claude-trading-skills 完全指南:基于 Claude Skills 的交易工作流工具库——架构、技能目录、工作流清单与零 API 起步路径

原创2026-11-14 11:33:472,251 阅读
文章标签:金融科技AI 技能人工智能数据分析

claude-trading-skills 完全指南:基于 Claude Skills 的交易工作流工具库——架构、技能目录、工作流清单与零 API 起步路径

本文基于该仓库的 README.md 展开,系统讲解 claude-trading-skills 的设计定位与边界(它不是信号服务,而是把市场复盘、风险管理、交易计划、交易日记和持续改进结构化的工具库),并完整覆盖其技能目录、推荐工作流、两种安装方式、零 API Key 起步路径、API 配置与仓库自动化机制。读完本文,你能够:判断这套工具是否适配自己的投资节奏、按仓库规范完成技能安装与打包、读懂 workflows/ 下的机器可读工作流清单,并复现一个不依赖付费数据 API 的日常市场检查流程。

项目定位:为时间受限的个人投资者设计的"交易操作系统"

claude-trading-skills 源自作者的自用项目,目标是"用 AI 改进自己的交易流程"。README 给出的项目定义是:基于 Claude Skills 的交易工作流工具库,面向时间受限的个人投资者(time-constrained individual investors)。其目标用户画像是"以长期投资、ETF、股息股为核心,在行情允许时以有纪律的波段交易作为卫星策略"的投资者。

README 用一段话划清了边界,这也是理解整个仓库设计的前提:

  • 目标不是把买卖决策外包给 AI,而是把市场复盘(market review)、风险管理(risk management)、交易计划(trade planning)、交易日记(journaling)和持续改进(continuous improvement)结构化;
  • 它不是信号服务,也不承诺盈利,而是"帮助交易者构建更好决策流程的工具箱";
  • 项目遵循 "first for self, open for others" 立场:先作为作者的实用工作流构建,再公开共享给有相同约束的人。

配套阅读材料包括 PROJECT_VISION.md(项目愿景)与日文版 README.ja.md。README 的 Disclaimer 部分同时明确:仓库仅用于教育、研究与流程改进,不构成财务、税务或法律建议;所有交易决策、仓位规模、合规与券商使用均由用户自行负责;项目在 MIT License 下以 AS IS, WITHOUT WARRANTY 提供。

适用与不适用人群(README "Who This Is For" 一节):

  • 时间受限的个人投资者;
  • 希望长期投资之外获得有纪律波段收益的投资者;
  • 希望结构化组合复盘的股息与 ETF 投资者;
  • 希望"先管理风险、再找交易候选"的交易者;
  • 希望通过日记持续改进决策流程的投资者。
  • 不适用于:全自动化交易、信号外包、短线剥头皮(scalping)。

推荐起步路径:五条机器可读的工作流清单

README 建议新用户从以下五条"操作型工作流"入手。每条链接指向 workflows/ 目录下的机器可读 manifest,其中按顺序列出了确切的技能(skills)、决策门(decision gates)和产物(artifacts):

目标 工作流 锚定技能 API 需求
15 分钟每日市场检查 market-regime-daily market-breadth-analyzer、uptrend-analyzer、exposure-coach 基础路径无需 API
每周长期组合复盘 core-portfolio-weekly(示例运行) portfolio-manager、kanchi-dividend-review-monitor、trader-memory-core 需要 Alpaca;手动 CSV 是降级回退
仅在风险允许时寻找波段候选 swing-opportunity-daily(示例运行) vcp-screener、drawdown-circuit-breaker、technical-analyst、position-sizer、trader-memory-core、pre-trade-discipline-gate 筛选器用 FMP;风险与纪律门使用本地状态
记录并从每笔平仓交易中学习 trade-memory-loop trader-memory-core、signal-postmortem 手动路径无需 API
月度绩效复盘与规则调整 monthly-performance-review(示例运行) trader-memory-core、signal-postmortem、backtest-expert 手动路径无需 API

如何读取一份 manifest、如何手动运行它,完整说明在 workflows/README.md;"哪套工作流适合我的情况"的一页决策指南见 Find Your Workflow(日本語)。如果你是第一次接触本项目,建议按 Your First Week(日本語)从安装走到无付费数据 API 的市场检查、第一条日记和第一次周复盘。

工作流清单的结构与权威来源

从源码结构看,workflows/*.yaml 是仓库中多技能工作流的唯一权威定义。workflows/README.md 明确写道:"如果其他任何地方的散文(README.md、CLAUDE.md、博客、文档站)与本目录中的 manifest 不一致,以 YAML 为准"。一份 manifest 的主要章节包括:

  1. Header — id、display_name、cadence、estimated_minutes、target_users、difficulty、api_profile,以及成对的 when_to_run/when_not_to_run(含 _ja 日文字段);
  2. required_skills / optional_skills — 运行该工作流需要安装的技能,required 技能必须出现在至少一个非可选步骤中;
  3. prerequisite_workflows(可选)— 声明上游工作流产物依赖,仅作文档提示,校验器不强制排序;
  4. manual_inputs(可选)— 操作者手工提供的输入,需链接其规范 schema;
  5. artifacts — 每个命名产物及其 produced_by_step、required 标志和可选的 downstream_hints;
  6. steps — 顺序执行步骤,每步恰好命名一个技能,可声明 consumes/produces,可选步骤与决策门(decision_gate 必须同时提供中英文的 decision_question);
  7. 步骤之后还有 manual_review 人工确认清单、journal_destination(通常指向 trader-memory-core)。

