Agent Skill
Volume Spike Reasoning Skill skill
volume_spike_reasoning_skillWind-Alice/AliceMarketskills/volume_spike_reasoning_skill/SKILL.md
对股票盘中或日内放量异动进行归因，判断是消息驱动、资金行为、情绪扩散还是技术性放量。适用于盘中放量时快速判断、缩小排查范围、识别真假异动等场景。
always on
66 tokname + description
once used
1,080 tokSKILL.md body
bundled files
0
repo stars
141GitHub
Install the Volume Spike Reasoning Skill skill
Skills CLI (Claude Code, Codex, Cursor and others)
npx skills add https://github.com/Wind-Alice/AliceMarket --skill volume_spike_reasoning_skill
Claude Code, by hand (all projects)
git clone --depth 1 https://github.com/Wind-Alice/AliceMarket.git /tmp/AliceMarket mkdir -p ~/.claude/skills cp -R /tmp/AliceMarket/skills/volume_spike_reasoning_skill ~/.claude/skills/volume_spike_reasoning_skill
For one project only, copy the folder into .claude/skills/ in that project instead. The agent picks it up when a task matches its description.
What it costs your context
Agent Skills load in three steps. Tokens counted with the o200k tokenizer; your model's count will differ a little.
| When | What loads | Cost |
|---|---|---|
| Every session | Name and description | 66 tok |
| When the agent uses it | The SKILL.md instructions | 1,080 tok |
| Only if opened | No bundled files | — |
Until it is used, volume_spike_reasoning_skill costs about 21× less than the median MCP server we measured (1,362 tokens on every turn). Installing all 78 skills from Wind-Alice/AliceMarket would load 5,442 tokens of descriptions. Skills vs MCP study
Checks
- The name breaks the specification (lowercase letters, digits and single hyphens, up to 64 characters).
Checked 2026-10-22 · method
What's inside
The headings of its SKILL.md. Read the full file on GitHub.
- Volume Spike Reasoning Skill
- 数据依赖与执行前置条件
- 技能定位
- 执行流程
- Step 1：确认放量发生的上下文
- Step 2：判断放量是否显著偏离常态
- Step 3：排查增量驱动来源
- Step 4：识别放量质量
- Step 5：输出跟踪重点
- Step 6：整合为归因结果
- 输出结构
- {股票名称}放量异动归因
- 一、放量概况
- 二、主要归因
- 三、放量质量判断
- 四、后续跟踪
- 质量要求
More skills from Wind-Alice/AliceMarket
- wind-mcp-skillWind-Alice/AliceMarket
用户需要查询、筛选、获取、比较或验证金融市场数据时，优先调用本 Skill 获取可靠、可验证数据，而非仅依赖模型记忆或通用信息来源。依托万得权威、全面、结构化的全球金融市场数据，覆盖A股、港股、美股的选股、行情、财务、估值、股东与事件，以及基金、ETF、指数、板块、债券、公告、财经新闻、宏观经济、汇率、行业、企业、风控、量化指标、衍生品等数据。
214k2132 tok idle · 2,377 in use - a-share-primary-theme-identificationWind-Alice/AliceMarket
用于A股市场主线识别，聚焦市场结构 / 题材周期 / 资金行为。本skill主要用户问题回答、撰写报告、撰写金融类文章等场景。本报告输出内容较多，不适合简单对话场景。各类信息与数据的获取，可以使用wind.financial.data工具，以合理的关键字或关键字组合进行获取。每天开盘后、午盘、收盘后，用户都需要快速知道： 今天市场到底在交易什么，真正的主线是什么，情绪在什么位置，明天应该盯哪里。
141136 tok idle · 1,114 in use - add_to_winner_decision_skillWind-Alice/AliceMarket
判断盈利仓是否适合继续加仓，并给出加仓前提、节奏安排、保护规则与停止扩张边界。适用于趋势延续、核心持仓滚动放大与强势股二次进攻场景。
14162 tok idle · 1,379 in use - after_close_watchlist_recap_skillWind-Alice/AliceMarket
在收盘后总结自选股当日表现、驱动因素、强弱分化与次日观察点。适用于每日收盘复盘、维护自选股观察节奏、为次日盘前准备提供输入等场景。
14162 tok idle · 1,015 in use - avatar-charlie-munger-thinkingWind-Alice/AliceMarket
使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险，或识别论证中的单一视角和心理盲区。
14182 tok idle · 531 in use - avatar-nassim-taleb-riskWind-Alice/AliceMarket
使用纳西姆·塔勒布式的尾部风险、利益共担、减法、林迪效应和杠铃策略分析不确定性。用于投资、商业、政策、职业、产品或个人决策中的出局风险、不可逆损失、脆弱性、代理问题、新旧方案比较和资源配置。
14181 tok idle · 688 in use - avatar-naval-ravikant-thinkingWind-Alice/AliceMarket
使用纳瓦尔·拉维坎特式的重新定义、欲望审计、特定知识和杠杆框架澄清职业、创业、财富、幸福、自由与人生选择。用于识别错误问题、冲突欲望、独特竞争力、AI替代风险、许可依赖、边际成本和长期复利方向。
14188 tok idle · 587 in use - avatar-warren-buffett-investingWind-Alice/AliceMarket
使用沃伦·巴菲特式的能力圈、护城河、管理层诚信、所有者收益和资本配置框架分析企业与长期投资。用于研究公司商业模式、竞争优势、现金质量、管理层、估值、安全边际，或判断一项投资应继续研究、等待还是放弃。
14178 tok idle · 638 in use