AlphaMoatによると、2026-10時点でCrypto Self-Learningのダウンロード数は16,026、スター数は19で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中1,755位、データ分析では915件中168位です。
一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。
| プラットフォーム | ダウンロード数 | スター数 | コメント |
|---|---|---|---|
| ClawHub ↗ | 6852 | 12 | - |
| SkillHub ↗ | 1.6万 | 19 | — |
プラットフォームごとに集計方法と集計時点が異なります。
利益でも損失でも取引ごとに銘柄、方向、売買価格、損益率、指標、市場環境を記録し、方向、曜日、RSI の区分、レバレッジごとに勝率を集計します。実データからルールを生成し、エージェントの記憶に追記します。分析の結論はログの完全さに依存し、損失の取引を省くとルールが歪みます。 取引記録はローカルに平文で保存されます。口座の秘密情報を記録せず、ファイルへのアクセスを制限してください。
資料公開日 2026-10-27
スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。
2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。
| 月 | ダウンロード数 | 前月比 | スター数 |
|---|---|---|---|
| 2026-10 | 1.6万 | — | 19 |
| 2026-09 | 1万 | — | 19 |
| 2026-08 | 8997 | +42.0% | 19 |
| 2026-07 | 6334 | -26.1% | 12 |
| 2026-06 | 8574 | +3.5% | 18 |
| 2026-05 | 8287 | — | 18 |
| 2026-03 | 7060 | — | 11 |
作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。
---
name: crypto-self-learning
description: Self-learning system for crypto trading. Logs trades with full context (indicators, market conditions), analyzes patterns of wins/losses, and auto-updates trading rules. Use to log trades, analyze performance, identify what works/fails, and continuously improve trading accuracy.
metadata: {"openclaw":{"emoji":"🧠","requires":{"bins":["jq","python3"]}}}
---
# Crypto Self-Learning 🧠
AI-powered self-improvement system for crypto trading. Learn from every trade to increase accuracy over time.
## 🎯 Core Concept
Every trade is a lesson. This skill:
1. **Logs** every trade with full context
2. **Analyzes** patterns in wins vs losses
3. **Generates** rules from real data
4. **Updates** memory automatically
## 📝 Log a Trade
After EVERY trade (win or loss), log it:
```bash
python3 {baseDir}/scripts/log_trade.py \
--symbol BTCUSDT \
--direction LONG \
--entry 78000 \
--exit 79500 \
--pnl_percent 1.92 \
--leverage 5 \
--reason "RSI oversold + support bounce" \
--indicators '{"rsi": 28, "macd": "bullish_cross", "ma_position": "above_50"}' \
--market_context '{"btc_trend": "up", "dxy": 104.5, "russell": "up", "day": "tuesday", "hour": 14}' \
--result WIN \
--notes "Clean setup, followed the plan"
```
### Required Fields:
| Field | Description | Example |
|-------|-------------|---------|
| `--symbol` | Trading pair | BTCUSDT |
| `--direction` | LONG or SHORT | LONG |
| `--entry` | Entry price | 78000 |
| `--exit` | Exit price | 79500 |
| `--pnl_percent` | Profit/Loss % | 1.92 or -2.5 |
| `--result` | WIN or LOSS | WIN |
### Optional but Recommended:
| Field | Description |
|-------|-------------|
| `--leverage` | Leverage used |
| `--reason` | Why you entered |
| `--indicators` | JSON with indicators at entry |
| `--market_context` | JSON with macro conditions |
| `--notes` | Post-trade observations |
## 📊 Analyze Performance
Run analysis to discover patterns:
```bash
python3 {baseDir}/scripts/analyze.py
```
Outputs:
- Win rate by direction (LONG vs SHORT)
- Win rate by day of week
- Win rate by RSI ranges
- Win rate by leverage
- Best/worst setups identified
- Suggested rules
### Analyze Specific Filters:
```bash
python3 {baseDir}/scripts/analyze.py --symbol BTCUSDT
python3 {baseDir}/scripts/analyze.py --direction LONG
python3 {baseDir}/scripts/analyze.py --min-trades 10
```
## 🧠 Generate Rules
Extract actionable rules from your trade history:
```bash
python3 {baseDir}/scripts/generate_rules.py
```
This analyzes patterns and outputs rules like:
```
🚫 AVOID: LONG when RSI > 70 (win rate: 23%, n=13)
✅ PREFER: SHORT on Mondays (win rate: 78%, n=9)
⚠️ CAUTION: Trades with leverage > 10x (win rate: 35%, n=20)
```
## 📈 Auto-Update Memory
Apply learned rules to agent memory:
```bash
python3 {baseDir}/scripts/update_memory.py --memory-path /path/to/MEMORY.md
```
This appends a "## 🧠 Learned Rules" section with data-driven insights.
