搜索结果: "量化"
任务规划指南Skill plan
这是一个用于软件开发与项目管理领域的任务规划框架，提供结构化的工作流程和原则，帮助团队在实施前系统化地分析需求、制定策略、澄清细节并确保零风险迭代。适用于复杂代码开发、系统架构设计、量化策略实施等场景。关键词：任务规划、迭代开发、代码管理、项目管理、实施策略、风险控制、软件开发流程
检索增强生成(RAG)流水线Skill rag-pipeline
这是一个用于构建和部署检索增强生成（RAG）系统的技能。它详细说明了如何从文档中摄取数据、进行文本分块和向量化，并利用向量数据库（Qdrant）进行高效检索。该系统集成了提示工程和个性化设置，并通过智能体（Agent）类管理大语言模型调用，旨在为问答、知识库构建等场景提供准确、上下文相关的AI生成内容。关键词：RAG，检索增强生成，向量搜索，Qdrant，大语言模型，智能体，提示工程，知识库，AI应用。
Excel专业建模与数据分析Skill xlsx
这是一个专业的Excel电子表格建模与数据分析技能，专注于财务模型构建、数据分析和自动化处理。该技能提供完整的Excel文件创建、编辑、分析工作流程，支持公式计算、格式设置、数据可视化和错误检查。适用于量化金融分析、财务建模、数据报表生成等场景，确保零公式错误和行业标准格式。关键词：Excel建模、财务分析、量化金融、数据可视化、公式计算、电子表格自动化、Python数据处理、金融模型、数据分析工具、报表生成。
电子表格操作Skill working-with-spreadsheets
电子表格操作技能专注于使用Python库（如openpyxl和pandas）自动化创建、编辑和分析Excel文件。它强调金融建模最佳实践，包括使用公式而非硬编码值、遵循标准颜色编码（蓝色输入、黑色公式、绿色链接）、应用专业数字格式（货币、百分比、倍数），以及通过验证清单和错误检查确保模型完整性。该技能适用于量化金融、数据分析、财务建模和自动化报告生成，能高效处理.xlsx文件、构建可维护的金融模型并执行复杂的数据操作。
流动性深度分析器Skill liquidity-depth-analyzer
流动性深度分析器是一个用于去中心化交易所（DEX）的量化交易工具，专注于MEV（矿工可提取价值）交易场景。它通过分析资金池的流动性深度、计算交易滑点和价格影响，来辅助执行最优的交换路径选择、头寸规模确定和套利机会验证。核心功能包括流动性检查、滑点估算和盈利能力验证，确保交易在可控的风险和成本下进行。关键词：DEX流动性分析，滑点估算，MEV交易，价格影响，AMM数学，Uniswap，Curve，量化交易，算法交易。
代码度量分析Skill code-metrics-analysis
代码度量分析是一种软件开发技术，用于量化代码复杂度、可维护性和其他质量属性，帮助开发者识别需要重构的代码区域，监控技术债务，并提高代码质量。
技术债务评估Skill technical-debt-assessment
技术债务评估是一个系统性识别、量化和管理技术债务的过程，用于辅助代码质量投资的决策。关键词包括：技术债务、代码质量、架构决策、重构优先级、遗留代码评估。
Navigator效率报告Skill nav-stats
实时展示会话效率报告，包括基线比较，量化并可视化Navigator的价值和影响，关键词：实时效率、基线比较、量化价值、可视化报告。
跨平台DCA交易机器人Skill dca
跨平台DCA交易机器人是一种自动化交易工具，用于在Polymarket、Kalshi、PumpFun、Hyperliquid、Binance Futures、Bybit等多个加密货币和预测市场平台上执行美元成本平均法策略。它允许用户设置定期定额投资计划，分散投资风险，实现自动化定投。关键词：DCA策略，自动化交易，量化投资，跨平台交易，加密货币定投，预测市场，风险管理，交易机器人。
OpportunityFinderSkill opportunity
跨预测市场寻找并执行套利机会的工具，关键词：套利、跨平台、预测市场、量化交易。
技术债务管理Skill TechnicalDebtManagement
技术债务管理是一种专家级框架，用于识别、分类、量化和管理技术债务，以维护代码质量、团队速度和系统健康。它通过系统的债务跟踪和偿还，帮助团队在短期交付速度与长期可维护性之间取得平衡。
量化解释器（非专家版）Skill "quantization-explainer-for-non-experts"
这是一个专为非技术或混合受众设计的技能，通过日常类比清晰解释大语言模型量化技术，覆盖INT4量化、层感知位分配、AWQ-v2/GPTQ-for-LLaMA等最佳实践，实际效果如内存减少75%、延迟下降2倍。适用于产品经理、学生和AI开发者，提升AI技术可访问性和理解。关键词：量化解释、大语言模型、AI应用、非技术观众、类比教学、技术沟通。