Token导航 LogoToken导航

Agent Skill · 研究检索

indicator-dashboard(指示器仪表板)

indicator-dashboard 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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。

indicator-dashboard 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为操作浏览器;许可证信息还不明确,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 25,455。

总安装 3,768周安装 157GitHub Stars 8下载 1,256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
unknown

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:indicator-dashboard(指示器仪表板)
来源仓库:https://github.com/marketcalls/openalgo-indicator-skills
仓库路径:skills/indicator-dashboard
安装命令:
npx skills add https://github.com/marketcalls/openalgo-indicator-skills --skill indicator-dashboard
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 npx skills 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。

skills.shnpx skills
npx skills add https://github.com/marketcalls/openalgo-indicator-skills --skill indicator-dashboard

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

indicator-dashboard 用于查找、检索和筛选相关信息。适合在 Codex、Claude、Cursor、Gemini CLI 中根据关键词、任务场景或来源线索快速定位候选结果。通过 npx skills add 命令从指定 GitHub 仓库安装并使用。

安装前需确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写操作。适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。

来源仓库内路径:skills/indicator-dashboard

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 Codex、Claude、Cursor、Gemini CLI;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 npx skills add https://github.com/marketcalls/openalgo-indicator-skills --skill…;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

    它需要操作浏览器,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

indicator-dashboard 怎么安装?

在终端执行 npx skills add https://github.com/marketcalls/openalgo-indicator-skills --skill indicator-…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

indicator-dashboard 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。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。

indicator-dashboard 需要什么权限?

权限级别是操作浏览器。该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

indicator-dashboard 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

indicator-dashboard 用的人多吗?

公开数据是累计安装 3,768 次,近一周安装 157 次,下载 1,256 次,GitHub 8 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。

indicator-dashboard 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

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 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

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 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 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
indicator-dashboard

指示器仪表板 · 本页

3,7688操作浏览器未明确通过

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

Create a web dashboard for interactive technical analysis using Plotly Dash or Streamlit.

Arguments

Parse $ARGUMENTS as: type symbol

  • $0 = dashboard type. Default: single

- Dash types: single, multi-symbol, multi-timeframe, scanner-dashboard - Streamlit types: streamlit-single, streamlit-multi, streamlit-scanner

  • $1 = symbol (e.g., SBIN, RELIANCE). Default: SBIN

If no arguments, ask the user what kind of dashboard they want and whether they prefer Dash or Streamlit.

Instructions

  1. Read the indicator-expert rules, especially:

- rules/dashboard-patterns.md — Dash app patterns - rules/streamlit-patterns.md — Streamlit app patterns - rules/plotting.md — Chart patterns - rules/data-fetching.md — Data loading

  1. Create dashboards/{dashboard_name}/ directory (on-demand)
  2. Create app.py in dashboards/{dashboard_name}/
  3. Use the matching template from rules/assets/

Dashboard Requirements

All dashboards must include:

  • Dark theme: Dash uses dbc.themes.DARKLY; Streamlit uses [theme] base = "dark" or CSS injection
  • Symbol input: Text input or dropdown for symbol selection
  • Exchange selector: NSE, BSE, NFO, NSE_INDEX
  • Interval selector: 1m, 5m, 15m, 1h, D
  • Indicator selectors: Checkboxes/multiselect for overlay and subplot indicators
  • Interactive chart: Plotly chart with template="plotly_dark", xaxis_type="category"
  • Stats display: Key metrics (LTP, Change, Volume, indicator values)
  • Auto-refresh: Dash uses dcc.Interval; Streamlit uses st.rerun() with time.sleep()
  • Load .env from project root via find_dotenv()

Dash Dashboard Types

single — Single Symbol Dashboard (Dash)
  • One symbol with configurable indicators
  • Overlays: EMA, SMA, Bollinger, Supertrend, Ichimoku (checkboxes)
  • Subplots: RSI, MACD, Stochastic, Volume, ADX, OBV (checkboxes)
  • Stats panel: LTP, day change, volume, selected indicator values
  • Template: rules/assets/dashboard_basic/app.py
multi-symbol — Multi-Symbol Watchlist (Dash)
  • 4-6 symbols in a grid layout
  • Each cell shows candlestick + one overlay indicator
  • Bottom row: RSI comparison across all symbols
  • Symbol list editable via input
multi-timeframe — MTF Analysis (Dash)
  • 4-panel grid: 5m, 15m, 1h, D for same symbol
  • Same indicators computed on each timeframe
  • Confluence summary: "3/4 timeframes bullish"
  • Template: rules/assets/dashboard_multi/app.py
scanner-dashboard — Live Scanner (Dash)
  • Watchlist of 10+ symbols
  • Table showing: Symbol, LTP, RSI, EMA trend, Signal
  • Color-coded rows (green=bullish, red=bearish)
  • Click symbol to show detailed chart
  • Auto-refresh every 30 seconds

Streamlit Dashboard Types

streamlit-single — Single Symbol Dashboard (Streamlit)
  • Sidebar: symbol, exchange, interval, overlay/subplot multiselect
  • st.plotly_chart() for interactive charts
  • st.metric() for LTP, Change, RSI, EMA stats
  • Auto-refresh via checkbox + st.rerun()
  • Template: rules/assets/streamlit_basic/app.py
streamlit-multi — MTF Analysis (Streamlit)
  • 2x2 grid via st.columns(2) for 4 timeframes
  • Candlestick + EMA overlay per timeframe
  • Confluence summary with st.success()/st.error()/st.warning()
  • st.metric() cards for each timeframe trend
  • Template: rules/assets/streamlit_multi/app.py
streamlit-scanner — Scanner Dashboard (Streamlit)
  • Sidebar: scan type selector, run button
  • st.progress() during scan
  • st.dataframe() for results table
  • st.download_button() for CSV export

Running the Dashboard

After creating the app, provide instructions:

Dash:

cd dashboards/{dashboard_name}
python app.py
# Open http://127.0.0.1:8050 in browser

Streamlit:

cd dashboards/{dashboard_name}
streamlit run app.py
# Open http://localhost:8501 in browser

Example Usage

/indicator-dashboard single SBIN /indicator-dashboard multi-timeframe RELIANCE /indicator-dashboard scanner-dashboard /indicator-dashboard streamlit-single SBIN /indicator-dashboard streamlit-multi RELIANCE /indicator-dashboard streamlit-scanner

平台分布

Codex

37.92%
按下载量换算476

Claude

32.86%
按下载量换算413

Cursor

16.78%
按下载量换算211

Gemini CLI

9.49%
按下载量换算119

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

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