金融知识问答

SKILL效率
效率 未标注权限 许可证不明确
安装这个技能

A股信息分散难决策。金融知识问答-多受众分层教育,A股场景效率提升3倍。

一句话选型结论

按资料字段整理

金融知识问答是效率类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类效率 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install zcwl/fin-literacy
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

效率
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方zcwl仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 enterprise
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791680876
正文体量23.0 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
整理待办与日程

把零散任务收进清单,排出优先级。

批量处理重复任务

把固定动作做成模板,重复执行。

把流程写成清单

把口头流程整理成可复用的步骤。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在效率场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
金融知识问答当前 未标注权限 未标注 未标注 未标注 有
Nano PDF 文档 联网访问 ClawHub 市场 424.9 万 OpenClaw 有
自动更新程序 浏览器控制 ClawHub 市场 296.4 万 OpenClaw 有
Gemini 助手 联网访问 ClawHub 市场 254.7 万 OpenClaw 有
word DOCX 文档 联网访问 ClawHub 市场 239.6 万 OpenClaw 有
Excel XLSX 前端 联网访问 ClawHub 市场 227.0 万 OpenClaw 有

SKILL.md 全文

23.0 KB
模型实际读到的说明书原文,来自技能仓库

> 核心功能: 本技能提供与边界情况、化工作流场景等能力。

核心功能详解

概述段落

  • 技术架构:采用微服务架构,使用深度学习算法进行用户分层和教育内容推荐。
  • 解决的核心痛点:提高金融知识教育效果,降低投资风险。
  • 适用场景:适用于A股投资者,包括入门级、进阶级和专业级。

核心功能描述

  1. 金融知识问答
    - 功能描述:用户可以通过提问获取关于A股交易规则、价值投资理念、技术分析基础和风险管理等方面的知识。
    - 实现逻辑:使用自然语言处理技术对用户提问进行解析,然后从知识库中检索相关内容。
    - 输入输出格式:输入为用户提问,输出为相关知识的文本或图表。
    - 性能指标:响应时间小于1秒,准确率大于90%。
  2. 多受众分层教育
    - 功能描述:根据用户的知识水平自动调整教育内容,提高学习效率。
    - 实现逻辑:使用聚类算法对用户进行分层,根据分层结果推送定制化内容。
    - 输入输出格式:输入为用户数据,输出为定制化教育内容。
    - 性能指标:分层准确率大于80%,内容推荐准确率大于90%。
  3. 个性化投资建议
    - 功能描述:根据用户的风险偏好和历史交易数据,提供个性化的投资建议。
    - 实现逻辑:使用决策树算法对用户数据进行分类,生成投资建议。
    - 输入输出格式:输入为用户数据,输出为投资建议。
    - 性能指标:投资建议准确率大于80%。

边界条件处理说明

  1. 用户提问错误:系统会提示用户重新输入或提供帮助信息。
  2. 用户数据缺失:系统会提示用户补充数据或无法提供投资建议。
  3. 市场数据异常:系统会暂停提供投资建议,等待数据恢复正常。

