Heim

Skill

Produktivität und Workflow

ito-data-atlas-agent

affaan-m/ECC

Entwickeln Sie Agenten, die Datenquellen überwachen, mögliche Prognosemarkt-Körbe zusammenstellen, Parameteränderungen entwerfen und die Ergebnisse einem Menschen zur Überprüfung übergeben.

...Alle erweitern

Zeit aktualisiert 12. Oktober 2026

# Agent Architecture # audit trail # prediction markets # basket drafting # data sources # human approval # risk review

Itô Data Atlas Agent

Verwenden Sie diese Funktion, um einen Agenten zu entwerfen, der Datenquellen überwacht, Kandidaten für Prognosemarkt-Körbe zusammenstellt, Parameteränderungen entwirft und das Ergebnis einem Menschen zur Überprüfung übergibt.

Diese Funktion beschreibt die Architektur und den Arbeitsablauf. Sie führt keinen Live-Handel durch.

Sicherheitsvorkehrungen

Alle Ausführungen müssen ausdrücklich von einem Menschen genehmigt werden.
Verlangen Sie den ITO_API_KEY nur für den schreibgeschützten Zugriff auf Itô-Daten, es sei denn, eine separate private Implementierung fügt explizit Ausführungssteuerungen hinzu.
Speichern Sie keine privaten Benutzerdaten, es sei denn, das Ziel-Repo verfügt bereits über einen Speichervertrag und der Benutzer fordert dies an.
Geben Sie keine private Strategielogik, Zugangsdaten für Handelsplätze oder lokale Pfade in öffentlichen Dokumenten preis.

Architekturmuster

Verwenden Sie vier Kanäle:

Recherche-Sammler: öffentliches Web, X, GitHub, Handelsplatz-Dokumentation, API-Metadaten und Itô-Lese-Endpunkte, sofern ein eingeschränkter Zugriff besteht.
Korb-Entwerfer: wandelt Quellen in potenzielle Basiswerte, Gewichtungen, Regeln und Fragen um.
Risikoprüfer: Überprüft die Aktualität der Daten, Handelsplatzbeschränkungen, Mehrdeutigkeiten bei der Auflösung, Compliance-Hinweise und das Risiko durch Prompt-Injection.
Menschlicher Redakteur: Öffnet einen Chat oder einen UI-Zustand, in dem der Nutzer genehmigen, ablehnen, anpassen oder weitere Recherchen anfordern kann.

Workflow

Definieren Sie das Benutzerziel und ausgeschlossene Aktionen.
Listen Sie Datenquellen und Zugriffsanforderungen auf.
Entwerfen Sie eine Basket-Spezifikation mit Herkunftsangaben für jeden Basiswert.
Erstellen Sie bearbeitbare Parameter anstelle von ausführbaren Aufträgen.
Speichern Sie einen Prüfpfad: Eingaben, Modellergebnisse, Quellen und menschliche Entscheidungen.

Nützliche Kompetenzketten

Deep-Research zur Quellensammlung.
x-api für aktuelle Social-Media-/Ereignissignale.
ito-market-intelligence für den Kontext von Handelsplätzen und Basiswerten.
ito-basket-compare zum Abgleich mit der Wissensdatenbank der Nutzer.
„prediction-market-risk-review“ vor jeder ausführungsfähigen Integration.

Ausgabevertrag

Gibt eine implementierungsfertige Workflow-Spezifikation zurück mit:

Datenquellen
Zugriffsschleusen
Agentenrollen
manuelle Genehmigungsschritte
Speicher-/Audit-Grenze
Nicht-Ziele

Auf GitHub ansehen

---
name: ito-data-atlas-agent
description: Design agents that watch data sources, build candidate prediction-market baskets, draft parameter changes, and hand results to a human for review.
---

# Itô Data Atlas Agent

Use this skill to design an agent that watches data sources, builds candidate
prediction-market baskets, drafts parameter changes, and hands the result to a
human for review.

This skill describes architecture and workflow. It does not run live trading.

## Guardrails

- Keep all execution behind explicit human approval.
- Require `ITO_API_KEY` only for read-only Itô data access unless a separate
  private implementation explicitly adds execution controls.
- Do not persist private user data unless the target repo already has a storage
  contract and the user asks for it.
- Do not expose private strategy logic, venue credentials, or local paths in
  public docs.

## Architecture Pattern

Use four lanes:

1. Research collector: public web, X, GitHub, venue docs, API metadata, and
   Itô read endpoints when gated access exists.
2. Basket drafter: turns sources into candidate underliers, weights, rules, and
   questions.
3. Risk reviewer: checks data freshness, venue limits, resolution ambiguity,
   compliance notes, and prompt-injection exposure.
4. Human editor: opens a chat or UI state where the user can approve, reject,
   adjust, or ask for more research.

## Workflow

1. Define the user objective and excluded actions.
2. List data sources and access requirements.
3. Draft a basket spec with provenance for every underlier.
4. Produce editable parameters rather than executable orders.
5. Store an audit trail: inputs, model output, sources, and human decision.

## Useful Skill Chains

- `deep-research` for source collection.
- `x-api` for current social/event signal.
- `ito-market-intelligence` for venue and underlier context.
- `ito-basket-compare` for user knowledge-base matching.
- `prediction-market-risk-review` before any execution-capable integration.

## Output Contract

Return an implementation-ready workflow spec with:

- data sources
- access gates
- agent roles
- human approval points
- storage/audit boundary
- non-goals