学习切入点
数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
01
工作流分析
- 来源与路径：来自
community-himself65-finance-skills，上游路径plugins/data-providers/skills/funda-data/SKILL.md，本地路径12-financial-ai-skills/upstream-snapshots/community-himself65-finance-skills/plugins/data-providers/skills/funda-data/SKILL.md。 - 原始定位：官方/上游描述：Query Funda AI financial data via two surfaces: the MCP server at https://funda.ai/api/mcp ↗ for analyst-grade research synthesis (DCF, comps, earnings previews/recaps, sector deep-dives, SEC filings, transcripts, supply-chain mapping, ownership flow, macro framing) via the agent_chat tool — OR the REST API at https://api.funda.ai/v1 ↗ with FUNDA_API_KEY for raw data (real-time quotes, intraday candles, EOD prices, financial statements, options chains/greeks/GEX, supply-chain KG, social sentiment, news, calendars, FRED, ESG, congressional trades, AI hiring signals). Triggers: "funda", "funda.ai", real-time quote, stock price, intraday, balance sheet, income statement, options chain, DCF, comps, earnings preview/recap, analyst estimates, 10-K/10-Q/8-K, transcript, ownership flow, gamma exposure, supply chain, sector deep-dive, congressional trades, FRED. Prefer MCP for synthesis/analysis questions; use REST for raw structured data the MCP declines.
- 金融业务理解：数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
- AI 工作流价值：它补充了金融 agent 从“会写”到“能查、能算、能画、能跟踪”的能力。对学习者而言，重点是理解它依赖哪些外部工具、数据字段、模型假设和运行环境。
- 可迁移应用方向：可用于本项目的 06 数据工程模块，设计“金融数据源目录、字段含义、刷新频率、权限和质量检查”模板。
- 风险与治理边界：治理重点是数据授权、API key 管理和字段解释。任何付费/授权数据都不能随意公开入库，密钥必须放 Secrets。
↗
01 Skill 上游文件https://github.com/himself65/finance-skills/blob/294dc86f2ca2/plugins/data-providers/skills/funda-data/SKILL.mdFSK-075 · 查看仓库原文12-financial-ai-skills/community-finance-ai-skills-analysis-02.md原始来源与整理依据
文字分析来自内容源；业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径，未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。