Skill 解剖结构（投资领域）

本文档定义了投资领域 Skill 的标准结构，确保质量和一致性。

整体结构

SKILL.md
├── Frontmatter        # name + description（含触发词）
├── Overview           # 功能概述（1-2 句话）
├── When to Use        # 触发条件（简洁列表）
├── Process            # 流程主体（核心内容）⭐
│   ├── Step 0: 前期准备（可选）
│   ├── Step 1: Agent循环（获取+分析）
│   └── Step 2: 汇总报告
├── Report Template    # 报告模版（输出标准）⭐
├── Quality Checks     # 质量检查（精简要点）
├── Common Pitfalls    # 常见陷阱（关键陷阱）
├── Key Principles     # 重要原则（核心原则）
└── Error Handling     # 错误处理（常见错误）

设计原则：

• Process, not prose：Skills 是工作流程，不是参考文档
• Progressive disclosure：SKILL.md 是入口，详细内容外联到 references/
• Quality first：质量优先于速度，宁可晚一点也要准确

完整模版

---
name: <skill-name>
description: '<简短描述>。触发词：<关键词1>、<关键词2>、<关键词3>。适用场景：<场景描述>。不适用场景：<不适用场景描述>。'
---

# <Skill 标题>

<一句话描述 Skill 的功能和价值>

## Overview（功能概述）

<1-2 句话说明 Skill 的核心功能>

## When to Use（何时使用）

当用户需要以下功能时触发：

- <触发场景1>
- <触发场景2>
- <触发场景3>

**具体触发词**：<关键词1>、<关键词2>、<关键词3>

## Process（流程主体）

### Step 0: 前期准备（必填）

**触发条件**：首次使用或 Token 未配置

**跳过条件**：Token 已配置且有效，确认已经配置了Token则跳过该步骤

**完成标准**：API 调用正常，无认证错误

**执行步骤**：

**步骤 0.1：检查 Token 配置状态**

```bash
npx daxiapi-cli@latest config get token
```

步骤 0.2：如未配置，获取 Token

1. 提示用户访问 daxiapi.com 个人主页
2. 开通 API Token 功能
3. 获取生成的 Token

步骤 0.3：配置 Token

# 方式一：通过 CLI 配置（推荐）
npx daxiapi-cli@latest config set token YOUR_TOKEN_FROM_DAXIAPI

# 方式二：设置环境变量
export DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI

步骤 0.4：验证配置

npx daxiapi-cli@latest market

如返回正常市场数据，则配置成功。

Step 1: Agent 循环（获取+分析）

目标：从多个维度获取数据并进行深入分析

推荐维度（根据用户需求选择 3-5 个）：

daxiapi <cmd1>

daxiapi <cmd2>

daxiapi <cmd3>

循环流程：

每次循环包含：

1. 获取数据

   • 执行 CLI 命令获取数据
   • 检查数据完整性，检查数据是否是任务所需
   • 处理异常情况

2. 分析数据

   • 识别关键指标
   • 发现异常模式
   • 记录重要发现

灵活性：

• ✅ 可根据数据质量调整分析深度
• ✅ 可根据初步结果调整后续维度
• ✅ 可根据用户需求调整重点

完成标准：

• 至少完成 3 个维度的分析
• 关键发现已记录
• 数据异常已处理

Step 2: 汇总报告

目标：整合分析结果，生成结构化报告

执行步骤：

1. 整理发现：汇总所有维度的关键发现
2. 提炼结论：从发现中提炼核心结论
3. 生成报告：按照模版格式化输出

报告要求：

• ✅ 结论先行
• ✅ 数据支撑（引用具体数据）
• ✅ 逻辑清晰（因果关系明确）
• ✅ 格式规范（符合模版要求）

完成标准：

• 报告包含所有必填部分
• 数据引用准确
• 结论有理有据

Report Template（报告模版）

市场分析报告

报告日期：[YYYY-MM-DD]
分析对象：[指数/板块/股票名称]

一、核心结论（必填）

[一句话总结，不超过 50 字]

二、关键数据（必填）

三、分析维度（必填）

维度1：[维度名称]

• 数据来源：[CLI命令或API]
• 关键发现：[具体发现]
• 数据支撑：[引用具体数据]

维度2：[维度名称]

• 数据来源：[CLI命令或API]
• 关键发现：[具体发现]
• 数据支撑：[引用具体数据]

四、投资建议（必填）

[根据分析结果给出的建议]

五、历史对比（可选，精简输出）

[与历史数据的对比分析]

六、后续关注点（可选，精简输出）

[需要持续关注的指标或事件]

七、风险提示（可选，精简输出）

• [风险点1]
• [风险点2]

免责声明：本报告使用大虾皮(daxiapi.com)数据 + AI 生成，仅供参考，不构成投资建议。

Quality Checks（质量检查）

Red Flags（危险信号）

数据层面：

分析层面：

风险层面：

Verification（验证要求）

必须验证：

• 包含核心结论
• 包含关键数据（至少 3 个指标）
• 包含分析过程（至少 2 个维度）
• 包含风险提示（至少 1 条）
• 包含免责声明
• 数据来源已标注
• 数据时间已标注
• 结论有数据支撑

建议验证：

• 关键数据已交叉验证
• 包含历史对比（如有数据）
• 风险提示具体

Common Pitfalls（常见陷阱）

数据陷阱

陷阱 1：数据时间不一致

• 问题：使用不同时间点的数据进行对比
• 后果：结论错误，误导投资决策
• 避免方法：确保所有数据时间点一致，标注数据时间

陷阱 2：数据单位混淆

• 问题：混淆百分比和小数（如 0.05 和 5%）
• 后果：数据理解错误，结论偏差
• 避免方法：明确数据单位，统一格式

陷阱 3：幸存者偏差

• 问题：只分析现存股票，忽略已退市股票
• 后果：高估历史表现，低估风险
• 避免方法：说明数据范围，提示可能的偏差

分析陷阱

陷阱 4：过度拟合

• 问题：从历史数据中找出不存在的规律
• 后果：预测失败，投资亏损
• 避免方法：承认随机性，避免过度解读

陷阱 5：后视镜效应

• 问题：用现在的情况解释过去的事件
• 后果：高估自己的判断能力
• 避免方法：站在当时的时间点思考

陷阱 6：确认偏误

• 问题：只寻找支持预设结论的证据
• 后果：忽视风险，决策失误
• 避免方法：主动寻找反例，平衡观点

表达陷阱

陷阱 7：绝对化表述

• 问题：使用"一定"、"必然"、"肯定"等词
• 后果：误导用户，违反合规要求
• 避免方法：使用"可能"、"大概率"、"或许"等词

陷阱 8：贬低性表述

• 问题：使用"韭菜"、"散户"等贬义词汇
• 后果：不尊重用户，违反职业道德
• 避免方法：使用中性表述，尊重所有投资者

陷阱 9：预测性表述

• 问题：对股价走势做出确定性预测
• 后果：误导用户，违反合规要求
• 避免方法：改为情景分析或概率判断

Key Principles（重要原则）

合规原则

1. 风险提示优先

   • 每份报告必须包含风险提示
   • 风险提示必须具体而非泛泛而谈
   • 不预测股价走势

2. 免责声明

   • 所有报告必须包含免责声明
   • 明确说明"仅供参考，不构成投资建议"
   • 标注数据来源和生成方式

3. 中性表述

   • 不使用贬低性词汇（如"韭菜"）
   • 不使用绝对化表述（如"一定"、"必然"）
   • 尊重所有投资者

分析原则

4. 结论先行

   • 开头即给出核心结论
   • 结论简洁明了
   • 结论有数据支撑

5. 数据驱动

   • 所有结论基于数据
   • 标注数据来源和时间
   • 说明数据局限性

6. 多维度分析

   • 至少分析 2-3 个维度
   • 不同维度相互印证
   • 避免单一视角

表达原则

7. 逻辑清晰

   • 因果关系明确
   • 推理过程完整
   • 无逻辑跳跃

8. 诚实透明

   • 承认不确定性
   • 说明分析方法
   • 揭示潜在偏差

9. 用户友好

   • 使用通俗易懂的语言
   • 避免过度专业术语
   • 提供必要的名词解释

Error Handling（错误处理）

数据错误处理

错误 1：数据缺失

场景：关键数据无法获取

处理方式：

1. 尝试替代数据源
2. 在报告中明确说明数据缺失
3. 使用其他可用数据进行分析
4. 提示用户数据可能不完整

示例：

⚠️ 数据缺失说明：
- 涨停数据暂时无法获取
- 已使用涨幅数据替代
- 分析结果可能存在偏差

错误 2：数据异常

场景：数据明显不合理（如涨幅超过 20%）

处理方式：

1. 交叉验证数据准确性
2. 检查数据单位是否正确
3. 在报告中标注异常数据
4. 提供可能的原因分析

示例：

⚠️ 数据异常提示：
- 某股票涨幅显示 50%（异常高）
- 已核实：该股票为新股上市首日
- 已在分析中剔除该股票

错误 3：数据延迟

场景：数据更新时间过久

处理方式：

1. 检查数据更新时间
2. 在报告中标注数据时效性
3. 提醒用户数据可能不反映最新情况
4. 建议用户稍后重试

示例：

⚠️ 数据时效性提示：
- 数据更新时间：2025-01-15 09:30
- 当前时间：2025-01-15 14:30
- 数据可能不反映最新市场情况

分析错误处理

错误 4：分析维度不足

场景：无法完成推荐的分析维度

处理方式：

1. 至少完成 2 个维度的分析
2. 在报告中说明未完成的原因
3. 提供替代分析方案
4. 提示用户分析可能不全面

示例：

⚠️ 分析范围说明：
- 由于数据限制，仅完成 2 个维度的分析
- 未包含：板块轮动分析
- 建议：结合其他数据源进行补充分析

错误 5：结论矛盾

场景：不同维度的结论相互矛盾

处理方式：

1. 重新分析矛盾的数据
2. 找出矛盾的原因
3. 在报告中说明矛盾情况
4. 提供平衡的观点

示例：

⚠️ 结论矛盾说明：
- 指数表现：市场整体上涨
- 市场温度：市场情绪低迷
- 分析：指数上涨但情绪低迷，可能存在分化
- 建议：关注结构性机会，注意风险

技术错误处理

错误 6：API 调用失败

场景：API 返回错误码

常见错误码：

处理流程：

1. 根据错误码判断错误类型
2. 执行相应的解决方案
3. 重试操作
4. 如无法解决，向用户说明

错误 7：网络连接失败

场景：无法连接到 API 服务器

处理方式：

1. 检查网络连接
2. 使用代理或 VPN
3. 检查防火墙设置
4. 向用户说明情况

示例：

⚠️ 网络连接失败：
- 无法连接到 daxiapi.com
- 请检查网络连接或使用代理
- 如问题持续，请联系技术支持

错误报告格式

当遇到无法解决的错误时，向用户报告：

## ⚠️ 分析过程中遇到问题

**错误类型**：[错误类型]

**错误描述**：[具体描述]

**影响范围**：[哪些分析受影响]

**已尝试的解决方案**：

1. [方案1]
2. [方案2]

**建议**：

- [建议1]
- [建议2]

**可用的分析结果**：

- [已完成的分析]

目录结构

<skill-name>/
├── SKILL.md                    # 主文件（必需）
├── references/                 # 参考文档目录（推荐）
│   ├── cli-commands.md        # CLI 命令参考
│   ├── api-reference.md       # API 参考文档
│   ├── token-setup.md         # Token 配置指南
│   └── field-descriptions.md  # 字段说明和名词解释
├── scripts/                    # 可执行脚本目录（可选）
│   └── <script-name>.sh       # 脚本文件
└── assets/                     # 静态资源目录（可选）
    ├── example-output.md      # 输出示例
    └── template.md            # 模板文件

目录职责

SKILL.md

references/

scripts/

assets/

创建新 Skill 的步骤

步骤 1：规划 Skill

1. 确定功能：明确 Skill 的核心功能
2. 定义触发词：列出用户可能使用的触发词
3. 设计流程：规划数据获取、处理、分析的流程
4. 收集错误案例：整理常见的错误和解决方案

步骤 2：创建目录结构

# 创建 Skill 目录
mkdir -p skills/<skill-name>

# 创建子目录（推荐）
mkdir -p skills/<skill-name>/{references,scripts,assets}

# 创建文件
touch skills/<skill-name>/SKILL.md
touch skills/<skill-name>/references/cli-commands.md
touch skills/<skill-name>/references/api-reference.md
touch skills/<skill-name>/references/token-setup.md
touch skills/<skill-name>/references/field-descriptions.md

步骤 3：编写 SKILL.md

1. 复制上述完整模版
2. 填写 YAML Frontmatter
3. 编写"Overview"部分（1-2 句话）
4. 编写"When to Use"部分（简洁列表）
5. 编写"Process"部分（核心内容）
6. 编写"Report Template"部分（输出标准）
7. 简化其他部分（精简要点）

步骤 4：编写 references/ 文件

1. 编写

   cli-commands.md

   ：详细命令说明
2. 编写

   api-reference.md

   ：API 参数和返回值
3. 编写

   token-setup.md

   ：完整配置指南
4. 编写

   field-descriptions.md

   ：名词解释

步骤 5：测试和验证

1. 功能测试：测试所有功能是否正常
2. 错误测试：测试错误处理是否完善
3. 质量检查：使用 Quality Checks 清单验证

最佳实践

DO ✅

1. Process 优先：流程主体是核心，投入最多精力
2. Report 标准化：报告模版确保输出一致
3. 外联详细内容：详细文档放在 references/
4. 精简次要内容：Quality Checks、Common Pitfalls 等精简要点
5. 质量优先于速度：宁可晚一点也要准确

DON'T ❌

1. 过度冗长：避免不必要的详细说明
2. 缺少流程：Process 是核心，不能省略
3. 缺少报告模版：输出标准化很重要
4. 违反合规：必须包含风险提示和免责声明
5. 绝对化表述：避免"一定"、"必然"等词

相关文档

• Skill 质量检查指南 - 质量评估和改进建议
• Agent Skills 规范 - 官方规范文档