Menü
当用户让你给Skill的打分、审查或者评价Skill的时候，按照本文档指南进行检查
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | skill-quality-review |
| description | 当用户让你给Skill的打分、审查或者评价Skill的时候，按照本文档指南进行检查 |
本文档提供 Skill 质量评估的完整框架，包括最佳实践、评分机制和改进建议模板。
定义：description 应包含明确的触发词和不适用场景，帮助 Agent 准确判断何时使用该 Skill。
---
name: self-improvement
description: "Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Claude ('No, that's wrong...', 'Actually...'), (3) User requests a capability that doesn't exist, (4) An external API or tool fails, (5) Claude realizes its knowledge is outdated or incorrect, (6) A better approach is discovered for a recurring task. Also review learnings before major tasks."
---
优点分析：
---
name: xiapi-dividend-analysis
description: 分析红利类指数投资机会。使用 daxiapi dividend score 获取数据，判断超买超卖状态并给出投资建议。
---
问题分析：
---
name: xiapi-dividend-analysis
description: '分析红利类指数投资机会，包括红利低波、中证红利、中证现金流等指数的超买超卖状态判断和投资建议。触发词：红利指数分析、红利投资机会、红利低波分析、中证红利分析、现金流指数分析。适用场景：分析红利类指数的投资时机、判断超买超卖状态。不适用场景：非红利类指数分析、个股分析、实时交易信号。'
---
定义：Skill 内容应避免包含 Agent 已知的通用知识，专注于领域特定的信息。
## 分析方法
1. **数据获取**：获取红利类指数的打分数据（日期、分数、cs值、rsi值）
2. **趋势分析**：分析最近 60 天的打分走势变化
3. **状态判断**：
- 分数 < 20：超卖（可考虑抄底）
- 分数 > 80：超买（需考虑止盈）
- 20-80：正常状态
4. **投资建议**：根据超买超卖状态和趋势给出建议
优点分析：
## 什么是超买超卖？
超买是指资产价格在短时间内大幅上涨，可能面临回调风险。超卖是指资产价格在短时间内大幅下跌，可能存在反弹机会。
## 如何使用命令行？
命令行是一种文本界面，用户可以通过输入命令来操作计算机。常用的命令包括：
- `cd`：切换目录
- `ls`：列出文件
- `mkdir`：创建目录
## 分析方法
1. **数据获取**：获取红利类指数的打分数据
问题分析：
删除通用知识部分，直接进入领域特定的分析方法：
## 分析方法
1. **数据获取**：获取红利类指数的打分数据（日期、分数、cs值、rsi值）
2. **趋势分析**：分析最近 60 天的打分走势变化
3. **状态判断**：
- 分数 < 20：超卖（可考虑抄底）
- 分数 > 80：超买（需考虑止盈）
- 20-80：正常状态
4. **投资建议**：根据超买超卖状态和趋势给出建议
定义：包含来自真实失败案例的闭坑内容，帮助 Agent 避免常见错误。
## Gotchas（闭坑指南）
- **API Token 配置问题**：确保正确配置 DAXIAPI_TOKEN 环境变量，否则会导致数据获取失败
- 错误示例：`Error: Authentication failed`
- 解决方案：`export DAXIAPI_TOKEN=your_token_here`
- **指数代码格式**：必须使用正确的指数代码格式（如 2.H30269），否则会返回错误
- 错误示例：`Error: Invalid code format`
- 正确格式：市场代码.指数代码（如 2.H30269）
- **数据更新时间**：数据每日收盘后更新，盘前查询可能获取到前一天的数据
- 建议：在收盘后（15:30 之后）查询最新数据
- **网络连接问题**：确保网络连接正常，否则可能无法获取数据
- 错误示例：`Error: Network timeout`
- 解决方案：检查网络连接，使用代理或 VPN
- **投资建议仅供参考**：分析结果基于历史数据，不构成投资建议，投资决策需谨慎
优点分析：
## 注意事项
- 分析结果仅供参考，不构成投资建议
- 数据每日收盘后更新
问题分析：
参考 Good Case，补充完整的 Gotchas 内容，包括：
定义：给 Agent 足够的判断空间，避免过度约束，允许 Agent 根据实际情况灵活处理。
## 分析方法
1. **数据获取**：获取红利类指数的打分数据（日期、分数、cs值、rsi值）
2. **趋势分析**：分析最近 60 天的打分走势变化
3. **状态判断**：