以 README 起步路径表中的 market-regime-daily.yaml 为例,其实际结构为:4 个步骤,前两步分别运行 market-breadth-analyzer(产出 market_breadth_report)和 uptrend-analyzer(产出 uptrend_report);第 3 步是可选步骤,运行 market-top-detector(需要 FMP key,产出 top_risk_report);第 4 步是 exposure-coach 的决策门,消费前面全部产物并产出 exposure_decision,决策问题是"今天是否允许新的波段交易风险"。manifest 还声明 exposure_decision 的 downstream_hints 指向 swing-opportunity-daily,journal_destination 为 trader-memory-core。值得注意的是 when_not_to_run 字段直接写明:该输出不能作为独立的买卖信号使用,exposure_decision 是姿态(allow / restrict / cash-priority),不是指令——这正是"AI 不出决策、只出结构化输入"这一项目哲学的落地。

关于 consumes: 的语义,workflows/README.md 特别澄清:它表示"可用则使用",而非"必需输入"。若产物来自非可选步骤,则视为必需输入;若来自可选步骤(如 exposure-coach 消费 top_risk_report),消费方必须能优雅处理缺失情况。

manifest 由 scripts/validate_skills_index.py --strict-workflows 校验(在 pre-push 与 CI 中运行),错误码为稳定的 WF001–WF014;完整 schema、错误码与校验规则见 docs/dev/metadata-and-workflow-schema.md。

示例输出(虚构数据演示)

README 用三张 SVG 示意图展示技能产物形态,并强调这些是虚构数据的插图,不是实时行情或交易指令:

  • Trading Skills Navigator 推荐卡:根据目标推荐起步路径,列出所需技能与无付费 API 路径(对应技能文档 trading-skills-navigator);
  • Market Posture Summary:展示 36% 曝光上限、REDUCE_ONLY 姿态、因关键输入缺失而给出的 LOW 置信度——market-regime-daily 工作流的终点是供人审阅的姿态,不是订单;
  • Weekly Performance Digest:四笔虚构平仓交易的 50% 胜率与 75 美元已实现利润摘要(对应技能文档 weekly-performance-digest)。

成本构成与"无 API Key"起步路径

README "What This Actually Costs" 一节的要点:Claude Web Skills 目前对 Free、Pro、Max、Team、Enterprise 账户开放,具体可访问性以 Anthropic 官方当前说明为准;Claude Code 有单独的账户要求(Claude.ai Free 计划不包含)。FMP、FINVIZ Elite 和 Alpaca 只是特定工作流的可选数据/券商集成。下面的五技能起步路径使用公共 CSV、图表截图和本地文件即可运行,不需要付费行情数据 API。

无 API Key 起步路径(五技能)

如果没有 FMP / FINVIZ / Alpaca 订阅,先手动运行以下五个技能:

  1. market-breadth-analyzer — 基于公共 CSV 的市场宽度评分;无需 API key
  2. uptrend-analyzer — 基于公共 CSV 的上涨趋势参与度;无需 API key
  3. position-sizer — 纯计算;无 I/O
  4. trader-memory-core — 本地 YAML 日记
  5. signal-postmortem — 复盘框架

这条路径可以完成市场状况复盘、仓位计算、决策日记与结果复盘,全程不依赖付费数据 API。但要注意 README 的澄清:"no API" 不等于 "no external data"——这些技能仍然需要公共 CSV、图表截图或本地文件。各技能确切的输入需求,见 skills-index.yaml 中每个技能的 integrations: 条目。

仓库源码与上述声明一致。例如 skills/market-breadth-analyzer/SKILL.md 的 frontmatter 写明"6 分量综合评分(0–100,100 = 健康),使用 TraderMonty 的公共 CSV 数据,No API key required",前置条件仅为 Python 3.9+(含 requests)与网络访问;而在 skills-index.yaml 中,position-sizer、drawdown-circuit-breaker、pre-trade-discipline-gate 等风险类技能的集成统一登记为 local_calculation。

权威来源声明:skills-index.yaml 是所有技能的权威索引。若 README、CLAUDE.md 或文档与索引不一致,以索引为准;多技能工作流同理——workflows/*.yaml 是权威定义。仓库中的 skills-index.yaml 当前登记了 180 个技能条目级 id 定义(含校验与运营角色元数据),每个条目包含 id、display_name、category、status(production/beta 等)、verification(单元测试、工作流契约、端到端回放等多维验证状态)、operational_role、integrations、inputs/outputs 以及 workflows 反向引用。

仓库结构

README 给出的目录布局如下(可结合 CLAUDE.md 中的技能结构规范阅读):

