Was macht FICC_Researcher?
Agentorientierte Fertigkeit für Fixed-Income-Recherche mit FICC-Playbooks, Evidenzkarten, Datenquellenrichtlinie, Vorlagen und OpenClaw-/MCP-Integration.
Agentorientierte Fertigkeit für Fixed-Income-Recherche mit FICC-Playbooks, Evidenzkarten, Datenquellenrichtlinie, Vorlagen und OpenClaw-/MCP-Integration.
Diese Fertigkeit (Kevin-Zhu-11/FICC_Researcher) befähigt KI-Agenten, systematische Fixed-Income-Recherchen durchzuführen. Sie enthält eine Sammlung von FICC-Playbooks, die standardisierte Arbeitsabläufe für verschiedene Anlageklassen definieren, sowie Evidenzkarten zur Aufzeichnung von begründeten Schlussfolgerungen. Eine Datenquellenrichtlinie stellt sicher, dass der Agent nur vertrauenswürdige und vorgegebene Quellen nutzt. Die Fertigkeit unterstützt die Plattformen OpenClaw und das MCP-Protokoll (Model Context Protocol), um eine nahtlose Integration in agentische Arbeitsabläufe zu ermöglichen. Vorlagen für Rechercheberichte sorgen für konsistente Ausgaben. Sie ist ideal für Entwickler, die einen KI-Assistenten für die Analyse von Anleihen, Zinssätzen, Krediten und Währungen erstellen möchten.
npx skills add Kevin-Zhu-11/FICC_ResearcherInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Agentorientierte Fertigkeit für Fixed-Income-Recherche mit FICC-Playbooks, Evidenzkarten, Datenquellenrichtlinie, Vorlagen und OpenClaw-/MCP-Integration.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.