Monetary Sentinel 货币哨兵
读取宏观与链上流动性数据，判定当前市场处于 Risk-On 还是 Risk-Off 状态，并给出流动性评分与推理依据。
该技能为只读宏观分析agent，无外部写操作、无凭据需求，数据源（FRED、DefiLlama、Fear & Greed）明确披露，且有'不得使用as-of日期之后数据'的防前视约束，数据流透明度高。扣分项：外部数据源未做哈希/来源核验说明，缺省回退到OHLCV代理时降级行为对用户的提示不充分。
SKILL.md与persona.md的输出契约一致（tier0/v1、macro_regime_state、Liquidity_Score），few-shot示例自洽，并明确声明了文件/端点缺失时的回退路径；仓库含CI与pytest套件。扣分项：静态审查无法执行复现关键路径，异常输入下的具体失败反馈质量未验证，故按锚点封顶10。
触发条件清晰（宏观状态/流动性危机查询）、场景明确（BTC等加密资产宏观regime判定）、输出契约明确。扣分项：能力边界与非适用范围未显式声明；核心数据源FRED/DefiLlama/LLM API均在境外，中国大陆可达性存疑，虽有pinned CSV回退缓解但live模式依赖不足。
SKILL.md+persona.md分层清晰，README详细说明数据层、MANIFEST哈希与许可证（AGPL-3.0），仓库维护信号（CI、SECURITY.md）存在。扣分项：技能本身无版本号/changelog，无FAQ与已知局限说明，维护责任归属未明确（发布者未验证）。
目标明确（输出宏观regime状态+流动性分数+可核查推理），优于手动汇总多数据源。扣分项：静态审查无法验证输出正确性或regime判定质量；示例回测收益数据针对整体策略而非本技能，边际价值证据有限，封顶7以内。
存在真实CI工作流、pytest测试（含nexus上下文断言）、pinned data/与MANIFEST哈希，事实与推断区分良好。扣分项：测试覆盖的是上下文构建而非本技能核心判定路径，无第三方执行证据，按锚点封顶5。
- 本评估为纯静态源码审查，未执行任何代码，所有分数置信度低。
- 该技能在live模式下依赖境外数据服务（FRED、DefiLlama）与LLM API，中国大陆网络可达性未经证实；离线使用需依赖仓库内置的pinned CSV。
- 数据源缺失时静默回退到OHLCV流动性代理，regime判定质量会下降，文档未充分提示。
- 宏观数据与regime阈值（如VIX≥32、TVL 7d≤−8%）为硬编码启发式，未提供方法论验证或回测归因，不应直接作为交易依据。
- 发布者身份未经验证，技能级版本与维护路径不明确，使用前请核对仓库最新提交。
这个 Skill 能做什么，适合哪些场景？
Monetary Sentinel 是 olaxbt/ai-market-maker 仓库（AGPL-3.0）中的一个技能，路径为 src/agents/operator/1.1_monetary_sentinel/SKILL.md。它通过综合恐惧贪婪指数、FRED 宏观指标（VIX、联邦基金利率、10年期国债收益率、贸易加权美元指数等）、DefiLlama 的稳定币供应与全链 TVL 数据，判断当前宏观环境属于 Risk-On 还是 Risk-Off，并输出流动性评分。数据严格按 K 线日期取值，禁止使用未来数据，适合回测环境。它不执行交易，只提供宏观状态判断，可作为更大交易系统的上游输入。
该技能提供 analyze(ticker, market_data, nexus_context) 的 Tier-0 接口，并支持直接提问如"BTC 当前的宏观环境是什么？"或"是否存在流动性危机信号？"。它读取恐惧贪婪指数（0–100）、FRED 的 VIX/联邦基金利率/10年期收益率/美元指数/SPX/WTI、DefiLlama 滞后一天的稳定币供应与全链 TVL（含7天变化）；缺失时用 OHLCV 窗口的收益率/波动率作为流动性代理回退。按规则解读：VIX≥32 或恐惧贪婪≤25 视为 Risk-Off；加息或强美元视为流动性收紧；稳定币或 TVL 7天跌幅≤−8% 视为链上资金外流；恐惧贪婪≥75 且 VIX 下降、稳定币扩张视为 Risk-On。通过 /monetary_sentinel?ticker=BTC/USDT 查询，返回宏观状态、流动性评分与推理过程。
- 量化交易员在开仓前想确认 BTC 当前是否处于 Risk-Off 宏观环境，以决定是否降低仓位
- 回测研究者需要按历史日期对齐的宏观数据叠加层，避免前视偏差
- 加密对冲基金团队想监控稳定币供应和 TVL 的7天变化，识别链上资金外流信号
- 交易系统开发者在 ai-market-maker 多智能体流水线中需要一个宏观状态的上游输入节点
- 宏观分析师想快速回答"是否存在流动性危机信号"这类直接问题并获得引用具体指标的推理
这个 Skill 有哪些优点和局限？
- 数据来源明确（恐惧贪婪、FRED、DefiLlama），且严格执行按 K 线日期取值、无未来数据的原则，回测友好
- 解读规则透明可审计，例如 VIX≥32 或恐惧贪婪≤25 即判 Risk-Off，推理中要求引用具体数值
- 有多种回退路径：宏观 CSV 缺失时可用 OHLCV 代理，降低环境依赖
- 接口简洁，既有结构化的 Tier-0 analyze 合约，也支持自然语言直接查询
- 本身不执行交易，只输出宏观状态与评分，需与其他系统配合
- 依赖外部数据源（FRED、DefiLlama、恐惧贪婪指数）的可用性与时效性，DefiLlama 使用滞后一天数据
- 具体阈值规则较简单（固定数值如 −8%、32、75），是否经过充分验证在源材料中无证据
- 该技能单独的安装与测试流程未单独说明，需依赖整个 monorepo 的安装
如何安装这个 Skill？
该技能属于 ai-market-maker 仓库整体安装的一部分：git clone https://github.com/olaxbt/ai-market-maker.git，安装 uv 后运行 uv sync --extra dev，按 README 配置 .env（Binance Testnet 与 OpenAI 密钥为可选项），可用 docker compose -f docker-compose.prod.yml up --build -d 启动完整平台。技能文件位于 src/agents/operator/1.1_monetary_sentinel/SKILL.md。作为独立 OpenClaw 技能单独安装该子技能的具体步骤在源材料中未说明。
如何使用这个 Skill？
回测模式下依赖 data/macro/*.csv（通过 HistoricalNexusProvider）；非回测模式使用实时 Nexus market_overput。若数据文件或端点缺失，回退到 OHLCV 代理。查询示例：/monetary_sentinel?ticker=BTC/USDT，返回宏观状态 + 流动性评分 + 推理。也可直接提问："Is there a liquidity crisis signal?"。解读时应引用打印出的 VIX / DXY / 联邦基金利率 / TVL 7天变化，不得编造更晚的数据。
这个 Skill 与同类方案有什么区别？
源材料未命名直接竞争产品；在同仓库中它与其他研究类智能体（Market Scan、技术分析、统计 Alpha、情绪）分工互补，分别负责宏观状态与各自的信号维度。