SKILLEMALL.ai
GitHub ↗ EN Войти

AB earnings-calendar

Этот навык извлекает предстоящие объявления о доходах для американских акций с использованием API Financial Modeling Prep (FMP). Используйте его, когда пользователь запрашивает данные календаря доходов, хочет знать, какие компании отчитываются о доходах на предстоящей неделе, или нуждается в еженедельном обзоре доходов. Навык фокусируется на компаниях средней и крупной капитализации (свыше 2 млрд долларов рыночной капитализации), оказывающих значительное влияние на рынок, организуя данные по дате и времени в аккуратной таблице markdown. Поддерживает несколько сред (CLI, Desktop, Web) с гибким управлением API-ключами.

машинный переводПоказать оригиналСкрыть оригинал«This skill retrieves upcoming earnings announcements for US stocks usi…»

This skill retrieves upcoming earnings announcements for US stocks using the Financial Modeling Prep (FMP) API. Use this when the user requests earnings calendar data, wants to know which companies are reporting earnings in the upcoming week, or needs a weekly earnings review. The skill focuses on mid-cap and above companies (over $2B market cap) that have significant market impact, organizing the data by date and timing in a clean markdown table format. Supports multiple environments (CLI, Desktop, Web) with flexible API key management.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 6 файлов тело ≈ 5 739 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Этот навык извлекает предстоящие объявления о доходах для американских акций с использованием API Financial Modeling Prep (FMP).

Как процесс B 78/100 · Почти готов — слабые места: отчётность по ходу

ПроцедураЛичная продуктивностьДанные и аналитикаТексты и документытип 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Отчётность по ходу вес 2
0
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-password-literal references/fmp_api_guide.md:127
    Захардкоженный пароль / ключ (возможно, пример)
    GET /api/v3/earning_calendar?apikey=KEY&from=2025-11-03&to=2025-11-09
  • низкая Секреты в коде secret-password-literal scripts/fetch_earnings_fmp.py:299
    Захардкоженный пароль / ключ (возможно, пример)
    api_key = sys.argv[3]

Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5739 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 78/100

  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 70Стоимость исполнения. Тело инструкции 5739 токенов
  • 85Шаги. Шагов: 165, расплывчатых формулировок: 3
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 10. 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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 543 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 41 заголовков
  • +3Пошаговые инструкции: 165 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (28 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 2 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.