La investigación de mercados suele requerir muchas herramientas y comprobaciones separadas. Longbridge Intel ofrece a Claude, Codex y Claude Code flujos de trabajo estructurados para el análisis de mercados de Longbridge.

Los inversores necesitan un contexto financiero claro en estados financieros, valoración, dividendos y comparables. Esta skill guía a Claude, Codex y Claude Code a través de flujos de trabajo de datos de Longbridge para un análisis estructurado.

Las revisiones de resultados llevan tiempo porque los datos están dispersos entre informes regulatorios, estimaciones, noticias y transcripciones. Esta skill recopila datos de Longbridge y los convierte en avances, resúmenes e informes en Markdown.

El análisis de opciones y warrants requiere datos de contratos, griegas, volatilidad y contexto de liquidez. Esta skill guía a Claude, Codex y Claude Code a través de flujos de trabajo de Longbridge para obtener resúmenes claros de derivados.

Los inversores necesitan contexto de mercado actualizado sin mezclar noticias, presentaciones y discusiones en un único feed sin procesar. Este skill utiliza fuentes de Longbridge para clasificar eventos, resumir presentaciones ante la SEC y responder preguntas básicas sobre reglas de mercado.

La investigación de mercado necesita datos en vivo, contexto de cuenta y orientación clara sobre API. Esta skill organiza flujos de trabajo de Longbridge CLI, SDK, MCP y documentación para asistentes de IA.

El trabajo de traducción suele fallar cuando las cadenas de origen, los términos del glosario y los archivos de destino se desincronizan. Esta skill ayuda a Claude, Codex y Claude Code a actualizar cadenas de origen y a usar los flujos de trabajo de Localhero.ai de forma coherente.

Los fallos de entrenamiento pueden llevar a los agentes a aplicar parches riesgosos antes de que la causa raíz esté clara. Esta skill guía un diagnóstico conservador, la planificación de puntos de guardado y correcciones basadas en aprobación.

Las ejecuciones de entrenamiento a menudo pierden el contexto de comandos, logs y checkpoints. Esta skill ejecuta un comando seleccionado y registra evidencia acotada en train_outputs.

El trabajo de reproducción de IA a menudo se estanca cuando los comandos y los puntos de entrada no están claros. Esta habilidad analiza la evidencia del repositorio y devuelve un plan de reproducción conservador.

La reproducción de repositorios de IA a menudo se bloquea cuando los archivos README omiten un detalle crítico del artículo. Esta skill acota la pregunta, verifica fuentes primarias del artículo y registra conflictos sin reemplazar la guía del README.

El trabajo de reproducción necesita evidencia clara de un comando seleccionado. Esta skill ejecuta un comando breve documentado y escribe archivos de salida estandarizados.

Los equipos de investigación necesitan ejecuciones exploratorias que no contaminen las líneas base de confianza. Esta skill planifica barridos acotados de variantes, clasifica candidatos y presenta los resultados como evidencia limitada.

Los cambios de investigación exploratoria pueden desviarse de las líneas base y volverse difíciles de comparar. Esta skill guía adaptaciones de código aisladas y registra evidencia consciente de la reversión en explore_outputs.

Los repositorios de investigación a menudo necesitan una configuración cuidadosa del entorno y de los recursos antes de las ejecuciones. Esta habilidad crea planes conservadores con prioridad en conda, supuestos de caché y notas de configuración.

Los repositorios de aprendizaje profundo son difíciles de entender antes de realizar cambios. Esta habilidad mapea puntos de entrada, configuraciones, rutas de evaluación y riesgos de revisión sin modificar el código.

La reproducción de investigaciones suele fallar cuando los agentes omiten evidencia, ejecutan comandos amplios o alteran el protocolo. Esta skill guía a Claude, Codex y Claude Code a través de una reproducción basada primero en el README con resultados auditables.

Los equipos de investigación necesitan formas disciplinadas de probar ideas candidatas sin exagerar los resultados. Esta habilidad estructura la búsqueda de fuentes, la clasificación de ideas, las ejecuciones acotadas y los resultados auditables.

CTF OSINT clues often span disconnected public sources and media artifacts. This skill organizes practical methods for authorized identity, geolocation, archive, DNS, and web research.

Apple Bazel builds usually require local Xcode and compatible Mac hardware. This skill guides remote builds, simulator installation, uploads, verification, and troubleshooting through Limrun.