- 分数 < 20：超卖（可考虑抄底）
- 分数 > 80：超买（需考虑止盈）
- 20-80：正常状态
4. **投资建议**：根据超买超卖状态和趋势给出建议
## 输出结果（What）
输出包含：
- 指数基本信息（名称、代码、最新日期、最新分数）
- 超买超卖状态判断
- 趋势分析
- 投资建议
优点分析：
## 分析方法
1. **第一步**：必须先执行命令 `npx daxiapi-cli@latest dividend score -c 2.H30269`
2. **第二步**：必须解析返回的 JSON 数据，提取以下字段：
- date: 日期
- score: 分数
- cs: cs值
- rsi: rsi值
3. **第三步**：必须按照以下格式输出：
指数名称：红利低波 指数代码：2.H30269 最新日期：2025-01-15 最新分数：45 状态：正常 建议：继续持有
4. **第四步**：必须发送邮件通知用户
问题分析：
## 分析方法
1. **数据获取**：获取红利类指数的打分数据
- 推荐命令：`npx daxiapi-cli@latest dividend score -c <code>`
- 可根据需要选择不同的指数代码
2. **趋势分析**：分析打分走势变化
- 建议分析最近 60 天的数据
- 可根据实际情况调整时间范围
3. **状态判断**：根据分数判断超买超卖状态
- 分数 < 20：超卖
- 分数 > 80：超买
- 20-80：正常
4. **投资建议**：根据分析结果给出建议
- 结合超买超卖状态和趋势
- 考虑用户的具体需求
## 输出结果
建议包含：
- 指数基本信息
- 超买超卖状态判断
- 趋势分析
- 投资建议
可根据用户需求调整输出内容和格式。
定义：将大块内容拆分到 references/ 目录，保持 SKILL.md 的简洁性。
目录结构：
xiapi-dividend-analysis/
├── SKILL.md
├── references/
│ ├── cli-commands.md
│ ├── api-reference.md
│ └── token-setup.md
└── scripts/
└── analysis.js
SKILL.md：
## 如何执行（How）
### CLI 命令
详见 [CLI命令参考](references/cli-commands.md)
### Token 配置
详见 [Token配置指南](references/token-setup.md)
### HTTP API 请求
详见 [API参考](references/api-reference.md)
优点分析：
目录结构：
xiapi-dividend-analysis/
└── SKILL.md
SKILL.md（所有内容都在一个文件中）：
## 如何执行（How）
### CLI 命令
```bash
# 获取红利类指数打分数据
npx daxiapi-cli@latest dividend score -c <code>
# 常用指数代码：
# 红利低波：2.H30269
# 红利低波100：2.930955
# 中证红利：1.000922
# 中证现金流：2.932365
```
获取 Token：
配置方法：
方式一：环境变量（推荐）
# Linux/macOS
export DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
# Windows
set DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
方式二：CLI 配置
npx daxiapi-cli@latest config set token YOUR_TOKEN_FROM_DAXIAPI
npx daxiapi-cli@latest config get token
curl -H "Authorization: Bearer YOUR_TOKEN" \
"https://daxiapi.com/coze/get_dividend_score?code=2.H30269"
...（更多详细内容）
**问题分析**：
- ❌ 所有内容都堆在一个文件中
- ❌ SKILL.md 过于冗长
- ❌ 不便于维护和更新
- ❌ 用户难以快速找到关键信息
#### 改进建议
创建 references/ 目录，拆分内容：
```bash
mkdir -p references
创建 references/cli-commands.md：
# CLI 命令参考
## 获取红利类指数打分数据
```bash
npx daxiapi-cli@latest dividend score -c <code>
```
| 指数名称 | 指数代码 |
|---|---|
| 红利低波 | 2.H30269 |
| 红利低波100 | 2.930955 |
| 中证红利 | 1.000922 |
| 中证现金流 | 2.932365 |
创建 `references/token-setup.md`：
```markdown
# Token 配置指南
## 获取 Token
1. 登录大虾皮网站（daxiapi.com）
2. 进入会员中心 → API 管理 → 获取 API Token
## 配置方法
### 方式一：环境变量（推荐）
```bash
