awesome-finance-skills：把 agent 变成市场分析师

金融问题是通用 agent 崩得最快的地方：股票代码靠编、价格背的是旧的、哪条新闻真正动了市场它说不清。RKiding/Awesome-finance-skills（2.8k 星）是一份即插即用的 skill 合集——README 的口号是"几秒内把你的 AI agent 变成华尔街分析师"——给 agent 装上实时新闻聚合、真实行情数据、情绪打分和基于真实数据源的预测。

为什么这个 Skill 重要

合集内含八个 alphaear-* skill，各管一段：alphaear-news 聚合 10+ 来源的热点新闻（财联社、华尔街日报、微博、Polymarket 等），alphaear-stock 覆盖 A 股、港股和美股，带代码搜索、OHLCV 数据和基本面，alphaear-sentiment 用 FinBERT 或 LLM 在 -1.0 到 +1.0 区间打分。其余 skill 补全流水线——逻辑链可视化，自动生成解释市场影响的传导链图；基于 Kronos、带新闻感知修正的预测器；再加上搜索、报告和信号 skill。

两个设计选择值得注意。README 中英双语，体现了 A 股与美股、港股并重的定位。skill 可单独安装——只把新闻 skill 接进一个通用 agent，不必搬用整套金融套件。

安装

用 skills CLI 装单个 skill：

npx skills add RKiding/Awesome-finance-skills@alphaear-news

或交互式搜索整个合集：

npx skills find "alphaear"

手动安装则克隆仓库、拷贝 agent 读取的 skill 文件夹——每个文件夹必须带 SKILL.md：

git clone https://github.com/RKiding/Awesome-finance-skills.git
cp -r Awesome-finance-skills/skills/* ~/.config/opencode/skills/

README 的安装路径表覆盖 Claude Code、Codex、OpenCode 和 OpenClaw，项目级和全局级都有。

实战：解释一次市场波动

README 自带的例子就是一个需要新闻、数据和推理协同的跨市场问题：

分析贵金属跳水对A股的影响

agent 组合 alphaear-news（聚合源里的近期贵金属报道）、alphaear-stock（当前 A 股持仓面）和 alphaear-logic（影响路径的传导链图）——给出的答案基于检索到的数据，而不是模型对市场的记忆。

实战：决策前先给情绪打分

把 alphaear-sentiment 对准最近的头条或自选列表，拿到文档写明的 -1.0 到 +1.0 分值。配合 alphaear-stock 的基本面数据，这就成了自选列表可复用的盘前例行动作——让 agent 打分、排序、解释异常项。

技巧

• 按能力安装：只装新闻 skill 就能升级一个通用 agent；全套是给专职金融工作流的。
• README 链接了在线 demo（DeepEar Lite，deepear.vercel.app），并把 DeepEar 定位为技能之上更完整的自动化分析框架。
• A 股覆盖在这里是一等公民——这在 agent skill 合集里很少见，也是中文文档不是附属品的原因。

何时不用这个 Skill

这些都不是投资建议或交易执行基础设施——没有券商对接，预测 skill 是模型预测而非保证。把输出当研究输入。如果你的焦点纯粹是英文来源的美股，偏 A 股的新闻聚合对你可能覆盖过宽。

查看 排行榜 了解更多 skill。