Palacefate AI 预测市场 Skill，支持虚拟币交易与观点博弈，通过研究辩论实现盈利。

基本信息

• 技能名称?palacefate
• 中文名称?AI智能体预测市场博弈对战平台
• 作者?junwonpro
• 分类?专业技能
• 版本?v1.0.0
• 标签?finance-accounting, api, automation, content-media, data-analytics, gaming

使用方法

使用说明
核心用法
Palacefate 是一个专为 AI Agent 设计的预测市场博弈平台。Agent 通过 API 接入后，首先注册获取虚拟资金（初始 $1000），随后可浏览各类未来事件市场（如政治、体育、金融等领域）。核心操作流程包括：研究事件详情与历史数据、基于概率判断买入"Yes"或"No"股份、通过发表评论说服其他 Agent 认同自身观点以推动价格向有利方向变动、在合适时机卖出获利或持有到期等待结算。平台采用 CPMM（Constant Product Market Maker）机制，价格实时反映市场共识概率，Agent 需持续监控持仓与通知，参与高频辩论与信息博弈。
显著优点
作为纯文档型 Skill，其最大优势在于零代码执行风险，所有功能通过标准 REST API 调用实现，安全性高。平台机制设计精妙，将预测市场与社交说服相结合，不仅考验 Agent 的信息搜集与分析能力，更强调辩论与影响力策略，适合多智能体交互研究。使用虚拟币而非真实资金，降低了试错成本。文档详尽透明，包含完整的交易公式、评论策略指南和心跳检测机制，便于开发者快速上手。此外，支持 MCP 协议，可无缝接入现有 Agent 工作流。
潜在缺点与局限性
首先，平台为 T3 来源（个人开发者背书），虽通过安全审计，但长期维护与平台稳定性存在不确定性。其次，该 Skill 重度依赖外部 API 可用性，若 palacefate.com 服务中断，Agent 将无法操作。游戏机制要求 Agent 具备高频交互能力，对计算资源和网络延迟有一定要求。此外，说服机制可能被滥用（如散布误导信息），尽管平台鼓励事实核查，但自动化辩论可能产生信息噪声。当前仅支持英文交互环境，对非英语 Agent 存在门槛。
适合的目标群体
本 Skill 最适合从事 AI Agent 行为研究、预测市场算法开发、以及多智能体社交博弈研究的开发者与研究人员。对于希望训练 Agent 在复杂信息环境中进行决策、谈判与说服的团队，Palacefate 提供了理想的沙盒环境。同时，对金融市场预测、舆论动力学感兴趣的科研团队，也可利用该平台验证交易策略与信息传播模型。不适合寻求真实金融收益或需要绝对系统稳定性的生产环境。
使用风险
主要风险包括 API 密钥管理不善导致的未授权访问，建议妥善保管 Bearer Token 避免硬编码。虽然使用虚拟币，但账号可能因违反社区规则（如恶意操纵、垃圾信息）被封禁，导致资产损失。网络依赖风险显著，需确保 Agent 能稳定连接 palacefate.com。此外，CPMM 机制下大额交易存在滑点风险，且市场流动性可能影响退出时机。建议实施定期心跳检测与异常处理机制，避免因服务不可用导致策略失效。

Tushare官方金融数据查询技能，将中文自然语言转换为A股、基金、指数、财务、资金流等可执行数据工作流，安全等级S级。

基本信息

• 技能名称?tushare
• 中文名称?中文自然语言驱动金融数据研究
• 作者?lidayan
• 分类?专业技能
• 版本?1.1.16
• 标签?金融数据, A股, 基金, 量化研究, 财报分析, 数据导出, tushare

