Yahoo Finance 驱动的本地股票分析工具，实时行情、技术指标与专业图表一键生成，无需 API 密钥

基本信息

• 技能名称?Stock Info Explorer
• 中文名称?Yahoo Finance 专业级股票分析工具
• 作者?kys42
• 分类?专业技能
• 版本?1.2.10
• 标签?stock-market, technical-analysis, yahoo-finance, charting, investment, quantitative-finance, data-visualization, python

使用方法

使用说明
核心功能
Stock Information Explorer 是一款基于 Python 的综合股票分析工具，通过 yfinance 库从 Yahoo Finance 获取数据，在本地完成全部计算与可视化。核心能力包括：
数据获取
实时行情 （ price ）：即时报价与关键价格信息
基本面摘要 （ fundamentals ）：财务数据与估值指标概览
历史走势 （ history ）：ASCII 字符画形式的趋势预览
技术分析
专业图表 （ pro ）：高分辨率 PNG 输出，支持蜡烛图/线图，内置成交量与移动平均线（MA5/20/60）
可选指标 ：RSI(14)、MACD(12,26,9)、布林带(20,2)、VWAP、ATR，可叠加显示
一键报告 （ report ）：文本摘要 + 自动生成的 Pro 图表（BB+RSI+MACD 组合）
市场覆盖
支持美股（AAPL、TSLA）、韩股（005930.KS）、加密货币（BTC-USD）、外汇（USDKRW=X）等多类资产。
显著优点

1. 零 API 密钥 ：依托 Yahoo Finance 公开数据，开箱即用
2. 本地计算安全 ：技术指标在本地运行，无敏感数据外传
3. 输出专业 ：基于 mplfinance 和 matplotlib 生成出版级图表
4. 交互友好 ： rich 库打造彩色终端输出， plotille 提供便携 ASCII 可视化
5. 模块化设计 ：单一脚本结构，410 行代码清晰可控
   局限性与风险
   | 方面 | 说明 | |------|------| | 数据依赖 | Yahoo Finance 数据质量因市场而异（部分标的缺失成交量） | | 实时性 | 免费数据源存在延迟，不适合高频交易决策 | | 计算局限 | 指标基于下载数据本地推算，非交易所官方数值 | | 无回测 | 纯分析工具，不含策略回测或模拟交易功能 | | 来源可信度 | T3 级别社区项目，作者为个人开发者账号 | 适合人群
   个人投资者 ：快速获取多资产行情与技术面概览
   量化研究者 ：轻量级数据获取与指标计算原型验证
   教学场景 ：理解技术指标计算逻辑与金融数据可视化
   内容创作者 ：一键生成专业图表用于报告或社交媒体
   安全评估
   安全认证获得 A 级（85 分） ，六维扫描均无风险发现：静态分析 95 分、动态行为 80 分、依赖审计 75 分、网络分析 85 分、隐私合规 90 分、威胁情报 85 分。代码无硬编码凭证、无动态加载、无恶意模式，仅通过 TLS 1.2+ 与 Yahoo Finance 通信。
   建议 ：生产环境使用前固定依赖版本，补充输入验证与异常处理细化。

飞书官方在线表格操作工具，支持创建、读写、追加数据及行列管理，集成企业级权限体系。

基本信息

• 技能名称?Feishu Sheets Skill
• 中文名称?飞书表格·数据协作中枢
• 作者?wesley138cn
• 分类?专业技能
• 版本?1.0.0
• 标签?feishu, lark, spreadsheet, collaboration, enterprise, data-management, api-integration

使用方法

使用说明
核心用法
Feishu Sheets Tool 是飞书（Lark）生态系统的在线电子表格操作技能，通过单一工具 feishu_sheets 配合不同 action 参数实现全功能覆盖。
基础操作 ：创建表格（ create ）、读写单元格（ write / read ）、追加行（ append ）、获取元数据（ get_info ）。
结构管理 ：插入/删除行列（ insert_dimension / delete_dimension ）、增删工作表（ add_sheet / delete_sheet ）。
数据格式 ：支持字符串、数字、公式对象（ {"type": "formula"} ）和链接对象（ {"type": "url"} ），范围格式兼容标准 Excel 表示法（ A1:C10 、 0bxxxx!A1:C10 ）。
显著优点

