这个技能用于通过Rube MCP自动化Mboum任务，实现金融数据操作自动化，适用于量化交易和数据处理。关键词：自动化、Mboum、Rube MCP、Composio、金融数据、量化交易、算法交易。

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。

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。

风险登记册管理器是一个专业的风险管理工具，用于系统性风险识别、评估、缓解规划和持续跟踪。它支持完整的风险管理生命周期，包括风险矩阵生成、优先级排序、剩余风险计算和趋势分析。该工具适用于企业风险管理、项目风险控制和决策支持系统，帮助组织量化风险、制定应对策略并生成可视化报告。关键词：风险管理、风险登记册、风险评估、风险矩阵、风险缓解、决策支持、商业风险、风险分析工具。

emcee MCMC 采样器技能专为物理学领域的贝叶斯参数估计和后验采样设计。它提供仿射不变集成采样、并行回火、自相关分析、收敛性诊断以及先验/似然函数规范等核心功能。通过定义对数概率函数、初始化游走者、运行采样器、检查收敛性并提取后验分布，帮助研究人员高效完成不确定性量化、模型拟合和参数推断。关键词：贝叶斯推断，MCMC采样，参数估计，后验分布，物理学数据分析，emcee，收敛诊断，不确定性量化。

Uniswap Python SDK是一个用于在区块链上与Uniswap去中心化交易所进行交互和自动交易的开发工具包。它基于Ape框架和uniswap-sdk包，支持多链网络，提供代币价格查询、最优交易路由搜索、自动化交易执行等功能。关键词：Uniswap, Python SDK, 去中心化交易, 区块链开发, 自动化交易, Ape框架, 智能合约交互, DeFi, 量化交易, 交易机器人。