SKILLEMALL.ai

BD quant-strategy-interpreter

Помощник по количественной торговле и интерпретации фьючерсных стратегий. Триггеры: количественная стратегия, бэктестинг, фьючерсная стратегия, двойное скользящее среднее, торговое правило черепах, возврат к среднему, полосы Боллинджера, импульсный прорыв, межсрочный арбитраж, парный трейдинг, статистический арбитраж, параметры стратегии, интерпретация литературы, воспроизведение стратегии по английским статьям. Преобразует идеи стратегий из англоязычных количественных/фьючерсных статей в китайскую интерпретацию + исполняемый шаблон бэктестинга (Python/pandas) + описание параметров + источник статьи, а также вызывает «Запрос данных MCP» для бэктестинга на реальных котировках.

машинный переводПоказать оригиналСкрыть оригинал«量化交易与期货策略解读助手。触发词:量化策略、回测、期货策略、双均线、海龟交易法则、均值回归、布林带、动量突破、跨期套利、配对交易、统计套利…»

量化交易与期货策略解读助手。触发词:量化策略、回测、期货策略、双均线、海龟交易法则、均值回归、布林带、动量突破、跨期套利、配对交易、统计套利、策略参数、文献解读、英文论文策略复现。把英文量化/期货文献中的策略思想转化为中文解读 + 可运行回测模板(Python/pandas)+ 参数说明 + 文献出处,并调用「数据查询 MCP」取真实行情回测。

ClawHub Agent Skills автор: yingzi6776-cmd v1.0.0 MIT-0 21 файл тело ≈ 855 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Помощник по количественной торговле и интерпретации фьючерсных стратегий.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 21. 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 "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (quant-strategy-interpreter) не совпадает с папкой (strategylens-quant-kit)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 10
  • 100Стоимость исполнения. Тело инструкции 855 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
  • -33 из 12 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 173 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 10 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 7)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This skill is a disclosed quantitative-finance research and backtesting helper, with no hidden trading, credential, persistence, or destructive behavior found.
LLM: benign (high) · VirusTotal: · 25 июл. 2026 г.