Lar

Skill

Produtividade e fluxo de trabalho

ito-data-atlas-agent

affaan-m/ECC

Crie agentes de design que monitorem fontes de dados, criem cestas de opções para o mercado de previsões, elaborem propostas de alterações nos parâmetros e encaminhem os resultados a um ser humano para análise.

...Expandir tudo

Tempo atualizado 12 de Outubro de 2026

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

Agente Itô Data Atlas

Use esta habilidade para projetar um agente que monitore fontes de dados, crie cestas de mercado de previsão candidatas, elabore alterações de parâmetros e encaminhe o resultado a um ser humano para revisão.

Esta habilidade descreve a arquitetura e o fluxo de trabalho. Ela não executa negociações em tempo real.

Medidas de segurança

Mantenha toda a execução sujeita à aprovação humana explícita.
Exija a ITO_API_KEY apenas para acesso de leitura aos dados do Itô, a menos que uma implementação privada separada adicione explicitamente controles de execução.
Não armazene dados privados do usuário, a menos que o repositório de destino já tenha um contrato de armazenamento e o usuário solicite isso.
Não exponha a lógica privada da estratégia, credenciais de plataformas de negociação ou caminhos locais em documentos públicos.

Padrão de arquitetura

Utilize quatro canais:

Coletor de pesquisa: web pública, X, GitHub, documentos de plataformas, metadados de API e pontos de extremidade de leitura do Itô quando houver acesso restrito.
Elaborador de cesta: transforma fontes em ativos subjacentes candidatos, ponderações, regras e perguntas.
Revisor de risco: verifica a atualidade dos dados, limites da plataforma, ambiguidade de resolução, notas de conformidade e exposição à injeção de prompts.
Editor humano: abre um chat ou tela da interface do usuário onde o usuário pode aprovar, rejeitar, ajustar ou solicitar mais pesquisa.

Fluxo de trabalho

Defina o objetivo do usuário e as ações excluídas.
Liste as fontes de dados e os requisitos de acesso.
Elabore uma especificação da cesta com proveniência para cada ativo subjacente.
Produza parâmetros editáveis em vez de ordens executáveis.
Armazene uma trilha de auditoria: entradas, resultados do modelo, fontes e decisão humana.

Cadeias de habilidades úteis

pesquisa aprofundada para coleta de fontes.
x-api para sinais sociais/de eventos atuais.
ito-market-intelligence para contexto do local e do ativo subjacente.
ito-basket-compare para correspondência com a base de conhecimento do usuário.
Análise de risco do mercado de previsão antes de qualquer integração capaz de execução.

Contrato de Saída

Retorne uma especificação de fluxo de trabalho pronta para implementação com:

fontes de dados
portas de acesso
funções dos agentes
pontos de aprovação humana
limites de armazenamento/auditoria
não-objetivos

Ver no GitHub

---
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