据 AlphaMoat 统计,截至 2026-10,Crypto Self-Learning 累计下载 16,026 次、获 19 个星标,按累计下载量在本次参与排名的 10,914 个 AI 技能中排名第 1,755 位,在「数据分析」分类(915 个)中排名第 168 位。
列表默认按累计下载量排序,也可按星标排序;详情页排名按累计下载量计算。
| 平台 | 累计下载 | 星标 | 评论 |
|---|---|---|---|
| ClawHub ↗ | 6,852 | 12 | - |
| SkillHub ↗ | 1.6万 | 19 | — |
各平台的计数口径不同,统计时间不一致。
每笔交易无论盈亏都要记录品种、方向、进出场价、盈亏比例、指标与市场环境,再按方向、星期、RSI 区间与杠杆统计胜率,从真实数据生成规则并追加进 agent 记忆。分析结论取决于日志是否完整,跳过亏损单会让规则失真。 交易记录以明文保存在本地;不要写入账户密钥等敏感信息,并限制文件访问。
资料发布于 2026-10-27
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-10 | 1.6万 | — | 19 |
| 2026-09 | 1.0万 | — | 19 |
| 2026-08 | 8,997 | +42.0% | 19 |
| 2026-07 | 6,334 | -26.1% | 12 |
| 2026-06 | 8,574 | +3.5% | 18 |
| 2026-05 | 8,287 | — | 18 |
| 2026-03 | 7,060 | — | 11 |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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。
32种图表,3 个主题,2步生成: 1.上传数据 — 将 CSV / Excel / JSON 等格式的数据文件拖入对话框; 2.查看结果 — 交互式图表(HTML),可保存图表为图片.
AdMapix 的取数层:把广告与应用相关的查询转成接口调用,只回原始 JSON。
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
走 Tavily 检索公开网页,返回带链接与摘要的结构化结果。
数据月份:2026-10 · 下载/星标数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。