### Dry Run (preview changes):
```bash
python3 {baseDir}/scripts/update_memory.py --memory-path /path/to/MEMORY.md --dry-run
```
## 📋 View Trade History
```bash
python3 {baseDir}/scripts/log_trade.py --list
python3 {baseDir}/scripts/log_trade.py --list --last 10
python3 {baseDir}/scripts/log_trade.py --stats
```
## 🔄 Weekly Review
Run weekly to see progress:
```bash
python3 {baseDir}/scripts/weekly_review.py
```
Generates:
- This week's performance vs last week
- New patterns discovered
- Rules that worked/failed
- Recommendations for next week
## 📁 Data Storage
Trades are stored in `{baseDir}/data/trades.json`:
```json
{
"trades": [
{
"id": "uuid",
"timestamp": "2026-02-02T13:00:00Z",
"symbol": "BTCUSDT",
"direction": "LONG",
"entry": 78000,
"exit": 79500,
"pnl_percent": 1.92,
"result": "WIN",
"indicators": {...},
"market_context": {...}
}
]
}
```
## 🎯 Best Practices
1. **Log EVERY trade** - Wins AND losses
2. **Be honest** - Don't skip bad trades
3. **Add context** - More data = better patterns
4. **Review weekly** - Patterns emerge over time
5. **Trust the data** - If data says avoid something, AVOID IT
## 🔗 Integration with tess-cripto
Add to tess-cripto's workflow:
1. Before trade: Check rules in MEMORY.md
2. After trade: Log with full context
3. Weekly: Run analysis and update memory
---
*Skill by Total Easy Software - Learn from every trade* 🧠📈
中国金融机构数据爬取与分析综合 Skill v12.0.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、60+种查询多源金融数据(自动降级+缓存)、爬取调度与网页操作增强、 实时数据中枢、24 技术指标引擎、多源证据融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四条线(信息获取 / 打包下载 / 数据分析 / 登录): 编排:gather_info() 一次跑完"路由→抓取→去占位→质量分→能力边界→回执→打包", 8 类意图各带问法、输入输出、典型耗时与 not_for(说清哪件事做不了)。 诚实:反爬占位条目一律剔除并记账,空结果报 E_SOURCE_EMPTY,不把假数据判成 B 级成功。 交付:包内自带 manifest.json(逐文件 sha256),verify 查得出改动/缺失/多塞, 批量下载单条失败不中断整批,失败清单可直接只重下那几条。 登录:Cookie 由用户导出或扫码接管,档案化 + 健康度四档,对外输出全脱敏(值永不回显)。 何时触发:爬取机构、舆情爬取、东方财富、公告下载、实时行情、技术指标、统一查询、 交付包、批量重下、我已经登录了、登录态还有效吗(完整触发词见下方 auto_trigger)。
