llmquant-crypto — скилл для Claude Code: что делает и как установить
Скилл маршрутизирует задачи по криптовалютному рынку: отслеживает фандинг бессрочных фьючерсов, анализирует токеномику и определяет текущий режим рынка.
npx skills add LLMQuant/skills --skill llmquant-crypto -a claude-codeЧто делает llmquant-crypto
Скилл работает как диспетчер сценариев LLMQuant для криптоаналитики. Он разбирает входящий запрос, фиксирует актив, сеть, площадку и временной горизонт, после чего направляет агента в один из трёх файлов: workflows/crypto-market-regime.md, workflows/crypto-token-research.md или workflows/crypto-perp-funding-monitor.md.
Для расчётов инструмент опирается на источник LLMQuant Data. Через него запрашиваются спотовые цены, история OHLCV, открытый интерес, ставки финансирования, базис, разлоки токенов, TVL и показатели макрорынка. В отчётах агент обязан фиксировать временные метки, охват площадок и окна наблюдений.
Здесь действует строгое ограничение: агенту запрещено додумывать из памяти текущий фандинг, ликвидность или метрики TVL. Если данных по сети или конкретной бирже нет, скилл требует явно указать недостающий параметр и продолжать расчёт только по доступным спотовым или макроэкономическим вводным.
Какие задачи решает
- отслеживать ставки финансирования и базис бессрочных фьючерсов
- готовить отчёты по токеномике, разлокам и рискам протоколов
- определять рыночный режим криптоактивов с учётом ликвидности и макрофакторов
- выявлять перегрузку рынка кредитным плечом и открытый интерес
Примеры запросов агенту
- Сделай отчёт по ставке финансирования и открытому интересу для бессрочных фьючерсов BTC и ETH
- Разбери токеномику, график разлоков и TVL протокола в виде ресерч-заметки
- Определи текущий рыночный режим для Solana с учётом ликвидности и макроконтекста
Как установить llmquant-crypto
1Через Skills CLI (Vercel)
npx skills add LLMQuant/skills --skill llmquant-crypto -a claude-code2Вручную: положить файлы
~/.claude/skills/llmquant-crypto/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/llmquant-crypto/
1Через Skills CLI (Vercel)
npx skills add LLMQuant/skills --skill llmquant-crypto -a codex2Вручную: положить файлы
.agents/skills/llmquant-crypto/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add LLMQuant/skills --skill llmquant-crypto -a cursor2Вручную: положить файлы
.cursor/skills/llmquant-crypto/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install LLMQuant/skills llmquant-crypto2Вручную: положить файлы
.github/skills/llmquant-crypto/SKILL.md1Через Skills CLI (Vercel)
npx skills add LLMQuant/skills --skill llmquant-crypto -a gemini-cli2Командой платформы
gemini skills install https://github.com/LLMQuant/skills --path skills/llmquant-cryptoВручную: положить файлы
.devin/skills/llmquant-crypto/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add LLMQuant/skills --skill llmquant-crypto -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Из того же набора14
Похожие
Рядом в теме «Финансы и бизнес»
Всё по теме «Финансы и бизнес» →Вопросы о llmquant-crypto
Как установить llmquant-crypto в Claude Code?
Выполните команду npx skills add LLMQuant/skills --skill llmquant-crypto -a claude-code. Файл сценария сохранится по пути ~/.claude/skills/llmquant-crypto/SKILL.md.
Что делает скилл llmquant-crypto?
Он выбирает подходящий воркфлоу для криптоаналитики: оценку рыночного режима, аудит токеномики конкретного протокола или мониторинг фандинга и левереджа.
Что происходит, если данные по фандингу или ончейн-метрикам недоступны?
Скилл запрещает выдумывать показатели из памяти. Агент обязан отметить отсутствующие вводные и работать только с подтверждёнными ценами, макроданными или фактами от пользователя.
Исходный текст
SKILL.md · MIT
--- name: llmquant-crypto description: Router skill for LLMQuant crypto workflows. Use when the user needs crypto market regime analysis, token research, perpetual funding, basis, leverage, liquidity, or cross-asset crypto context. input_data_source: LLMQuant Data category: crypto --- # LLMQuant Crypto This category routes crypto research and trading-context workflows. It covers market regime, token-level diligence, and perpetual funding or basis monitoring. ## Routing Rules 1. Identify the asset, chain, venue, horizon, benchmark, and requested decision. 2. Select the closest workflow below. 3. Open only that workflow and any referenced local resources. 4. Use LLMQuant Data for crypto prices, liquidity, funding, open interest, on-chain context, macro, ETF, and risk inputs. 5. Report timestamps, venue coverage, observation windows, stale notices, and unavailable future inputs. ## Workflow Index | User intent | Workflow | |---|---| | Diagnose the crypto market regime across BTC, ETH, majors, liquidity, leverage, and macro. | [`workflows/crypto-market-regime.md`](workflows/crypto-market-regime.md) | | Build a token or protocol research memo with tokenomics, usage, valuation, and risk evidence. | [`workflows/crypto-token-research.md`](workflows/crypto-token-research.md) | | Monitor perpetual funding, basis, open interest, and leverage crowding. | [`workflows/crypto-perp-funding-monitor.md`](workflows/crypto-perp-funding-monitor.md) | ## LLMQuant Data Contract Prefer LLMQuant Data when available. The workflows may need these data capabilities: - Retrieve crypto spot prices, OHLCV history, realized volatility, drawdowns, correlations, and liquidity. - Retrieve perpetual funding, basis, open interest, liquidations, exchange flows, and venue-level timestamps. - Retrieve token supply, unlock schedules, protocol usage, revenue, TVL, holder concentration, governance, and security-risk context. - Retrieve macro, rates, liquidity, ETF, and equity-market inputs that affect crypto risk appetite. Fallback: - If on-chain, funding, or venue-level data is unavailable, name the missing input and continue only with available price, macro, or user-provided evidence. - Do not infer live funding, liquidity, TVL, or holder behavior from memory.
© LLMQuant · MIT · LLMQuant/skills