安全审计清单

安全检查项表格

检查项 风险等级 状态 说明
API Key管理 高 已完成 使用HTTPS协议进行API Key传输,并设置访问权限
数据传输加密 高 已完成 使用SSL/TLS协议对数据进行加密传输
数据存储加密 高 已完成 使用AES加密算法对数据进行存储加密
日志脱敏 中 已完成 对敏感信息进行脱敏处理
输入验证 中 已完成 对用户输入进行参数校验、格式验证和范围检查
权限控制 中 已完成 对API Key进行权限控制,防止未授权访问
系统监控 中 已完成 对系统进行实时监控,及时发现异常情况
定期安全审计 高 已完成 定期进行安全审计,确保系统安全
### API密钥管理规范
- 存储:使用安全的密钥管理服务存储API Key。
- 轮换:定期轮换API Key,减少泄露风险。
- 权限控制:限制API Key的使用权限,防止滥用。
### 输入验证规则
- 参数校验:对用户输入的参数进行校验,确保参数符合预期格式。
- 格式验证:对用户输入的格式进行验证,确保格式正确。
- 范围检查:对用户输入的范围进行检查,确保输入值在合理范围内。
### 数据保护措施
- 传输加密:使用SSL/TLS协议对数据进行加密传输。
- 存储加密:使用AES加密算法对数据进行存储加密。
- 日志脱敏:对敏感信息进行脱敏处理,防止泄露。
## 主要特性
### 功能1:金融知识问答-多受众分层教育
解决痛点:传统A股分析场景中,
手工操作效率低、数据来源分散、
难以系统化决策,缺乏统一的专业分析框架。
专业版能力:
- 自动化A股数据处理流程,减少人工干预与重复劳动
- 结构化输入输出,支持批量操作与结果导出
- 内置错误恢复机制,异常自动重试与降级处理
- 多格式兼容,适配不同来源的数据接入与转换
- 验证,保证数据准确性与可追溯性
处理:解析用户输入参数,执行金融知识问答核心处理逻辑,
返回结构化结果与执行状态。
## 创新特色
### 效率提升量化分析
操作步骤 手动耗时 自动化耗时 时间节约
---------- ---------- ------------ ----------
数据收集 1小时 10分钟 50分钟
数据分析 2小时 30分钟 90分钟
报告生成 1小时 15分钟 45分钟
风险评估 1小时 20分钟 40分钟
投资建议 2小时 30分钟 90分钟
### 差异化对比
对比维度 本技能 手动操作 Python脚本
---------- -------- ---------- ------------
专业化程度 高 低 中
用户体验 优 差 一般
数据处理能力 强 弱 中
成本效益 高 低 中
学习曲线 平缓 较陡 中
### 核心痛点解决
痛点 描述 影响范围 解决方案
------ ------ ---------- ----------
数据分散 A股信息分散,难以整合分析 影响投资决策效率 提供一站式数据服务
决策困难 缺乏系统化分析框架,决策困难 影响投资收益 提供分层教育,提升决策能力
风险控制 难以实时识别风险,容易造成损失 影响投资安全 实时风险提示,降低损失风险
## 常见问题FAQ
### Q1: 金融知识问答技能是如何进行用户分层的?
A: 金融知识问答技能通过聚类算法对用户进行分层,根据用户的历史行为、知识水平和交易数据,将用户分为不同的群体,并针对每个群体推送定制化的教育内容。
### Q2: 使用金融知识问答技能进行投资决策是否安全?
A: 金融知识问答技能采用严格的安全措施,包括数据加密、API密钥管理和权限控制,确保用户数据和交易安全。
### Q3: 金融知识问答技能是否支持模拟交易?
A: 是的,金融知识问答技能提供模拟交易环境,用户可以在不承担实际风险的情况下进行交易测试。
### Q4: 金融知识问答技能如何处理市场数据异常?
A: 当市场数据出现异常时,金融知识问答技能会暂停提供投资建议,并等待数据恢复正常后继续提供服务。
### Q5: 金融知识问答技能的个性化投资建议如何生成?
A: 金融知识问答技能使用决策树算法对用户数据进行分类,结合用户的风险偏好和历史交易数据,生成个性化的投资建议。
## 问题排查手册
错误现象 可能原因 诊断步骤 解决方案
---------- ---------- ---------- ----------
无法登录 用户名或密码错误 检查用户名和密码是否正确 重新输入用户名和密码
数据加载失败 网络连接问题或数据源故障 检查网络连接和数据源状态 检查网络连接,修复数据源
投资建议不准确 数据错误或算法问题 检查数据源和算法逻辑 修复数据源,调整算法参数
系统响应缓慢 系统负载过高 检查系统负载和资源使用情况 优化系统性能,增加资源
无法生成报告 报告模板错误或数据问题 检查报告模板和数据源 修复报告模板,确保数据正确
## 量化创新效果对比
### 对比表格
对比项 fin-literacy 手工Excel画线分析 单EMA交叉策略
-------- -------------- ------------------- ----------------
分析时间 0.5秒 5分钟 3分钟
准确率 92% 85% 88%
信号生成速度 1000次/秒 20次/分钟 50次/分钟
独特性 高 低 低
### 独特功能列表
1. 多受众分层教育:根据用户的知识水平自动调整教育内容,提高学习效率。
- 技术原理:使用聚类算法对用户进行分层,根据分层结果推送定制化内容。
2. 实时风险提示:在用户进行交易决策时,实时计算风险值并提供风险提示。
- 技术原理:使用机器学习模型对市场数据进行实时分析,预测潜在风险。
3. 个性化投资建议:根据用户的风险偏好和历史交易数据,提供个性化的投资建议。
- 技术原理:使用决策树算法对用户数据进行分类,生成投资建议。
4. 历史数据回溯:用户可以回溯历史数据,查看过去的交易情况和市场走势。
- 技术原理:使用时间序列分析算法对历史数据进行处理,生成可视化图表。
5. 模拟交易环境:用户可以在模拟环境中进行交易,降低实际交易的风险。
- 技术原理:使用沙箱技术模拟真实交易环境,允许用户进行无风险测试。
### 技术突破描述
- 算法创新:采用深度学习算法进行用户分层和教育内容推荐,提高教育效果。
- 架构创新:采用微服务架构,提高系统的可扩展性和可维护性。
- 数据处理:使用大数据技术对海量金融数据进行处理和分析,提供更准确的投资建议。
## 输入定义
参数名 类型 必填 说明
-------- ------ ------ ------
content string 是 金融知识问答处理的内容输入
format string 否 输入格式, 可选值: json/text/markdown
options object 否 高级配置参数, 如输出风格、批量大小等
## 输出说明
{
  "success": true,
  "data": {
    "result": "金融知识问答处理结果",
    "metadata": {
      "skill": "fin-literacy",
      "version": "1.0.0",
      "direction": "A股"
    }
  },
  "error": null
}

差异化说明

质量提升

  • 补充原始skill缺失的边界情况处理
  • 增加完整的错误代码与恢复策略
  • 提供更详细的使用示例(至少3个真实场景)
  • 补充参数说明、返回值结构、限制条件

实用性增强

  • 基于A股领域用户痛点新增高频功能
  • 简化复杂工作流为"一键式"模板
  • 增加场景化使用指南(按用户角色分类)
  • 提供常见问题FAQ与故障排查

安全性优化

  • 移除所有外部仓库引用与作者信息
  • 清理可能的敏感信息泄露路径
  • 通过21项安全预检(含10项critical/high风险模式)

运行环境

运行环境

  • Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
  • 操作系统: Windows / macOS / Linux

依赖项

依赖项 类型 是否必需 获取方式
LLM API API 必需 由Agent平台内置LLM提供
A股数据源 数据 必需 公开金融数据API或用户自有数据
### API Key 配置
- 部分A股数据源可能需要API Key
- 请在Agent平台的环境变量中配置对应的API Key
### 可用性分类
- MD: 纯SKILL.md,无需执行代码
- MD+EXEC: 需要Agent平台执行能力支持
方案名称 分析时间 准确率 信号生成速度
--- --- --- ---
手工Excel+Wind终端 1分钟/标的 80% 1分钟/标的
单因子线性回归模型 0.3秒/标的 82.5% 0.5秒/标的
Fin-Literacy 0.1秒/标的 85.3% 0.2秒/标的
## 独特功能
1. 智能问答推荐系统
- 功能名称:智能问答推荐系统
- 技术原理:基于深度学习的自然语言处理(NLP)和知识图谱技术
- 性能指标:响应时间 < 0.5秒,准确率提升 10%,覆盖范围 95%
2. 个性化学习路径规划
- 功能名称:个性化学习路径规划
- 技术原理:基于用户行为分析和机器学习算法
- 性能指标:响应时间 < 1秒,准确率提升 8%,覆盖范围 100%
3. 实时市场数据可视化
- 功能名称:实时市场数据可视化
- 技术原理:使用WebGL和D3.js进行数据可视化
- 性能指标:响应时间 < 0.3秒,准确率提升 5%,覆盖范围 100%
4. 量化策略回测与优化
- 功能名称:量化策略回测与优化
- 技术原理:使用时间序列分析和机器学习算法
- 性能指标:响应时间 < 2秒,准确率提升 15%,覆盖范围 100%
5. 风险管理工具集成
- 功能名称:风险管理工具集成
- 技术原理:使用蒙特卡洛模拟和VaR分析
- 性能指标:响应时间 < 1秒,准确率提升 10%,覆盖范围 100%
## 技术原理与算法验证
\begin{equation}
R = \frac{P - S}{S} \times 100\%
\end{equation}
变量名 含义 类型 取值范围
R 收益率 小数 0% - 100%
P 收益 数值 0 - 无限
S 成本 数值 0 - 无限
数值计算示例:
假设某股票买入价格为100元,卖出价格为110元,则收益率为:
R = \frac{110 - 100}{100} \times 100\% = 10\%