# Linux/macOS
export DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
# Windows
set DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
npx daxiapi-cli@latest config set token YOUR_TOKEN_FROM_DAXIAPI
npx daxiapi-cli@latest config get token
更新 SKILL.md：
```markdown
## 如何执行（How）
### CLI 命令
详见 [CLI命令参考](references/cli-commands.md)
### Token 配置
详见 [Token配置指南](references/token-setup.md)
定义：scripts/、references/、assets/ 目录分工清晰，便于维护和使用。
目录结构：
self-improving-agent/
├── SKILL.md
├── references/
│ ├── examples.md
│ ├── hooks-setup.md
│ └── openclaw-integration.md
├── scripts/
│ ├── activator.sh
│ ├── error-detector.sh
│ └── extract-skill.sh
├── assets/
│ ├── LEARNINGS.md
│ └── SKILL-TEMPLATE.md
└── hooks/
└── openclaw/
├── HOOK.md
└── handler.js
优点分析：
目录结构：
xiapi-dividend-analysis/
└── SKILL.md
问题分析：
创建完整的目录结构：
mkdir -p scripts references assets
scripts/ - 存放可执行脚本：
scripts/
├── analyze.sh # 分析脚本
└── fetch-data.sh # 数据获取脚本
references/ - 存放参考文档：
references/
├── cli-commands.md # CLI 命令参考
├── api-reference.md # API 参考文档
└── token-setup.md # Token 配置指南
assets/ - 存放模板和示例：
assets/
├── analysis-template.md # 分析报告模板
└── example-output.md # 输出示例
根据六个维度的评估结果，给出 A/B/C/D 四个等级的评分。
标准：
特征：
标准：
特征：
标准：
特征：
标准：
特征：
根据问题的严重程度，分为 P0（必改）、P1（建议改）、P2（可选优化）三个优先级。
定义：严重影响 Skill 质量和使用效果的问题，必须立即修复。
示例：
### P0（必改）
1. **description 缺少明确的触发词**
- 问题：当前 description 仅描述了功能，未包含用户可能使用的具体触发词
- 影响：Agent 无法准确判断何时使用该 Skill
- 位置：SKILL.md 第 3 行
- 建议：添加触发词和不适用场景说明
2. **缺少 Gotchas 部分**
- 问题：没有包含真实失败案例的闭坑内容
- 影响：Agent 容易犯同样的错误
- 位置：SKILL.md
- 建议：添加 Gotchas 部分，包含具体错误案例和解决方案
3. **缺少不适用场景说明**
- 问题：未说明 Skill 的适用范围和不适用情况
- 影响：Agent 可能在不合适的场景下使用该 Skill
- 位置：SKILL.md 第 12 行
- 建议：添加"何时不使用"部分
定义：影响 Skill 质量但不是致命的问题，建议尽快修复。
示例：
### P1（建议改）
1. **创建 references/ 目录**
- 问题：所有内容都集中在 SKILL.md 文件中
- 影响：不便于维护和更新
- 建议：将 CLI 命令、API 文档等内容拆分到 references/ 目录
2. **建立完整的目录结构**
- 问题：缺少 scripts、references、assets 等目录
- 影响：不便于扩展和维护
- 建议：添加完整的目录结构
3. **优化分析流程描述**
- 问题：分析步骤描述不够清晰
- 影响：Agent 可能无法准确理解分析流程
- 建议：进一步细化分析步骤和判断标准
定义：锦上添花的优化建议，可根据实际情况选择性实施。
示例：
### P2（可选优化）
1. **添加投资建议示例**
- 建议：提供具体的投资建议示例，增强实用性
- 预期效果：帮助 Agent 更好地理解如何给出建议
2. **添加常见问题 FAQ**
- 建议：收集用户常见问题，提供解答
- 预期效果：减少重复咨询
3. **添加性能优化建议**
- 建议：提供性能优化的最佳实践
- 预期效果：提升 Skill 的执行效率
提供可直接复制使用的改正建议，帮助用户快速修复问题。
### 改正建议：更新 description
**当前内容**：
```yaml
description: 分析红利类指数投资机会。使用 daxiapi dividend score 获取数据，判断超买超卖状态并给出投资建议。
