SKILLEMALL.ai
GitHub ↗ EN Войти

BD stock-analysis

Инструмент анализа данных фондового рынка A-shares. Поддерживает получение котировок в реальном времени, фильтрацию секторов, рекомендации по акциям, автоматический периодический анализ. Учитывая инвестиционные предпочтения пользователя (технологии, алкоголь, аэрокосмическая отрасль и т. д.), предоставляет рекомендации по инвестированию, основанные на событиях, и краткосрочные/среднесрочные инвестиционные советы.

машинный переводПоказать оригиналСкрыть оригинал«A股市场数据分析工具。支持实时行情获取、板块筛选、股票推荐、自动定时分析。结合用户投资偏好（科技、白酒、航天等），提供事件驱动和中短线投资建…»

A股市场数据分析工具。支持实时行情获取、板块筛选、股票推荐、自动定时分析。结合用户投资偏好（科技、白酒、航天等），提供事件驱动和中短线投资建议。

modbender/skill-library-mcp Agent Skills автор: modbender MIT 18 файлов тело ≈ 1 853 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Инструмент анализа данных фондового рынка A-shares.

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
39/100
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: 18. 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 39/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (stock-analysis) не совпадает с папкой (chaogu)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 35
  • 100Стоимость исполнения. Тело инструкции 1853 токенов
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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 72: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -213 эмодзи в инструкциях: шум для модели
  • -33 из 13 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 43 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (26 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.