AA alphaear-signal-tracker
Используйте этот навык для отслеживания эволюции существующего финансового или инвестиционного сигнала, когда пользователь предоставляет предыдущий тезис/сигнал и спрашивает, усиливает ли новая рыночная информация его, ослабляет, фальсифицирует, реализует или оставляет без изменений. Он должен сравнить базовую логику с обновленными новостями, ценами и фундаментальными показателями, а затем выдать структурированное обновление сигнала. При необходимости используйте mx-search и mx-data для получения свежих фактов; не используйте для простого поиска новостей, поиска необработанных данных, скрининга акций или запросов, содержащих только диаграммы.
машинный переводПоказать оригиналСкрыть оригинал«Use this skill to track the evolution of an existing finance or invest…»
Use this skill to track the evolution of an existing finance or investment signal when the user provides a prior thesis/signal and asks whether new market information strengthens, weakens, falsifies, realizes, or leaves it unchanged. It should compare baseline logic with updated news, prices, and fundamentals, then output a structured signal update. Use mx-search and mx-data for fresh facts as needed; do not use for simple news lookup, raw data lookup, stock screening, or diagram-only requests.
Используйте этот навык для отслеживания эволюции существующего финансового или инвестиционного сигнала, когда пользователь предоставляет предыдущий…
Как процесс A 81/100 · Дойдёт до конца — слабые места: повторный запуск, отчётность по ходу
Как улучшить
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 2
✓ Критических и высоких находок нет
Средние и низкие: 2
-
низкая Секреты в коде
secret-high-entropy-tokenscripts/utils/hybrid_search.py:22Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)model_name: 向量模型名称，默认使用 para…-v2
в кавычках -
низкая Секреты в коде
secret-high-entropy-tokenscripts/utils/hybrid_search.py:34Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)self.model_name = model_name or os.getenv("EMBEDDING_MODEL", "para…-v2")в кавычках
Просканировано файлов: 36. 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 81/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 22
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 541 токенов
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
- +4Нет примеров входа/выхода
- -32 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 499 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 22 пунктов
- +3Формат ответа описан явно
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.