SKILLEMALL.ai

AC project-fund-screening

Проводите предварительную скрининговую диагностику для стартапов или растущих проектов, ищущих финансирование — одновременно сверяясь со стандартами VC/PE для поэтапного BP и требованиями государственных руководящих/инвестиционных фондов к реализации, выдавайте структурированную оценку соответствия, список красных флагов и рекомендации по исправлению. Используйте этот навык, когда пользователь хочет определить, может ли проект получить деньги от финансовых инвесторов или государственных фондов, где BP не соответствует требованиям, каковы возможности реализации государственных фондов или достижения обратных инвестиций, или для проведения предфинансового медицинского осмотра проекта.

машинный переводПоказать оригиналСкрыть оригинал«为寻求融资的初创或成长期项目做初步筛选诊断——同时对照 VC/PE 分阶段 BP 标准与政府引导/产投基金落地要求,输出结构化达标度、红旗清…»

为寻求融资的初创或成长期项目做初步筛选诊断——同时对照 VC/PE 分阶段 BP 标准与政府引导/产投基金落地要求,输出结构化达标度、红旗清单与整改建议。当用户需要判断某项目能否拿到财务投资人或政府基金的钱、BP 哪里不达标、政府基金落地可行性或返投能否达成、帮项目做融资前体检时使用本技能。

ClawHub Agent Skills автор: zhuiwensm99 v1.0.0 MIT-0 6 файлов тело ≈ 455 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Проводите предварительную скрининговую диагностику для стартапов или растущих проектов, ищущих финансирование — одновременно сверяясь со стандартами VC/PE для…

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

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
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: 6. 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 "agent_created"

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: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 455 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 146 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill is a local project-financing screening tool that reads user-provided project facts and reference files, then generates a report without hidden network, credential, persistence, or unrelated behavior.
LLM: benign (high) · VirusTotal: · 29 июл. 2026 г.