SKILLEMALL.ai
GitHub ↗ EN Войти

AB optimize-lp

Получение оптимальной стратегии LP для пары токенов — рекомендует версию (V2/V3/V4), уровень комиссии, ширину диапазона и подход к ребалансировке на основе характеристик пары, исторических данных и терпимости к риску. Используйте, когда пользователь спрашивает, как использовать LP, какой диапазон использовать или какая версия/уровень комиссии лучше.

машинный переводПоказать оригиналСкрыть оригинал«Get the optimal LP strategy for a token pair — recommends version (V2/…»

Get the optimal LP strategy for a token pair — recommends version (V2/V3/V4), fee tier, range width, and rebalance approach based on pair characteristics, historical data, and risk tolerance. Use when the user asks how to LP, what range to use, or which version/fee tier is best.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 1 165 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Получение оптимальной стратегии LP для пары токенов — рекомендует версию (V2/V3/V4), уровень комиссии, ширину диапазона и подход к ребалансировке на основе…

Как процесс B 76/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ПроцедураИИ 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
76/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Результат и критерий готовности вес 14
60
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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:60
      Строка, похожая на токен (может быть id, хеш или секрет)
      Pool: 0x88…640 (Ethereum)

    Просканировано файлов: 2. 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 76/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 85Шаги. Шагов: 23, расплывчатых формулировок: 1
    • 100Инструменты и файлы. Инструменты объявлены во frontmatter
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1165 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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 279 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 23 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.