  • skills/<skill-name>/ — 每个交易技能的源码文件夹,含 SKILL.md、参考材料(references/)与辅助脚本(scripts/);
  • skills-index.yaml — 每个技能的规范元数据索引(id、category、integrations、workflows 反向引用);
  • workflows/ — Core + Satellite 例行的操作型工作流清单(权威,经 --strict-workflows 校验器强制);
  • skill-packages/ — 预构建的 .skill 压缩包,可直接上传到 Claude 网页版 Skills 标签页;
  • docs/ — 文档站内容、生成的技能页面,以及 docs/dev/metadata-and-workflow-schema.md(schema 规范);
  • scripts/ — 仓库级自动化,含 schema 校验器与一次性 bootstrap 辅助;
  • skillsets/ — 面向目标场景的安装捆绑包,定义 required / recommended / optional 技能。当前发行 6 个 skillset:market-regime、core-portfolio、dividend-income、swing-opportunity、trade-memory、strategy-research(见 skillsets/ 目录,如 core-portfolio.yaml、swing-opportunity.yaml),由 Navigator 技能消费。

单个技能的标准目录结构(由 CLAUDE.md 规范定义)为:

<skill-name>/
├── SKILL.md              # 必需:含 YAML frontmatter(name + description)的技能定义
├── references/           # 载入 Claude 上下文的领域知识库
├── scripts/              # 可执行 Python 脚本(按需执行,不自动载入)
└── assets/               # 用于生成输出的模板与资源

其中 SKILL.md 的 name 必须与目录名一致才能被正确检测;加载是渐进式的:先加载 frontmatter 元数据用于技能检测,技能被调用时加载正文,参考文档按分析需要选择性读取,脚本仅在需要时执行。技能产物(markdown + JSON 报告)默认写入 reports/ 目录,文件名约定为 <skill>_<analysis-type>_<date>.md。

上手方式

首次使用建议先读 FAQ(计划、成本、安全与范围问题),升级已安装技能前查看 CHANGELOG 与发布兼容性与迁移策略。

方式一:Claude 网页版(Web App)

  1. 打开最新 GitHub Release,下载目标技能对应的 .skill 资产及 SHA256SUMS,按发布策略校验哈希。若 Releases 页面为空,改用下面的源码文件夹安装方式,或用 scripts/package_skills.py 本地构建包;
  2. 个人账户打开 Settings > Capabilities,启用 Code execution and file creation;Team / Enterprise 用户可能需要组织所有者启用 Skills;
  3. 打开 Customize > Skills,上传 ZIP,确认其出现在列表中并在需要时启用。

方式二:Claude Code(桌面或 CLI)

  1. 克隆或下载本仓库;
  2. 将目标技能文件夹(如 backtest-expert)复制到 ~/.claude/skills/(个人使用)或项目内的 .claude/skills/(项目级使用);
  3. Claude Code 会检测已有 skills 目录的变化;仅当会话启动后才创建了顶层 skills 目录时才需重启。

提示:.skill 包由源码文件夹构建而成,构建时省略测试与本地构建产物。若要自定义技能,编辑源码文件夹,然后运行 python3 scripts/package_skills.py --skill <skill-name> 再上传到网页版。该打包脚本对应仓库中的 scripts/package_skills.py,构建产物输出到 skill-packages/。

受支持平台与 Python 兼容性

README 声明:共享项目环境支持 Linux、Windows、macOS 上的 Python 3.11 至 3.13;打包后的独立技能(standalone skill)保持 Python 3.9 源码下限。某个根项目组合只有被项目 CI 实际跑过时才计为 supported,该范围内的其他组合是 best-effort 且未经验证。

仓库内的对应证据链:pyproject.toml 声明 requires-python = ">=3.11,<3.14"——上限 <3.14 是有意为之,使承诺是封闭的,未来 3.14 无法在 CI 矩阵未扩展前被默认为"受支持";config/python-support.json 是机器可读的边界声明;完整矩阵与执行方式见 docs/dev/compatibility-matrix.md,其中 CI 实际覆盖的组合包括 Linux 3.11(test/coverage/workflow-replay 等主 job)、Linux 3.9(standalone 洁净室)、Linux/Windows/macOS 3.13(compat-smoke)以及 Windows/macOS 3.11(compat-nightly)。漂移防护由 scripts/check_compat_matrix.py 对整个工作流目录做静态校验,任何新工作流若在不受支持的 OS / 越界 Python 上运行 job 都会被捕获。

核心技能领域

仓库的技能横跨以下领域(README "Core Skill Areas" 表):

领域 示例技能
Market Regime(市场状态) market-breadth-analyzer、uptrend-analyzer、exposure-coach
Core Portfolio(核心组合) portfolio-manager、us-undervalued-growth-screener
Dividend Income(股息收入) kanchi-dividend-sop、value-dividend-screener、dividend-growth-pullback-screener
Swing Opportunities(波段机会) vcp-screener、canslim-screener、breakout-trade-planner
Trade Planning(交易计划) position-sizer、technical-analyst、pre-trade-discipline-gate
Trade Memory(交易记忆) trader-memory-core、signal-postmortem
Strategy Research(策略研究) backtest-expert、manifoldbt-backtester、edge-pipeline-orchestrator
Advanced Satellite(进阶卫星策略) parabolic-short-trade-planner、earnings-trade-analyzer、options-strategy-advisor

详细技能目录

README 的 "Detailed Skill Catalog" 章节是自动生成的:由 scripts/generate_catalog_from_index.py 从 skills-index.yaml 生成(README 中以 <!-- skills-index:start name="catalog-en" --> 标记围合,禁止手工编辑;要修改描述,应编辑索引条目后重跑 python3 scripts/generate_catalog_from_index.py)。下表完整继承该目录,包含每个技能的集成需求(required/recommended/optional)、在流水线中的角色(standalone / workflow_step / research_only / internal_component)与状态。

