前言¶
投资类内容里常见「看涨某标的」「板块还会震荡」这类自然语言判断，事后很难用统一标准复盘：标的是否解析正确、方向是否兑现、和沪深 300 相比有没有超额，往往要靠人工翻 K 线。若你手头已经有一批按人、按日整理的预测记录，希望 Agent 能按固定规则拉行情、打分并出报告，可以看下 SkillHub 社区 Skill「分析判断」（坐标 @user_9894ba11/analyse，包内名 financial-prediction-verifier）。
这是什么¶
「分析判断」是 SkillHub 上分类为 data-analysis 的社区 Skill，发布者为 user_9894ba11，当前版本 1.0.0，来源标记为 community。SkillHub 页面简介字段为空；安装包内的 SKILL.md / README.md 将其定位为：读取三列 CSV 的金融观点，经 Kimi API 解析标的、方向、时间窗口与目标价，从东方财富、新浪等免费行情源取数，按五个加权维度计分，并生成 Markdown 报告与明细 CSV。
与「让模型口头点评预测对不对」不同，这条 Skill 把流程固化在 scripts/verify.mjs：解析、取数、评分公式见包内 reference.md，便于复跑和对比。
核心功能¶
以下能力均来自已安装包内的 SKILL.md、README.md、reference.md（2026-10-22 通过 skillhub install 核对）。
- 输入：仅需 CSV 三列
predictor、predict_date（YYYY-MM-DD）、prediction_text。 - 解析：调用 Kimi 开放平台 API，从中文预测文本中抽取资产、方向、时间范围、目标价等；一条多标的预测可拆成多条独立评分。
- 行情：抓取股票市场数据（文档写明来源包括 Eastmoney / Sina）；基准对比使用沪深 300 同期收益。
- 评分：满分 100。方向错误则总分 0；方向正确时累加方向（50）、超额收益 alpha（20）、时效 timing（15）、过程回撤 drawdown（10）、可操作性 actionability（5）。窗口未到期会用最新收盘价暂估并标注「未到期-暂估」。
- 输出：在输入 CSV 同目录生成
{input}_report.md与{input}_scores.csv。 - 运行环境：Node.js >= 18，无需
npm install（脚本已打包运行所需代码）。
SkillHub 元数据标签含 requires_api_key=true，与运行依赖 Kimi / LLM API Key 一致。
安装与启用¶
下面介绍在本地用 SkillHub CLI 装到 Cursor 技能目录的做法；其他 Agent 只需把 --dir 换成各自 skills 路径（见 SkillHub 安装说明）。
- 确认已安装
skillhubCLI；未安装时可按官方文档执行安装脚本。 - 安装本 Skill 到 Cursor 默认目录：
skillhub install analyse --namespace user_9894ba11 --dir ~/.cursor/skills
官方页面给出的通用提示为：根据 https://skillhub.cn/install/skillhub.md 安装 @user_9894ba11/analyse。成功后会落在类似 ~/.cursor/skills/@user_9894ba11/analyse 的路径。
- 配置 API Key（任选其一）：
- 环境变量：
KIMI_API_KEY，或LLM_API_KEY/MOONSHOT_API_KEY；可选LLM_BASE_URL、LLM_MODEL覆盖默认 Kimi 端点与模型。 - 本地文件：复制
scripts/.env.local.example为scripts/.env.local并填入 Key（勿把真实 Key 提交到仓库）。
在 Cursor 中启用 Agent Skill 后，可将 SKILL.md 中的工作流交给 Agent 执行；需要本地批处理时直接进入安装目录运行脚本即可。
典型用法¶
包内提供 examples/sample_predictions.csv，可先用来试跑。
方式一：命令行直接带 Key
cd ~/.cursor/skills/@user_9894ba11/analyse
KIMI_API_KEY=sk-xxx node scripts/verify.mjs examples/sample_predictions.csv
方式二：使用本地 .env.local
cd ~/.cursor/skills/@user_9894ba11/analyse
cp scripts/.env.local.example scripts/.env.local
# 编辑 scripts/.env.local 填入 Key
node scripts/verify.mjs examples/sample_predictions.csv
输入 CSV 示例（与文档一致）：
predictor,predict_date,prediction_text
小明,2025-12-15,黄金还能再涨一段时间
小红,2026-01-10,后面可以关注下隆基绿能
经过上面的步骤，应在同目录看到 sample_predictions_report.md 与 sample_predictions_scores.csv（文件名随输入 basename 变化）。
适用场景与注意¶
适合谁
- 需要把博主、研究员、同事的历史观点整理成可量化复盘表的数据分析或量化辅助岗位。
- 已在用 Cursor 等 Agent，希望用 Skill 约束「解析 + 取数 + 打分」而不是单次对话即兴发挥。
限制与注意
- 必须自备 KIMI_API_KEY（或 README 列出的等价 LLM 变量）；无 Key 无法完成 NLP 解析步骤。
- SkillHub 页面简介为空，细节以安装包内文档为准；内部工程名与 SkillHub 展示名「分析判断」不一致，搜索或排错时用坐标
@user_9894ba11/analyse最稳妥。 - 标的无法匹配、方向解析错误等边界情况在
reference.md中有说明（例如无法识别则该条不评分）。 - 行情来自公开免费源，频率、停牌、节假日取最近交易日等规则以实现为准；评分结果用于复盘与对比，不构成投资建议。
- SkillHub 统计（抓取页）：评分 100000，下载 723，安装 0（统计会随平台更新变化）。
结尾¶
「分析判断」把「自然语言金融预测 → 结构化标的与方向 → 行情回测 → 加权报告」收成一条可重复执行的 Skill 流水线，适合已有 CSV 归档、又要统一打分口径的场景。安装与优先源配置见 SkillHub 安装文档；Skill 详情页：https://www.skillhub.cn/skills/user_9894ba11/analyse。
