新闻详情

新闻详情

首页 / 资讯中心 / 详情

不用API Key,如何免费用AI读股票研报和市场新闻?AlphaGBM Skills公开阅读功能实战

发布时间:2026/11/14 16:00:19来源:尧图网络
不用API Key,如何免费用AI读股票研报和市场新闻?AlphaGBM Skills公开阅读功能实战
不用API Key如何免费用AI读股票研报和市场新闻AlphaGBM Skills公开阅读功能实战【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills想让 AI 帮忙读股票研报和市场新闻很多人卡在第一步行情数据 API 往往要注册、配置 API Key甚至按次计费。AlphaGBM Skills开源项目解决了这个痛点——它提供一组可直接安装到 Claude Code、Cursor 等 AI 助手中的 Skill其中公开阅读功能无需 API Key、不消耗任何分析额度就能读取已发布的研报和市场新闻并让 AI 帮你做结构化解读。本文带你 5 分钟上手这个免费阅读工作流。示例AlphaGBM Skills 在 AI 工作区中输出的结构化结果演示数据非实时行情。哪些功能完全免费哪些需要 API KeyAlphaGBM Skills 把权限边界写得非常清楚公开阅读与账户分析是两条完全不同的通道前者永不发送 Key后者才走账户额度。场景对应 Skill是否要 Key说明 读研报目录与已发布研报alphagbm-research-reader❌ 不需要只读公开目录与已发布内容 拆解研报观点、评级与假设alphagbm-report-breakdown❌ 不需要仅读已公开材料不解锁私有 PDF 分析已发布新闻的影响alphagbm-news-impact❌ 不需要只读现有公开新闻不触发付费分析 对比两份本地投资记录alphagbm-investment-review❌ 不需要纯本地比较甚至不发网络请求 个股深度研究 / 期权对比alphagbm-stock-research等✅ 需要使用与官网相同的账户额度完整规则见 docs/ACCESS.md。一句话记忆读已经公开发布的东西免费跑新的账户级分析才花额度。一键安装 Research Reader唯一的安装命令整个过程只需要一条命令安装器会让你选择所用的 AI 工具Claude Code、Cursor 等npx skills add AlphaGBM/skills --skill alphagbm-research-reader两点让新手很省心唯一运行时依赖是 Python 3.9不需要单独安装 AlphaGBM CLI也不需要装其他 Skill想装别的技能包时把技能名替换即可用npx skills add AlphaGBM/skills --list查看全部可用包。安装完成后这个 Skill 自带一个 Python 运行脚本 skills/alphagbm-research-reader/scripts/run.py它会校验官方 HTTPS 域名、拒绝重定向、限制响应大小并且公开读取时绝不附带你的 API Key。免费读研报从目录列表到拆解观点第一步列出已发布的研报让 AI 执行运行脚本的research命令或直接对它说自然语言python3 skill-dir/scripts/run.py research --collection research --lang zh --limit 3--collection research列出 AlphaGBM 的原始研究--collection news --view research列出机构观点汇总--query 关键词可按标题或代码筛选--lang zh输出中文。第二步拆解一篇已发布的研报选定返回的slug和revision后执行report命令即可拿到机构观点、原始评级、关键假设、风险和来源日期。注意两个防坑设计机构评级和目标价会被严格归属到发布机构、并保留报告日期AI 不会把它包装成现在的买卖建议如果服务器不支持该后端Skill 会如实报错而不是编造一篇研报——宁缺毋滥。拆解输出的完整规范写在 skills/alphagbm-report-breakdown/SKILL.md 和 docs/REPORT_BREAKDOWN.md 里想看懂输出结构还可参考示例文件 demo/report-breakdown.json。免费分析市场新闻事实与影响推断分开说新闻阅读分两步走规则详见 docs/NEWS_IMPACT.md# 1️⃣ 先列出已发布的新闻 python3 skill-dir/scripts/run.py research --collection news --view news --lang zh --limit 5 # 2️⃣ 再分析选中的那条新闻 python3 skill-dir/scripts/run.py news --slug 返回的slug --revision 发布版本 --lang zh这个工作流最有价值的地方是它强迫 AI 区分四类内容报道了什么事件、涉及标的、文章日期不会把旧闻说成今天的新闻可能的影响明确标注这是已发布评论还是AI 自己的条件性推断不确定性与反证缺什么数据就直说缺空列表绝不等于没有反方证据下一个验证点给出具体可查的问题而不是模糊的持续关注。示例输出结构可看 demo/news-impact.json。实战直接对 AI 说的三句话安装完成后你根本不用记命令直接用中文/英文提问即可来自各 Skill 的官方示例请求 帮我调用 AlphaGBM查找最近的半导体研报区分机构观点和已披露事实。 帮我调用 AlphaGBM拆解一份已发布研报说明机构观点、原始评级、关键假设、风险和后续验证节点。 帮我调用 AlphaGBM分析一条已发布新闻涉及哪些标的区分事实、影响推断和待验证的问题。AI 会自己调用 skills/alphagbm-research-reader/SKILL.md 中定义的脚本和证据规则最后按核心结论 → 机构与来源 → 标的与日期的结构回复并在结尾留一个具体的下一步验证问题。免费功能的边界它不做什么诚实说清边界你才不会用错❌不解锁私有研报机构报告只返回已公开的摘要不是完整 PDF也不进私有研究库❌不产生新的付费分析news/report命令只读已发布内容不会悄悄发起计费请求❌不承诺实时覆盖数据可能是实时、延迟或某个日期快照partial标记意味着没有新鲜来源核验✅失败即报错网络超时、路由不支持时 Skill 会明确告诉你不可用而不会用演示数据冒充真实结果。所有演示 JSON 都是固定的合成数据见 demo/README.md仅用于理解输出形状不是真实行情。小结AlphaGBM Skills 的公开阅读功能 免费安装 免 API Key 只读已发布内容。一条npx命令装好 Research Reader就能让 AI 帮你读研报、拆观点、分析新闻影响且每一步结论都带来源和日期。想要更深的个股研究或期权对比再配上账户的 API Key 即可与官网共用同一份额度不会多出一套付费体系。相关资料项目总览README.md · 中文指南docs/README.zh.md访问权限与额度边界docs/ACCESS.md三个免费工作流定义research-reader · report-breakdown · news-impact演示数据demo/report-breakdown.json · demo/news-impact.json【免费下载链接】skillsBring realtime market data and research workflows into Claude Code, Cursor beyond — 29 open-source Skills for stocks, options and commodities.项目地址: https://gitcode.com/gh_mirrors/skills38/skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