Market Regime

技能 摘要 集成 角色 状态
Breadth Chart Analyst (breadth-chart-analyst) 分析市场宽度图表,特别是基于 200 日均线的 S&P 500 Breadth Index 与 US Stock Market Uptrend Stock Ratio 图表 chart_image 必需 standalone production
COT Contrarian Detector (cot-contrarian-detector) 使用 CFTC Commitment of Traders 数据检测 CFTC 期货市场中拥挤的投机(大投机商)仓位,实现 Jason Shapiro 逆向方法论第 1 步 fmp 必需 workflow_step production
Crypto Regime Analyzer (crypto-regime-analyzer) 使用免费免 key 公共数据,从 6 个分量量化加密市场状态健康度(0–100 综合分,100 = risk-on) coingecko 必需,binance_funding 推荐,prices_json 可选 standalone beta
Downtrend Duration Analyzer (downtrend-duration-analyzer) 分析历史下跌趋势持续时间,生成交互式 HTML 直方图展示按板块与市值的典型调整时长 fmp 必需 research_only production
Exposure Coach (exposure-coach) 整合宽度、状态与资金流分析技能的信号,生成一页式 Market Posture 摘要:净曝光上限、成长-价值倾向、参与度宽度,以及允许新开仓 vs 现金优先建议 local_calculation workflow_step production
FTD Detector (ftd-detector) 使用 William O'Neil 方法论检测市场底部确认的 Follow-Through Day(FTD)信号 fmp 必需 standalone production
IBD Distribution Day Monitor (ibd-distribution-day-monitor) 检测 QQQ/SPY 的 IBD 式派发日(放量下跌至少 0.2%),跟踪 25 会话失效与 5% 失效线,统计 d5/d15/d25 聚集,分类市场风险(NORMAL/CAUTION/HIGH/SEVERE) fmp 必需 standalone production
Macro Regime Detector (macro-regime-detector) 使用跨资产比率分析检测结构性宏观状态转换(1–2 年视野) yfinance 必需,fmp 可选 workflow_step production
Market Breadth Analyzer (market-breadth-analyzer) 使用 TraderMonty 公共 CSV 数据量化市场宽度健康度 public_csv 必需 workflow_step production
Market Environment Analysis (market-environment-analysis) 综合市场环境分析与报告工具 websearch 必需,chart_image 可选 workflow_step production
Market News Analyst (market-news-analyst) 分析近期影响市场的事件及其对股票与商品市场的影响 websearch 必需 workflow_step production
Market Top Detector (market-top-detector) 使用 O'Neil 派发日、Minervini 领先股恶化、Monty 防御板块轮动评估启发式市场顶部风险 fmp 必需,public_csv 可选 workflow_step production
News Reaction Failure Analyzer (news-reaction-failure-analyzer) 判断市场是否未对利好拥挤投机仓位的消息做出反应,实现 Shapiro 逆向方法论第 2 步,附带蒙特卡洛验证的漂移显著性判定 fmp 必需,websearch 必需 workflow_step production
Sector Analyst (sector-analyst) 分析板块轮动模式与市场周期定位 chart_image 必需 workflow_step production
Uptrend Analyzer (uptrend-analyzer) 使用 Monty 的 Uptrend Ratio Dashboard 数据分析市场宽度,诊断当前市场环境 public_csv 必需 workflow_step production
US Market Bubble Detector (us-market-bubble-detector) 使用修订版 Minsky/Kindleberger 框架 v2.1 进行数据驱动的市场泡沫风险评估 user_input 必需 standalone production

Core Portfolio

技能 摘要 集成 角色 状态
Portfolio Manager (portfolio-manager) 通过 Alpaca MCP Server 获取持仓与仓位,综合分析资产配置、风险指标、个股仓位、分散度并生成再平衡建议 alpaca 可选 workflow_step production
US Undervalued Growth Screener (us-undervalued-growth-screener) 筛选并排序美股中小市值低估值成长股:稳定优先的 FMP 客户端、持久化 SQLite 缓存、自适应股票枚举、FY1 估计归一化、20 日流动性核验、四通道确定性发现、前瞻同口径估值、标准与 SBC 调整 FCF、稀释、同业、周期与 LOE 控制、严格终评、发布前审计与自包含证据包 fmp 推荐,alternate_market_data 可选,sec_edgar 必需,company_ir 必需,official_macro 必需,local_calculation standalone beta

Dividend Income

技能 摘要 集成 角色 状态
Dividend Growth Pullback Screener (dividend-growth-pullback-screener) 寻找高质量股息成长股(年股息增长 12%+、股息率 1.5%+)且处于临时回调(RSI ≤ 40) fmp 必需,finviz 推荐 workflow_step production
Kanchi Dividend Review Monitor (kanchi-dividend-review-monitor) 以 Kanchi 式强制复盘触发器(T1–T5)监控股息组合,将异常转为 OK/WARN/REVIEW 状态,不自动卖出 fmp 推荐 workflow_step production
Kanchi Dividend SOP (kanchi-dividend-sop) 将 Kanchi 式股息投资转化为可重复的美股操作程序 fmp 推荐 workflow_step production
Kanchi Dividend US Tax Accounting (kanchi-dividend-us-tax-accounting) 为 Kanchi 式收入组合提供美股股息税务与账户配置工作流 local_calculation workflow_step production
Value Dividend Screener (value-dividend-screener) 筛选兼具价值特征(P/E < 20、P/B < 2)、有吸引力股息率(≥3%)与三年持续成长的股息机会 fmp 必需,finviz 推荐 workflow_step production

