AlphaEar Sentiment
Ocenia sentyment tekstu finansowego jako pozytywny, negatywny albo neutralny za pomocą FinBERT.
Działa po konfiguracji
Co robi ten skill
Analizuj sentyment tekstu finansowego za pomocą FinBERT albo LLM. Użyj, gdy użytkownik chce określić sentyment (pozytywny/negatywny/neutralny) i wynik dla tekstów z rynków finansowych.
Raport z testu
Przetestowano dosłowną instalację przez git clone (czysto; frontmatter poprawny w strict YAML, wszystkie odwołane skrypty obecne) oraz A/B klasyfikacji sentymentu finansowego na 5 nagłówkach. Ścieżka FinBERT w skillu wymaga torch/transformers i pobieralnego modelu (ciężkie, ale bez płatnego API), natomiast jej tryb LLM/agentowy jest sterowany przez agenta zgodnie z SKILL.md i działa bez zewnętrznych zależności; dodatkowe pomocniki zapisu do bazy danych wymagają zainicjalizowanego sqlite DatabaseManager. A/B pokazało, że agentowa klasyfikacja skilla i bezpośrednia klasyfikacja bazowa (bez skilla) dały praktycznie identyczne, poprawne etykiety i wyniki, więc skill dodaje strukturę/przewodnik po punktacji, ale nie podnosi trafności na tekście inline. Wynik jest artefaktem klasyfikacji sentymentu, a NIE poradą inwestycyjną.
Testowano: 2026-07-13 · Claude Code 2.x (agent harness)
Instalacja
git clone https://github.com/RKiding/Awesome-finance-skills cd Awesome-finance-skills mkdir -p ~/.claude/skills cp -r skills/alphaear-sentiment ~/.claude/skills/alphaear-sentiment
Komendy i przykładowe prompty
/alphaear-sentimentOcenia sentyment tekstu finansowego jako pozytywny, negatywny albo neutralny za pomocą FinBERT.
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Score the sentiment of this earnings call transcriptAnalyze sentiment in these finance news headlinesClassify this market commentary as bullish or bearish