用途
CKVD 代码库研究技能（ckvd-research）用于对 crypto-kline-vision-data（CKVD）代码库进行定向调研，回答关于实现细节、设计模式与架构的问题。其触发场景包括：了解 FCP 如何工作、理解数据流、查找代码、探索实现等。调用时可传入研究问题作为参数。
主要能力
该技能聚焦以下关键调查领域：
- FCP 实现（src/ckvd/core/sync/crypto_kline_vision_data.py）：失败切换（failover）决策如何做出，以及 Cache → Vision → REST 的优先级。
- 提供商实现（src/ckvd/core/providers/binance/）：Vision API 客户端、REST API 客户端、缓存管理器。
- 工具模块（src/ckvd/utils/）：市场约束与校验、时间戳处理、DataFrame 工具。
- 流式实现（src/ckvd/core/streaming/）：KlineStream 类与流生命周期、KlineUpdate 数据结构、StreamConfig 配置项、WebSocket 客户端连接处理、异步消息循环模式。
使用方式
研究指令要求：使用 Glob 查找相关文件；使用 Grep 搜索特定模式；阅读关键文件以理解实现；用具体的 file:line 引用总结结论。
预期输出包括：Summary（研究问题的简要回答）、Key Files（与主题最相关的文件）、Code References（具体的 file:line 引用）、Related Topics（值得进一步调查的其他领域）。
技能提供 TodoWrite 任务模板，用于结构化调研流程：
- 模板 A：调查 FCP 流程 — 阅读 get_data() 方法，追踪缓存检查逻辑（ckvd_cache_utils 中的 get_cache_lazyframes）、Vision 获取逻辑（_fetch_from_vision）、REST 回退逻辑（_fetch_from_rest），并记录带 file:line 引用的 FCP 决策点。
- 模板 B：追踪数据源 — 识别数据源模块（Vision、REST、Cache），阅读提供商客户端实现，追踪从 API 调用到 DataFrame 返回的数据流，记录错误处理与重试逻辑并总结。
- 模板 C：梳理异常处理 — 阅读 rest_exceptions.py 与 vision_exceptions.py，在 core/ 中 Grep 异常捕获/抛出模式，梳理哪些异常触发 FCP 回退，识别静默失败或裸 except，记录异常流。
- 模板 D：调查流式架构 — 阅读 src/ckvd/core/streaming/kline_stream.py 中的 KlineStream 类，理解流生命周期（create → subscribe → iterate → close），研究 KlineUpdate 数据结构（字段：open_time、close、open、high、low、volume、symbol、interval、is_closed），追踪异步上下文管理器模式（aenter、aexit），研究 WebSocket 客户端初始化与消息处理，记录流状态管理与错误处理。
变更后检查清单
修改此技能后需确认：待调查的关键领域仍与实际文件路径一致；研究指令引用的工具可用；将变更追加到 references/evolution-log.md。
参考
@references/evolution-log.md — 技能变更历史。
限制
资料未提供该技能的安装方式、收费模式、支持平台或实际运行效果等信息，暂未提供。