Swing Opportunity

技能 摘要 集成 角色 状态
Breakout Trade Planner (breakout-trade-planner) 从 VCP 筛选器输出生成 Minervini 式突破交易计划:最坏情形风险计算、组合热度管理、Alpaca 兼容订单模板(预设用 stop-limit bracket,确认后用 limit bracket) local_calculation workflow_step production
CANSLIM Screener (canslim-screener) 使用 William O'Neil 的 CANSLIM 成长股方法论筛选美股 fmp 必需 workflow_step production
Finviz Screener (finviz-screener) 从自然语言请求构造并打开 FinViz 筛选器 URL finviz 可选 standalone production
Stockbee Exhaustion Hammer Screener (stockbee-exhaustion-hammer-screener) 筛选 Stockbee 式卖压衰竭锤线候选:质量/流动性门槛、前期动量、回调深度、跌破/收回、锤线几何、成交量确认、市场门槛与风险距离过滤 fmp 必需,prices_json 可选,profiles_json 可选,local_calculation workflow_step beta
Stockbee Momentum Burst Screener (stockbee-momentum-burst-screener) 筛选 3–5 天动量爆发候选:4% 突破、美元量突破、区间扩张、量能扩张、setup 质量与风险距离过滤 fmp 必需,prices_json 可选,local_calculation workflow_step beta
Theme Detector (theme-detector) 检测并分析跨板块的趋势性市场主题 fmp 可选,finviz 推荐 workflow_step production
VCP Screener (vcp-screener) 按 Mark Minervini 的 VCP(波动收缩形态)筛选标普 500 股票 fmp 必需 workflow_step production

Trade Planning

技能 摘要 集成 角色 状态
Contrarian Setup Gate (contrarian-setup-gate) 离线综合门:将 COT 拥挤度、消息反应失败与周线价格行为确认合成为可执行的 setup_status,采用 fail-closed 优先级状态机,是 Shapiro 逆向方法论的决策中枢 local_calculation workflow_step production
Drawdown Circuit Breaker (drawdown-circuit-breaker) 账户级熔断器:读取 trader-memory-core 状态,基于日亏损上限、连亏冷却、周/月回撤暂停,决定今天是否允许新交易风险 local_calculation workflow_step production
Futures Position Sizer (futures-position-sizer) 从方向、入场与止损计算合约制期货仓位,内置 23 个市场已核验合约规格表(乘数、tick 大小、tick 价值),实现 Shapiro 逆向流水线第 4 步 local_calculation workflow_step production
Position Sizer (position-sizer) 计算做多股票交易的风险仓位规模 local_calculation workflow_step production
Pre-Trade Discipline Gate (pre-trade-discipline-gate) 离线手动执行检查门:阻断无计划、超规模、报复性风险、被市场状态阻断或被熔断器阻断的入场,并记录结果 local_calculation workflow_step production
Technical Analyst (technical-analyst) 分析股票、指数、加密或外汇的周线价格图表 chart_image 必需,fmp 可选 workflow_step production
US Stock Analysis (us-stock-analysis) 美股综合分析:基本面(财务指标、业务质量、估值)、技术面(指标、形态、支撑/阻力)、同业比较与投资报告生成 user_input 必需 standalone production

Trade Memory

技能 摘要 集成 角色 状态
Signal Postmortem (signal-postmortem) 记录并分析 edge 流水线及其他技能生成信号的交易后结果 local_calculation,fmp 可选 workflow_step production
Stockbee Setup Fluency Trainer (stockbee-setup-fluency-trainer) 从动量爆发候选建立 Stockbee 式 setup 模型书,用 MFE/MAE、止损触及状态、结果标签与队列统计更新 3/5 日前瞻结果 prices_json 可选,fmp 可选,local_calculation workflow_step beta
Trade Hypothesis Ideator (trade-hypothesis-ideator) 从市场数据、交易日志与日记片段生成可证伪的交易策略假设,输出排序假设卡片与可选 strategy.yaml 导出 local_calculation workflow_step production
Trade Performance Coach (trade-performance-coach) 复盘平仓、部分止盈与月度聚合的流程遵循度、风险纪律、执行质量,生成下一会话操作规则 local_calculation workflow_step beta
Trader Memory Core (trader-memory-core) 跟踪投资论点全生命周期——从筛选想法到平仓后复盘 fmp 可选 workflow_step production
Weekly Performance Digest (weekly-performance-digest) 从平仓交易生成周度绩效摘要:胜率、期望值与模式分析 local_calculation standalone production

