AlphaMoatによると、2026-10時点で彩票分析助手のダウンロード数は19,045、スター数は11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1,477位、データ分析では915件中140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 ↗ | 2177 | 1 | - |
| SkillHub ↗ | 1.9万 | 11 | — |
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。
Excel や CSV を読み、Python のデータ処理ライブラリーで頻度、頻出・低頻度の数字、合計、パターンをまとめ、組合せと JSON 報告も作れます。娯楽用の過去統計であり、結果は無作為で当選を保証しません。
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 | 1.9万 | — | 11 |
| 2026-09 | 5736 | — | 11 |
| 2026-08 | 3617 | +33.2% | 11 |
| 2026-07 | 2716 | +29.4% | 10 |
| 2026-06 | 2099 | +17.6% | 6 |
| 2026-05 | 1785 | — | 6 |
| 2026-03 | 1009 | — | 1 |
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: lottery-analyzer description: 彩票智能分析助手,支持双色球(SSQ)和大乐透(DLT)的深度数据分析、趋势预测和智能推荐。适用于:历史开奖数据统计分析、热号冷号追踪、奇偶和值走势、连号模式识别、智能号码推荐(单注/复式)、7+2/6+2复式方案生成。当用户需要分析彩票数据、生成推荐号码或查看号码热度排名时激活。 --- # 彩票分析助手 智能分析双色球和大乐透彩票数据,提供基于统计学的号码推荐和趋势分析。 ## 支持彩票类型
- **双色球 (SSQ)**:6个红球(1-33) + 1个蓝球(1-16)
- **大乐透 (DLT)**:5个前区(1-35) + 2个后区(1-12)
## 快速开始
### 1. 基本分析(使用现有数据文件)
查看之前生成的分析结果:
```bash
read /home/admin/worktemp/ssq_7plus2_analysis.json # 双色球7+2复式
read /home/admin/worktemp/lottery_ssq_analysis.json # 最新分析
```
### 2. 分析新的开奖数据
使用核心脚本分析Excel/CSV数据文件:
```bash
python3 ~/.openclaw/skills/lottery-analyzer/scripts/analyze_lottery.py ssq /path/to/data.xlsx 7+2
```
格式说明:
- **ssq** / **dlt**:彩票类型
- **数据路径**:Excel或CSV文件路径
- **格式**:`simple`(单注)或 `7+2`(复式)
### 3. 对话式分析(推荐)
直接告诉需求,用Python脚本实时处理:
```python
# 创建分析器
from lottery_analyzer import LotteryAnalyzer
# 初始化(双色球)
analyzer = LotteryAnalyzer('ssq')
# 加载Excel数据(跳过第一行表头)
analyzer.load_data('./data.xlsx', has_header=True)
# 提取最近50期数据
analyzer.extract_numbers(50)
# 生成统计
stats = analyzer.generate_statistics()
# 生成5组7+2复式推荐
recommendations = analyzer.generate_multiple_recommendations(5, '7+2')
# 保存结果
analyzer.analysis_results = {'statistics': stats, 'recommendations': recommendations}
analyzer.save_results('./lottery_ssq_analysis.json')
```
## 数据文件格式
### Excel格式推荐
双色球Excel模板:
```csv
期号 红球号码 (表头行,可选)
26018 11 15 17 22 25 30 7
26017 1 3 5 18 29 32 4
...
```
大乐透Excel模板:
```csv
期号 前区号码 后区号码 (表头行,可选)
26018 5 12 18 25 28 3 9
26017 8 15 22 26 31 5 12
...
```
### CSV格式
```csv
期号,红1,红2,红3,红4,红5,红6,蓝
26018,11,15,17,22,25,30,7
26017,1,3,5,18,29,32,4
```
## 核心分析功能
### 1. 统计分析
获取详细统计数据:
```python
stats = analyzer.generate_statistics()
# 输出内容:
{
'red': {
'hot_numbers': [13, 9, 3, 5, 2, ...], # 热号(前15)
'cold_numbers': [21, 11, 16, ...], # 冷号(前10)
'avg_number': 16.0, # 平均数
'median': 15.0, # 中位数
'stdev': 9.8 # 标准差
},
'blue': {
'hot_numbers': [10, 4, 13, ...],
'cold_numbers': [9, 11, 14, ...]