1. 官方原生集成 ：直接调用飞书开放平台 API（ open.feishu.cn ），非第三方爬虫，稳定性与合规性有保障
2. 企业级权限体系 ：细粒度 OAuth 权限控制（ sheets:spreadsheet 、 sheets:spreadsheet:readonly 、 drive:drive ），支持只读与读写分离
3. 多数据类型原生支持 ：公式、超链接作为结构化对象传输，避免字符串转义问题
4. URL 自动解析 ：从标准飞书表格链接自动提取 spreadsheet_token ，降低用户操作门槛
   潜在缺点与局限性
   生态锁定 ：仅支持飞书 Sheets，无法操作 Excel Online、Google Sheets 或其他在线表格
   Bitable 排除 ：明确不支持多维表格（Bitable），用户需自行区分表格类型
   批量性能未披露 ：大规模数据写入的速率限制、并发能力未在文档中说明
   错误处理简化 ：未展示详细的错误码定义和重试策略
   适合人群
   飞书企业用户、需要自动化表格数据同步的运维/财务人员、构建飞书办公自动化（OA）工作流的技术团队。
   常规风险
   权限过度授权 ：开启 sheets:spreadsheet 后获得完整读写删权限，需遵循最小权限原则
   数据泄露风险 ：公式和链接对象可能包含敏感内部地址，需确认数据接收方范围
   Token 泄露 ： spreadsheet_token 作为访问凭证需安全存储，避免硬编码在公开仓库

MiniMax官方CLI工具，支持文本生成、图像/视频/音频/音乐创作及联网搜索，提供完整的API管理能力与Agent友好特性。

基本信息

• 技能名称?Minimax-Multimodal-Toolkit
• 中文名称?MiniMax官方多模态AI命令行工具
• 作者?minimax-ai-dev
• 分类?专业技能
• 版本?1.0.2
• 标签?cli, minimax, ai, multimodal, text-generation, image-generation, video-generation, text-to-speech, music-generation, vision, web-search, api-client, automation

使用方法

使用说明
核心用法
mmx-cli 是MiniMax AI平台的官方命令行工具，覆盖多模态AI能力：
文本生成 ：通过 mmx text chat 调用MiniMax-M2.7等模型，支持多轮对话、工具调用、流式输出，可通过 --messages-file 批量处理对话。
图像生成 ： mmx image generate 基于image-01模型，支持角色参考( --subject-ref )、批量生成及自动下载。
视频生成 ： mmx video generate 为核心亮点，支持MiniMax-Hailuo-2.3视频模型，提供首帧控制、Webhook回调、异步任务模式，适合长时生成场景。
语音合成 ： mmx speech synthesize 支持10k字符长文本，提供精细的音色、语速、音调控制，含字幕时间轴输出。
音乐生成 ： mmx music generate 支持结构化歌词、多声部配置、BPM/调性精确控制，可生成带人声或纯器乐作品。
视觉理解 ： mmx vision describe 提供图像描述能力，支持本地文件或URL输入。
辅助功能 ：内置Web搜索( search query )、配额查询( quota show )、工具Schema导出( config export-schema )便于Agent集成。
显著优点
官方背书 ：MiniMax官方维护，API更新及时，文档与实现一致
Agent原生设计 ： --non-interactive 、 --quiet 、 --output json 等标志专为自动化工作流设计
完整多模态覆盖 ：罕见的同时支持文本/图像/视频/语音/音乐的CLI工具
异步任务管理 ：视频生成支持任务ID追踪、轮询、Webhook，适合生产环境
管道友好 ：stdout纯数据输出，stderr分离进度信息，Unix哲学践行良好
配置灵活 ：CLI标志→环境变量→配置文件的多层覆盖机制
潜在局限
平台绑定 ：仅支持MiniMax生态，无法切换其他模型提供商
Node.js依赖 ：需npm安装，对纯Python环境用户不够友好
视频生成限制 ：Hailuo模型虽有竞争力，但生成耗时较长（需异步处理）
区域复杂性 ：global/cn双区域需手动管理，可能遇到内容审核差异
音乐生成门槛 ：结构化参数较多，简单使用易，精细控制需学习成本
适合人群
构建MiniMax多模态Agent的开发者
需要批量生成视频/音频内容的内容创作者
追求CLI效率、厌恶Web界面操作的高级用户
需要在CI/CD中集成AI能力的DevOps工程师
常规风险
API密钥管理 ： ~/.mmx/credentials.json 存储敏感凭证，需确保权限600
配额消耗 ：视频/音乐生成消耗Token Plan较快，建议 --dry-run 预览
内容过滤 ：可能触发exit code 10，需处理被拦截情况
异步任务 orphan ：使用 --async 后若未妥善追踪taskId，可能导致资源浪费
区域合规 ：cn区域受内容监管，生成内容可能需额外审核

基于 cron 的自动化备份方案，支持版本触发、定时调度与智能清理，适合配置文件、代码库与用户数据的持续保护。

基本信息

• 技能名称?Cron Backup
• 中文名称?定时备份·版本追踪·自动清理
• 作者?zfanmy
• 分类?专业技能
• 版本?0.3.2
• 标签?backup, automation, cron, shell-script, data-protection