Strategy Research

技能 摘要 集成 角色 状态
Backtest Expert (backtest-expert) 系统化回测交易策略的专家指导 user_input 必需 workflow_step production
Edge Candidate Agent (edge-candidate-agent) 从 EOD 观察生成并排序美股多头 edge 研究工单,导出可直接进入 trade-strategy-pipeline Phase I 的候选规格 fmp 可选 workflow_step production
Edge Concept Synthesizer (edge-concept-synthesizer) 在策略设计/导出前,将检测器工单与提示抽象为可复用 edge 概念(论点、失效信号、策略手册) local_calculation internal_component production
Edge Hint Extractor (edge-hint-extractor) 从每日市场观察与消息反应中提取 edge 提示(可选 LLM 构思),输出规范 hints.yaml local_calculation workflow_step production
Edge Pipeline Orchestrator (edge-pipeline-orchestrator) 编排从候选检测到策略设计、评审、修订与导出的完整 edge 研究流水线 local_calculation research_only production
Edge Signal Aggregator (edge-signal-aggregator) 聚合多个 edge 发现技能(edge-candidate-agent、theme-detector、sector-analyst、institutional-flow-tracker)的信号,加权打分、去重并处理矛盾,输出优先级信念面板 local_calculation standalone production
Edge Strategy Designer (edge-strategy-designer) 将抽象 edge 概念转化为策略草案变体与可选可导出工单 YAML local_calculation internal_component production
Edge Strategy Reviewer (edge-strategy-reviewer) 对策略草案做批判性评审:edge 合理性、过拟合风险、样本量充分性、执行现实性 local_calculation internal_component production
manifoldbt Backtester (manifoldbt-backtester) 用 manifoldbt Rust 引擎在 OHLCV 数据上运行声明式策略规格,输出 backtest-expert 评分所需的 8 项输入 manifoldbt 必需,ohlcv_file 必需 research_only beta
MT5 Robot Tester (mt5-robot-tester) 通过可恢复的三轮本地流水线批量测试 MT5 专家顾问,排序结果并保留确定性的参数与品种学习 mt5_local_files 必需,local_calculation research_only beta
Residual Edge Analyzer (residual-edge-analyzer) 用 HAC 回归、滚动稳定性、基线敏感度与状态诊断,把策略收益拆分为已声明基线暴露与残余 edge local_calculation research_only beta
Scenario Analyzer (scenario-analyzer) 通过 scenario-analyst 代理从新闻标题分析 18 个月情景,附 strategy-reviewer 二次意见;输出主要/次要/三级影响分析与选股 websearch 必需 workflow_step production
Stanley Druckenmiller Investment (stanley-druckenmiller-investment) Druckenmiller 策略合成器:整合 8 个上游技能输出(市场宽度、上涨分析、市场顶部、宏观状态、FTD 检测、VCP 筛选、主题检测、CANSLIM 筛选)为 0–100 统一信念评分 local_calculation workflow_step production
Stockbee 20% Study (stockbee-20pct-study) 构建每日 Stockbee 式 +20%/-20% 波动事件研究,分类催化剂与 setup 背景、更新前瞻结果,导出不把波动当买卖信号、有证据支持的 edge 提示 fmp 必需,prices_json 可选,news_events_json 可选,websearch 可选,local_calculation workflow_step beta
Strategy Pivot Designer (strategy-pivot-designer) 检测回测迭代停滞,在参数调优到达局部最优时生成结构性不同的策略转向提案 local_calculation research_only production

Advanced Satellite

技能 摘要 集成 角色 状态
Earnings Trade Analyzer (earnings-trade-analyzer) 用 5 因子评分系统(跳空幅度、财报前趋势、量能趋势、MA200 位置、MA50 位置)分析近期财报后个股 fmp 必需 workflow_step production
Institutional Flow Tracker (institutional-flow-tracker) 使用 13F 申报数据跟踪机构投资者持仓变化与组合资金流 fmp 必需 standalone production
Options Strategy Advisor (options-strategy-advisor) 期权交易策略分析与模拟工具 fmp 可选 standalone production
Pair Trade Screener (pair-trade-screener) 识别与分析配对交易机会的统计套利工具 fmp 必需 standalone production
Parabolic Short Trade Planner (parabolic-short-trade-planner) 筛选抛物线衰竭形态美股并生成条件式盘前做空计划,随后从实时 5 分钟 K 线评估盘中触发 fmp 必需,alpaca 可选 standalone production
PEAD Screener (pead-screener) 筛选财报后跳空上涨个股的 PEAD(财报公告后漂移)形态 fmp 必需 workflow_step production
Stockbee Episodic Pivot Analyzer (stockbee-episodic-pivot-analyzer) 分析 Day 1 事件驱动转折点候选(财报、指引、并购、FDA、分析师、合约、产品、空头挤压、叙事/主题催化剂),考察催化剂质量、跳空/区间扩张、量能冲击、再定价背景、流动性与 EP 日低点风险 catalyst_events_json 必需,fmp 可选,local_calculation workflow_step beta