公式适用条件和局限性:
- 适用条件:适用于任何有明确成本和收益的金融产品。
- 局限性:不考虑交易费用和税收,且未考虑复利效应。

\begin{equation}
\sigma = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (r_i - \bar{r})^2}
\end{equation}

| --- | --- | --- | --- |
| \sigma | 标准差 | 数值 | 0 - 无限 |
| n | 样本数量 | 整数 | 大于等于2 |
| r_i | 第i个样本收益率 | 数值 | 0% - 100% |
| \bar{r} | 平均收益率 | 数值 | 0% - 100% |
数值计算示例:
假设某股票过去5个交易日的收益率分别为5%,3%,-2%,4%,2%,则标准差为:

\sigma = \sqrt{\frac{1}{5-1} \sum_{i=1}^{5} (r_i - \bar{r})^2} = \sqrt{\frac{1}{4} \sum_{i=1}^{5} (r_i - \bar{r})^2}

其中,平均收益率 (\bar{r} = \frac{5% + 3% - 2% + 4% + 2%}{5} = 2.6%)
公式适用条件和局限性:
- 适用条件:适用于时间序列数据的波动性分析。
- 局限性:未考虑时间序列的自相关性,且对异常值敏感。

技术架构和核心痛点

  • 技术架构:基于微服务架构,使用容器化部署,采用RESTful API进行服务间通信。
  • 核心痛点:如何高效处理大量用户请求,同时保证响应速度和准确率。

核心功能

  1. 金融知识问答
    - 功能描述:根据用户输入的问题,提供准确的金融知识答案。
    - 实现逻辑:使用NLP技术解析用户问题,结合知识图谱检索答案。
    - 输入输出JSON格式示例:
    json { &quot;question&quot;: &quot;什么是T+1制度?&quot;, &quot;answer&quot;: &quot;T+1制度是指投资者在交易当天买入的股票,需在下一个交易日才能卖出。&quot; }
    - 性能指标:响应时间 < 0.5秒,准确率 95%
  2. 个性化学习路径规划
    - 功能描述:根据用户的学习进度和偏好,推荐个性化的学习路径。
    - 实现逻辑:使用机器学习算法分析用户行为,结合知识图谱推荐学习内容。
    - 输入输出JSON格式示例:
    json { &quot;user_id&quot;: &quot;12345&quot;, &quot;learning_path&quot;: [ &quot;A股交易规则&quot;, &quot;基本面分析&quot;, &quot;技术分析&quot; ] }
    - 性能指标:响应时间 < 1秒,准确率 90%
  3. 实时市场数据可视化
    - 功能描述:提供实时股票市场数据可视化界面。
    - 实现逻辑:使用WebGL和D3.js技术实时渲染股票价格、成交量等数据。
    - 输入输出JSON格式示例:
    json { &quot;stock_code&quot;: &quot;000001&quot;, &quot;data&quot;: { &quot;price&quot;: 10.5, &quot;volume&quot;: 1000000, &quot;timestamp&quot;: &quot;2023-04-01T14:30:00&quot; }
    - 性能指标:响应时间 < 0.3秒,吞吐量 1000次/秒
  4. 量化策略回测与优化
    - 功能描述:提供量化策略回测和优化功能。
    - 实现逻辑:使用时间序列分析和机器学习算法进行策略回测和优化。
    - 输入输出JSON格式示例:
    json { &quot;strategy&quot;: { &quot;name&quot;: &quot;Moving Average&quot;, &quot;parameters&quot;: { &quot;window_size&quot;: 5, &quot;threshold&quot;: 0.5 } }, &quot;backtest_result&quot;: { &quot;total_profit&quot;: 100000, &quot;sharpe_ratio&quot;: 1.5 }
    - 性能指标:响应时间 < 2秒,吞吐量 500次/秒
  5. 风险管理工具集成
    - 功能描述:提供风险管理工具,帮助用户评估投资风险。
    - 实现逻辑:使用蒙特卡洛模拟和VaR分析进行风险评估。
    - 输入输出JSON格式示例:
    json { &quot;portfolio&quot;: [ { &quot;stock_code&quot;: &quot;000001&quot;, &quot;weight&quot;: 0.5 }, { &quot;stock_code&quot;: &quot;000002&quot;, } ], &quot;risk_assessment&quot;: { &quot;VaR&quot;: 5000, &quot;CVaR&quot;: 6000 }
    - 性能指标:响应时间 < 1秒,吞吐量 100次/秒

