多重检验校正技能用于在同时进行多个统计假设检验时，通过数学方法调整p值或显著性阈值，以控制整体错误率（如族错误率FWER或错误发现率FDR）。核心功能包括Bonferroni校正、Holm-Bonferroni方法、Benjamini-Hochberg FDR控制等，广泛应用于数据分析、生物信息学、量化金融、科学研究等领域，确保统计推断的可靠性，避免多重比较带来的假阳性问题。关键词：多重检验校正，p值校正，FWER，FDR，Bonferroni，假设检验，统计显著性，错误率控制。

假设测试技能用于将科学观察转化为可测试、可证伪的假设，并设计严谨的实验计划，适用于科学研究、数据分析、量化金融等领域。关键词：假设测试、实验设计、可证伪性、变量操作化、科学研究、数据分析、实证验证。

这个技能提供了Bankr SDK的完整能力指南，支持多种区块链操作包括交换、传输、包装、跨链、杠杆、NFTs、质押和查询。通过自然语言提示，用户可以轻松执行交易，适用于区块链开发、DeFi应用和DApp构建。关键词：Bankr SDK, 区块链开发, DeFi, NFT交易, 智能合约, 交易执行, 量化工具。

这个技能用于创建光标编辑器专用的AI子代理，适用于复杂多步骤工作流，如量化交易分析、代码审查、安全审计等。它支持上下文隔离和并行执行，帮助自动化任务分解和执行。关键词：AI子代理、光标编辑器、工作流自动化、上下文隔离、并行执行、多步骤任务、量化交易辅助、软件开发工具。

Data Commons 客户端是一个 Python 库，用于访问 Data Commons 平台，提供程序化查询全球公共统计数据的功能，包括人口统计、经济指标、健康数据和环境统计等。适用于数据分析、量化金融、经济研究、学术探索和统计建模，关键词包括数据查询、API 集成、统计分析、公共数据访问、知识图谱和 Python 开发。

该技能用于生成全面的交易计划，涵盖风险管理、仓位管理、入场/出场策略和性能跟踪，帮助交易者实现纪律性和一致性的交易。关键词：交易计划、风险管理、量化交易、交易策略、绩效跟踪、仓位管理、风险控制、入场规则、出场规则、性能监控。

Convex 开发技能是一个综合指导技能，用于Convex后端开发，提供核心开发如函数编写和数据库模式定义、数据存储管理、高级模式如AI代理和定时作业、安全审计以及最佳实践。适用于开发者快速上手Convex平台，优化后端应用开发。关键词：Convex开发、后端开发、数据库、实时订阅、HTTP动作、安全审计、AI代理、最佳实践、量化交易、数据统计分析。

这是一个用于创建高质量MCP（模型上下文协议）服务器的技能，帮助开发者构建工具使大型语言模型（LLM）能与外部服务交互。关键词：MCP、服务器开发、LLM集成、API工具、模型上下文协议、人工智能代理、量化交易数据分析。

前端开发模式技能专注于使用React和Next.js框架，涵盖组件设计、状态管理、性能优化、UI最佳实践等，帮助开发者构建高性能、可维护的前端应用。关键词：前端开发、React、Next.js、状态管理、性能优化、UI设计、组件模式、量化交易应用。

llama-cpp是一个开源工具，用于在CPU、Apple Silicon和消费级GPU上高效运行大型语言模型推理，特别适用于边缘部署和没有NVIDIA硬件的环境。它支持GGUF量化格式，以减少内存使用并提高速度，优化用于苹果设备、AMD/Intel GPU和嵌入式系统。关键词包括：LLM推理、CPU推理、GGUF量化、边缘AI、非NVIDIA硬件、Apple Silicon、模型部署。

执行因果分析技能利用CausalPy库进行因果模型拟合和影响估计，支持差异中的差异（DiD）、中断时间序列（ITS）、合成控制（SC）和断点回归（RD）等分析方法，适用于数据科学、经济学和量化金融领域，帮助用户从数据中提取因果洞察并进行可视化展示。关键词：因果分析、CausalPy、DiD、ITS、SC、RD、数据科学、量化金融、预测建模、数据分析。

链上数据分析技能，用于加密货币市场，覆盖活跃地址、鲸鱼行为、TVL、DEX流动性及MVRV、NVT、SOPR等链上估值指标，生成量化交易信号。