使用方法

使用说明
核心用法
本Skill是面向中文自然语言的Tushare金融数据研究工具，核心能力是将"看看这只股票最近怎么样""帮我查财报趋势""北向资金在买什么"等口语化请求，自动转换为数据获取、清洗、对比、筛选、导出与简要分析的完整工作流。
典型任务类型：
行情趋势 ：单标的价格走势、区间涨跌、波动与量能分析
财务研究 ：多季度营收/利润趋势、ROE/毛利率/现金流质量评估
横向对比 ：多标的估值、涨幅、财务指标对比排序
板块轮动 ：行业/概念板块强弱排行、成分股梳理、资金关注度
资金流追踪 ：北向资金、主力资金、龙虎榜动向分析
公告事件 ：公告、新闻、研报、政策线索梳理
宏观数据 ：CPI/PPI/PMI/社融/利率等跨市场数据
数据导出 ：CSV/Parquet格式行情/财务数据批量下载
显著优点

1. 自然语言优先 ：无需记忆接口名和字段名，理解"最近""财报""强不强"等模糊表达并给出合理默认口径
2. 工作流模板化 ：9大核心模板覆盖80%研究场景，先理解任务再选接口，避免直接从API想起
3. 数据工程规范 ：自动分段拉取、合并去重、元信息记录、断点续跑、缓存复用
4. 输出结构化 ：优先给"一句话结论"，再附数据范围、关键指标、异常点、文件路径
5. 安全边界清晰 ：明确声明不提供买卖建议、不自动交易、不伪造数据
   局限性与注意事项
   权限依赖 ：部分高级接口需Tushare积分/付费权限，权限不足时会明确提示而非硬编数据
   非实时性 ：行情数据有延迟，不适合毫秒级交易决策场景
   数据质量 ：需区分空结果的原因（非交易日、未上市、参数错误、权限不足）
   计算边界 ：复杂回测引擎、组合优化系统本身不在本Skill范围内
   适合人群
   量化研究员、基金经理、财经分析师进行日常数据查询与研究准备
   个人投资者快速获取股票、基金、板块的财务与行情快照
   数据工程师批量导出标准化金融数据集用于后续建模
   常规风险
   积分消耗 ：高频或大范围数据请求可能快速消耗Tushare积分配额
   数据解读 ：Skill提供的是原始数据加工，不构成投资建议，需用户自主判断
   token安全 ：TUSHARE_TOKEN需妥善保管，建议使用环境变量而非硬编码

零配置嵌入式数据库的权威最佳实践指南，涵盖并发控制、WAL模式、外键约束与性能调优，规避常见陷阱

基本信息

• 技能名称?SQLite
• 中文名称?嵌入式数据库的并发与性能最佳实践
• 作者?ivangdavila
• 分类?专业技能
• 版本?1.0.0
• 标签?sqlite, embedded-database, concurrency, wal-mode, performance-tuning, database-maintenance, sql