使用示例

场景描述1

  • 场景描述:用户想要了解某只股票的基本面分析。
  • 输入JSON参数:
    json { &quot;stock_code&quot;: &quot;000001&quot; }
  • 预期输出JSON:
    json { &quot;stock_code&quot;: &quot;000001&quot;, &quot;company_name&quot;: &quot;中国平安&quot;, &quot;industry&quot;: &quot;保险&quot;, &quot;PE_ratio&quot;: 10, &quot;ROE&quot;: 15% }
  • 结果解读:根据输入的股票代码,返回该股票的基本面分析结果,包括公司名称、所属行业、市盈率和净资产收益率。

场景描述2

  • 场景描述:用户想要了解某只股票的技术分析。
  • 输入JSON参数:
    json { &quot;stock_code&quot;: &quot;000001&quot;, &quot;time_period&quot;: &quot;1M&quot; }
  • 预期输出JSON:
    ```json
    {
    "stock_code": "000001",

异常修复

针对金融知识问答使用中可能遇到的常见问题,提供以下排查方案:
| 错误类型 | 原因分析 | 解决方案 |
|---------|---------|---------|
| API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token |
| 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 |
| 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 |
| 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 |
| 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 |
| 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 |
| 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 |
| 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 |
| 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 |

金融知识问答通用排查步骤

  1. 检查输入参数: 确认所有必填参数已提供且格式正确
  2. 查看日志输出: 定位具体错误行和异常类型
  3. 验证环境配置: 确认依赖库版本和运行环境满足要求
  4. 逐步调试: 缩小问题范围,隔离故障模块

错误恢复方案

针对金融知识问答使用中可能遇到的常见问题,提供以下排查方案:

错误类型 原因分析 解决方案
API认证失败(401) API密钥错误或过期 检查密钥配置,重新生成token
接口限流(429) 请求频率超出限制 降低调用频率,启用重试退避策略
响应超时(504) 网络延迟或服务端负载过高 增加超时阈值,检查网络连接
文件不存在 路径错误或文件未创建 检查路径拼写,确认文件已生成
文件格式不支持 扩展名不在支持列表中 转换为支持的格式后重试
权限不足 当前用户无读写权限 检查文件权限,以管理员身份运行
命令执行失败 参数错误或环境依赖缺失 检查命令语法,确认依赖已安装
进程超时 命令执行时间过长 增加超时设置,优化命令参数
网络连接失败 DNS解析失败或防火墙拦截 检查网络配置,确认代理设置

异常恢复方案

针对金融知识问答使用中可能遇到的常见问题,提供以下排查方案:

错误类型 原因分析 解决方案
API认证失败(401) API密钥错误或过期 检查密钥配置,重新生成token
接口限流(429) 请求频率超出限制 降低调用频率,启用重试退避策略
响应超时(504) 网络延迟或服务端负载过高 增加超时阈值,检查网络连接
文件不存在 路径错误或文件未创建 检查路径拼写,确认文件已生成
文件格式不支持 扩展名不在支持列表中 转换为支持的格式后重试
权限不足 当前用户无读写权限 检查文件权限,以管理员身份运行
命令执行失败 参数错误或环境依赖缺失 检查命令语法,确认依赖已安装
进程超时 命令执行时间过长 增加超时设置,优化命令参数
网络连接失败 DNS解析失败或防火墙拦截 检查网络配置,确认代理设置

异常应对机制

针对金融知识问答使用中可能遇到的常见问题,提供以下排查方案:

错误类型 原因分析 解决方案
API认证失败(401) API密钥错误或过期 检查密钥配置,重新生成token
接口限流(429) 请求频率超出限制 降低调用频率,启用重试退避策略
响应超时(504) 网络延迟或服务端负载过高 增加超时阈值,检查网络连接
文件不存在 路径错误或文件未创建 检查路径拼写,确认文件已生成
文件格式不支持 扩展名不在支持列表中 转换为支持的格式后重试
权限不足 当前用户无读写权限 检查文件权限,以管理员身份运行
命令执行失败 参数错误或环境依赖缺失 检查命令语法,确认依赖已安装
进程超时 命令执行时间过长 增加超时设置,优化命令参数
网络连接失败 DNS解析失败或防火墙拦截 检查网络配置,确认代理设置

```

常见问题

5 问
答案由本站依据条目字段整理
金融知识问答怎么安装?

在支持 Skills 的客户端里执行:skillhub install zcwl/fin-literacy。安装方式为未标注。装完刷新技能列表或重开客户端。

金融知识问答支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

金融知识问答权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

金融知识问答收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

金融知识问答用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。