AlphaGBM 技能包
为 AI 代理提供真实数据驱动的期权与股票分析技能，内置 29 个技能，无需 API 密钥即可试用。
证据显示：README 描述了 API 密钥设置（ALPHAGBM_API_KEY）和外部 API 调用，但未说明权限最小化或数据流细节；有用户确认的迹象（如 'Ask your AI' 的交互模式），但未明确要求确认；数据流透明度有限，仅提及 API 调用；敏感数据处理未提及；依赖安全未提及；外部影响包括 API 调用和可能的文件写入（如知识库），但未说明副作用；回滚机制未提及；来源归属部分存在（如 'Every number has a source'），但未提供具体来源。扣分原因：缺乏权限最小化、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚的具体证据。
证据显示：README 中技能列表和描述一致，架构图清晰，但未提供测试或错误处理细节；依赖可用性未明确，但提到内置演示数据；失败消息未提及。扣分原因：缺乏错误处理文档和依赖可用性保证。
证据显示：明确面向交易者和 AI 代理，提供了多种使用场景和示例；能力边界通过技能列表和架构图说明；触发精度部分，示例查询具体，但未提供精确的触发规则；环境适配良好，支持 Claude Code、Cursor 等。扣分原因：触发精度缺乏精确规则。
证据显示：信息架构清晰，有技能分类和架构图；安装说明详细，包括多种安装方式；命名稳定，技能名称一致；提供了示例和 FAQ（如示例工作流）；已知限制部分提及（如 'TODO' 和路线图），但不全面；许可证为 MIT，明确；版本变更日志缺失；维护责任未明确。扣分原因：缺少版本变更日志，维护责任不明确。
证据显示：输出可用性高，提供了具体输出示例（如分数、目标价）；边际价值高，提供了独特的功能（如 FearScore、BPS Backtest）；成本效益合理，有免费层和演示数据。扣分原因：未提供实际性能或用户反馈证据。
证据显示：声称每个数字都有来源，但未提供具体来源；跨来源验证不足，仅依赖自身 API；事实与推断分离部分，如 'G=B+M' 模型，但未明确区分。扣分原因：缺乏具体来源和跨来源验证。
- 仓库未提供测试或验证证据，所有功能描述均基于 README 声明，实际运行效果未知。
- API 密钥和外部 API 调用存在安全风险，但未提供安全最佳实践或数据流说明。
- 未提供版本变更日志，维护责任不明确，可能影响长期可靠性。
这个 Agent 能做什么，适合哪些场景？
AlphaGBM Skills 是一组面向 AI 代理（如 Claude Code、Cursor）的期权与股票研究技能，所有数据均来自真实市场，而非 LLM 生成。仓库包含 29 个技能，涵盖核心分析（股票分析、期权评分、策略构建等）、数据智能（IV 排名、异常交易等）、风险管理（对冲、回测、止盈）及投资大师方法论。每个技能都提供内置演示数据（如 AAPL、NVDA），可离线使用，也可通过设置 API 密钥连接实时数据。仓库还提供 CLI 工具（alphagbm），支持命令行分析。
该仓库提供 29 个技能，每个技能对应一个特定的分析功能，例如股票分析（G=B+M 模型）返回综合评分 0-10，期权评分（0-100）评估不同策略（卖 Put/Call、买 Put/Call）。技能通过调用 AlphaGBM API（位于 alphagbm.zeabur.app）或使用内置模拟数据来生成可验证的数值，如 IV、IV Rank、VRP、希腊字母、波动率微笑、资金流等。它支持工作流串联（如股票分析→期权评分→策略构建）以及 CLI 命令（如 alphagbm stock analyze AAPL）。
- 交易者询问 'Analyze AAPL' 以获取股票的综合评分和风险水平。
- 期权交易者询问 'Score NVDA options' 以获取不同策略的评分。
- 投资者使用 'Add NVDA to my knowledge base' 自动生成公司概况和投资论点。
- 风险管理者询问 'Hedge my AAPL at cost 140, now 180' 获取对冲方案。
- 用户使用 'Backtest BPS on QQQ' 回测 Bull Put Spread 策略。
这个 Agent 有哪些优点和局限？
- 真实市场数据，每个数字可验证，来源可追溯。
- 29 个技能覆盖分析、风险管理和投资大师方法论。
- 内置演示数据，无需 API 密钥即可试用。
- 支持多市场覆盖（US、HK、CN、商品）。
- 提供 CLI 和 API 接口，灵活集成。
- 需要注册获取 API 密钥才能使用实时数据，免费配额有限（股票分析 2次/天，期权分析 1次/天）。
- 高度依赖 AlphaGBM 云服务（alphagbm.zeabur.app），存在提供商锁定风险。
- 数据覆盖限于 US/HK/CN/商品，其他市场（EU、JP、KR）在路线图中。
- 技能需要特定 AI 代理支持（Claude Code 等），并非所有代理都兼容。
如何安装或部署这个 Agent？
- 克隆仓库: git clone https://github.com/AlphaGBM/skills.git .claude/skills/alphagbm
- 对于 Cursor，克隆到 .cursor/skills/alphagbm。
- CLI 安装: cd skills/cli && pip install -e .，然后设置 API 密钥: alphagbm config set-key agbm_xxxxxxxxxxxxxxxx。
如何使用这个 Agent？
- 安装后，向 AI 代理发消息如 'Analyze AAPL stock using AlphaGBM'。
- 使用内置数据无需 API 密钥；若要实时数据，设置环境变量 export ALPHAGBM_API_KEY=agbm_xxxxxxxxxxxxxxxx 和可选的 export ALPHAGBM_BASE_URL=https://alphagbm.zeabur.app。
- 检查 API 健康状态: curl https://alphagbm.zeabur.app/api/health。
- CLI 使用: alphagbm stock analyze AAPL 或 alphagbm options score NVDA。
这个 Agent 与同类方案有什么区别？
与 LLM 角色扮演工具相比，AlphaGBM 使用真实期权数据，提供可验证的量化评分。与通用金融 API（如 delayed/basic data）相比，AlphaGBM 提供实时数据和更深的期权指标（IV/HV/VRP/Greeks/Skew/Surface）。