Token导航 LogoToken导航

Agent Skill · 开发

chanlun-technical-analysis(禅伦技术分析)

chanlun-technical-analysis 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

chanlun-technical-analysis 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 6,340。

总安装 4,823周安装 197GitHub Stars 1下载 1,544核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:chanlun-technical-analysis(禅伦技术分析)
来源仓库:https://github.com/laigen/chanlun-technical-analysis
安装命令:
openclaw skills install chanlun-technical-analysis
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install chanlun-technical-analysis

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

基于缠中说禅理论自动识别A股技术面要素,生成带分型、笔、线段、中枢、背驰的技术分析图表和报告。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install chanlun-technical-analysis;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

chanlun-technical-analysis 怎么安装?

在终端执行 openclaw skills install chanlun-technical-analysis。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

chanlun-technical-analysis 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

chanlun-technical-analysis 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

chanlun-technical-analysis 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

chanlun-technical-analysis 用的人多吗?

公开数据是累计安装 4,823 次,近一周安装 197 次,下载 1,544 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

chanlun-technical-analysis 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
chanlun-technical-analysis

禅伦技术分析 · 本页

4,8231接触敏感数据MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

ChanLun Technical Analysis Skill

基于缠中说禅技术理论,实现 A 股股票的技术面分析,包括分型、笔、线段、中枢、背驰等核心概念的自动识别与可视化。

核心功能

功能说明
分型识别顶分型(Top Fractal)、底分型(Bottom Fractal)自动检测
笔识别顶底交替连接,K 线包含处理
线段识别至少 3 笔,有重叠区域
中枢识别至少 3 笔重叠区域
背驰检测MACD 柱面积比较
图表绘制K 线 + 分型 + 笔 + 线段 + 中枢 + MACD + 成交量
报告生成Markdown 格式技术分析报告
PNG 图片直观的技术图形展示(主图 + 副图),英文标签

缠论核心概念

1. 分型 (Fractal)

顶分型: 第二 K 线高点是相邻三 K 线高点中最高的,低点也是相邻三 K 线低点中最高的

  • 顶分型的最高点叫该分型的顶

底分型: 第二 K 线低点是相邻三 K 线低点中最低的,高点也是相邻三 K 线高点中最低的

  • 底分型的最低点叫该分型的底

2. K 线包含处理

向上处理: 两 K 线高点取高者,低点取较高者 向下处理: 两 K 线低点取低者,高点取较低者

3. 笔 (Stroke)

  • 两个相邻的顶和底构成一笔
  • 顶和底之间至少有 1 根 K 线相隔
  • 笔分为向上笔和向下笔

4. 线段 (Line Segment)

  • 由奇数笔组成(至少 3 笔)
  • 前三笔必须有重叠部分
  • 分为向上线段和向下线段

5. 中枢 (Pivot)

  • 某级别走势中,被至少三个连续次级别走势所重叠的部分
  • 对笔来说:至少三笔重叠
  • 对线段来说:至少三段重叠

6. 背驰 (Divergence)

  • 没有趋势就没有背驰
  • 比较相邻两段的 MACD 柱面积
  • c 段面积 < b 段面积 = 背驰

使用方法

# 分析单只股票(自动生成图表和报告)
python3 scripts/chanlun_analysis.py 601688

# 指定时间周期
python3 scripts/chanlun_analysis.py 601688 --period 60

# 输出 JSON 数据
python3 scripts/chanlun_analysis.py 601688 --json

# 指定输出目录
python3 scripts/chanlun_analysis.py 601688 --output ./reports

参数说明

参数说明默认值
stock_code股票代码(如 601688)必填
--period周期:daily/60/30 等daily
--output输出目录./outputs
--json额外输出 JSON 格式否
--verbose详细输出否
注意: 图表 PNG 是必需输出,无需额外参数,每次分析自动生成。

输出内容

每次分析自动生成以下文件:

1. 技术分析报告 (Markdown)

报告结构(核心结论优先):

章节内容
🎯 核心结论走势判断、背驰信号、操作建议、关键价位
📊 缠论分析图表PNG 图表展示
📋 分项统计行情概况、分型统计、笔分析、中枢分析、背驰检测
⚠️ 风险提示免责声明