Meta / Development Tooling

技能 摘要 集成 角色 状态
Data Quality Checker (data-quality-checker) 在发布前校验市场分析文档与博客文章的数据质量 local_calculation standalone production
Dual Axis Skill Reviewer (dual-axis-skill-reviewer) 双轴技能评审:(1) 确定性代码检查(结构、脚本、测试、执行安全)(2) LLM 深度评审发现 local_calculation workflow_step production
Earnings Calendar (earnings-calendar) 使用 FMP API 获取美股即将发布的财报公告 fmp 必需 standalone production
Economic Calendar Fetcher (economic-calendar-fetcher) 使用 FMP API 获取即将发生的经济事件与数据发布 fmp 必需 standalone production
FXMacroData Calendar (fxmacrodata-calendar) 使用 FXMacroData 获取官方来源的宏观发布日历事件,用于交易计划与事件风险过滤 fxmacrodata 可选 standalone beta
Skill Designer (skill-designer) 从结构化点子规格设计新的 Claude 技能 local_calculation internal_component production
Skill Idea Miner (skill-idea-miner) 从 Claude Code 会话日志中挖掘技能点子候选 local_calculation internal_component production
Skill Integration Tester (skill-integration-tester) 校验 CLAUDE.md 中定义的多技能工作流:技能存在性、技能间数据契约(JSON schema 兼容)、文件命名约定与交接完整性 local_calculation standalone production
Trading Skills Navigator (trading-skills-navigator) 从自然语言交易目标推荐合适的工作流、skillset、API 配置与 setup 路径 local_calculation standalone production

除上表外,仓库 skills/ 目录下还有 docs/en/skills/ 中为每个技能生成的单页指南(共 75 个技能页面),以及 docs/en/skill-catalog.md 中的 API Requirements Matrix。

更多工作流组合示例

README "Additional Workflow Examples" 给出 10 组技能组合方式(含进阶卫星与贡献者工作流):

每日市场监控

  1. Economic Calendar Fetcher 查看当日高影响事件(FOMC、NFP、CPI);
  2. Earnings Calendar 识别当日公布财报的重要公司;
  3. Market News Analyst 复盘隔夜动态及其市场影响;
  4. Breadth Chart Analyst 评估整体市场健康度与仓位状态。

每周策略复盘

  1. Sector Analyst 获取 CSV 数据识别轮动模式(可选提供图表);
  2. Technical Analyst 对主要指数与持仓做趋势确认;
  3. Market Environment Analysis 做综合宏观简报;
  4. US Market Bubble Detector 评估投机过度与风险水平。

个股研究

  1. US Stock Analysis 做综合基本面与技术面审查;
  2. Earnings Calendar 检查即将发布的财报日期;
  3. Market News Analyst 复盘近期公司新闻与板块动态;
  4. Backtest Expert 在确定仓位规模前验证进出场策略。

战略配置

  1. Stanley Druckenmiller Investment 做宏观主题识别;
  2. Economic Calendar Fetcher 围绕重要数据发布择时入场;
  3. Breadth Chart Analyst 与 Technical Analyst 提供确认信号;
  4. US Market Bubble Detector 提供风险管理与获利了结指引。

财报动量交易

  1. Earnings Trade Analyzer 对近期财报反应评分(跳空幅度、趋势、量能、均线位置);
  2. PEAD Screener(Mode B)配合 analyzer 输出寻找 PEAD setup(红柱回调 → 突破信号);
  3. Technical Analyst 确认周线图形态与支撑/阻力;
  4. 用 PEAD Screener 的流动性过滤确保仓位规模可行;
  5. 跟踪 SIGNAL_READY 个股,以红柱低点为止损、2R 目标做突破入场。

收入组合构建

  1. Value Dividend Screener 识别股息可持续的高股息股票;
  2. Dividend Growth Pullback Screener 在技术性买点寻找成长型股息股;
  3. US Stock Analysis 对头部候选做深度基本面分析;
  4. Earnings Calendar 跟踪持仓的 upcoming earnings;
  5. Market Environment Analysis 评估股息策略的宏观环境;
  6. Backtest Expert 验证股息捕获或成长策略。

Kanchi 股息工作流(美股)

  1. Kanchi Dividend SOP 运行 Kanchi 五步流程并创建含失效条件的买入计划;
  2. Kanchi Dividend Review Monitor 按日/周/季节奏生成 OK/WARN/REVIEW 队列;
  3. Kanchi Dividend US Tax Accounting 使持仓与合格股息假设及账户配置对齐;
  4. 将 REVIEW 结论反馈回 Kanchi Dividend SOP,再决定是否加仓。

期权策略开发

  1. Options Strategy Advisor 用 Black-Scholes 定价模拟并比较期权策略;
  2. Technical Analyst 识别最优入场时机与支撑/阻力;
  3. Earnings Calendar 规划基于财报的期权策略;
  4. US Stock Analysis 在投入资本前验证基本面论点;
  5. 审查希腊字母与盈亏情景以选择最优策略(covered calls、价差、跨式等)。

组合复盘与再平衡

  1. Portfolio Manager 通过 Alpaca MCP 获取当前持仓并分析组合健康;
  2. 审查资产配置、板块分散与风险指标(beta、波动率、集中度);
  3. 审查仓位级标记(HOLD/ADD/TRIM/SELL 候选),基于论点验证;
  4. Market Environment Analysis 与 US Market Bubble Detector 评估宏观条件;
  5. 审查再平衡计划,手动决定采取哪些行动(若有)。

统计套利机会

  1. Pair Trade Screener 在板块内识别协整股票对;
  2. 分析均值回归指标(半衰期、z-score)与对冲比率;
  3. Technical Analyst 确认配对双腿的技术形态;
  4. 基于 z-score 阈值监控进出场信号;
  5. 跟踪价差收敛并管理市场中性仓位。

技能质量与自动化工具(离线可运行)

