Serenity Skill

Testrapport

Körde Test 1 från den inbyggda evals/test-cases.md: 'Deeply research A-share AI semiconductor industry chain, find 5 priority stocks' — först utan skill, sedan strikt enligt kroppen. Baslinjesvaret producerade en bekant lista över hajpade tickers (寒武纪, 中芯国际, 海光) utan lager, utan bevisstyrka och utan villkor för vederläggning — 0 av 10 av skillens egna kriterier; skillens version gav 10 av 10: först, lagerrankning (HBM/memory interconnect → advanced packaging/CMP → consumables), explicit nedgradering av det mest populära lagret (rena datorchips) med motivering, starka/medelstarka/svaga etiketter på varje tes, en sektion 'what will prove the conclusion incorrect', och A-share-specifika verifieringsvägar (互动易, 问询函, 招投标, 环评). Skriptet serenity_scorecard.py exekverades faktiskt: vikterna summerar exakt till 100, på min input gav det 81.0 − 12.0 = 69.0 'Worth tracking', vilket matchade min oberoende omräkning, och ett betyg på 99 avvisades korrekt med ValueError. Steg 0 rent: läste hela kroppen + båda Python-skripten — endast lokal JSON-parsning, inga nätverksanrop, ingen hemlig läsning, inga dolda instruktioner; SHA256.txt verifierar för 24 av 26 filer (endast README.md och README.zh-CN.md skiljer sig — manifestet är föråldrat i dokumentationen, allt körbart och instruktivt innehåll matchar). Jag anslöt inte live marknadsdata, så kvaliteten på själva aktierankningen kontrollerades inte — endast metodiken kontrollerades, och skillen själv markerade korrekt körningen som initialt godkänd.

Testad: 2026-07-16 · Claude Code 2.x (agent harness)