将日常市场观察转化为可重复的研究票据和第一阶段兼容的候选规格。优先考虑信号质量和接口兼容性，而不是激进的策略扩散。该技能可以端到端独立运行，但在拆分工作流程中，它主要服务于最终导出/验证阶段。

使用 5 因素加权评分系统分析最近的盈利后股票，以确定潜在动量交易的最强盈利反应。

此技能使用 Financial Modeling Prep (FMP) API 检索即将发布的美国股票收益公告。它重点关注市值较大（中型及以上，超过 2B 美元）且可能影响市场走势的公司。该技能会生成有组织的降价报告，显示哪些公司将在下周报告收益，并按日期和时间分组（开市前、收市后或未宣布的时间）。

运行双轴审阅器脚本并将报告保存到 reports/ 。

该技能筛选表现出强劲基本面特征但正在经历暂时技术疲软的股息增长股票。它的目标是股息增长率极高（复合年增长率超过 12%）且 RSI 已回落至超卖水平（≤40）的股票，为长期股息增长投资者创造潜在的进入机会。

该技能使用 William O'Neil 久经考验的 CANSLIM 方法来筛选美国股票，该方法是一种识别具有强劲基本面和价格动力的成长型股票的系统方法。 CANSLIM 分析 7 个关键组成部分：当前收益、年度增​​长、新鲜度/新高、供给/需求、领导力/RS 排名、机构赞助和市场方向。

该技能可以对两个互补的市场广度图进行专业分析，提供战略（中长期）和战术（短期）市场视角。分析广度图图像以评估市场健康状况，根据回溯测试策略识别交易信号，并制定定位建议。所有的思考和输出都完全用英语进行。

基于专业方法论的回测交易策略的系统方法，优先考虑稳健性而非乐观结果。

此技能可帮助代理确定何时不需要 TraceMem 或何时可能对性能/复杂性有害。并非每一行代码都需要决策信封。

该技能教授如何正确管理决策信封的生命周期。决策信封是 TraceMem 中所有受控操作的强制边界。

v2.1 的主要变化：

Ambit 将应用程序部署到云中的方式使它们完全无法从公共互联网访问。只有在用户的私有 Tailscale 网络中注册的设备才能连接到它们。从外界的角度来看，该应用程序并不存在——没有可供查找的 IP 地址，也没有可供扫描的端口。

除非用户或现有模板另有说明

根据要求创建、编辑或分析 .pptx 文件的内容。 .pptx 文件本质上是一个包含 XML 文件和其他资源的 ZIP 存档。不同的工具和工作流程可用于不同的任务。

针对 NeurIPS、ICML、ICLR、ACL、AAAI 和 COLM 撰写可发表论文的专家级指导。这项技能将顶级研究人员（Nanda、Farquhar、Karpathy、Lipton、Steinhardt）的写作理念与实用工具相结合：LaTeX 模板、引文验证 API 和会议检查表。

掌握现代 LangChain 1.x 和 LangGraph，通过代理、状态管理、内存和工具集成构建复杂的 LLM 应用程序。

.docx 文件是包含 XML 文件的 ZIP 存档。

暂无简介

人工智能代理的“第二大脑”——持久洞察、回忆过去的决策并跨会话构建知识图。

暂无简介