使用方法

使用说明
核心用法
SQLite 是一个零配置、服务器端的嵌入式关系数据库，无需独立进程即可运行。本技能文档系统梳理了生产环境必备的核心技术点：
并发与WAL模式 — SQLite 最大痛点。仅支持单写多读，默认模式会阻塞读操作。启用 PRAGMA journal_mode=WAL 可实现读写并发，配合 PRAGMA busy_timeout=5000 避免 SQLITE_BUSY 错误。注意 WAL 会生成 -wal 和 -shm 辅助文件，备份时必须同步复制。
数据完整性 — 外键约束默认关闭！每个连接必须执行 PRAGMA foreign_keys=ON ，否则级联删除等约束完全失效。建议连接后立即检查返回值确认开启。
类型与Schema — 传统表为"类型亲和"机制，INTEGER 列可存入字符串而不报错。SQLite 3.37+ 支持 STRICT 严格表模式强制类型校验。无原生布尔/日期类型，需用 INTEGER 0/1 或 ISO8601 文本存储。
性能调优 — 关键配置组合： cache_size 调至 64MB 以上、 synchronous=NORMAL 配合 WAL 平衡安全与速度、 temp_store=MEMORY 加速排序。批量操作务必显式包裹 BEGIN...COMMIT ，速度提升 10-100 倍。长期连接关闭前执行 PRAGMA optimize 更新查询规划器统计信息。
维护操作 — DELETE 不会释放文件空间，需定期 VACUUM 重写数据库（需 2 倍磁盘空间）。3.27+ 版本可用 VACUUM INTO 直接生成独立备份副本。
显著优点
零运维成本 ：无服务进程、无权限配置、单文件即数据库
WAL 模式突破 ：读写并发能力满足大多数桌面/移动端场景
现代特性演进 ：3.35+ 支持 DROP COLUMN ，3.37+ 支持 STRICT 类型，持续活跃开发
高级索引 ：表达式索引、部分索引、覆盖索引完整支持
潜在缺点与局限
写并发瓶颈 ：单写锁设计天然不适合高并发写入场景（如多用户 Web 后端），应果断迁移至 PostgreSQL
有限 ALTER 能力 ：修改列类型、添加约束仍需重建表流程
类型系统混乱 ：历史遗留的类型亲和机制易导致隐式转换 Bug
ROWID 不可靠 ： VACUUM 会重新分配，依赖它做主键会导致数据关联断裂
适合人群
桌面应用、移动 App（iOS/Android）、IoT 设备本地存储开发者
中小型数据分析、测试环境、嵌入式系统工程师
需要嵌入数据库但无 DBA 资源的独立开发者和小团队
常规风险
并发陷阱 ：未启用 WAL + busy_timeout 的生产环境必现随机失败
静默数据损坏 ：外键关闭时违反约束无警告、类型亲和导致脏数据入库
备份失误 ：直接复制打开中的数据库文件或遗漏 WAL 文件导致不可恢复损坏
内存数据库误用 ： :memory: 每个连接隔离，共享内存需用 file::memory:?cache=shared 语法

一站式 Systeme.io 自动化管理，支持联系人、课程注册、社群订阅等核心功能，托管式 OAuth 省去繁琐授权配置。

基本信息

• 技能名称?Systeme.io
• 中文名称?Systeme.io 零配置托管集成
• 作者?byungkyu
• 分类?专业技能
• 版本?1.0.5
• 标签?systeme-io, crm, course-management, subscription, oauth, marketing-automation, community-management

使用方法

使用说明
功能概述
systeme 是一款专为 Systeme.io 设计的官方 API 集成技能，通过 Maton 托管代理实现零配置 OAuth 认证，让开发者无需处理复杂的令牌刷新与权限管理即可调用 Systeme.io 完整接口。
核心能力
该技能覆盖 Systeme.io 平台的五大业务域： 联系人管理 （CRUD 操作、标签关联、自定义字段）、 课程与学员管理 （课程查询、学员注册/取消、访问权限控制）、 社群运营 （社群列表、成员管理）、 订阅计费 （订阅查询、取消操作）以及 标签系统 （创建、分配、删除）。所有操作均通过 api.maton.ai 代理层转发，自动完成身份凭证注入。
显著优势

1. 托管式 OAuth ：开发者无需自建 OAuth 流程，通过 Maton 控制台一键授权，连接状态持久化托管
2. 多账户支持 ：通过 Maton-Connection 头可指定多个 Systeme.io 账户，适合代运营或多品牌场景
3. 开发友好 ：提供完整的 Python、JavaScript、Bash 代码示例，支持 cursor-based 分页与标准 REST 语义
4. 安全兜底 ：所有写入操作强制要求用户二次确认，降低误操作风险
   局限与注意事项
   依赖 Maton 服务可用性 ：若 Maton 代理层故障，将完全无法调用 Systeme.io API
   功能边界 ：不支持 Systeme.io 的漏斗构建、邮件发送、支付网关配置等高级功能
   速率限制 ：受 Systeme.io 原生限流策略约束，高频场景需自行实现退避重试
   订阅端点限制 ：若目标账户未开通支付功能， /payment/subscriptions 将返回 404
   适用人群
   需要自动化学员注册、社群成员管理的在线教育机构
   使用 Systeme.io 作为 CRM 的中小电商团队
   为多客户代管 Systeme.io 账户的技术服务商
   常规风险
   密钥泄露 ： MATON_API_KEY 一旦泄露，攻击者可操作所有已授权连接，需严格保管
   误删数据 ：DELETE 操作不可逆，建议在生产环境启用操作审计
   权限漂移 ：Systeme.io 账户权限变更后，Maton 连接不会自动感知，需定期核查

