Communitygithub.com

examen-des-risques-des-marchés-prédictifs

Examine les flux de travail des marchés prédictifs, des paniers, des oracles et des agents de trading pour la conformité, la sécurité, la qualité des données, la confidentialité et le risque d'exécution. À utiliser avant que tout flux de travail ne manipule l'authentification de la plateforme, les données de portefeuille utilisateur, les clés API ou la planification des transactions.

Qu'est-ce que examen-des-risques-des-marchés-prédictifs ?

Cette compétence effectue un examen structuré des risques avant qu'un flux de travail de marché prédictif n'interagisse avec des données financières utilisateur, des clés API ou des outils capables d'exécution. Elle vérifie la conformité réglementaire, la qualité des données de marché, les pratiques de sécurité (par exemple, ne pas exposer les clés privées), la minimisation de la confidentialité et les contrôles d'exécution tels que les limiteurs de pertes et les approbations humaines. Elle génère un rapport de synthèse listant la portée examinée, les résultats (réussite/alerte/échec), les actions bloquées, les mesures correctives requises et la prochaine étape sécurisée. Conçue pour les agents IA travaillant avec des marchés prédictifs, des flux d'oracles ou des plateformes de trading automatisé via Claude Code, Cursor ou Codex, cette compétence garantit que toute suggestion ou implémentation privée soit précédée d'un examen des risques et d'une approbation explicite de l'utilisateur.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Examen des risques des marchés prédictifs

Utilisez cette compétence avant qu'un flux de travail de marché prédictif ne touche au contexte financier de l'utilisateur, à l'authentification de la plateforme, aux données de portefeuille, à l'automatisation ou aux outils capables d'exécution.

Points de contrôle

Limite de conseil

  • Confirmez que la sortie est informative.
  • Supprimez les recommandations d'achat/vente/détention/taille.
  • Rendez explicites les points de décision manuelle de l'utilisateur.

Limite réglementaire et de la plateforme

  • Identifiez les conditions générales de la plateforme, les restrictions géographiques, les limites de compte et les règles API.
  • Signalez toute ambiguïté concernant les paris, les produits dérivés, les titres ou les matières premières pour un examen juridique si nécessaire.
  • Ne contournez pas les restrictions de la plateforme ou les limites de débit.

Qualité des données

  • Vérifiez la liquidité du marché, l'écart de négociation, les règles de résolution, les prix obsolètes et les horodatages des sources.
  • Séparez les données publiques de la plateforme des données protégées par Itô.
  • Ne mélangez pas les sources publiques et privées sans étiquettes.

Sécurité

  • Ne demandez ni ne stockez de clés privées, de phrases de récupération ou de mots de passe.
  • Maintenez ITO_API_KEY et les clés API de la plateforme en dehors des journaux et de la documentation.
  • Utilisez des portées en lecture seule par défaut.
  • Exigez des limiteurs de pertes, des limites de dépenses, des exécutions à sec et une approbation humaine avant que toute implémentation privée n'ajoute une exécution.

Confidentialité

  • Minimisez les données de portefeuille, financières et de base de connaissances de l'utilisateur.
  • Rédigez les sources privées dans les artefacts publics.
  • Ne conservez que les champs nécessaires à l'examen.

Contrat de sortie

Renvoyez :

  1. la portée examinée
  2. les conclusions (réussite/alerte/échec)
  3. les actions bloquées
  4. les mesures correctives requises
  5. la prochaine étape sécurisée

Si une étape capable d'exécution est demandée, exigez un plan d'implémentation séparé et une approbation explicite de l'utilisateur.

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Skills associés