TradingAgents OpenClaw Skill — Development skill for Claude Code

TradingAgents OpenClaw Skill

一个**三引擎**的股票分析 Skill：装了就能跑，没 LLM key 也能用，CI 友好。

把 [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents)（多 LLM agent 辩论交易决策框架）包装成统一接口。v2 加了两件**别处没有**的事：

1. 本地技术信号引擎（signals.py）—— 不调 LLM、不需要 API key、就靠 yfinance + numpy 给可解释的交易信号。
2. 三档 engine（auto / llm / signals / mock）—— 装了 TradingAgents 用 LLM，没装自动降级到 signals，CI 用 mock。

快速开始

pip install -r requirements.txt

1) 不需要 API key 的"立刻能跑"

from __init__ import TradingAgentsSkill

skill = TradingAgentsSkill(engine="signals")   # 强制用本地信号引擎
result = skill.analyze_stock("NVDA")
print(result["action"], result["confidence"])
print(result["reasoning"])

或者 CLI：

python __init__.py NVDA --engine signals

2) 需要 LLM 时启用 TradingAgents

pip install tradingagents
export OPENAI_API_KEY=sk-...
python __init__.py NVDA --engine llm

**注**：`tradingagents` 在 PyPI 上的版本 / 包名以官方仓库为准。如果是 dev 版本本地 clone 的，也可以：

export TRADING_AGENTS_HOME=/path/to/TradingAgents-Official

Skill 会自动加到 sys.path。

3) CI / 演示用 mock

result = TradingAgentsSkill(engine="mock").analyze_stock("AAPL")
# 返回 stub decision，不联网、不调 LLM

输出统一 schema

不管哪个 engine，都返回相同结构：

{
  "ticker": "NVDA",
  "date": "2024-05-10",
  "action": "BUY" | "SELL" | "HOLD" | "ERROR",
  "confidence": 0.78,
  "reasoning": "...",
  "risk_level": "LOW" | "MEDIUM" | "HIGH",
  "target_price": 1234.5,
  "stop_loss": 1100.0,
  "engine": "llm" | "signals-v2" | "mock",
  "analysis_details": { ... }
}

UI / 上层调用方一套代码就能消费三种 engine。

signals.py 在做什么

指标	用法
RSI(14) Wilder	超买/超卖
MACD(12,26,9)	金叉/死叉
Bollinger(20, 2σ)	短期超买/超卖
MA stack(20/50/200)	多头/空头排列
OBV 5d slope	资金净流入/出
ATR(14)	动态止损（默认 2×ATR）

每个指标都附带 `bullish / bearish / neutral` 判断和文字 rationale，加权投票得最终 action + 置信度。结果可以直接喂给 LLM 做"上下文摘要"——所以即使你之后接上 TradingAgents，这套数据也不会浪费。

文件清单

.
├─ __init__.py            # TradingAg