  • Data Quality Checker(data-quality-checker):发布前校验市场分析与博客文档的数据质量,5 类检查——价格量级不一致(ETF 与期货位数提示)、工具记号一致性、日期/星期错位(英日双语)、配置总额错误(按段落限定)、单位错配。建议模式:问题仅作警告供人工审查,有发现也 exit 0;支持日文全角字符(%、〜)、区间记号(50-55%)与无年份日期的年份推断;无需 API key,离线处理本地 markdown。
  • Skill Designer(skill-designer):从结构化点子规格生成设计新技能的 Claude CLI 提示词;将仓库约定(结构指南、质量清单、SKILL.md 模板)嵌入提示词,并列出已有技能防止重复;被技能自动生成流水线的日常流程使用;无需 API key。
  • Dual-Axis Skill Reviewer(dual-axis-skill-reviewer):双轴评审——确定性自动评分(结构、工作流、执行安全、产物、测试)加可选 LLM 深度评审。自动轴 5 类共 0–100 分:Metadata & Use Case(20)、Workflow Coverage(25)、Execution Safety & Reproducibility(25)、Supporting Artifacts(10)、Test Health(20);能识别 knowledge_only 技能(无脚本、仅参考文档)并调整评分预期避免不公平扣分;可选 LLM 轴做定性评审(正确性、风险、缺失逻辑、可维护性)并支持可配置权重混合;支持 --all 一次评审全部技能、--skip-tests 快速分诊、--project-root 跨项目评审;无需 API key。
  • Skill Idea Miner(skill-idea-miner):从 Claude Code 会话日志挖掘技能点子候选,按新颖性/可行性/交易价值打分并维护优先级 backlog;由每周技能自动生成流水线使用,也可手动运行;无需 API key。

贡献者自动化、自定义与 API 配置

自改进与技能生成流水线属于维护者工作流,不是新手交易步骤;行为、副作用、手动命令与 macOS 调度说明见 Skill Automation Quickstart(日本語)。

自定义与贡献(README "Customization & Contribution"):

  • 更新各技能的 SKILL.md 以调整触发描述或能力说明;打包时确保 frontmatter 的 name 与文件夹名一致;
  • 在各技能文件夹内扩展参考文档或新增脚本以支持新工作流;
  • 分发更新时重新生成 skill-packages/ 中对应的 .skill 文件,使网页版用户获得最新版本:
python3 scripts/package_skills.py --skill <skill-name>

API 需求:多个技能需要 API key 获取数据。每个技能对 FMP、FINVIZ Elite、Alpaca 的具体要求见 API Requirements Matrix(由 skills-index.yaml 生成),配置凭据前请先核对各技能指南中的模式特定前置条件与离线替代方案。

Financial Modeling Prep(FMP)API

  • 免费额度:250 次请求/天(覆盖大多数使用场景);
  • 设置环境变量:export FMP_API_KEY=your_key_here;
  • 或在脚本提示时通过命令行参数提供 key。

FINVIZ Elite API

  • 订阅制付费服务(README 标注的档位为每月/每年订阅);
  • 设置环境变量:export FINVIZ_API_KEY=your_key_here;
  • 为股息筛选器提供快速预筛。

Alpaca Trading API

  • 提供免费模拟盘(paper trading)账户;
  • 需要配置 Alpaca MCP Server;
  • 环境变量:
export ALPACA_API_KEY="your_api_key_id"
export ALPACA_SECRET_KEY="your_secret_key"
export ALPACA_PAPER="true"  # 实盘交易改为 "false"

周边生态与延伸阅读

README 还提到一个伴生 Hermes Trading Research Agent Work Package(外部仓库):它把这些技能打包成 Hermes profile,提供任务导向的斜杠命令例行流程,如 /pre-market-routine、/after-close-review、/trade-journal、/weekly-portfolio-review、/monthly-performance-review。它同样是研究与日记、风险复盘助手,不自动下单、不提供信号服务、不运行隐藏定时任务,人工决策门仍是核心。

进一步阅读资源(README "Support & Further Reading",以官方站点当前版本为准):Anthropic 的 Claude Skills 发布说明与 Claude Code Skills 文档、FMP API 开发者文档。有建议可开 issue,或把指引附在相关技能文件夹旁,让后续用户知道如何从这些交易助手中获得最大价值。

许可:仓库中所有技能与参考材料仅用于教育与研究目的,按 MIT License 提供。

小结:这套工具库的工程化要点

从源码结构看,claude-trading-skills 的可信度来自三条工程约束:其一是双权威来源——技能元数据以 skills-index.yaml 为准、工作流以 workflows/*.yaml 为准,且均由脚本(scripts/validate_skills_index.py、scripts/generate_catalog_from_index.py、scripts/package_skills.py)静态校验与自动生成,防止文档漂移;其二是人机分工的显式声明——工作流清单中的 decision_gate、manual_review 与 when_not_to_run 字段把"AI 出结构化产物、人做最终决策"写进了机器可读的 schema;其三是兼容性承诺的封闭化——pyproject.toml 的 requires-python = ">=3.11,<3.14" 与 docs/dev/compatibility-matrix.md 的 "supported = CI-enforced" 规则,使每一项支持声明都能追溯到具体 CI job。对读者而言,最务实的切入路径就是 README 给出的五条起步工作流与五技能无 API 路径:先跑通 15 分钟市场检查与本地日记闭环,再按需要接入 FMP、Alpaca 等集成。

登录后查看全文
claude-trading-skills