SKILLEMALL.ai

AD chan-stock-analysis

Комплексный навык анализа акций, сочетающий Чаньлунь, фундаментальный анализ, финансовую отчетность и оценку, с генерацией профессиональных инвестиционных отчетов (включая PDF). Используйте, когда: пользователь предоставляет тикер акции и требует глубокого анализа акций, технического анализа по Чаньлунь, фундаментального исследования, интерпретации финансовой отчетности, оценки, комплексного инвестиционного отчета. НЕ для: трансляции рыночных котировок в реальном времени, простого запроса цен акций, финансового анализа, не связанного с акциями. Ключевые слова: анализ по Чаньлунь, отчет по анализу акций, технический + фундаментальный анализ, комплексное исследование, инвестиционный отчет, глубокий анализ, анализ оценки, анализ финансовой отчетности, анализ точек покупки/продажи.

машинный переводПоказать оригиналСкрыть оригинал«缠论+基本面+财报+估值综合股票分析技能,生成专业投研报告(含 PDF)。 Use when: 用户提供股票代码,要求进行深度股票分析、缠论…»

缠论+基本面+财报+估值综合股票分析技能,生成专业投研报告(含 PDF)。 Use when: 用户提供股票代码,要求进行深度股票分析、缠论技术分析、基本面研究、财报解读、估值分析、综合投研报告。 NOT for: 实时行情播报、简单股价查询、非股票类金融分析。 触发词:缠论分析、股票分析报告、技术面+基本面、综合研究、投研报告、深度分析、估值分析、财报分析、买卖点分析

ClawHub Agent Skills автор: YWWZZsgit v1.0.0 MIT-0 8 файлов тело ≈ 2 432 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Комплексный навык анализа акций, сочетающий Чаньлунь, фундаментальный анализ, финансовую отчетность и оценку, с генерацией профессиональных инвестиционных…

Как процесс D 45/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
D
45/100
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

    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: 8. 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 45/100

    • 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
    • 40Согласованность. Имя во frontmatter (chan-stock-analysis) не совпадает с папкой (chanlun-stock-analysis)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 118
    • 100Стоимость исполнения. Тело инструкции 2432 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
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -212 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 186 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 118 пунктов
    • +4Есть примеры (12 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: clean
    This is a disclosed stock research/report skill, with real financial and dependency risks but no evidence of hidden, destructive, or purpose-mismatched behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.