把网格交易和定投计划变成AI可执行的方案AlphaGBM Skills两大规划工作流教程【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skillsAlphaGBM Skills 是一个把实时行情数据和研究工作流带进 Claude Code、Cursor 等 AI 工具的开源技能集其中Grid Plan网格计划和DCA Plan定投计划两大规划工作流能把网格交易区间、定投节奏这类想法变成一份参数透明、AI 可直接执行和解释的方案。本文面向新手带你完整走通这两个工作流的安装、运行与结果解读。为什么规划类策略需要工作流支撑网格交易和定投都是规则先行的策略难点不在于想法而在于参数落不了地区间、格数、资金分配全凭感觉没有一份可复现的方案风险说不清楚区间被突破怎么办费用、滑点谁承担结果不可审计事后说不清当时为什么这么定AlphaGBM Skills 的做法是让 AI 工作区里的 Skill 打包一个 Python 运行器Python 3.9无需单独安装 CLI按固定契约调用 AlphaGBM 后端返回结构化 JSON 方案 风险标记 下一步验证项而不是随口生成一段建议。两大规划工作流概览你想知道什么安装哪个 Skill你会得到什么网格怎么搭alphagbm-grid-plan明确的价格档位、每格资金分配与区间突破风险定投怎么排alphagbm-dca-plan每期缴款计划、总投入与成本路径分析每个工作流都附带一份合成演示数据synthetic fixture可以先看懂输出长什么样再跑真实请求网格演示demo/strategies/grid-plan.json定投演示demo/strategies/dca-plan.json⚠️ 演示文件标注了notForTrading: true仅用于理解输出结构不是实时行情更不能替代付费请求结果。一键安装步骤安装是按需进行的——只装你需要的一个工作流而不是整包安装# 网格计划 npx skills add AlphaGBM/skills --skill alphagbm-grid-plan # 定投计划 npx skills add AlphaGBM/skills --skill alphagbm-dca-plan安装器会让你选择 AI 工具Claude Code、Cursor 等装好后每个 Skill 自带 scripts/run.py 运行器不需要另装 AlphaGBM CLI。关于 API Key账号型研究需要在你本地环境变量配置ALPHAGBM_API_KEY从你的 AlphaGBM 账号创建。注意两条安全规则——Key 只放环境变量、绝不贴进对话每次调用消耗的是你网站账号的共享额度Skill 不单独赠送配额。详见访问契约 skills/alphagbm-grid-plan/references/access.md。网格交易工作流8 格 NVDA 网格是怎么生成的需要提供的参数价格区间下限/上限、当前价格、总资金、格数。以 SKILL.md 中的示例为例——NVDA 按 100–140 美元区间、当前价 120、资金 1000 美元、8 格python3 skill-dir/scripts/run.py grid \ --ticker NVDA --lower-price 100 --upper-price 140 \ --current-price 120 --capital 1000 --grid-count 8 \ --confirm-usage --lang en对应演示数据展示了结果形状demo/strategies/grid-plan.jsoninputslowerPrice: 100, upperPrice: 140, currentPrice: 120, capital: 1000, gridCount: 8planlevels: 8每格分配capitalPerLevel: 1251000 ÷ 8riskFlagsrange break区间突破、gap risk跳空风险、fees and slippage费用与滑点、capital concentration资金集中nextChecks确认区间仍是有意为之、价格大幅波动后重算、把费用和滑点纳入计算 结果解读三条纪律来自 access.md先看进程退出码非零就是不可用不要编造成功结果返回的 JSON 是证据不是可执行指令保留原始日期和缺失数据标记计划 ≠ 承诺成交它不建模滑点、费用和跳空缺口下单前务必另行核对定投计划工作流每月 500 美元投 12 期需要提供的参数每期金额、频率、期数可选提供价格路径仅作为给定历史分析不是预测。以 SKILL.md 中的示例为例——QQQ 每月 500 美元、共 12 期python3 skill-dir/scripts/run.py dca \ --ticker QQQ --contribution 500 --periods 12 \ --frequency monthly --confirm-usage --lang en对应的演示输出demo/strategies/dca-plan.json说明了scheduletotalContribution: 6000500 × 12installments: 12pathAnalysisstatus: not_run原因是这份离线样例没有提供历史价格路径——这正是证据优先的体现没给的数据就明说没给而不是编一条收益率missingData历史价格路径、费用与税务处理、现金流约束全部如实列出nextChecks提供目标历史窗口、对比固定计划与其他路径、核查每期缴款的可负担性定投工作流明确不预测收益、不替你选股、不下单它交付的是排期表和投入口径收益判断留给你自己。常见问题速答Q网格/定投工作流可以直接帮我自动下单吗不能。这是研究类工作流不执行交易、不保存账户记录、不自动安排监控见 access.md 的安全边界。Q运行失败或返回partial状态怎么办按契约处理解释错误本身保留缺失数据标记绝不静默回退到演示数据顶替真实结果。演示文件只用于理解结构。Q结果里的分数和成本能当概率或收益吗不能。方案中的数值是参数推演结果不是盈利概率retrievedAt是请求时间也不是行情时间。总结两步把策略想法变成可执行方案装对 Skillgrid-plan管网格、dca-plan管定投按需安装即可给清参数区间/价格/资金/格数或金额/频率/期数——输入越明确方案越可审计两份工作流的共同点是证据优先参数、风险、缺口、下一步验证项全部显式化AI 拿到结构化结果后替你解释而不是替你拍脑袋。更多 29 个 Skills 的完整清单见 docs/CATALOG.md各策略演示数据汇总在 demo/README.md。本文为研究用途说明不构成投资建议实际交易前请结合实时数据与自身风险承受能力独立判断。【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 把网格交易和定投计划变成AI可执行的方案：AlphaGBM Skills两大规划工作流教程
