MCP HubMCP Hub
SKILL·5783E3

us-stock-analysis

nicepkg
更新日 3 months ago
13 閲覧
123
23
123
GitHubで表示
メタdata

について

このスキルは、基礎的な指標、テクニカル指標、競合比較を含む包括的な米国株分析を提供します。開発者がティッカーを分析したり、銘柄を比較したり、米国株式の投資レポートを作成する必要がある際にご利用ください。リアルタイムの市場データを取得し、構造化された分析フレームワークを適用して、徹底的な財務評価を行います。

クイックインストール

Claude Code

推奨
メイン
npx skills add nicepkg/ai-workflow -a claude-code
プラグインコマンド代替
/plugin add https://github.com/nicepkg/ai-workflow
Git クローン代替
git clone https://github.com/nicepkg/ai-workflow.git ~/.claude/skills/us-stock-analysis

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

GitHub リポジトリ

nicepkg/ai-workflow
パス: workflows/stock-trader-workflow/.claude/skills/us-stock-analysis
0
agentagent-skillsaianthropicclaudeclaude-code
FAQ

よくある質問

us-stock-analysis Skillとは何ですか?

us-stock-analysis はnicepkg が作成した Claude Skillです。Skillは、Claudeが必要に応じて読み込む指示とリソースをまとめ、追加の指示なしで us-stock-analysis に関連するタスクを実行できるようにします。

us-stock-analysis をインストールするには?

このページのインストールコマンドを使用してください。us-stock-analysis をプラグインとして Claude Code に追加するか、リポジトリを skills ディレクトリにクローンし、Claudeを再起動してSkillを読み込みます。

us-stock-analysis はどのカテゴリに属しますか?

us-stock-analysis は メタ カテゴリに属します。

us-stock-analysis は無料で利用できますか?

はい。us-stock-analysis は AIMCP に掲載されており、無料でインストールできます。

関連スキル

content-collections
メタ

このスキルは、Content Collections(Markdown/MDXファイルを型安全なデータコレクションに変換するTypeScriptファーストのツール)の本番環境でテストされた設定を提供します。Zodバリデーションによる型安全性を実現し、ブログ、ドキュメントサイト、コンテンツ重視のVite + Reactアプリケーション構築時にご利用ください。Viteプラグインの設定、MDXコンパイルから、デプロイ最適化、スキーマバリデーションまで、すべてを網羅しています。

スキルを見る
polymarket
メタ

このスキルは、開発者がPolymarket予測市場プラットフォームを活用したアプリケーション構築を可能にします。API統合による取引や市場データの取得に加え、WebSocketを介したリアルタイムデータストリーミングにより、ライブ取引や市場活動を監視できます。取引戦略の実装や、ライブ市場更新を処理するツールの作成にご利用ください。

スキルを見る
creating-opencode-plugins
メタ

このスキルは、開発者がコマンド、ファイル、LSP操作など25種類以上のイベントタイプにフックするOpenCodeプラグインを作成することを支援します。JavaScript/TypeScriptモジュール向けに、プラグイン構造、イベントAPI仕様、および実装パターンを提供します。カスタムイベント駆動ロジックでOpenCode AIアシスタントのライフサイクルをインターセプト、監視、または拡張する必要がある場合にご利用ください。

スキルを見る
sglang
メタ

SGLangは、高性能なLLMサービングフレームワークであり、RadixAttentionプレフィックスキャッシュを活用したJSON、正規表現、エージェントワークフロー向けの高速で構造化された生成を特長とします。特にプレフィックスが繰り返されるタスクにおいて、大幅に高速な推論を実現し、複雑な構造化出力やマルチターン対話に最適です。制約付きデコードが必要な場合や、広範なプレフィックス共有を伴うアプリケーションを構築する場合は、vLLMなどの代替案ではなくSGLangを選択してください。

スキルを見る