и прогнозы прибыльности. Исследовательский отчет уровня управления. Используйте, когда пользователь спрашивает «Какова экономика сжигания?», «История сжигания комиссий протокола» или «Средняя прибыль от сжигания».

машинный переводПоказать оригиналСкрыть оригинал«Comprehensive analysis of Uniswap Firepit burn economics: historical b…»

Comprehensive analysis of Uniswap Firepit burn economics: historical burn P&L, accumulation trends, fee source breakdown, competitive dynamics, and profitability projections. Governance-grade research report. Use when user asks "What's the burn economics?", "History of protocol fee burns", or "Average profit per burn."

ClawHub Agent Skills автор: wpank v0.1.0 3 файла тело ≈ 3 803 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Комплексный анализ экономики сжигания Uniswap Firepit: историческая прибыль/убыток от сжигания, тенденции накопления, разбивка источников комиссий…

Как процесс A 81/100 · Дойдёт до конца — слабые места: входы и предусловия, отчётность по ходу

АнализаторДанные и аналитикаИнфраструктураФинансытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
96
Прогон на моделях
не было
Процессный рейтинг
A
81/100
Дойдёт до конца
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 81/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Шаги. Шагов: 26
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3803 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

    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 3 примера фраз-триггеров в кавычках
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 320 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 13 заголовков
    • +3Пошаговые инструкции: 26 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (7 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.

    Внешние проверки

    ClawHub: clean
    This skill is a read-only Uniswap economics research workflow with no evidence of hidden execution, persistence, credential use, or data exfiltration.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.