这个 Skill 能做什么，适合哪些场景？
这是 Day1Global-Skills 仓库中的一个 Skill，名为 btc-bottom-model。它通过加权评分系统追踪 13 个指标——日线脉搏 4 项（32 分）与周线结构 9 项（68 分）——生成 0 到 100 的综合市场热度评分，并给出从激进建仓到逐步止盈的完整买卖建议。指标覆盖 ETF 资金流、资金费率、恐惧贪婪指数、多空比、LTH-MVRV、NUPL、SOPR、LTH 供应占比、长期均线倍数、周线 RSI 和成交量变化。评分模型以 2015-2024 年比特币历史周期为校准基准。数据优先从作者自建的聚合 API 一次获取，API 不可用时回退到 web_search 逐项查找。
读取比特币价格与 13 项指标数据（首选调用 brief.day1global.xyz/api/btc-score 一次性获取，或通过 web_search 从 farside.co.uk、CoinGlass、Glassnode、alternative.me、TradingView 等来源逐项检索）；按 SKILL.md 内置的区间规则将每项指标原始值归一化为 0-100 子分；按权重（日线脉搏合计 32 分、周线结构合计 68 分）加权求出综合热度分；按 0-15 极度恐慌到 86-100 极度贪婪的七档评级给出仓位建议（如极端恐慌时投入计划仓位的 60-80%）；最后按模板生成包含逐指标表格、热度评级、买卖建议、指标亮点、周期历史对照和风险免责声明的完整市场热度报告。
- 定投或波段投资者在暴跌后想知道比特币是否见底、是否可以分批抄底
- 持有 BTC 的用户在行情大涨时想判断是否过热、该不该分批止盈
- 关注链上数据的分析师想快速汇总 MVRV、NUPL、SOPR、长期持有者行为等指标的当前读数
- 衍生品交易者想检查资金费率和多空比是否显示杠杆过度拥挤
- 需要 ETF 申赎动向作为机构需求证据的投资者，想了解持续大额流入或流出意味着什么
- 任何想用自然语言提问『现在该买还是卖 BTC？』并得到结构化、可复现分析的普通用户
如何安装这个 Skill？
- 核心数据源 brief.day1global.xyz 为第三方黑盒API，评分结果无法审计，请核对原始指标数值后再采信结论
- 技能强制要求在输出末尾附加推广页脚，用户可自行删除或拒绝该注入内容
- 主要数据源与回退源均为境外站点，中国大陆网络可达性未经验证
- 评分模型仅基于2015-2024历史周期校准，输出为研究参考，不构成投资建议；仓位比例建议请谨慎采信
- 静态审查未执行任何代码，实际运行表现与API返回格式需自行验证
- 网络访问
https://brief.day1global.xyz/api/btc-score API (primary data source)web_search capability for fallback data
方式一（skills.sh 自动安装）：运行 npx skills add https://github.com/star23/Day1Global-Skills --all，Skill 会安装到 .agents/skills/ 并在检测到相关话题时自动激活。方式二（Claude Code 斜杠命令）：git clone https://github.com/star23/Day1Global-Skills.git，然后执行 cp -r Day1Global-Skills/btc-bottom-model your-project/.claude/skills/（或复制到 ~/.claude/skills/ 全局可用），重启 Claude Code 后即可用 /btc-bottom-model 调用。注意这是五技能合集仓库中的一个，安装 --all 会一并装上其余四个美股与宏观相关 Skill。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/star23/Day1Global-Skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/btc-bottom-model" ~/.claude/skills/
rm -rf "$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：
- 比特币见底了吗？可以抄底吗？
- BTC 是不是过热了？该止盈吗？
- 链上指标怎么看当前的 BTC？
安装后无需配置，直接用自然语言提问即可触发，例如：『比特币见底了吗？可以抄底吗？』『BTC 是不是过热了？该止盈吗？』『链上指标怎么看当前的 BTC？』Skill 会先请求作者自建的 btc-score API 获取全部指标与预计算分数；若 API 不可用则逐项 web_search 并按 SKILL.md 中的区间规则自行归一化打分，最后输出完整的市场热度报告。报告语言会跟随你的提问语言。
