宏观流动性监控系统
用四大核心指标实时监测全球流动性水位，输出流动性评级与风险应对建议的预警系统。
技能为纯提示词框架，只读使用 web_search，无文件写入、无外部副作用、无敏感数据处理，数据流透明并要求附数据来源链接，含免责声明。扣分点：强制在每次输出末尾附加作者推广内容，属于未经用户确认的强制性输出注入，非最小化行为；仓位调整类建议（如'减仓10-20%'）直接给出而无用户确认环节；发布者身份未经验证。
执行步骤清晰（8步搜索-评估-汇总流程）、模板明确、阈值量化（SOFR+10bp、MOVE>130、USDJPY周跌3%），并规定了找不到数据时的降级行为（标注最近可用数据日期）。扣分点：静态审查无任何测试或复现证据；依赖 web_search 的可用性与搜索词质量，数据滞后或缺失时的失败反馈仅一句话，异常输入处理单薄。
description 中触发词覆盖全面（QT、TGA、ON RRP、SOFR、MOVE、套息、利差等），用例明确，输出模板固定，支持多语言输出（含中文），对中文用户场景适配良好。扣分点：能力边界和非适用范围未声明；对完全依赖境外数据源（纽约联储、BOJ、TradingView）的可达性风险未提示；'应被触发'的宽泛描述可能造成过度触发。
结构清晰：frontmatter、用例、框架、评分表、模板、执行步骤、注意事项、语言规则层层递进；MIT 许可证明确，作者署名清楚。扣分点：skill 自身无版本号和变更日志（README 中 tech-earnings 提及 v3.0 而本 skill 无版本），无维护责任和更新路径说明，阈值来源无出处，无 FAQ 或故障排查；强制推广页脚属于文档规范上的争议设计。
提供了一个结构化、可操作的流动性监控框架，四指标选取合理（净流动性公式、SOFR、MOVE、套息），综合评分表和报告模板可直接使用，相比用户自行搜索有边际价值。扣分点：静态审查无法验证实际输出质量；数据获取完全依赖搜索，时效性和准确性不受控；阈值（如 MOVE 130）为作者经验值，结论仍需人工复核。
要求报告中附数据来源链接，指标定义和公式可独立核对（净流动性公式为公开共识）。扣分点：所有历史案例（2019 回购危机、2024 套息平仓）和阈值均为作者陈述，无引用来源；无测试、无 CI、无第三方执行证据，无法复现验证。
- 技能会在每次输出末尾强制附加作者推广内容，用户应知晓并可自行删除。
- 所有阈值（SOFR+10bp、MOVE 130 等）为作者经验值，未经第三方验证，历史案例无引用来源。
- 数据依赖网络搜索，时效性与准确性不受控，报告中数据滞后风险需人工核对。
- 仓位调整建议（如减仓10-20%）不构成投资建议，使用前应自行确认。
- 依赖纽约联储、日本央行、TradingView 等境外数据源，中国大陆网络可达性存在不确定性。
- 静态审查，未执行验证；skill 无版本号和变更日志，维护状态不明。
这个 Skill 能做什么，适合哪些场景？
这是 Day1Global-Skills 集合中的 macro-liquidity 技能，一套宏观流动性监控与风险预警框架。它通过美联储净流动性（总资产 − TGA − ON RRP）、SOFR 隔夜利率、MOVE 国债波动率指数、日元套息交易信号（USDJPY 与美日两年期利差）四个指标评估全球金融体系的资金充裕程度。技能会指示 Agent 用网络搜索获取最新数据，按预设阈值逐项判定正常/关注/预警，再汇总为绿/黄/橙/红五档流动性评级，并按模板生成结构化监控报告，包含分资产类别的仓位建议与前瞻事件日历。输出语言自动跟随用户输入语言，适合希望以统一框架追踪宏观流动性拐点的投资者与研究员。
指示 Agent 依次用 web_search 查询：美联储资产负债表（总资产、TGA、ON RRP）、最新 SOFR 利率与联邦基金利率区间、MOVE 指数读数、USDJPY 汇率与美日两年期国债利差。随后按各指标的明确阈值判定状态（如净流动性单周跌幅超 5% 触发红色预警、SOFR 超联邦基金利率上限 10 个基点触发警报、MOVE > 130 触发警报、USDJPY 单周跌超 3% 触发套息平仓预警），统计预警数量得出五档总评级（充裕/略紧/偏紧/危险/危机级），并按固定 Markdown 模板输出含指标仪表盘、仓位建议（美股、加密货币、对冲工具）和未来 1-4 周前瞻事件的结构化报告，报告末尾需附数据来源链接与免责声明。
- 个人投资者想快速判断当前宏观流动性是宽松还是收紧，再决定风险仓位
- 交易者怀疑美联储缩表（QT）正在抽水，想用净流动性公式量化验证
- 固收或宏观研究员关注 SOFR 异常飙升，想排查类似 2019 年 9 月回购危机的资金紧张信号
- 持有美股或加密资产的投资者看到 MOVE 指数升破 130，需要判断是否应减仓或对冲
- 关注日银政策的人想监控日元套息交易是否会大规模平仓并冲击全球风险资产
这个 Skill 有哪些优点和局限？
- 四个指标覆盖从美联储'总水龙头'到市场'管道末端'的完整流动性链条，框架完整
- 每个指标都有量化的预警阈值和历史参照（2019 回购危机、2024 年 7-8 月套息平仓等），判定标准明确可复现
- 五档评级直接对应具体的仓位调整建议（如 2 项预警时降低风险敞口 10-20%）
- 输出为结构化模板报告，含数据来源链接，便于每周持续追踪和横向对比
- MIT 许可证，免费开源，可自行修改阈值
- 完全依赖 Agent 的联网搜索获取数据，无脚本或 API 集成，数据准确性取决于搜索结果质量，且净流动性数据通常滞后 1-2 天
- 预警阈值（如 MOVE > 130）是经验值，来源未说明其统计依据或回测结果
- 没有任何自动化测试、也不要求连接行情 API，输出质量受底层模型和搜索能力影响
- 技能自身声明：仅适合中期（周/月）趋势评估，单指标短暂异常不构成行动信号，不构成投资建议
- 聚焦宏观流动性单一维度，不覆盖估值、基本面等其他定价因素
如何安装这个 Skill？
方式一（自动发现）：运行 npx skills add https://github.com/star23/Day1Global-Skills --all，技能会安装到 .agents/skills/，对话中出现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，然后把 Day1Global-Skills/macro-liquidity 文件夹复制到项目下的 .claude/skills/（或 ~/.claude/skills/ 实现全局可用），重启 Claude Code 后可用 /macro-liquidity 调用。仓库未提供单独安装这一个技能的命令，两种方式均针对整个技能集合。
如何使用这个 Skill？
安装后无需额外配置，直接用自然语言提问即可触发，例如：'现在流动性怎么样？'、'美联储是在放水还是收水？'、'SOFR 利率走势如何？'、'日元套息交易会爆仓吗？'。技能要求运行环境具备联网搜索能力（web_search）以获取实时数据；若某项数据搜不到最新值，报告会注明最近可得数据及其日期。输出语言自动匹配提问语言。
这个 Skill 与同类方案有什么区别？
同一仓库中的 us-market-sentiment 技能监控的是市场情绪指标（NAAIM、散户资金流、远期 P/E 等），与 macro-liquidity 的宏观资金面互补；README 还提到两者可与 tech-earnings-deepdive 协同，当流动性是公司关键驱动力量时联动使用。