Communitygithub.com

Revisión de Riesgos en Mercados de Predicción

Revisa flujos de trabajo de mercados de predicción, cestas, oráculos y agentes de trading para cumplimiento, seguridad, calidad de datos, privacidad y riesgo de ejecución. Úsalo antes de que cualquier flujo de trabajo maneje autenticación del lugar de negociación, datos de cartera de usuarios, claves API o planificación de operaciones.

¿Qué es Revisión de Riesgos en Mercados de Predicción?

Este skill proporciona un proceso de revisión de riesgos integral para flujos de trabajo que involucran mercados de predicción, cestas de activos, oráculos y agentes de trading automatizados. Está diseñado para ser utilizado antes de que cualquier flujo de trabajo toque el contexto financiero del usuario, la autenticación del lugar de negociación, los datos de la cartera o las herramientas con capacidad de ejecución. El skill aplica cinco puertas de revisión clave: límites de asesoramiento (asegurando que el resultado sea informativo, sin recomendaciones de compra/venta), límites regulatorios y del lugar de negociación (identificando términos del lugar, restricciones geográficas y reglas de API), calidad de datos (verificando liquidez, diferenciales, reglas de resolución y sellos de tiempo), seguridad (prohibiendo el almacenamiento de claves privadas o frases semilla, exigiendo ámbitos de solo lectura y disyuntores) y privacidad (minimizando los datos financieros y de cartera del usuario). El skill exige un contrato de salida que incluya el alcance revisado, hallazgos de aprobación/advertencia/fallo, acciones bloqueadas, mitigaciones requeridas y el próximo paso seguro. Si se solicita un paso con capacidad de ejecución, se requiere un plan de implementación separado y la aprobación explícita del usuario. Este skill es compatible con Claude Code y otros agentes de IA que manejan flujos de trabajo financieros.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/prediction-market-risk-review

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Revisión de Riesgos en Mercados de Predicción?

Usa este skill antes de que un flujo de trabajo de mercado de predicción toque el contexto financiero del usuario, la autenticación del lugar de negociación, los datos de la cartera, la automatización o las herramientas con capacidad de ejecución.

Puertas de Revisión

Límite de Asesoramiento

  • Confirma que el resultado sea informativo.
  • Elimina recomendaciones de compra/venta/mantener/tamaño.
  • Mantén explícitos los puntos de decisión manual del usuario.

Límite del Lugar de Negociación y Regulatorio

  • Identifica los términos del lugar de negociación, restricciones geográficas, límites de cuenta y reglas de API.
  • Señala ambigüedad en apuestas, derivados, valores o materias primas para revisión legal cuando sea relevante.
  • No evites las restricciones del lugar de negociación ni los límites de velocidad.

Calidad de Datos

  • Verifica la liquidez del mercado, el diferencial, las reglas de resolución, los precios obsoletos y los sellos de tiempo de las fuentes.
  • Separa los datos públicos del lugar de negociación de los datos cerrados de Itô.
  • No mezcles fuentes públicas y privadas sin etiquetas.

Seguridad

  • No solicites ni almacenes claves privadas, frases semilla ni contraseñas.
  • Mantén ITO_API_KEY y las claves API del lugar de negociación fuera de registros y documentos.
  • Usa ámbitos de solo lectura por defecto.
  • Exige disyuntores, límites de gasto, pruebas en seco y aprobación humana antes de que cualquier implementación privada agregue ejecución.

Privacidad

  • Minimiza los datos de cartera, financieros y de base de conocimiento del usuario.
  • Oculta las fuentes privadas en artefactos públicos.
  • Conserva solo los campos necesarios para la revisión.

Contrato de Salida

Devuelve:

  1. alcance revisado
  2. hallazgos de aprobación/advertencia/fallo
  3. acciones bloqueadas
  4. mitigaciones requeridas
  5. próximo paso seguro

Si se solicita un paso con capacidad de ejecución, exige un plan de implementación separado y la aprobación explícita del usuario.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados