前言¶
短线和量化开发者手里一般有两套东西：一套是行情库，能拉到龙虎榜原始成交；另一套是研报和交易心得，能解释”为什么这么走”。缺的是把两者接起来的环节——把席位、情绪周期、行为金融模型组织成一次可复用的透视，直接给出次日溢价概率、预期收益区间和买卖点信号。
游资龙虎榜AI透视眼 就是定位在这个环节的社区技能。下面介绍它是什么、能算什么、怎么启用，以及哪些地方需要你自己把关。
这是什么¶
一句话定位：面向 A 股龙虎榜数据的游资行为量化分析技能，输入个股或日期，输出一份带概率和收益区间的次日溢价透视报告。
基本信息如下，取自 SkillHub 页面抓取快照：
技能名称: 游资龙虎榜AI透视眼
坐标: @user_cb663282/dragon-tiger-lab
版本: 1.0.0
来源: community
分类: professional
发布者: user_cb663282
官方地址: https://api.skillhub.cn/user_cb663282/dragon-tiger-lab
SkillHub: https://www.skillhub.cn/skills/user_cb663282/dragon-tiger-lab
平台标签: requires_api_key=false
它解决的具体问题是：龙虎榜信息量大、席位混杂，人工解读依赖经验且难以复现。该技能把席位行为画像和情绪周期理论做成固定流程，让一次分析的输入、模型、输出保持一致。
核心功能¶
- 席位标签库。给龙虎榜上的游资席位打行为标签，区分不同资金的操作风格与惯常打法。
- 次日上涨概率模型。基于龙虎榜真实数据做 Logistic 回归，输出次日溢价概率。
- 日内收益模拟。用蒙特卡洛方法给出预期收益区间，作为概率之外的补充视角。
- 情绪周期定位。按”冰点—修复—发酵—高潮—退潮”五阶段判断当前市场情绪所处位置。
- 行为金融解释。用 BSV 动量反转、DHS 过度自信修正等模型解释游资行为，把结果落到机制层面而不是只给结论。
- 报告输出。产出《龙虎榜次日溢价透视报告》，格式为 JSON + Markdown，便于程序消费或人工阅读。
官方简介另外描述了两条能力，属于”实时检索”层面：调用 DeepSeek-V4-Flash 的深度推理与联网检索能力，实时抓取交易所龙虎榜、盘口异动与财经新闻情绪，并生成短线交易计划。它还把国内游资实战框架（赵老哥、炒股养家心法的量化版）和券商研报（中信建投《游资行为与市场微观结构》、国泰君安《龙虎榜因子有效性研究》）作为逻辑依据写入分析流程。
输入与输出¶
输入侧：个股代码或名称、目标日期（可选）、你关注的维度（次日溢价、席位、情绪周期）。触发词包括 龙虎榜、游资席位、次日溢价、打板、情绪周期、龙虎榜透视、游资行为。
输出侧：JSON + Markdown 双格式报告，含次日溢价概率、预期收益区间、买卖点信号、席位标签与情绪周期阶段。
一个明确的约束来自官方说明：所有预测数值均来自真实数据计算，数据不足时明确标注”数据缺失”，而不是编造。这一点在自动化流程里比较关键，下游可以直接检测该字段并做降级处理。
安装与启用¶
SkillHub 页面抓取到的正文为空（请求只返回了站点标题），因此官方安装命令、Skill 目录路径和配置字段都无法核实，这里不写猜测的路径或命令，请以官方页面为准。
可以确认的是：该技能基于通用 SKILL.md 格式，平台标注 requires_api_key=false，即不需要额外申请 API Key 即可使用。启用方式是把它作为 Skill 注册到你的 Agent 配置中，使用官方给出的坐标 @user_cb663282/dragon-tiger-lab 引用。
Cursor、Codex CLI、Claude Code 三类环境在该技能页面上没有提供差异化说明，因此本文不分别编造各自的配置方式。
坐标引用: @user_cb663282/dragon-tiger-lab
版本: 1.0.0
分类: professional（专业类）
典型用法¶
下面是一个基于官方触发词的最小复现示例。因为是通用 SKILL.md 格式，具体调用形式取决于你挂载该 Skill 的 Agent 环境；命令与参数请以官方页面为准。
用户请求: 透视 000001 今天的龙虎榜，看游资席位和次日溢价
触发词: 龙虎榜、龙虎榜透视、游资席位、次日溢价、情绪周期
预期输出: 《龙虎榜次日溢价透视报告》(JSON + Markdown)
一次完整的分析会依次经过：抓取龙虎榜与盘口数据 → 匹配席位标签 → 定位情绪周期阶段 → 跑 Logistic 概率模型与蒙特卡洛模拟 → 生成 JSON + Markdown 报告。如果某个环节数据不足，报告里对应字段标注”数据缺失”。
需要程序消费时，优先读 JSON 部分；需要人看结论时，读 Markdown 部分。两者内容一致，不必重复计算。
适用场景¶
适合这几类需求：
- 需要在盘中或盘后快速给出个股次日溢价判断，且希望判断过程可复现。
- 需要把龙虎榜席位数据批量加工成结构化标签，供下游策略或预警使用。
- 做游资行为研究，需要同时看到概率结果和背后的行为金融解释。
- 在 Agent 工作流里作为”数据 → 分析 → 报告”的一环，输出 JSON 供下游消费。
注意事项¶
- 数据与方法边界。官方明确声明数值来自真实数据计算、数据不足时标注”数据缺失”，因此不要把它当成无监督的预测黑箱；报告里的每个数值都应能回溯到当日龙虎榜原始记录。
- 模型能力有限。Logistic 回归给出的是条件概率，蒙特卡洛模拟给出的是区间分布，两者都不构成收益保证。次日溢价受大盘环境、板块轮动和消息面共同影响，单一模型的解释力有限。
- 实时检索依赖外部能力。官方简介提到通过 DeepSeek-V4-Flash 联网抓取交易所龙虎榜、盘口异动与新闻情绪，实际效果取决于检索通道的可达性；网络受限时，这部分能力会退化为基于已有数据的分析。
- 来源冲突提示。页面快照显示评分 100000、下载 2439、安装 0；任务资料写作评分 99916、下载 2393。两处不一致，本文不引用具体分值，只按量级判断该技能在社区内属于已发布且有人下载的状态，安装量以页面显示的 0 为准，不代表实际使用规模。
- 版本与维护。当前版本 1.0.0，发布者 user_cb663282，来源 community。社区来源意味着更新节奏和长期维护需要你自己评估，生产环境使用前建议先小范围验证报告质量。
- 合规提示。文中提到的买卖点信号属于短线分析工具，不构成投资建议。
小结¶
这个技能的价值在于把龙虎榜数据、席位画像、情绪周期和行为金融模型串成一条固定流程，输出结构化的次日溢价报告（JSON + Markdown），并坚持在数据不足时标注”数据缺失”而不是补值。对需要可复现短线分析的开发者来说，它是值得一试的分析层组件；但它的概率与收益区间只是决策输入，不能替代你自己的风险控制。
官方地址：https://api.skillhub.cn/user_cb663282/dragon-tiger-lab
SkillHub 页面：https://www.skillhub.cn/skills/user_cb663282/dragon-tiger-lab
