Lista curada de agentes de trading impulsionados por LLMs, servidores MCP e habilidades de agentes para pesquisa de mercado, estratégia e execução.
Este é um repositório curado (awesome list) que reúne os melhores agentes de trading baseados em Large Language Models (LLMs), servidores MCP (Model Context Protocol) e skills de agentes especializados. O foco é fornecer recursos para pesquisa de mercado, desenvolvimento de estratégias de investimento e execução automatizada de negócios. A lista é atualizada por um 'caçador de skills' automático e mantida pela comunidade LLMQuant, sendo útil para desenvolvedores e traders que desejam integrar inteligência artificial em seus fluxos de trading. Cada item listado provavelmente inclui ferramentas para análise de sentimento de notícias, geração de sinais de compra/venda, backtesting de estratégias e conexão com exchanges via APIs ou MCP.
npx skills add LLMQuant/awesome-trading-agentsInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Lista curada de agentes de trading impulsionados por LLMs, servidores MCP e habilidades de agentes para pesquisa de mercado, estratégia e execução.
Fonte: https://github.com/LLMQuant/awesome-trading-agents
Descoberto pelo caçador de skills diário do Awesome Skills.
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.