SKILLEMALL.ai
GitHub ↗ EN Войти

BC a-share-model-builder

Помощник по построению финансовых моделей для публичных компаний Китая. Локализованная модификация на основе репозитория Open Source Anthropic financial-services, адаптированная к китайским стандартам бухгалтерского учета (CAS/ASBE), поддерживает автоматизированное построение и обновление моделей DCF, сопоставимых компаний (Comps), LBO, трех основных финансовых отчетов. Вывод в виде связанной рабочей книги Excel, охватывающей сценарии инвестиционных исследований, инвестиционного банкинга, PE/VC и т. д.

машинный переводПоказать оригиналСкрыть оригинал«A股上市公司财务模型构建助手。基于Anthropic financial-services开源仓库本土化改造， 适配中国会计准则（CAS/A…»

A股上市公司财务模型构建助手。基于Anthropic financial-services开源仓库本土化改造， 适配中国会计准则（CAS/ASBE），支持DCF、可比公司（Comps）、LBO、三大报表联动模型 的自动化构建与更新。输出为Excel联动工作簿，覆盖投研、投行、PE/VC等场景。

ClawHub Agent Skills автор: yinfeihaaaaaaaaaaa v1.0.0 MIT-0 2 файла тело ≈ 1 155 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Помощник по построению финансовых моделей для публичных компаний Китая.

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

СправочникИнфраструктуратип 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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: 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "trigger_phrases"

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: 44
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1155 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 147 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 44 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill is a financial-modeling instruction file with disclosed, purpose-aligned behavior and no hidden executable, credential-seeking, persistent, or destructive components.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.