Erstelle eine lokale Finanzdatenbank auf Basis von Tushare. Ein KI-natives Multi-Agent-Finanzanalysesystem, das Skill-Fähigkeiten erweitert und automatisch HTTP-Schnittstellen und MCP-Aufrufe generiert. Unterstützt den Zugriff auf lokale Datenbanken und die autonome Nutzung durch OpenClaw.
Dieses Skill-System (Yourdaylight/stock_datasource) ermöglicht den Aufbau einer lokalen chinesischen Finanzdatenbank auf Basis von Tushare und richtet sich an Entwickler und KI-Agenten, die eine performante, datenschutzkonforme und erweiterbare Lösung für die Finanzanalyse suchen. Es ist vollständig KI-nativ konzipiert und unterstützt Multi-Agent-Architekturen, sodass mehrere Agenten parallel auf dieselbe Datenbank zugreifen und Analysen durchführen können. Ein besonderes Merkmal ist die Fähigkeit, dynamisch HTTP-Schnittstellen und MCP (Message Channel Protocol)-Aufrufe zu generieren – das System passt sich automatisch an die Anforderungen der angebundenen Agenten an. Zudem ermöglicht es die direkte Anbindung lokaler Datenbanken über OpenClaw, was den autonomen, sicheren Zugriff auf sensible Finanzdaten erlaubt, ohne diese über externe Dienste leiten zu müssen. Die Skill-Erweiterung bietet eine modulare Basis, um die Agentenfähigkeiten schrittweise auszubauen und komplexe Abfragen wie Aktienkurse, Fundamentaldaten oder technische Indikatoren lokal auszuführen.
npx skills add Yourdaylight/stock_datasourceInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Basierend auf Tushare wird eine lokale Finanzdatenbank aufgebaut. Ein KI-natives Multi-Agent-Finanzanalysesystem, das die Erweiterung der Agentenfähigkeiten durch Skills unterstützt und automatisch HTTP-Schnittstellen sowie MCP-Aufrufe generiert. Ermöglicht den Zugriff auf lokale Datenbanken über OpenClaw für autonome Abfragen.
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.