大宗商品价格数据查询技能。用于查询大宗商品期现货价格、宏观经济指标、产业链供需数据、进出口库存数据、金融市场数据等。当用户询问:(1) 期货/现货价格查询,如"螺纹钢价格"、"铜期货收盘价"; (2) 历史行情或趋势分析;(3) 区域或企业价格对比;(4) 宏观经济指标,如GDP、CPI;(5) 产业链上下游数据;(6) 多市场金融数据(期权、股票、债券、外汇);(7) 结算确认单生成时触发此技能。
将数据文件(CSV/TSV/TXT/XLSX/XLS/JSON)转化为独立交互式 ECharts HTML 图表——32 类图表、3 套主题,全离线无需 CDN。出图前可先取数据画像(--profile:每列 dtype/基数/缺失/样本/统计、实体粒度、候选洞察信号、疑似非数据行),让 agent 在用户没说想看什么时自己读懂数据并决定出什么图——哪列是 ID、哪列是维度、出什么图,全部由 agent 从画像的客观事实自行判断,技能不代笔;每张图内置事实卡(plot_stats + data_preview),其数值是解读时唯一可引用的数字。本技能负责出图与算事实,不产出书面报告或叙事文档。触发:用户提供或指向表格数据文件并要求出图;提到「画图/出图/可视化/生成图表/generate a chart/make a graph」;想把表格渲染成交互式 HTML 图表。不触发:要的是书面报告、叙事分析或幻灯片;没有数据文件;需要后端的仪表盘;图片/音频/视频等非表格内容。
AdMapix のデータ取得層で、広告やアプリの問い合わせを API 呼び出しに変え、生の JSON だけを返します。
论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。40 种图表(森林图/KM 生存曲线(自动风险表)/竞争风险累计发生率/ROC/校准 曲线/决策曲线 DCA/列线图/RCS 非线性剂量反应/亚组分析森林图/RMST 限制平均生存时间/Galbraith 径向图/火山图/雨云图/山脊图/哑铃图/游泳图(逐例时长+里程碑)/ 肿瘤缓解瀑布图/UpSet 交集/PRISMA 流程图/漏斗/BA 一致性/PCA/热图/箱线/小提琴/ 组合图/Cox 多因素回归森林图等),9 套配色(含色盲安全 Okabe-Ito 与期刊色板),9 种期刊投稿预设, YAML 流水线一条命令出全套论文图,一次渲染多格式导出(TIFF/PNG/PDF), PDF 重叠门禁,600dpi。纯本地运行,数据不出机,中文零配置。适用:写论文/ 投稿要配图、把数据变成可投稿图表、批量重出全套图。不适用:文本润色/翻译/ 改写(请用写作类工具);商业报表/仪表盘/海报装饰;无数据支撑的纯示意图。
Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.
全球智能投研工具(stock-researcher)v13.0:多源数据 + 概率预测 + 可导出报告。 核心能力: - 多源数据路由:按市场/类别选源,逐级降级;每个结果标注来源与时效等级;源不可用时明确标 unavailable - 全资产量化:股票/ETF/场外基金/指数/期货(期限结构、基差、持仓、折溢价)多因子分析 - 概率预测:1d/5d/1M/3M/6M 经验分布 + 分位数 + 方向概率 + 区间,kNN 邻域收缩融合全局分布; 样本不足自动弃权,可按历史命中样本(同桶)做概率校准 - 证据链简报:每条结论绑定来源、时间与数据质量,冲突信号保留而不抹平 - 报告导出:Word/PPT/PDF/Markdown/JSON/纯文本,纯标准库渲染 + 可选第三方引擎 - MCP Server 24 工具,Claude Code 可直接调用;知识库 12 适配器双向同步 三条铁律: - 数据不装:拿不到就报不可用,不拿 0 价、不拿空表冒充 - 预测不装:概率来自历史相似条件的经验分布,样本不足就说不足,不硬给方向 - 评分≠盈利保证:任何结论都带免责声明
Tavily 経由で公開ウェブを検索し、リンクと抜粋付きの構造化結果を返します。
データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。