},
'sum': {
'avg': 95.9, # 平均和值
'min': 46, # 最小和值
'max': 133 # 最大和值
}
}
```
### 2. 模式识别
分析近期走势:
```python
patterns = analyzer.analyze_patterns(10) # 近10期
# 输出内容:
[
{
'consecutive': 1, # 连号对数
'odd_even': '3:3', # 奇偶比例
'big_small': '4:2', # 大小比例
'sum': 120, # 和值
'sum_range': '101-120' # 和值区间
},
...
]
```
### 3. 智能推荐
多种推荐策略:
```python
# 策略1:均衡推荐(热冷混合)
rec = analyzer.recommend_numbers(strategy='balanced', format_type='7+2')
# 策略2:热号策略(推荐高频号码)
rec = analyzer.recommend_numbers(strategy='hot', format_type='7+2')
# 策略3:冷号策略(博冷门回归)
rec = analyzer.recommend_numbers(strategy='cold', format_type='7+2')
# 策略4:连号策略(包含连号组合)
rec = analyzer.recommend_numbers(strategy='consecutive', format_type='7+2')
# 策略5:区间策略(覆盖多个数字区间)
rec = analyzer.recommend_numbers(strategy='segment', format_type='7+2')
```
## 复式方案说明
### 7+2复式(双色球)
- 组合数:C(7,6) × C(2,1) = 7 × 2 = **14注**
- 费用:14注 × 2元 = **28元**
- 覆盖范围:7个红球中任选6个,2个蓝球中任选1个
### 7+2复式(大乐透)
- 组合数:C(7,5) × C(2,2) = 21 × 1 = **21注**
- 费用:21注 × 2元 = **42元**
- 覆盖范围:7个前区中任选5个,2个后区全选
### 6+2复式(双色球)
- 组合数:C(6,6) × C(2,1) = 1 × 2 = **2注**
- 费用:2注 × 2元 = **4元**
- 覆盖范围:6个红球全选,2个蓝球中任选1个
## 完整工作流示例
### 示例1:分析双色球并生成5组推荐
```bash
# 执行分析
cd ~/.openclaw/skills/lottery-analyzer
python3 scripts/analyze_lottery.py ssq ~/worktemp/ssq1-100.xlsx 7+2
# 查看结果
cat ~/worktemp/lottery_ssq_analysis.json
```
### 示例2:对话式实时分析
```python
# 直接在对话中使用脚本
import sys
sys.path.insert(0, '/home/admin/.openclaw/skills/lottery-analyzer/scripts')
from analyze_lottery import LotteryAnalyzer
# 创建分析器
analyzer = LotteryAnalyzer('ssq')
# 加载数据
success, msg = analyzer.load_data('/home/admin/worktemp/ssq1-100.xlsx', has_header=True)
# 分析最近30期
analyzer.extract_numbers(30)
# 查看热号
print(f"热红球: {analyzer.red_freq.most_common(10)}")
# 生成推荐
recs = analyzer.generate_multiple_recommendations(5, '7+2')
# 格式化输出
for rec in recs:
print(f"\n第{rec['group']}组: {rec['strategy']}")
print(f"红球: {' '.join(f'{n:02d}' for n in rec['red_balls'])}")
print(f"蓝球: {' '.join(f'{n:02d}' for n in rec['blue_balls'])}")
```
## 输出文件位置
分析结果默认保存在:
```
/home/admin/worktemp/lottery_ssq_analysis.json # 双色球
/home/admin/worktemp/lottery_dlt_analysis.json # 大乐透
```
## 技术依赖
- pandas(数据处理)
- numpy(数值计算)
- openpyxl(Excel支持)
依赖已预装,无需额外安装。
## 免责声明
本工具仅基于历史数据进行统计分析,**不保证中奖**。彩票本质是随机事件,请理性购彩,量力而行。
分析结果仅供娱乐和参考,切勿过度投入。
## 扩展功能
需要添加自定义分析时,直接在对话中使用Python:
```python
# 自定义分析示例
from analyze_lottery import LotteryAnalyzer
analyzer = LotteryAnalyzer('ssq')
analyzer.load_data('./data.xlsx', has_header=True)
analyzer.extract_numbers(50)
# 自定义统计:计算特定数字出现间隔
for num in range(1, 34):
occurrences = [i for i, n in enumerate(analyzer.all_red_numbers) if n == num]
# 计算间隔...
```
脚本完全可扩展,你可以添加任何自定义分析逻辑。
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。