AIMM 投资组合管理技能
查询 AI 对冲基金投资组合的当前快照：NAV、风险敞口和全部持仓，一目了然。
SKILL.md 声明该技能为只读状态提供者（'无决策权限——仅提供数据'），不涉及资金操作、外部写入或敏感数据外发，风险面较小；但未说明数据流经哪些账户/交易所、API 密钥的权限要求、失败时的回滚或恢复路径，且发布者身份未经验证，数据来源仅笼统提及 exchange/OMS。
能力声明与仓库 README/pyproject 中的 LangGraph 架构、trade_book 依赖大体自洽，persona.md 给出了明确的 NAV/保证金公式与 JSON 输出示例；但依赖的 'trade_book' 与 '执行引擎适配器' 的接口契约未在技能文件中定义，查询接口 /portfolio_management?action=... 的错误处理与异常反馈完全缺失，静态审查无法确认路径可复现。
目标场景（查询投资组合 NAV、持仓、可用保证金）清楚，并给出两个自然语言触发示例；但未声明非适用边界（如不支持实时行情、多账户、哪些交易所），触发条件与误触发防护无说明，核心功能依赖海外 LLM/交易所 API，未提供中文支持或中国大陆可达性说明。
SKILL.md 结构简洁（能力/数据源/接口/依赖），persona.md 分层合理并含输出示例；但技能文件极薄，无安装/依赖安装说明、无版本号或变更记录、无已知限制披露、无 FAQ，维护责任仅在仓库层面由 SECURITY.md 隐含，AGPL-3.0 许可证在仓库层面清晰。
作为只读状态查询技能，若平台栈正常启动，其声明的 NAV/持仓查询对用户有边际价值且输出为结构化 JSON，README 显示平台有运行/测试文档支持；但静态审查无法验证实际输出正确性，且该技能在系统内更像内部组件而非独立完成任务的用户技能，价值主张偏窄。
persona.md 的公式与输出 schema 可审计，仓库含 CI（ci.yml）与 pytest 测试基础设施，README 给出可复现命令；但没有任何针对该技能关键路径（portfolio 状态查询）的专属测试证据，性能数字（+8.15% 等）由作者自述且注明非实盘主张，静态审查置信度低。
- 该技能是仓库内部只读状态组件，非独立可安装工具；使用前提是完整平台栈（Docker、Postgres、LLM API 密钥）已运行。
- 依赖海外 LLM 与交易所 API，对中国大陆用户可达性未作说明，且无中文文档。
- 查询接口无错误处理与失败反馈说明，trade_book 与执行引擎适配器的实际接口契约需自行查阅源码确认。
- 回测/收益数字为作者自述且依赖 LLM，不可作为实盘收益预期；该技能不构成投资建议。
- 发布者未经验证，维护与更新路径仅依赖社区仓库，使用前请自行审计代码。
这个 Skill 能做什么，适合哪些场景？
该技能是 olaxbt/ai-market-maker（AIMM，Agentic AI Hedge Fund OS）中 14 个技能之一，位于 src/agents/governance/portfolio_management/。它本身不做交易，而是从交易账本、执行引擎仓位数据流和交易所/OMS 现金余额中读取数据，返回组合快照（NAV、敞口、持仓列表）。调用方式是简单的查询接口 /portfolio_management?action=state 或 ?action=positions，也支持自然语言提问（如"我当前的 NAV 是多少？"）。它依赖同一仓库中的 trade_book 和执行引擎适配器，因此只能作为 AIMM 平台的一部分运行，不能独立使用。
读取内存与持久化的交易账本、执行引擎的仓位数据流以及来自交易所/OMS 的现金余额；通过 get_state() 返回包含 NAV、风险敞口和持仓明细的组合快照；响应两个查询动作：action=state（组合快照）和 action=positions（全部未平仓持仓）；回答诸如"What's my current NAV?"和"Show all open positions"之类的直接提问。
- 量化交易员在 AIMM 平台跑着 Binance Testnet 模拟交易，想随时查看当前 NAV 和敞口而不去翻数据库
- 多智能体交易系统的运维者需要在执行前或风控审查时快速核对全部未平仓持仓
- 开发者在调试 AIMM 的执行引擎后，用它验证仓位记录与现金余额是否一致
- 组合经理在多资产（BTC/ETH/SOL 等）轮动中需要一份统一的持仓与敞口视图
这个 Skill 有哪些优点和局限？
- 接口极简：两个查询动作加自然语言提问即可获取 NAV、敞口和持仓
- 数据来源明确：交易账本、执行引擎仓位流、交易所/OMS 现金余额三路核对
- 继承 AIMM 全栈的量化纪律：完整可追溯的执行记录与风控治理
- AGPL-3.0 开源，代码可审计
- 强烈依赖 AIMM 平台：trade_book 和执行引擎适配器必须就位，无法脱离仓库独立使用
- 只做读取/查询——不做仓位优化、再平衡或交易建议（那些是 README 描述的 Portfolio Management 台桌的更广职责，但该 SKILL.md 只声明了快照查询）
- SKILL.md 未声明性能特征、刷新频率或错误处理行为
- 实际执行场所为 Binance Testnet / Hyperliquid dry-run / Futu 模拟盘，无实盘证据
如何安装这个 Skill？
该技能随整个 ai-market-maker 仓库分发，没有单独的安装路径：git clone https://github.com/olaxbt/ai-market-maker.git && cd ai-market-maker，然后按 README 安装依赖（pip install uv；建议用 Conda 装 TA-Lib；uv sync --extra dev）。仓库支持 OpenClaw 安装：claw install https://github.com/olaxbt/ai-market-maker。注意：src/agents/governance/portfolio_management/SKILL.md 这个技能本身没有单独的 OpenClaw 安装说明，文档中的 openclaw/ 打包面向整个仓库。
如何使用这个 Skill？
前提是 AIMM 平台在运行（如 docker compose -f docker-compose.prod.yml up --build -d 启动全套栈，或 uv run python src/main.py 的 CLI 交易模式）。然后调用查询接口：/portfolio_management?action=state 获取含 NAV、敞口、持仓的组合快照；/portfolio_management?action=positions 查看全部未平仓持仓；或用自然语言提问，如"What's my current NAV?"。首次运行前需先执行数据库迁移（alembic upgrade head）。
这个 Skill 与同类方案有什么区别？
同一仓库内的 sibling 技能（如交易账本、执行引擎）是它的数据上游；它是唯一负责回答"当前组合状态是什么"的入口。除此之外，README 未列出可比的外部替代品。