```
建议修改为：
description: '分析红利类指数投资机会，包括红利低波、中证红利、中证现金流等指数的超买超卖状态判断和投资建议。触发词：红利指数分析、红利投资机会、红利低波分析、中证红利分析、现金流指数分析。适用场景：分析红利类指数的投资时机、判断超买超卖状态。不适用场景：非红利类指数分析、个股分析、实时交易信号。'
修改步骤：
#### 模板 2：添加 Gotchas 部分
```markdown
### 改正建议：添加 Gotchas 部分
**建议在 SKILL.md 的"注意事项"部分之前添加以下内容**：
```markdown
## Gotchas（闭坑指南）
- **API Token 配置问题**：确保正确配置 DAXIAPI_TOKEN 环境变量，否则会导致数据获取失败
- 错误示例：`Error: Authentication failed`
- 解决方案：`export DAXIAPI_TOKEN=your_token_here`
- **指数代码格式**：必须使用正确的指数代码格式（如 2.H30269），否则会返回错误
- 错误示例：`Error: Invalid code format`
- 正确格式：市场代码.指数代码（如 2.H30269）
- **数据更新时间**：数据每日收盘后更新，盘前查询可能获取到前一天的数据
- 建议：在收盘后（15:30 之后）查询最新数据
- **网络连接问题**：确保网络连接正常，否则可能无法获取数据
- 错误示例：`Error: Network timeout`
- 解决方案：检查网络连接，使用代理或 VPN
- **投资建议仅供参考**：分析结果基于历史数据，不构成投资建议，投资决策需谨慎
修改步骤：
#### 模板 3：创建 references/ 目录并拆分内容
```markdown
### 改正建议：创建 references/ 目录并拆分内容
**步骤 1：创建目录**
```bash
mkdir -p references
步骤 2：创建 references/cli-commands.md
# CLI 命令参考
## 获取红利类指数打分数据
```bash
npx daxiapi-cli@latest dividend score -c <code>
```
| 指数名称 | 指数代码 |
|---|---|
| 红利低波 | 2.H30269 |
| 红利低波100 | 2.930955 |
| 中证红利 | 1.000922 |
| 中证现金流 | 2.932365 |
**步骤 3：创建 references/token-setup.md**
```markdown
# Token 配置指南
## 获取 Token
1. 登录大虾皮网站（daxiapi.com）
2. 进入会员中心 → API 管理 → 获取 API Token
## 配置方法
### 方式一：环境变量（推荐）
```bash
# Linux/macOS
export DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
# Windows
set DAXIAPI_TOKEN=YOUR_TOKEN_FROM_DAXIAPI
npx daxiapi-cli@latest config set token YOUR_TOKEN_FROM_DAXIAPI
npx daxiapi-cli@latest config get token
**步骤 4：更新 SKILL.md**
将"如何执行"部分修改为：
```markdown
## 如何执行（How）
### CLI 命令
详见 [CLI命令参考](references/cli-commands.md)
### Token 配置
详见 [Token配置指南](references/token-setup.md)
---
### 完整评估报告模板
#### Skill 评估报告
**Skill 名称**：[skill-name]
**评估日期**：[YYYY-MM-DD]
**评估人**：[evaluator]
---
## 分析结果
### 1. 触发词完整性
- **评估结果**：[完整/部分完整/缺失]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
### 2. 内容冗余度
- **评估结果**：[无冗余/少量冗余/严重冗余]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
### 3. Gotchas 闭坑指南
- **评估结果**：[完整/部分完整/缺失]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
### 4. 流程约束度
- **评估结果**：[合理/基本合理/过度约束]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
### 5. 内容拆分合理性
- **评估结果**：[合理/基本合理/未拆分]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
### 6. 资源文件组织
- **评估结果**：[清晰/基本清晰/混乱]
- **问题描述**：[具体问题]