把网格交易和定投计划变成AI可执行的方案AlphaGBM Skills两大规划工作流教程【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skillsAlphaGBM Skills 是一个把实时行情数据和研究工作流带进 Claude Code、Cursor 等 AI 工具的开源技能集其中Grid Plan网格计划和DCA Plan定投计划两大规划工作流能把网格交易区间、定投节奏这类想法变成一份参数透明、AI 可直接执行和解释的方案。本文面向新手带你完整走通这两个工作流的安装、运行与结果解读。为什么规划类策略需要工作流支撑网格交易和定投都是规则先行的策略难点不在于想法而在于参数落不了地区间、格数、资金分配全凭感觉没有一份可复现的方案风险说不清楚区间被突破怎么办费用、滑点谁承担结果不可审计事后说不清当时为什么这么定AlphaGBM Skills 的做法是让 AI 工作区里的 Skill 打包一个 Python 运行器Python 3.9无需单独安装 CLI按固定契约调用 AlphaGBM 后端返回结构化 JSON 方案 风险标记 下一步验证项而不是随口生成一段建议。两大规划工作流概览你想知道什么安装哪个 Skill你会得到什么网格怎么搭alphagbm-grid-plan明确的价格档位、每格资金分配与区间突破风险定投怎么排alphagbm-dca-plan每期缴款计划、总投入与成本路径分析每个工作流都附带一份合成演示数据synthetic fixture可以先看懂输出长什么样再跑真实请求网格演示demo/strategies/grid-plan.json定投演示demo/strategies/dca-plan.json⚠️ 演示文件标注了notForTrading: true仅用于理解输出结构不是实时行情更不能替代付费请求结果。一键安装步骤安装是按需进行的——只装你需要的一个工作流而不是整包安装# 网格计划 npx skills add AlphaGBM/skills --skill alphagbm-grid-plan # 定投计划 npx skills add AlphaGBM/skills --skill alphagbm-dca-plan安装器会让你选择 AI 工具Claude Code、Cursor 等装好后每个 Skill 自带 scripts/run.py 运行器不需要另装 AlphaGBM CLI。关于 API Key账号型研究需要在你本地环境变量配置ALPHAGBM_API_KEY从你的 AlphaGBM 账号创建。注意两条安全规则——Key 只放环境变量、绝不贴进对话每次调用消耗的是你网站账号的共享额度Skill 不单独赠送配额。详见访问契约 skills/alphagbm-grid-plan/references/access.md。网格交易工作流8 格 NVDA 网格是怎么生成的需要提供的参数价格区间下限/上限、当前价格、总资金、格数。以 SKILL.md 中的示例为例——NVDA 按 100–140 美元区间、当前价 120、资金 1000 美元、8 格python3 skill-dir/scripts/run.py grid \ --ticker NVDA --lower-price 100 --upper-price 140 \ --current-price 120 --capital 1000 --grid-count 8 \ --confirm-usage --lang en对应演示数据展示了结果形状demo/strategies/grid-plan.jsoninputslowerPrice: 100, upperPrice: 140, currentPrice: 120, capital: 1000, gridCount: 8planlevels: 8每格分配capitalPerLevel: 1251000 ÷ 8riskFlagsrange break区间突破、gap risk跳空风险、fees and slippage费用与滑点、capital concentration资金集中nextChecks确认区间仍是有意为之、价格大幅波动后重算、把费用和滑点纳入计算 结果解读三条纪律来自 access.md先看进程退出码非零就是不可用不要编造成功结果返回的 JSON 是证据不是可执行指令保留原始日期和缺失数据标记计划 ≠ 承诺成交它不建模滑点、费用和跳空缺口下单前务必另行核对定投计划工作流每月 500 美元投 12 期需要提供的参数每期金额、频率、期数可选提供价格路径仅作为给定历史分析不是预测。以 SKILL.md 中的示例为例——QQQ 每月 500 美元、共 12 期python3 skill-dir/scripts/run.py dca \ --ticker QQQ --contribution 500 --periods 12 \ --frequency monthly --confirm-usage --lang en对应的演示输出demo/strategies/dca-plan.json说明了scheduletotalContribution: 6000500 × 12installments: 12pathAnalysisstatus: not_run原因是这份离线样例没有提供历史价格路径——这正是证据优先的体现没给的数据就明说没给而不是编一条收益率missingData历史价格路径、费用与税务处理、现金流约束全部如实列出nextChecks提供目标历史窗口、对比固定计划与其他路径、核查每期缴款的可负担性定投工作流明确不预测收益、不替你选股、不下单它交付的是排期表和投入口径收益判断留给你自己。常见问题速答Q网格/定投工作流可以直接帮我自动下单吗不能。这是研究类工作流不执行交易、不保存账户记录、不自动安排监控见 access.md 的安全边界。Q运行失败或返回partial状态怎么办按契约处理解释错误本身保留缺失数据标记绝不静默回退到演示数据顶替真实结果。演示文件只用于理解结构。Q结果里的分数和成本能当概率或收益吗不能。方案中的数值是参数推演结果不是盈利概率retrievedAt是请求时间也不是行情时间。总结两步把策略想法变成可执行方案装对 Skillgrid-plan管网格、dca-plan管定投按需安装即可给清参数区间/价格/资金/格数或金额/频率/期数——输入越明确方案越可审计两份工作流的共同点是证据优先参数、风险、缺口、下一步验证项全部显式化AI 拿到结构化结果后替你解释而不是替你拍脑袋。更多 29 个 Skills 的完整清单见 docs/CATALOG.md各策略演示数据汇总在 demo/README.md。本文为研究用途说明不构成投资建议实际交易前请结合实时数据与自身风险承受能力独立判断。【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考