这个 Skill 有哪些优点和局限？
- 指标体系完整：覆盖资金流、衍生品情绪、链上估值、长期持有者行为和技术动量，且权重向历史验证更可靠的周线结构指标倾斜
- 同时给出买入和卖出两侧信号，而非只做单边抄底工具
- 评分规则、归一化区间和输出模板全部写在 SKILL.md 中，分析过程透明、可复现、可自行调整
- 数据获取设计务实：单次 API 调用即可取齐 13 项指标，无需付费数据订阅，且有明确的回退来源
- 每日/每周指标的分化本身被用作信号（如日线恐惧+周线贪婪可能只是牛市回调），有一定方法论深度
- 严重依赖作者自建的 brief.day1global.xyz API，该服务无 SLA，若长期下线则需逐项搜索数据，耗时长且口径可能不一致
- 评分区间基于 2015-2024 历史周期校准，作者自己承认市场结构变化后可能需要调整，过往规律不保证未来有效
- 仓库没有提供任何回测结果或指标命中率的量化验证，历史断言（如 200 周均线从未长期跌破）无法从源材料核实
- 缺失某项数据时的处理（按比例调整权重）会改变模型口径，不同次运行结果可能不可比
- 仅在 Claude Code 场景下有明确文档（含 web_search、斜杠命令调用），其他 Agent 客户端未经验证
- 输出的仓位建议属于投资建议的灰色地带，用户需自行承担风险
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 |
|---|---|---|---|---|
| 比特币周期择时模型（BTC 市场热度评分） 本页 | 49 · 谨慎使用 | ★ 1.1k | 6 个月前 | MIT |
| 鲸鱼行为分析师（Whale Behavior Analyst 4.1） | 44 · 不推荐 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| Pro Bias Analyst（专业资金偏向分析师） | 44 · 不推荐 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| Market Intel — AI-Trader 市场情报读取技能 | 47 · 谨慎使用 | ★ 23k | 4 个月前 | — |
| 美股市场情绪监控系统 | 54 · 谨慎使用 | ★ 1.1k | 6 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
技能只做数据读取与评分计算，无危险权限或外部写入操作，且有免责声明、投资风险提示和'数据不可用'的诚实处理；但强制依赖不透明的第三方API（brief.day1global.xyz），其数据正确性无法审查，且要求在每次输出末尾注入推广页脚，属于未经用户确认的输出修改；数据流向披露部分（API vs 网络搜索回退）尚可。扣分点：不透明单一数据源依赖、强制推广注入、无回滚/确认机制。
指令自洽：13项指标的权重合计正确（32+68=100），归一化规则明确，字段映射表完整，API不可用时有web_search回退与按比例调整权重的规则。扣分点：无测试证据，归一化锚点（如多空比1.0→40、1.5→70）存在未说明的插值空隙，异常输入（API返回格式错误）处理未覆盖。
触发条件描述详尽（关键词、示例问题丰富），适用边界和双语支持明确，输出模板完整。扣分点：核心功能首选依赖境外域名 brief.day1global.xyz，回退源也以Glassnode、TradingView等为主，中国大陆网络可达性存在不确定性；未声明模型对非历史形态市场的非适用范围。
文档分层良好：SKILL.md结构清晰，README双语安装与用法说明齐全，MIT许可证明确。扣分点：技能本身无版本号或变更日志，权重校准依据（2015-2024历史周期）仅有口头声明，无维护责任与更新路径说明，推广页脚内嵌于技能定义中模糊了工具与营销的边界。
输出模板直接可用，评分体系与可执行仓位建议结构完整，相比手动收集13项指标有明显效率优势。扣分点：预计算API的评分正确性无法静态验证，指标归一化锚点部分依赖主观校准，实际输出质量无执行证据。
所有归一化规则、权重、数据源均有书面可审计的定义，README免责声明一致。扣分点：API端点为黑盒，无测试套件、无CI、无历史评分记录或回测数据文件可供交叉验证，'模型经2015-2024校准'的说法不可复核。
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 →