- **影响分析**：[对使用的影响]
---
## 评分
**等级**：[A/B/C/D]
**评分依据**：
- [维度1]：[达标/未达标]
- [维度2]：[达标/未达标]
- [维度3]：[达标/未达标]
- [维度4]：[达标/未达标]
- [维度5]：[达标/未达标]
- [维度6]：[达标/未达标]
**达标维度数**：[X/6]
---
## 问题清单
### P0（必改）
1. **[问题标题]**
- 问题：[具体问题描述]
- 影响：[对使用的影响]
- 位置：[文件名:行号]
- 建议：[具体建议]
### P1（建议改）
1. **[问题标题]**
- 问题：[具体问题描述]
- 影响：[对使用的影响]
- 建议：[具体建议]
### P2（可选优化）
1. **[问题标题]**
- 建议：[具体建议]
- 预期效果：[预期改进效果]
---
## 改正建议
### 建议 1：[建议标题]
**当前内容**：
[当前代码或内容]
**建议修改为**：
[修改后的代码或内容]
**修改步骤**：
1. [步骤1]
2. [步骤2]
3. [步骤3]
---
## 总结
[总体评价和改进方向]
---
## 附录：快速检查清单
使用以下清单快速评估 Skill 质量：
```markdown
## Skill 质量检查清单
- [ ] **触发词完整性**
- [ ] description 包含明确的触发词
- [ ] 说明了适用场景
- [ ] 说明了不适用场景
- [ ] 使用了用户可能使用的自然语言表达
- [ ] **内容冗余度**
- [ ] 只包含领域特定的知识
- [ ] 避免解释通用的编程概念
- [ ] 省略 Agent 已知的最佳实践
- [ ] 专注于项目特定的约定和规则
- [ ] **Gotchas 闭坑指南**
- [ ] 包含真实失败案例
- [ ] 提供具体的错误场景
- [ ] 给出解决方案
- [ ] 说明预防措施
- [ ] **流程约束度**
- [ ] 提供指导性的步骤
- [ ] 允许 Agent 灵活调整
- [ ] 说明目标和原则
- [ ] 给出多种可选方案
- [ ] **内容拆分合理性**
- [ ] SKILL.md 简洁明了
- [ ] 详细文档在 references/
- [ ] 使用相对路径引用
- [ ] 便于维护和更新
- [ ] **资源文件组织**
- [ ] scripts/ 存放可执行脚本
- [ ] references/ 存放参考文档
- [ ] assets/ 存放静态资源
- [ ] 目录结构清晰
**评分标准**：
- 6 项全部达标：A 级
- 4-5 项达标：B 级
- 2-3 项达标：C 级
- 0-1 项达标：D 级
大虾皮(daxiapi.com)金融数据API服务入口，负责路由分发到具体分析skill。触发词：A股数据、市场数据、股票分析、板块分析、选股、市场复盘、财务分析、财报分析、ROE分析、杜邦分析、个股舆情、公告解读、研报解读、主力资金、资金流向、资金动向。适用场景：获取A股市场、板块、个股、财报、消息面、资金流向数据时的统一入口，根据用户需求分发到对应的专业skill。不适用场景：非A股市场分析、非金融数据分析、纯技术问答。
基于SQL条件筛选A股股票，支持自定义条件组合、排序和数量限制。支持等于、大于、小于、区间范围、IN枚举、字段间比较等多种条件写法，支持AND/OR逻辑组合和括号嵌套。返回股票代码、名称、涨跌幅、CS强度、RPS相对强度、SCTR技术排名、所属板块、概念等详细数据。触发词：SQL选股、选股、股票筛选、技术筛选、量化筛选、自定义筛选、条件选股。适用场景：自定义多条件组合筛选、量化策略选股、技术指标组合筛选、复杂逻辑条件筛选。不适用场景：个股深度基本面分析、财报研究、估值建模。
基于技术形态筛选A股股票池，支持VCP、RPS强势股、创新高、高股息等多种形态，并可按涨跌幅、动量、强度等维度排序。触发词：股票筛选、选股、VCP形态、RPS强势股、创新高、技术形态、形态选股、自下而上选股、涨幅最大、跌幅最大、最强股票。适用场景：技术形态选股、趋势跟踪、动量选股、价值选股、按指定维度排序筛选、多条件组合筛选。不适用场景：个股深度基本面分析、财报研究、估值建模。
分析红利类指数投资机会，基于打分算法判断超买超卖状态。触发词：询问某个红利指数的投资机会、红利指数、红利分析、中证红利、红利低波、股息率指数、高股息。适用场景：分析红利类指数投资机会、判断超买超卖时机、红利指数择时。不适用场景：个股分析、债券分析、基金筛选。
基于大虾皮财报命令对上市公司进行ROE/杜邦财务分析。触发词：财务分析、ROE分析、杜邦分析、股票财务、盈利质量、净利润质量、财报分析、基本面分析、盈利能力、财务质量、现金流分析、资产负债分析、财务健康度、财务报告解读。适用场景：已提供股票代码，需要基于 `daxiapi report finance <code>` 做单公司财务拆解、ROE驱动分析、盈利质量评估与结构化报告输出。不适用场景：盘中交易建议、短线择时、纯技术面分析、纯估值定价（PE/PB）、未提供股票代码且无法确认标的时。
分析 A 股板块热力图，识别领涨、上升、反转行业。触发词：板块热力图、行业轮动、热门板块、领涨板块、板块分析、热力图。适用场景：分析板块热力图、识别热门行业、判断行业轮动。不适用场景：个股分析、指数分析、债券分析。