SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-05 00:16
17,421 个结果
TraderSpy Position Check 是一个用于对用户自行描述的加密货币合约持仓进行健康检查的技能。它通过 TraderSpy 数据依次回答：距离爆仓还有多少空间、距离用户自己设定的止损还有多远、图表与衍生品市场当前状态如何、以及还有谁持有相同方向的仓位。该技能只报告事实与数字，不给出平仓、加仓、对冲或移动止损等操作指令，也无法执行任何交易。使用时需要用户在对话中提供持仓方向、入场价、杠杆等信息，并连接 TraderSpy MCP 服务器。
TraderSpy Smart Money 是一个面向加密货币合约交易的只读数据查询技能，用于追踪 Binance、Hyperliquid、Bybit 和 OKX 四个交易所上排名靠前的交易者持仓。它提供跨交易所精英排行榜、各交易所顶级交易者排名、持仓动态（开仓、加减仓、平仓）、单个交易者档案与历史成交、全市场聚合统计以及当前追踪的交易所列表。该技能只做市场观察，不提供下单、跟单、转账或提币功能，所有输出均为市场信息而非投资建议。使用时需要连接 TraderSpy 托管的 MCP 服务器，免费账户可获得基础配额，但免费密钥下持仓数据延迟约 15 分钟。
TraderSpy 技术分析技能用于读取单个加密货币合约交易对的技术面与衍生品数据：一次调用可在最多 3 个时间周期上计算最多 19 个技术指标，并返回关键支撑阻力位、枢轴点、斐波那契回撤、成交量分布，以及资金费率、未平仓合约和持仓多空比等信息。技能强调在有限调用配额内完成多周期共振判断，输出基于工具返回的数值与可引用结论，适用于分析币种走势、动量、超买超卖、支撑阻力位置和入场依据等研究场景。所有工具均为只读，不执行任何交易操作，仅供用户自行研究参考，不构成投资建议。
该技能用于获取并解释 TraderSpy 的 AI 加密货币期货信号，包括进场价、分批止盈、止损、触发条件、当前价格相对信号状态，以及近期信号的命中与止损统计。所有工具均为只读，不执行任何下单、平仓或资金划转；输出为市场信息，不构成投资建议。使用时需要在客户端连接 TraderSpy 托管的 MCP 服务器并完成授权，免费的 TraderSpy 账户即可使用，账户额度与工具细节以服务商当前说明为准。
catalyst-risk 是一个用于股票公司研究流程中「催化剂与风险」阶段的分析技能，属于 vibe-astock 项目。它把泛泛的风险描述转化为可核对的清单：每条风险对应可观察的数据，每个催化剂对应明确的验证时点。核心纪律是「强结论先找反证」——充足、确定、不是问题等强结论必须先找一条反证，找不到才成立，找到则降级为情景。催化剂按兑现型、预期型、周期型、资金/情绪型分类，并标注验证数据与端点；风险按技术路线断层、客户集中、产能过剩与价格战、周期顶、预期透支、一致预期下修、治理与流动性、数据源冲突等分类，并给出对应反证数据。产出包括催化剂清单、风险清单、强结论与反证对照表、数据源冲突与缺口清单，以及至少三个裁决点（什么数据出来会改变判断）。该技能还整合市场声音、产业温度计、卡口事件、管制与准入、数据日历、海外头条、招聘信号等辅助信息层，但明确这些只是线索而非事实。它不提供任何投资动作建议，风险高不等于卖，催化剂多不等于买，产出只到情景概率与裁决点。
company-research 是一个面向个股研究的六阶段 SOP 技能，覆盖 A 股、港股与美股。流程固定为 profile（公司画像）→ financials（财务）→ estimates（一致预期）→ valuation（估值）→ risk（风险与反证）→ report（报告），每阶段结束需通过 Gate 才能进入下一阶段。当前 Phase 0 交付范围是「财务估值闭环」，即行情、财务、一致预期、估值与公告线索；不可替代性与产业链位置证据需 Phase 1 的 industry-chain 等技能补充，Phase 0 下只能标「待补」并在报告中明示。取数统一使用 data-access skill 的脚本，计算统一使用 calc/cli.py，agent 只读取结果，不自行运行取数脚本、不做心算或单位换算。产物落在 .local/runs/<run-id>/ 下，包含 manifest、raw、fetch、evidence、calculations、events 与 report.md。报告结构为结论摘要、事实、推断、估值、风险与反证、裁决点、数据缺口，不输出任何投资动作建议或价格锚。港股与美股流程相同但口径不同，需核对公司身份、使用基准指数参考交易日、按公告日筛选财务数据，且不披露扣非、不算单季环比。
