这个 Skill 能做什么，适合哪些场景？
策略编排器是 olaxbt/ai-market-maker 仓库（AIMM，开放式智能体对冲基金系统）14 个技能中的一个，位于 src/agents/governance/policy_orchestrator/。它读取本地配置文件中的运行时策略定义，对给定标的和动作执行策略检查，返回允许/拦截的决策、路由、原因和策略 ID。该技能无外部 API 依赖，规则支持热加载。适合需要在智能体交易流程中强制执行集中式交易策略（哪些标的允许交易、对哪些用户生效）的团队。
提供 evaluate(signal, user_config) 函数，返回路由决策和策略检查结果；支持直接查询（如「该用户是否允许交易 BTC？」「当前有哪些策略规则？」）；通过 /policy_orchestrator?ticker=BTC/USDT&action=check 查询接口返回 allowed/blocked、路由、原因和 policy_id；从 config/policy_loader.py 读取可热加载的规则，从 config/policy_types.py 读取策略 schema；不调用任何外部 API。
- 运营加密对冲基金的团队，需要在执行前确认某标的（如 BTC/USDT）是否符合当前策略规则。
- 多用户交易平台运营者，需按用户配置差异化限制可交易标的。
- 治理/合规人员，需要随时查询当前生效的策略规则清单。
- 为 AIMM 多智能体交易栈开发执行前策略拦截层的开发者。
如何安装这个 Skill？
- 本评估为静态源码审查，未执行任何代码；skill 引用的 policy_loader.py / policy_types.py 未能核验。
- 该 skill 属交易执行门控组件，实际部署前应自行审查策略规则实现与热加载安全性。
- 发布者未经 FollowSkills 企业注册库验证，身份未知。
- skill 级别缺少版本与变更记录，升级后行为可能变化。
- 无中文支持说明；虽有本地规则依赖，但整体平台依赖海外 LLM API（OpenAI/Atlas Cloud）。
- Shell / 命令行
- 本地文件系统
Python 3.11+uvrepo config files (policy_loader.py, policy_types.py)
该技能随整个仓库分发：git clone https://github.com/olaxbt/ai-market-maker.git，然后按 README 安装依赖（pip install uv；TA-Lib；uv sync --extra dev）。技能文件位于 src/agents/governance/policy_orchestrator/SKILL.md，仓库亦支持通过 OpenClaw 安装（claw install https://github.com/olaxbt/ai-market-maker 或 claw skill install ./openclaw），但该命令针对整个仓库，未单独说明仅安装此技能的方法。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/olaxbt/ai-market-maker.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/src/agents/governance/policy_orchestrator" ~/.claude/skills/
rm -rf "$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：
- Is BTC allowed for this user?
在已安装并配置好仓库的环境中，调用 evaluate(signal, user_config)，或使用查询接口：/policy_orchestrator?ticker=BTC/USDT&action=check，返回 allowed/blocked + route + reason + policy_id。也可向智能体直接提问，例如「Is BTC allowed for this user?」。注意：README 描述的是整个 AIMM 平台的安装与运行（Docker 栈、测试网交易等），该技能单独运行所需的最小环境未在文档中说明。
这个 Skill 有哪些优点和局限？
- 无外部 API 依赖，策略检查完全本地化。
- 规则支持热加载（policy_loader），修改策略无需重启。
- 返回结果包含原因和 policy_id，决策可追溯。
- 接口简单直接：一个函数加一个查询端点。
- 文档极简，仅有 SKILL.md 的能力清单，没有测试证据或使用示例输出。
- 策略规则本身需自行在 config 中维护，技能不含默认规则内容的说明。
- 作为 monorepo 中 14 个技能之一，其与整个 AIMM 平台安装的耦合程度未明确说明。
- 查询接口 /policy_orchestrator 的部署方式（是否随 API 服务暴露）文档未详述。
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 |
|---|---|---|---|---|
| 策略编排器（Policy Orchestrator） 本页 | 45 · 不推荐 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| Monetary Sentinel 货币哨兵 | 57 · 谨慎使用 | ★ 2.1k | 2 个月前 | AGPL-3.0 |
| OpenNews 金融新闻聚合 | 47 · 谨慎使用 | ★ 2.4k | 2 个月前 | MIT |
| AI-Trader 交易信号技能 | 40 · 不推荐 | ★ 23k | 4 个月前 | — |
| AI-Trader 跟单技能 | 40 · 不推荐 | ★ 23k | 4 个月前 | — |
FollowSkills 如何评估这个 Skill？
SKILL.md 声明无外部 API 依赖、仅作为硬性策略门控（阻断违规交易、默认路由至 paper），数据流指向本地 config/policy_loader.py，外部影响面窄；但未说明权限范围、用户确认机制、回滚路径，且策略热加载规则内容未在证据中可见，扣分。
仅静态阅读：接口契约、JSON 输出格式与查询示例一致、内部自洽，但引用的 policy_loader.py 与 policy_types.py 未在证据中出现，无法确认依赖可用性；无边界输入处理与失败反馈说明，扣分。
场景明确（用户策略检查/资产准入路由），触发语义（ticker/action=check）清晰，且为纯本地规则、中国网络可达；但未声明不适用边界与非交易场景行为，无中文支持说明，扣分。
AGPL-3.0 许可清晰，persona.md 与 SKILL.md 分层可读，仓库有 SECURITY.md 与测试体系；但该 skill 自身无版本、变更记录、参数稳定性承诺与已知限制披露，维护责任归属不明确，扣分。
静态校准下不超过 7：声称的核心任务（返回 allowed/blocked + route + reason + policy_id）输出格式明确、可直接使用，但无代表性输出证据，相对手动查询策略规则的边际价值论证不足，扣分。
仓库存在 CI workflow 与 pytest 测试套件，但证据文件中未见覆盖 policy_orchestrator 关键路径的测试；SKILL.md 的行为声明无独立可复现材料，仅有限可审计源码，扣分。
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 →