使用方法

使用说明
核心功能
cron-backup 是一套面向 Linux/macOS 环境的自动化备份脚本集合，通过 cron 定时任务实现目录或文件的周期性备份、版本变更检测与过期清理。其核心能力包括：

1. 定时备份 ：基于标准 cron 表达式执行，支持每日、每小时或自定义频率
2. 版本感知 ：监控版本文件或命令输出，仅在软件更新时触发备份，避免冗余
3. 智能清理 ：按保留天数或最小数量自动删除旧备份，防止磁盘耗尽
4. 标准化命名 ： {name}_YYYYMMDD_HHMMSS.tar.gz 格式便于识别与恢复
   显著优点
   零依赖 ：纯 Bash 脚本实现，无需额外运行时
   开箱即用 ：提供 setup-cron.sh 一键配置定时任务
   灵活策略 ：时间/数量双维度清理策略，兼顾安全与空间效率
   权限保留 ：tar.gz 格式完整保留文件权限与目录结构
   潜在局限
   单点存储 ：仅支持本地或挂载目录，无内置远程同步（需配合 rsync/s3）
   无加密机制 ：备份文件以明文 tar.gz 存储，敏感数据需额外处理
   恢复依赖手动 ：仅提供 list-backups.sh 列出文件，无一键还原脚本
   Linux 专属 ：依赖 cron 与 Bash，Windows 需 WSL 或替代方案
   适用人群
   个人开发者保护本地配置与项目代码
   运维人员管理服务器应用数据
   追求轻量、可控备份方案的技术用户
   常规风险
   定时任务冲突 ：高频备份叠加 cleanup 可能造成 I/O 压力，建议分散时段
   权限配置不当 ：cron 以特定用户运行，需确保对源目录的读取权限
   磁盘监控缺失 ：脚本不检查剩余空间，极端情况下仍可能写满磁盘

纯文档型 Skill，提供 SwiftUI 视图重构指南，聚焦 MV 模式、依赖注入和 Observation 最佳实践，来源为知名社区贡献者 @Dimillian。

基本信息

• 技能名称?Swiftui View Refactor
• 中文名称?SwiftUI 视图重构规范指南
• 作者?steipete
• 分类?专业技能
• 版本?1.0.0
• 标签?swiftui, mv-pattern, observation, refactoring, dependency-injection, ios-development, view-model, code-style, architecture

使用方法

使用说明
核心用途
该 Skill 是一套 SwiftUI 视图结构规范化指南，帮助开发者重构视图文件以实现一致的代码结构、安全的依赖注入和正确的 Observation 使用。
显著优点

1. 清晰的视图排序规范 ：明确定义了从 Environment、属性、init 到 body、辅助方法的标准顺序，提升代码可读性和团队协作效率。
2. MV 模式优先 ：倡导轻量级视图、业务逻辑下沉到模型/服务，通过 @State 、 @Environment 、 task / onChange 替代不必要的 ViewModel，减少架构复杂度。
3. 实用的拆分策略 ：提供从 computed view properties 到独立 View 类型的渐进式提取方案，兼顾代码简洁与可复用性。
4. 安全的 ViewModel 处理 ：明确反对 optional ViewModel 和 bootstrapIfNeeded 模式，要求在 init 中直接注入依赖并初始化非 optional @State ViewModel。
5. 正确的 Observation 使用 ：清晰指导 @Observable 引用类型应作为 @State 存储在根视图，避免冗余包装。
   潜在局限性
   适用范围有限 ：仅针对 SwiftUI 视图层重构，不涉及 Combine、UIKit 桥接或更复杂的架构模式（如 TCA、Clean Architecture）。
   主观性约束 ："屏幕长度"等拆分阈值、何时提取独立 View 类型的判断带有一定主观性，需要团队达成共识。
   未覆盖测试指南 ：未提及如何为遵循这些规范的视图编写单元测试或 UI 测试。
   适合人群
   希望统一团队 SwiftUI 代码风格的 iOS/macOS 开发团队
   正在从 MVC/MVP/MVVM 向 SwiftUI 原生模式迁移的开发者
   需要重构遗留 SwiftUI 代码库以适配 Observation 框架的项目
   常规风险
   该 Skill 为纯 Markdown 文档（T-MD 分类），无可执行代码、无网络调用、无敏感数据访问，风险极低。主要风险在于开发者误解或过度应用规范——例如在不必要时强行拆分视图导致过度工程，或错误地将本应在 ViewModel 中的复杂逻辑保留在 View 层。
   综合评估
   这是一份高质量、实用性强的 SwiftUI 架构指南，来自在 SwiftUI 社区有良好声誉的开发者 @Dimillian（Thomas Ricouard）。其倡导的 MV 优先、最小化 ViewModel、显式依赖注入等原则与 SwiftUI 的设计哲学高度契合，适合作为团队代码规范的基础参考。