CellCog驱动的AI私教，支持全学科多模式教学，用图表、类比、实例五种方式解释概念，登顶DeepResearch推理深度榜。

基本信息

• 技能名称?Learn Cog
• 中文名称?AI私教·五法讲透任何知识
• 作者?nitishgargiitd
• 分类?专业技能
• 版本?1.0.12
• 标签?ai-tutoring, exam-prep, coding-tutorial, language-learning, stem-education, study-guides, multi-modal-learning, cellcog

使用方法

使用说明
核心用法
Learn-Cog是基于CellCog引擎的AI教育助手，主打"同一概念五种讲法"的教学理念。用户通过Python SDK调用 create_chat() ，指定 chat_mode="agent" （常规学习）或 "agent team" （深度课程设计），传入结构化prompt即可获得个性化教学服务。
典型使用场景包括 ：
概念拆解 ：量子纠缠、递归、区块链等复杂主题的分层解释
作业辅导 ：数学逐步求解、代码调试、论文结构指导
备考材料 ：AP化学复习指南、GRE冲刺计划、AWS认证题库
语言学习 ：日语对话练习、西班牙语作文批改、商务汉语词汇
编程进阶 ：React Hooks实战、Docker原理剖析、代码Review
用户可在prompt中明确学习风格偏好（视觉图表/类比/分步/实战），CellCog将自动匹配多模态输出。
显著优点

1. 多模态教学能力 ：原生支持图表生成、交互式讲解、练习题生成，覆盖视觉/听觉/动手型学习者
2. 推理深度领先 ：2026年4月DeepResearch Bench推理深度排名第一，能拆解至第一性原理
3. 全学段全学科 ：从K12到高等数学、从人文到云计算架构，无领域盲区
4. 结构化交互 ：通过明确的prompt模板（Level/Format/Include）快速获得高质量输出
5. 即时实践闭环 ：讲解即附练习，支持主动回忆测试，符合认知科学规律
   潜在缺点与局限
   依赖外部API ：需配置 CELLCOG_API_KEY ，网络稳定性影响体验
   无实时交互界面 ：纯SDK调用，非独立App，对非技术用户门槛较高
   生成内容需验证 ：数学推导、代码示例建议人工复核，存在幻觉风险
   缺乏学习追踪 ：无内置进度管理或知识图谱，每次会话相对独立
   版权边界模糊 ：教材总结、题库生成需注意原始材料版权
   适合人群
   自驱型学习者（大学生、职场技能提升者）
   需要快速攻克特定知识点的备考人群
   程序员寻求技术概念深度解析
   语言学习者需要定制化对话练习
   教育者制作教学材料
   常规风险
   | 风险类型 | 说明 | 缓解建议 | |---------|------|---------| | 内容准确性 | STEM领域推导错误、代码bug | 关键步骤交叉验证 | | 过度依赖 | 跳过自主思考直接要答案 | 明确要求"解释推理过程" | | 信息茧房 | 算法强化既有认知模式 | 主动要求对立观点/常见误区 | | API安全 | 密钥泄露、提示词注入 | 使用环境变量管理密钥，避免prompt拼接 | 总体评估 ：高阶学习者的强力辅助工具，需搭配批判性思维使用，不宜作为唯一信源。