EdgarTools — SEC EDGAR 文件分析技能

该技能为只读 SEC EDGAR 查询，无文件写入、无网络外发（仅向 SEC 官方端点请求数据）、无凭据要求（SEC 仅要求署名身份，set_identity 数据流向透明且在文档中明确说明）。sharp-edges.yaml 显式披露速率限制、身份要求与错误语义，数据流向清晰。扣分项：发布者身份未经企业注册库验证；set_identity 收集用户邮箱并随请求发送至 SEC，虽为 SEC 强制要求，但技能未明示此隐私影响；无用户确认/回滚机制（对只读场景影响有限）。未达满分。

文档内部高度自洽：skill.yaml、sharp-edges.yaml、validations.yaml 相互引用一致，错误词汇表（TransportError/NotFoundError/None 语义）明确，失败反馈质量高（429 等待策略、渐进式回退链）。仓库含真实 CI 工作流与大规模测试体系，符合静态校准允许突破 10 分上限的条件；但技能本身主要是文档/模式文件，其具体指导路径（如 get_financials 优先级建议）未见专门的技能级测试直接覆盖，且无法静态验证运行时表现，故不给更高分。

场景定义清晰（公司查询、财报检索、全文搜索），collaboration.yaml 明确声明了核心技能的处理边界与委派范围，触发词表具体，token 预算披露。扣分项：核心功能完全依赖 SEC EDGAR（sec.gov/data.sec.gov），该服务在中国大陆网络环境下可达性差且速率限制严格，文档未提供镜像或离线方案（仅提企业镜像）；无任何中文支持；边界声明部分依赖其他未在本次评审范围内的技能目录。

信息架构分层良好（SKILL.md 入口 → skill.yaml 模式 → sharp-edges/validations/collaboration），skill.yaml 带版本号 1.1，MIT 许可明确，安装说明与依赖备注详尽（pyproject 注释质量高）。扣分项：无技能级 changelog；维护责任集中于单一维护者（README 自述 'maintained by one person'），更新路径依赖赞助持续性；部分示例数据（如 2025-2026 访问号）可能随时间失效。

对 AI 代理使用 SEC 数据的边际价值明确：将 XBRL 解析压缩为一行调用，str()/to_context() 针对 LLM 输出优化，README 给出了对比替代方案（sec-api）的成本论证，且 CI+测试体系提供了执行证据，允许超过 7 分。扣分项：静态评审无法验证示例输出的实际正确性与完整性（如财务数据标准化质量），效果主张主要来自作者自述。

仓库含真实 CI 工作流（含 cassette 安全门、离线审计、覆盖率 65% 门槛、回归测试追踪）和大量测试基础设施，多数关键主张可审计复核；sharp-edges 自称'来自技能测试的产出'但无对应技能级测试记录佐证。事实与推断基本分离。静态评审未执行任何复现，且技能文档路径本身的测试覆盖不可见，故仅达 5 分上限。