SKILLEMALL.ai
GitHub ↗ EN Войти

AB philidor

Аналитика DeFi-хранилищ: оценки рисков, сравнение доходности, анализ портфеля и мониторинг оракулов в Morpho, Yearn, Aave, Beefy и Spark. Используйте, когда пользователь хочет найти безопасные DeFi-хранилища, сравнить доходность, проверить оценки рисков хранилищ, проанализировать DeFi-позиции кошелька, найти возможности для получения дохода, отслеживать актуальность оракулов или получить статистику обзора рынка DeFi. Охватывает Ethereum, Base, Arbitrum, Polygon, Optimism и Avalanche.

машинный переводПоказать оригиналСкрыть оригинал«DeFi vault intelligence: risk scores, yield comparison, portfolio anal…»

DeFi vault intelligence: risk scores, yield comparison, portfolio analysis, and oracle monitoring across Morpho, Yearn, Aave, Beefy, and Spark. Use when the user wants to find safe DeFi vaults, compare yields, check vault risk scores, analyze a wallet's DeFi positions, search for yield opportunities, monitor oracle freshness, or get DeFi market overview stats. Covers Ethereum, Base, Arbitrum, Polygon, Optimism, and Avalanche.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла тело ≈ 3 776 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Аналитика DeFi-хранилищ: оценки рисков, сравнение доходности, анализ портфеля и мониторинг оракулов в Morpho, Yearn, Aave, Beefy и Spark.

Как процесс B 66/100 · Почти готов — слабые места: входы и предусловия, отчётность по ходу

ПроцедураИнфраструктуратип 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
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
B
66/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Ошибки и развилки вес 10
50
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: 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 66/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 14
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 3776 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 429 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 23 заголовков
    • +3Пошаговые инструкции: 14 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (12 блоков кода)

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