2. 缠论可视化图表 (PNG) - 必需输出

图表内容:

  • 主图: K 线图 + 分型标记 (T=顶分型, B=底分型) + 笔连接 + 线段区域 + 中枢区域
  • 副图 1: MACD 指标 (柱状图 + DIF 线 + DEA 线)
  • 副图 2: 成交量柱状图

图表元素说明:

元素颜色/样式说明
Bullish Candle🔴 红色收盘价≥开盘价(阳线)
Bearish Candle🟢 绿色收盘价<开盘价(阴线)
Top Fractal (T)🟢 绿色圆圈顶分型,局部高点
Bottom Fractal (B)🔴 红色圆圈底分型,局部低点
Up Stroke🔵 蓝色实线向上笔,从底到顶
Down Stroke🟣 紫色虚线向下笔,从顶到底
Pivot Zone🟡 黄色区域中枢,至少3笔重叠区间
Segment浅色背景线段区域

3. 输出文件

文件说明
{stock_code}_chanlun_chart.png缠论分析图表
{stock_code}_chanlun_report.md技术分析报告

3. JSON 数据结构

{
  "stock_code": "601688",
  "trend": "uptrend",
  "fractals": {
    "tops_count": 8,
    "bottoms_count": 7
  },
  "strokes_count": 12,
  "segments_count": 3,
  "pivots_count": 2,
  "divergence": {
    "detected": true,
    "type": "bullish",
    "confidence": 0.75
  }
}

买卖点定义

第一类买卖点

  • 趋势背驰后形成的转折点
  • 下跌趋势底背驰 → 第一类买点
  • 上涨趋势顶背驰 → 第一类卖点

第二类买卖点

  • 第一类买卖点后的第一次回抽
  • 不回前低/前高形成

第三类买卖点

  • 突破中枢后的回抽
  • 回抽不进入中枢区间

环境要求

🔑 Tushare 数据源配置

本技能依赖 Tushare Pro 作为数据源,需要预先配置 API Token。

Tushare 注册要求
项目说明
注册地址https://tushare.pro/register
注册流程手机号注册 → 实名认证 → 获取 Token
免费额度新用户赠送 500 积分,基础日线数据免费
积分说明积分越高,接口权限越多,详细权限见官网
环境变量配置

方式一:临时配置(当前终端有效)

export TUSHARE_TOKEN=your_token_here

方式二:永久配置(写入 ~/.bashrc)

echo 'export TUSHARE_TOKEN=your_token_here' >> ~/.bashrc
source ~/.bashrc

验证配置

python3 -c "import os; print('TUSHARE_TOKEN:', os.getenv('TUSHARE_TOKEN', 'NOT SET'))"
常见问题
问题解决方案
Token 未设置报错 TUSHARE_TOKEN environment variable is required
Token 无效检查 Token 是否正确复制,无多余空格
接口权限不足登录 Tushare 官网查看积分权限

必需环境变量

变量名说明必需获取方式
TUSHARE_TOKENTushare Pro API Token✅https://tushare.pro

Python 依赖

pip install pandas numpy matplotlib tushare
包名版本要求说明
pandas>=1.5.0数据处理
numpy>=1.20.0数值计算
matplotlib>=3.5.0图表绘制
tushare>=1.2.0A股数据源(需注册获取 Token)

文件结构

chanlun-technical-analysis/
├── SKILL.md                    # 技能文档
├── skill.json                  # 技能元数据
└── scripts/
    ├── chanlun_analysis.py     # 主入口脚本
    ├── chanlun_core.py         # 核心算法(分型/笔/线段)
    ├── chanlun_divergence.py   # 背驰检测
    └── chanlun_chart.py        # 图表绘制

注意事项

  1. 数据质量: 使用前复权数据,避免除权缺口影响
  2. 周期选择: 建议使用日线或以上周期,分钟线噪音较多
  3. 主观性: 缠论部分判断存在主观性,算法仅为辅助
  4. 结合其他指标: 建议配合成交量、基本面等综合分析
  5. 图表标签: 所有图表使用英文标签,避免中文字体依赖问题

免责声明

本技能仅供学习和研究使用,不构成任何投资建议。股市有风险,投资需谨慎。

平台分布

OpenClaw

88.48%
按下载量换算1,366

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills