前言¶
做 ETF 调仓时常见的一个坑，是把算术交给模型：净值加权、回撤上限、调仓比例，一旦由 LLM 直接给出，错误往往要到下单前才被发现。反过来，纯脚本能算准，却给不出”这轮为什么该减、减多少、下次看什么”的叙述。
etf炒股agent 属于中间一类：它不自己算，也不自己下单。下面介绍这个 Skill 的定位、触发方式和已知边界。
这是什么¶
一句话定位：把 ETF 量化 Agent 变成一位「圆桌主持人」，一句话即可跑完整闭环——行情快照 → 量化打分 → 十人投资大师圆桌辩论 → 决策融合 → 风控闸门 → 操作方案 → 复盘归因 → 沉淀报告。
出处与元数据（以 SkillHub 页面抓取为准）：
名称: etf炒股agent
坐标: @user_cb1369bf/etf-roundtable
官方地址: https://api.skillhub.cn/user_cb1369bf/etf-roundtable
版本: 1.0.0
来源: community
分类: ai-agent
发布者: user_cb1369bf
标签: requires_api_key=false
页面简介: 华泰柏瑞ETF agent大赛
页面抓取同时显示评分 100000、下载 3304、安装 0。写作线索里写的是评分 98558、下载 3280，与页面不一致；抓取时间为 2026-10-30，正文以页面为准。
标签 requires_api_key=false 表示按页面标注不需要额外 API Key。
核心功能¶
按 Skill 自述，一轮圆桌包含以下环节：
- 行情快照：先取当前市场数据，作为讨论输入。
- 量化打分：对候选 ETF 做量化评分。
- 圆桌辩论：由十位「投资大师」角色各自表态。
- 决策融合：汇总各方意见，形成倾向性结论。
- 风控闸门：对结论做一次风险检查，不通过则回退。
- 操作方案：给出可执行的调仓动作清单。
- 复盘归因：回到结果，标注哪些判断成立、哪些不成立。
- 沉淀报告：把结论写成报告，供下次参考。
职责边界：LLM 只判断，代码算账¶
Skill 自述的分工是：本 skill 只主持讨论与编排既有确定性引擎（money CLI + panel.py 融合），LLM 负责判断与叙述，权重/风控/算术一律交给代码。
也就是说，模型产出的是讨论过程和叙述，数值部分走确定性引擎。这是它区别于「让模型直接给调仓建议」的地方，也是使用时最该守住的一条。
触发方式¶
据 Skill 自述，以下说法会触发：
跑一轮圆桌 / 开圆桌
今天怎么调仓 / 出操作方案 / 跑决策
收盘复盘 / 生成复盘报告 / 沉淀总结
roundtable / rebalance plan
定位的用途覆盖：ETF 调仓决策、圆桌讨论、量化分析、决策融合、风控、操作方案、收盘复盘、沉淀总结报告。一个最小用法是直接说一句「今天怎么调仓，跑一轮圆桌」。
安装与启用¶
我没有拿到可用的官方安装命令。抓取 SkillHub 页面时正文只返回了站点标题，SKILL.md 与安装说明均未能读取，因此下面不写安装命令，避免编造。
可以确认的信息：
- 坐标
@user_cb1369bf/etf-roundtable，在 SkillHub 上按坐标检索即可定位该 Skill。 - 来源标注为 community，属社区发布，不是官方团队出品。
- 标签 requires_api_key=false。
如果要启用，建议先打开官方页面核对安装方式，以及它引用的 money CLI、panel.py 是否已在本机可用。这两项在 Skill 描述里被当作既有引擎引用，抓取到的资料中没有随 Skill 一起分发的证据。
适用场景与注意¶
适合：
- 需要「讨论 + 结论 + 复盘」一整套的 ETF 调仓场景，希望一次产出操作方案和复盘报告。
- 希望把量化数值留在代码里，同时要一段人话解释的场景。
注意：
- 半自动，不自动下单，最终决策权归用户。它给出的是方案，不是执行。
- 上游依赖行情快照与 money CLI / panel.py，环境没准备好时前面几步走不通。
- 十位「投资大师」是编排出来的角色，不是真实人物观点；结论质量取决于量化引擎和输入数据。
- 来源为 community，页面显示安装量为 0，社区验证样本很小，维护情况需自行确认。
- 上文环节名称取自 Skill 自述，实际命令与参数以官方页面为准。
结尾¶
这个 Skill 的价值在于把量化打分和圆桌讨论串成一条可复现的流水线，同时把算术留在代码里。如果你的场景是 ETF 调仓决策加收盘复盘，可以按上面的触发短语试一下；如果只需要算分，直接用底层引擎更省事。
官方地址：https://api.skillhub.cn/user_cb1369bf/etf-roundtable
