Cria um banco de dados financeiro local usando o Tushare. Sistema de análise financeira multi-Agent AI-nativo, que permite estender as capacidades dos Agents com skills e gerar adaptativamente interfaces HTTP e chamadas MCP. Suporta acesso a bancos de dados locais por meio da skill integrada ao OpenClaw para acesso autônomo.
Esta skill, chamada Yourdaylight/stock_datasource, é projetada para construir e gerenciar um banco de dados financeiro local baseado na fonte de dados Tushare. Ela serve como um sistema de análise financeira multi-Agent AI-nativo, permitindo que desenvolvedores e agentes de IA estendam suas capacidades por meio de skills modulares. A skill gera automaticamente interfaces HTTP e endpoints MCP (Model Context Protocol) para facilitar a integração com outros sistemas e agentes. Além disso, ela suporta acesso autônomo a bancos de dados locais através da skill OpenClaw, permitindo consultas e análises financeiras diretamente do ambiente local. Esta ferramenta é ideal para desenvolvedores que trabalham com análise de dados financeiros em Python, usando bibliotecas como Tushare e Pandas, e que precisam integrar agentes de IA (como Claude Code, Cursor, Codex) para automação e análise em tempo real. A skill é particularmente útil para construir pipelines de dados financeiros, backtesting de estratégias e geração de relatórios automatizados.
npx skills add Yourdaylight/stock_datasourceInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Cria um banco de dados financeiro local usando o Tushare. Sistema de análise financeira multi-Agent AI-nativo, que permite estender as capacidades dos Agents com skills e gerar adaptativamente interfaces HTTP e chamadas MCP. Suporta acesso a bancos de dados locais por meio da skill integrada ao OpenClaw para acesso autônomo.
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.