这个 Skill 能做什么，适合哪些场景？
技术分析引擎是 AI Market Maker（AIMM）多智能体交易系统中的一个独立技能，位于操作员技术分析岗（2.3）。它接收标的代码和 OHLCV 行情数据，计算 RSI、MACD、布林带、EMA、SMA、ATR、一目均衡表等指标，并将多个指标信号合成为一个 0–100 的复合评分和 0–1 的置信度。该技能还内置交易解读规则，例如 RSI 超 70 视为超买、MACD 交叉需趋势或成交量确认，并可选结合 Nexus 提供的恐惧贪婪指数、资金费率和头条新闻作为背景。它通过查询接口供整个系统调用，也可在回测的思维链中直接使用。
该技能读取指定交易对（如 BTC/USDT）的 OHLCV K 线数据（周期与根数可配置），基于 ta Python 库或自定义实现计算指标目录中的全部指标（RSI、MACD、BB、EMA、SMA、ATR、Ichimoku）。它支持直接的自然语言查询，如"What's the RSI of BTC?"或"Show MACD for ETH"，也提供结构化查询接口 /technical_ta_engine?ticker=BTC/USDT&period=4h&bars=100。输出包括完整的 ta_indicators 指标束、0–100 的复合评分和 0–1 的置信度，并按内置规则进行交易解读：RSI>70 超买偏空、RSI<30 超卖偏多；MACD 单独交叉视为弱信号，需 EMA20/50 趋势或成交量确认；3 个以上指标同向则提升复合评分与置信度，信号混乱则保持接近 50 且低置信度。当存在 Nexus as-of 上下文时，恐惧贪婪指数≤25 视为风险规避（不追突破、倾向做空或观望），≥75 视为风险偏好（不盲目抄底）。
- 加密货币交易员想快速查询某币种当前 RSI、MACD 等指标值并获得带置信度的方向判断时
- 量化研究者在回测中需要一个可复现、有明确解读规则的技术指标评分组件时
- 使用 AIMM 完整系统的用户需要技术分析岗为 Alpha 合成层提供指标输入时
- 希望将恐惧贪婪指数等市场情绪背景融入技术信号解读（如风险偏好/规避状态）的交易者
- 开发者想通过结构化查询接口在自己的程序中批量获取多周期指标束时
如何安装这个 Skill？
- 本评估为静态源码审查，未执行任何代码；技能的指标计算正确性与运行时行为未经验证。
- TA-Lib C库安装是主要环境障碍，Windows/无sudo环境可能失败；技能文档本身未提供排错指引。
- 技能依赖海外LLM API（OpenAI/Atlas Cloud）与可选Nexus服务，中国大陆网络可达性存疑，且未提供中文支持说明。
- README中的回测收益数据为作者自报且样本量小，不应视为真实交易优势的证据。
- 发布者未经FollowSkills企业注册表验证，身份未知（非可疑信号，但可归因性与维护责任需用户自行评估）。
- 交易所数据获取依赖的副作用与权限边界未在技能文件中声明，部署前请审查src/tools下的fetcher实现。
- Shell / 命令行
- 网络访问
- 本地文件系统
ta Python libraryexchange OHLCV fetcher
该技能是 olaxbt/ai-market-maker 仓库（14 个技能合集之一）的一部分，无需单独安装。获取整个仓库：git clone https://github.com/olaxbt/ai-market-maker.git，然后 uv sync --extra dev 安装依赖（需先安装 TA-Lib C 库，推荐用 conda install -y ta-lib -c conda-forge，Ubuntu 可用 apt，macOS 可用 brew）。技能文件位于 src/agents/operator/2.3_technical_ta_engine/SKILL.md。将技能复制到你的 Agent Skills 客户端技能目录的具体步骤文档未说明。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/olaxbt/ai-market-maker.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/src/agents/operator/2.3_technical_ta_engine" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- What's the RSI of BTC?