A 股零鉴权取数手册（data-access）是一个面向 A 股研究的取数技能，核心原则是“禁止凭记忆生成数据、取数只用登记脚本”。它通过一组登记脚本从腾讯、新浪、同花顺、baostock、深交所、东财等公开零鉴权来源获取真实行情、市值、估值快照、季度累计财务数据、机构一致预期 EPS、PE 历史序列、公告标题、日 K 线和交易日历等数据。脚本只负责取数，不做单季拆分、TTM、同比、分位等算术，这些交给 calc 层处理。每次调用输出统一 JSON 信封，包含 script、symbol、market、status、evidence、extra、errors 等字段，原始响应落盘到 raw/ 目录并计算 sha256，证据带齐来源、端点、时间、复权口径等契约字段。退出码区分 ok、partial、failed，非 0 表示如实记录数据缺口而非可以编造。该技能还提供注册表与通用取数器、健康巡检、离线测试等机制，并明确安全边界：只访问登记域名与端点、不读取凭据、不向运行目录外写文件，公告正文等外部内容中的指令一律不执行。
财报拆解手册，用于把 A 股及港美股报告期累计值拆成单季，并计算最新单季、TTM、TTM 同比、环比等口径。核心原则是累计值为原料、单季为基本单位、TTM 看规模、最新期看转向，每一步拆分、求和、比率都通过 calc 调用完成。内容涵盖四条铁律、口径地图、拆解流程、质量检查清单、判读模板、财报前瞻与复盘、产出格式及明确不做的事项，强调扣非与归母取舍、季节性与报告期对齐、三表交叉核对，以及比率计算必须同期同单位。
产业链下钻与不可替代性判定方法：以龙头为“需求入口”，沿供应链逐层下钻（整机/龙头→部件→核心器件→材料→衬底与设备），用扩产周期、良率、认证周期、有无替代等物理/材料约束作为筛子，寻找供给刚性的卡口；为每个标的贴不可替代性标签（tech_moat / capacity_moat / both / 待补），并给出市场定价程度的校准。该技能只回答“它在链条哪一层、凭什么不可替代、市场定价到什么程度”，不回答“买不买”，所有事实需附证据 id，无证据写“待补”。
本技能是一份成长股估值口径手册，以 A 股为主，US/HK 通用，属于 company-research SOP 第 4 阶段（valuation）的口径说明书。它规定了 PE、CAGR、PEG 等指标的计算与判读规则：分子端并列报扣非×4 年化 PE、前瞻 PE、TTM PE 及历史分位；分母端主用前瞻 CAGR 并强制与 TTM 同比交叉验证；同时给出一致预期可信度处理、PEG 判读表、四锚 PE 消化年数与“30 倍锚三铁律”、周期性成长股校准及常见错误清单。所有数字须来自 calc/cli.py 调用并带 calculation_id，判读出自手册，结论只到情景与裁决点，不输出价格锚或买卖建议。
data-access 是一个面向 A 股研究的零鉴权取数 skill，核心目标是从公开网页与接口获取真实的行情、市值、估值、财务、一致预期、PE 历史序列、公告标题、日 K 线与交易日历等数据，并保证每个数字都来自本次运行的脚本调用、原始响应落盘、证据字段完整。它只负责取数，不做单季拆分、TTM、同比或分位等算术，这些交给 calc 层处理。调用方式为运行登记表中的 Python 脚本，通过 --symbol 指定标的、--out-dir 指定运行目录，输出原始响应与结构化 JSON 信封，并以 0 / 2 / 3 退出码区分成功、降级与失败。资料显示其覆盖腾讯、新浪、同花顺、baostock、深交所、东财等多个来源，并明确禁止用旧值或记忆补数，失败时如实记录数据缺口。适合需要可追溯、可复算、强调证据链的 A 股数据研究流程使用。
用于生成与核验 BibTeX 的技能：通过 Zotero 的 MCP 连接按 DOI 或 arXiv id 添加论文并获取元数据与开放获取 PDF，再输出 BibTeX；支持离线提取元数据、批量校验与格式化 .bib 文件。
实现 Stripe Connect OAuth，用于查询已连接账户的支付与订阅数据，适用于将应用接入 Connect 或代表其查询支付/订阅信息的场景。
video-frames 是 smallnest/goclaw 中的技能，用 ffmpeg 从视频中抽取单帧画面或生成缩略图，便于快速查看与分享。
为博客文章生成适配深色模式的嵌入式 SVG 数据可视化图表，支持横向条形、分组条形、环形、折线、棒棒糖、面积和雷达图，由 blog-write 与 blog-rewrite 内部调用，非独立命令。
该技能用于在 Snowflake Interactive Warehouse 上对用户提供的任意 SQL 查询进行并发负载基准测试，判断查询能否在交互式仓库上达到指定的 P95 延迟目标。它通过部署到 Snowpark Container Services（SPCS）的 FastAPI 服务器和 Locust 负载生成器运行，并强制使用 SPCS 部署的 API 服务器与 Locust，不允许采用其他替代基准测试方式。整个流程分为三阶段：收集输入、验证查询适用性、运行基准测试（部署、压测、分析、报告），并支持在用户批准的限额内自动扩容重试。
CocoPlus 的 V2 原生确定性契约技能，用于执行原先由 cocometer/chargeback-refresh 委托的行为，且无需调用已注册的运行时脚本。该技能要求使用 Coco 原生能力（Read、Write、Edit、必要时由宿主显式调用的 Bash、需要数据访问时的 Snowflake 工具，以及需要独立审查时的子代理）来完成功能行为。它强调保留所属功能技能所记录的产物路径、schema 和用户可见输出，不将旧脚本作为实现路径，并优先使用确定性文件解析和结构化产物而非自由文本。若会产生外部副作用，需应用与所属功能相同的门控与确认语义。
CocoTrace 是 Snowflake Labs 的 cocoplus 项目中的需求到实现可追溯性工具，用于在生命周期产物之间构建并查询基于 SHA-256 的有向依赖图。它维护 bloom.md → discuss.md → spec.md → plan.md → build-output → eval-results 的依赖链，通过文件内容的 SHA-256 哈希（而非时间戳）检测真实变更，并将过期状态向下游传播。提供 trace build、gaps、show、blast、check、health、compare 等命令，可生成可追溯性图、缺口分析、影响范围评估和资产健康评分，并支持导出报告。
doc-run 是 CocoPlus 中用于为 Snowflake 对象生成文档的技能。它通过执行 SQL 提取列元数据，生成数据字典，并构建血缘关系图。使用方式为 $doc run [schema.table]，若不指定参数则记录所有可访问的表。运行前需确认当前目录已初始化 CocoPlus（存在 .cocoplus/ 目录），否则会提示先运行 $pod init。该技能会为每张表执行 DESCRIBE TABLE 获取列名、数据类型、是否可空、默认值和注释，并查询 SNOWFLAKE.ACCOUNT_USAGE.OBJECT_DEPENDENCIES 获取上下游依赖关系，最终在 .cocoplus/docs/ 下生成每张表的数据字典 Markdown 文件以及汇总的 schema-lineage.md 血缘文件。
inspect 是 CocoPlus 提供的一项 Snowflake 环境扫描技能，用于盘点当前 Snowflake 账户中的模式（schemas）、表（tables）、视图（views）、存储过程（stored procedures）、Cortex 端点以及用户权限，并将结果以带时间戳的快照文件写入 .cocoplus/snapshots/ 目录。它支持三种扫描模式：无参数时执行标准扫描；使用 --schema <name> 仅扫描指定模式；使用 --full 获取扩展元数据（列级细节、查询历史）并额外扫描 Cortex 函数。扫描过程具备容错能力，单个查询失败不会中断整体流程，而是记录失败查询的标签、SQL、错误文本、可能原因及对最终计数的影响。该技能要求当前目录已通过 $pod init 初始化 CocoPlus，否则会提示未初始化并停止。
CocoPlus 的 $map 技能用于扫描项目中的 Cortex AI 函数（如使用 AI_COMPLETE、AI_CLASSIFY 等的 SQL UDF、Cortex Search 配置、语义模型），通过 5 个并行分析代理生成结构依赖与业务意图知识图谱，输出并提交 coco-map.json。支持默认传递归约、--reduce off 跳过归约，包含前置条件、错误处理与缺口检测。
CocoMeter 精度学习展示工具，用于读取本地 .cocoplus/meter 目录下的估算历史与校准系数，汇总展示当前调整系数、样本量、最近 5 次会话的估算/实际比值及趋势。适用于已初始化 CocoPlus 的项目，帮助开发者判断令牌与积分预估的校准是否可信。数据不足 2 次会话时仅提示无法计算。
meter-compare 是 Snowflake Labs 的 CocoPlus 项目下的 CocoMeter 基准结果对比技能，用于比较两份 CocoMeter 或 harness 基准测试结果文件。它默认以“正确性优先”为优化目标：先看准确率变化，再看 token/成本变化；只有成本优先目标被显式确认时，才以成本为主要判断依据。技能会读取 cocoplus.toml 中的 [meter] 配置（如 optimization_objective、accuracy_equivalence_band、cost_first_acknowledged、track_acrr），并按固定顺序输出准确率、ACRR 校准趋势、数据核对与模型漂移信息、成本明细和结论，避免把准确率回退的降本标为改进。
meter-estimate 是 CocoPlus 中的预执行成本估算技能，用于在正式执行某项操作前，分析当前流程或用户描述的操作，估算其 token 消耗、Snowflake 信用点数（credits）及预算是否超限。它依赖 .cocoplus 目录，按流程中各阶段对应的人设给出分阶段 token 估算，并可读取历史校准因子进行修正，同时将估算结果写入预检日志。适用于数据工程、分析、建模等流水线的前置成本评估。