據 AlphaMoat 統計,截至 2026-10,Crypto Self-Learning 累計下載 16,026 次、獲 19 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 1,755 位,在「資料分析」分類(915 個)中排名第 168 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| ClawHub ↗ | 6852 | 12 | - |
| SkillHub ↗ | 1.6萬 | 19 | — |
各平台的計數口徑不同,統計時間不一致。
每筆交易無論盈虧都要記錄品種、方向、進出場價、盈虧比例、指標與市場環境,再按方向、星期、RSI 區間與槓桿統計勝率,從真實資料生成規則並追加進 agent 記憶。分析結論取決於日誌是否完整,跳過虧損單會讓規則失真。 交易紀錄以明文儲存在本機;不要寫入帳戶密鑰等敏感資訊,並限制檔案存取。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 1.6萬 | — | 19 |
| 2026-09 | 1萬 | — | 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 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 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* 🧠📈
中國金融機構資料爬取與分析綜合 Skill v12.0.0。2334家/43大類機構名單、60+財經媒體源輿情、 A股報告/公告/研報、60+種查詢多源金融資料(自動降級+快取)、爬取排程與網頁操作增強、 即時資料中樞、24 技術指標引擎、多源證據融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四條線(資訊獲取 / 打包下載 / 資料分析 / 登入): 編排:gather_info() 一次跑完"路由→抓取→去佔位→質量分→能力邊界→回執→打包", 8 類意圖各帶問法、輸入輸出、典型耗時與 not_for(說清哪件事做不了)。 誠實:反爬佔位條目一律剔除並記賬,空結果報 E_SOURCE_EMPTY,不把假資料判成 B 級成功。 交付:包內自帶 manifest.json(逐檔案 sha256),verify 查得出改動/缺失/多塞, 批次下載單條失敗不中斷整批,失敗清單可直接只重下那幾條。 登入:Cookie 由使用者匯出或掃碼接管,檔案化 + 健康度四檔,對外輸出全脫敏(值永不回顯)。 何時觸發:爬取機構、輿情爬取、東方財富、公告下載、即時行情、技術指標、統一查詢、 交付包、批次重下、我已經登入了、登入態還有效嗎(完整觸發詞見下方 auto_trigger)。
大宗商品價格資料查詢技能。用於查詢大宗商品期現貨價格、宏觀經濟指標、產業鏈供需資料、進出口庫存資料、金融市場資料等。當用戶詢問:(1) 期貨/現貨價格查詢,如"螺紋鋼價格"、"銅期貨收盤價"; (2) 歷史行情或趨勢分析;(3) 區域或企業價格對比;(4) 宏觀經濟指標,如GDP、CPI;(5) 產業鏈上下游資料;(6) 多市場金融資料(期權、股票、債券、外匯);(7) 結算確認單生成時觸發此技能。
32種圖表,3 個主題,2步生成: 1.上傳資料 — 將 CSV / Excel / JSON 等格式的資料檔案拖入對話方塊; 2.檢視結果 — 互動式圖表(HTML),可儲存圖表為圖片.
AdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。
論文配圖一鍵生成:一條命令從 JSON/CSV/Excel 生成頂刊級學術圖表,科研繪圖 與期刊配圖全場景覆蓋。40 種圖表(森林圖/KM 生存曲線(自動風險表)/競爭風險累計發生率/ROC/校準 曲線/決策曲線 DCA/列線圖/RCS 非線性劑量反應/亞組分析森林圖/RMST 限制平均生存時間/Galbraith 徑向圖/火山圖/雨雲圖/山脊圖/啞鈴圖/游泳圖(逐例時長+里程碑)/ 腫瘤緩解瀑布圖/UpSet 交集/PRISMA 流程圖/漏斗/BA 一致性/PCA/熱圖/箱線/小提琴/ 組合圖/Cox 多因素迴歸森林圖等),9 套配色(含色盲安全 Okabe-Ito 與期刊色板),9 種期刊投稿預設, YAML 流水線一條命令出全套論文圖,一次渲染多格式匯出(TIFF/PNG/PDF), PDF 重疊門禁,600dpi。純本地執行,資料不出機,中文零配置。適用:寫論文/ 投稿要配圖、把資料變成可投稿圖表、批次重出全套圖。不適用:文字潤色/翻譯/ 改寫(請用寫作類工具);商業報表/儀表盤/海報裝飾;無資料支撐的純示意圖。
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.
全球智慧投研工具(stock-researcher)v13.0:多源資料 + 機率預測 + 可匯出報告。 核心能力: - 多源資料路由:按市場/類別選源,逐級降級;每個結果標註來源與時效等級;源不可用時明確標 unavailable - 全資產量化:股票/ETF/場外基金/指數/期貨(期限結構、基差、持倉、折溢價)多因子分析 - 機率預測:1d/5d/1M/3M/6M 經驗分佈 + 分位數 + 方向機率 + 區間,kNN 鄰域收縮融合全域性分佈; 樣本不足自動棄權,可按歷史命中樣本(同桶)做機率校準 - 證據鏈簡報:每條結論繫結來源、時間與資料質量,衝突訊號保留而不抹平 - 報告匯出:Word/PPT/PDF/Markdown/JSON/純文字,純標準庫渲染 + 可選第三方引擎 - MCP Server 24 工具,Claude Code 可直接呼叫;知識庫 12 介面卡雙向同步 三條鐵律: - 資料不裝:拿不到就報不可用,不拿 0 價、不拿空表冒充 - 預測不裝:機率來自歷史相似條件的經驗分佈,樣本不足就說不足,不硬給方向 - 評分≠盈利保證:任何結論都帶免責宣告
透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。