- Show MACD for ETH
两种方式：1) 自然语言直接询问，如"What's the RSI of BTC?"或"Show MACD for ETH"；2) 结构化查询接口：/technical_ta_engine?ticker=BTC/USDT&period=4h&bars=100，返回完整指标束和状态。输出包含 ta_indicators 指标束、composite（0–100）和 confidence（0–1）。在回测思维链中可使用其内置解读规则（如 RSI 阈值、MACD 需确认、F&G 风险状态）。
这个 Skill 有哪些优点和局限？
- 指标覆盖面较全：RSI、MACD、布林带、EMA、SMA、ATR、Ichimoku 一次输出完整指标束
- 有明确、可审计的解读规则（RSI 阈值、MACD 需趋势/量确认、多指标一致性逻辑），而非黑箱
- 输出结构化（composite 0–100 + confidence 0–1），便于下游系统消费和回测复现
- 可选用 Nexus 情绪背景（恐惧贪婪指数、资金费率、头条）调整解读，避免机械信号
- 依赖外部数据：需要能获取交易所 OHLCV 的 fetcher，可选依赖 Nexus Skills API
- 需要 ta Python 库（或自行实现指标），而仓库整体还要求安装 TA-Lib C 库，环境配置有一定门槛
- README 中的示例回测业绩（如 Sharpe 1.79）属于整个系统而非本技能，本技能自身没有独立的实测业绩证据
- 解读规则较为简化（如固定 70/30 的 RSI 阈值），不同市场状态下未必最优
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 技术分析引擎（Technical TA Engine） 本页 | 42 · 不推荐 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| 模式识别机器人（Pattern Recognition Bot 2.1） | 42 · 不推荐 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| TradingView MCP 智能交易助手 | 50 · 谨慎使用 | ★ 5.1k | 11 天前 | MIT |
| Kronos 技术分析技能 | 44 · 不推荐 | ★ 21 | 5 个月前 | — |
| 统计 Alpha 引擎（Statistical Alpha Engine） | 47 · 谨慎使用 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
FollowSkills 如何评估这个 Skill？
该技能本身为只读指标分析，未见恶意行为、凭据窃取或隐蔽外传；数据来源（OHLCV、可选Nexus）有披露，Trading Interpretation透明。但权限边界、用户确认、回滚机制未在SKILL.md中说明，且交易所fetcher依赖的副作用未声明，故仅给中等分。扣分点：缺最小权限声明、确认机制与回滚说明。
SKILL.md与persona.md接口描述大体自洽（Tier-0契约、ta_indicators bundle、示例输入输出），依赖ta/TA-Lib在pyproject与CI中有呼应。但未见该技能专属测试路径的直接证据，异常输入（数据不足、接口失败）的错误反馈未定义，TA-Lib C库安装失败是常见故障点且技能文件未给出诊断路径。静态评估封顶10，扣分点：错误处理与失败反馈缺失。
场景较清晰（加密TA指标查询、回测CoT输入），有直接查询示例与查询接口。但能力边界与非适用范围未声明（如数据量不足、非加密资产），触发条件语义不精确，未提及中文支持，且LLM API与Nexus等海外依赖可能影响中国大陆可用性。扣分点：边界、触发精度与环境适配证据不足。
文档结构可读，license为AGPL-3.0且真实存在，仓库有SECURITY.md与维护迹象。但该技能层面无版本号、变更记录、FAQ或已知限制披露；TA-Lib安装负担在README有说明但不属于技能文档；分层渐进披露有限。扣分点：技能级版本治理与限制披露不完整。
输出契约（JSON schema、示例值）定义明确，若实现正确可直接用于下游仲裁。但静态评估无法验证指标计算正确性与直接可用性，few-shot示例仅两条且带少量不一致（示例RSI=72与输出72.5），边际价值相对直接调用ta库的证据有限。静态封顶7，扣分点：结果验证与可用性证据不足。
静态评估封顶5。仓库含真实CI（安装TA-Lib、pytest）与测试套件，间接支持工程可信度，但证据中未见覆盖该TA引擎关键路径的专属测试文件；README中的回测收益数字（如+8.15%）为自报数据，无法交叉验证且已声明非实盘优势。扣分点：缺乏针对本技能的独立可复现证据，宣传性数字需谨慎对待。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →