SKILLEMALL.ai

BD a-share-sector

Запрашивает динамику роста/падения и потоки средств отраслевых/концептуальных/региональных секторов A-shares, поддерживает данные в реальном времени за текущий день и указанную историческую дату (--date); выводит процент роста/падения, объем торгов, основной приток средств, основной отток средств, а также детали акций в секторе (detail поддерживает двойной вид --hot). Данные из Eastmoney (akshare). Используется, когда пользователь спрашивает о секторах A-shares, отраслевых секторах, концептуальных секторах, росте/падении секторов, потоках средств в секторах, коэффициенте оборота, объеме торгов, чистом притоке основных средств, притоке/оттоке, динамике сектора за определенный день, акциях с хорошим ростом или большим объемом средств в секторе; приоритетно выполняется scripts/query.py, запрещено ручное написание парсеров.

машинный переводПоказать оригиналСкрыть оригинал«查询 A 股行业/概念/地域板块的涨跌与资金流向,支持当天实时与指定历史日期(--date); 输出涨跌幅、成交量、主力流入、主力流出,以及…»

查询 A 股行业/概念/地域板块的涨跌与资金流向,支持当天实时与指定历史日期(--date); 输出涨跌幅、成交量、主力流入、主力流出,以及板块内个股详情(detail 支持 --hot 双视图)。 数据来自东方财富(akshare)。当用户问 A股板块、行业板块、概念板块、板块涨跌、板块资金流、 换手率、成交量、主力净流入、流入流出、某日板块表现、板块里哪些股票涨得好或资金量大时使用; 须优先执行 scripts/query.py,禁止手写爬虫。

ClawHub Agent Skills автор: wang peng v1.0.0 MIT-0 4 файла тело ≈ 1 145 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Запрашивает динамику роста/падения и потоки средств отраслевых/концептуальных/региональных секторов A-shares, поддерживает данные в реальном времени за…

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%
72
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: 0. 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: 5
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1145 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 226 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 5 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
This market-data skill is mostly purpose-aligned, but it automatically installs unpinned Python packages and silently bypasses proxy settings during normal use.
LLM: suspicious (medium) · VirusTotal: · 28 июн. 2026 г.