MCP HubMCP Hub
스킬 목록으로 돌아가기

stock-watcher

agentbay-ai
업데이트됨 2 days ago
5 조회
40
2
40
GitHub에서 보기
기타data

정보

주식-감시 스킬은 사용자가 관심 종목을 추가, 삭제, 목록 조회할 수 있도록 하여 개인 주식 관심목록을 관리합니다. 중국 A주 시장에 대해 10jqka.com.cn의 실시간 데이터를 활용하여 성과 요약을 제공합니다. 애플리케이션 내에서 특정 주식을 모니터링하거나 관심목록을 유지해야 할 때 이 스킬을 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add agentbay-ai/agentbay-skills -a claude-code
플러그인 명령대체
/plugin add https://github.com/agentbay-ai/agentbay-skills
Git 클론대체
git clone https://github.com/agentbay-ai/agentbay-skills.git ~/.claude/skills/stock-watcher

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

Stock Watcher Skill

This skill provides comprehensive stock watchlist management capabilities, allowing users to track their favorite stocks and get performance summaries using real-time data from 同花顺 (10jqka.com.cn).

自选股行情查看

当你要求查看自选股行情时,系统会直接显示以下信息:

  • 每只股票的代码和名称
  • 近期表现指标(涨跌幅等关键数据)
  • 详细信息链接(可点击查看)

无需额外命令,直接为你呈现简洁明了的行情概览。

管理自选股

添加股票

使用股票代码(6位数字)添加到自选股:

  • 例如:添加 600053 九鼎投资

删除股票

通过股票代码删除自选股:

  • 例如:删除 600053

查看自选股列表

显示当前所有自选股的完整列表

清空自选股列表

完全清空所有自选股

数据来源

主要使用同花顺 (10jqka.com.cn) 作为数据源:

  • 股票页面: https://stockpage.10jqka.com.cn/{stock_code}/
  • 支持沪深A股及科创板市场
  • 提供实时行情、技术分析和资金流向数据

自选股管理

文件格式

自选股存储在 ~/.clawdbot/stock_watcher/watchlist.txt

600053|九鼎投资
600018|上港集团
688785|恒运昌

支持操作

  1. 添加股票: 验证股票代码格式并添加到自选股
  2. 删除股票: 按股票代码精确匹配删除
  3. 查看列表: 显示当前自选股
  4. 清空列表: 完全清空自选股
  5. 行情总结: 获取所有股票的最新数据并提供简洁摘要

行情摘要特点

  • 直接显示关键行情指标,无冗余信息
  • 提供股票详情链接便于深入查看
  • 自动处理网络错误和数据异常
  • 合理控制请求频率(每秒1次)

注意事项

  • 股票代码格式: 使用6位数字代码(如 600053
  • 数据延迟: 行情可能有1-3分钟延迟
  • 网络依赖: 需要网络连接获取实时数据
  • 市场范围: 主要支持A股市场(沪市/深市/科创板)

安装与卸载

安装

运行 scripts/install.sh 脚本自动创建必要的目录结构。

卸载

运行 scripts/uninstall.sh 脚本完全移除所有相关文件。

脚本说明

所有脚本都使用统一的配置文件 config.py 来管理存储路径,确保路径一致性:

  • add_stock.py - 添加股票到自选股
  • remove_stock.py - 从自选股删除股票
  • list_stocks.py - 列出所有自选股
  • clear_watchlist.py - 清空自选股列表
  • summarize_performance.py - 获取股票行情摘要

GitHub 저장소

agentbay-ai/agentbay-skills
경로: stock-watcher
0

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기