SKILLEMALL.ai

AC llm-wiki-setup

Совместное создание персональной вики LLM для инвестиционных исследований (по шаблону Андрея Карпати), где собственный аналитический фреймворк пользователя становится живым CLAUDE.md — путем интервьюирования его, а не предоставления шаблона. Используйте всякий раз, когда пользователь хочет создать растущую базу знаний для исследований, 投研第二大脑, 投研知识库 или 个人投研 wiki; инстанцировать gist LLM Wiki Карпати для финансов/инвестиций; превратить его рабочий процесс отслеживания акций, аналитиков или отчетов о прибылях в структурированное хранилище markdown; или создать вики для отслеживания компаний / отраслей / макроэкономики / аналитиков с течением времени. Чистый markdown + wikilinks; без RAG вместо компиляции (основная идея Карпати — поиск qmd по выросшей вики соответствует шаблону). Также активируется для поглощения исследовательских отчетов / отчетов о прибылях / заметок экспертов в существующую вики, а также для обзоров прогнозов прибыли после отчетности. Основная ценность — извлечение личных инвестиционных предпочтений пользователя в ЕГО СОБСТВЕННУЮ схему, никогда не навязывая стандартную.

машинный переводПоказать оригиналСкрыть оригинал«Co-create a personal investment-research LLM Wiki (Andrej Karpathy's p…»

Co-create a personal investment-research LLM Wiki (Andrej Karpathy's pattern) where the user's OWN analysis framework becomes a living CLAUDE.md — by interviewing them, NOT by handing them a template. Use whenever the user wants to build a compounding research knowledge base, 投研第二大脑, 投研知识库, or 个人投研 wiki; instantiate Karpathy's LLM Wiki gist for finance/investing; turn their stock-picking, analyst-tracking, or earnings-watching workflow into a structured markdown vault; or build a wiki tracking companies / industries / macro / analysts over time. Pure markdown + wikilinks; no RAG in place of compilation (Karpathy's core idea — qmd search over the grown wiki is in-pattern). Also triggers for ingesting research reports / earnings calls / expert notes into an existing wiki, and for post-earnings prediction→fulfillment reviews. Core value = extracting the user's personal investment preferences into THEIR OWN schema, never imposing a standard one.

daymade/claude-code-skills Agent Skills автор: daymade 11 файлов тело ≈ 771 токенов Открыть источникgithub.com проанализирован 2 ч назад

Совместное создание персональной вики LLM для инвестиционных исследований (по шаблону Андрея Карпати), где собственный аналитический фреймворк пользователя…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

    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: 10. 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 51/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 10
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 771 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +3Длина description 955: рекомендуется 120–800 символов
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 10 пунктов
    • +4Есть примеры (3 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.