Price Action Analysis logo

Price Action Analysis

Community
CheshireMew
price-action-analysis

基于 Al Brooks/阿布价格行为学,把用户提供的 K 线截图或 OHLC 数据做成专业价格行为训练标注图:先逐根分段,判断市场周期、Always In、通道/区间/突破/反转,再标出推数、信号 K、入场 K、跟进 K、测量目标、复盘证据和下一步交易计划。Use when the user provides a candlestick chart screenshot or OHLC data and asks to mark up the chart, learn from price action, review a trade, identify market cycle/Always In/breakouts/channels/ranges/reversals, or build a chart-based trade plan; excludes pure fundamental analysis, news-only forecasts, automated strategy coding, and investment recommendations without chart context.

Overview

PublisherCheshireMew
RepositoryPrice-action-analysis
Skill nameprice-action-analysis
Stars
74
Forks
17
Bundled files
8
LicenseMPL-2.0
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 8 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by CheshireMew on GitHub. Read the source before you install it.

Installation

Install the Price Action Analysis AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
    https://github.com/CheshireMew/Price-action-analysis/tree/main
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/CheshireMew/Price-action-analysis.git \
  .claude/skills/price-action-analysis
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Price Action Analysis in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Price Action Analysis on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Price Action Analysis is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

价格行为分析

核心原则

这个 skill 的主产物是一张专业价格行为训练标注图,而不是单纯文字解读。用户给出 K 线图时,必须尽量在原图上叠加价格行为标注,并附上从图表证据推导出来的交易计划。

默认产物按“训练图”标准做,不按“快速看盘提示图”标准做。除非用户明确只要简洁计划,否则图上必须能看出市场周期如何切换、持续方向如何改变、关键 K 线为什么改变交易计划,以及下一步等待哪类信号 K、入场 K 和跟进 K。

标注阶段默认采用克制模式。先判断这张图最需要教会用户什么,再按重要性只保留少量标注。优先使用区间框、通道边界线、关键水平线、虚线、简短说明和右侧计划面板;默认不使用指向线、编号或圈号。只有用户明确要求逐根编号,或原图本来就有 bar count/编号时,才在图上新增编号;图面看不清时,删除低优先级标注,把解释移到正文。

克制只约束图面密度,不约束正文解释深度。触发条件:图上删除了低优先级文字、只保留少量对象、或用户要求学习/训练/详细解释。先保留图面清楚,再在正文补齐每个上图对象的完整解释。通过标准:正文能逐项说明每个框、线、通道、失败突破和当前计划分别解释哪段走势、证据是什么、交易动作怎么变。失败处理:如果正文也无法讲清这个对象,就从图上删除;如果对象重要但图面放不下,就保留框线,把解释移到正文。

图上每一个标注都必须先绑定到一个明确对象。对象可以是一个区间框、一组通道边界、一条水平线、一次失败突破、一段当前回调或最后决策区域。写文字前先说清:这个文字解释哪一个对象、对象边界在哪里、它提供什么价格行为证据、观众要学到什么动作。说不清就不能把文字框放到图上。

标注对象不是凭空挑出来的,必须先来自“走势分段草稿”。先从左到右把图切成 5-7 段,给每段写清角色:强趋势、横盘、突破、突破失败、回调通道、反弹、当前小区间。再判断每段是谁控制市场、控制权在哪里改变、这一段是否会改变交易动作。只有状态切换、控制权切换、关键边界和当前决策段,才进入图上标注。

用户圈出、框出、箭头指出、截图裁剪放大,或在文字里点名某一段走势时,先把该区域作为候选一级对象处理。处理顺序:先定位这个区域的起点、终点和上下边界;再判断它是状态切换段、控制权切换段、当前决策段、还是只说明背景;再决定上图或放正文。通过标准:最终输出必须明确解释这段走势为什么重要或为什么不重要。失败处理:如果它能解释当前计划、持续方向或状态切换,必须上图或在正文单独成段;只有它不改变任何交易动作时,才降级为背景说明,并说清降级理由。

图上文字不是贴结论。每个历史说明必须贴近它解释的对象,并写成“看到什么 -> 说明什么 -> 怎么做”;每个当前计划必须贴近最后价格或放在右侧计划面板,并写成“当前位置 -> 需要什么证据 -> 满足后做什么 -> 不满足怎么处理”。如果文字离对象远、对象边界不清或观众需要猜它讲的是哪里,标注失败。

当前计划面板的位置服从可读性和对象绑定,不固定在右侧。触发条件:最后价格右侧空间不足、用户要求放到中央下方、或计划需要更完整地说明多空触发和删除条件。先找不遮挡 K 线、价格轴和关键结构的空白区;再把计划面板放在最后决策对象附近、右侧、中央下方或单独第二张计划图;最后用图后正文补齐完整交易链。通过标准:面板能读出当前是否可交易、主假设、触发、失败/止损、目标和不交易条件。失败处理:如果一张图放不下,就拆成“结构复盘图”和“当前计划图”。

把用户提供的图表、OHLC 数据或明确行情片段作为唯一事实源。不要凭空补图、补价格、补成交细节;如果用户问当前行情、最新价格或具体标的的实时判断,先获取最新数据或要求用户提供图表,再进入分析。

使用阿布价格行为学作为主要分析语言:先判断背景和市场周期,再看具体形态。图上主标签必须优先使用价格行为学经典中文术语,例如买入高潮、卖出高潮、突破失败、强突破、突破回测、两段下跌、测试前高、交易区间、回调通道、持续多头、持续空头、测量运动。除非用户要求保留英文,英文术语只放在正文补充,不放进主标注。遇到 Always In、TTR、Bear Surprise、Sell Climax、Measured Move 等阿布术语时,图上用“持续多头/持续空头、窄幅区间、强空头意外、卖压高潮、测量运动”等中文术语,正文可括号补英文。

术语必须用“双层表达”。第一层保留经典术语,第二层用普通话解释新手该看什么,第三层写交易动作或风险。例如 买入高潮 -> 突破失败 -> 先防两段下跌/大回撤,不要只写“不追高”;例如 交易区间 -> 上下突破都没跟进 -> 中部少做,不要只写“震荡”。如果术语放不下解释,就把术语留在图上,解释放正文;不能为了通俗而删掉专业术语,也不能只贴术语让新手猜。

价格行为分析不是“上破做多、下破做空”的条件罗列。每个可交易计划都必须先说清交易假设,例如“区间下沿失败跌破后回到中轴”“空头趋势中的弱反弹二次做空”“强突破后的回测多头”“通道尾端反转尝试”。如果只给价格线,没有信号 K、入场 K、跟进 K 和失败后怎么处理,就降级为观察,不给入场计划。

交易计划必须按同一条逻辑链推导:市场周期 -> 当前价格位置 -> 交易假设 -> 入场触发 -> 失败条件 -> 止损位置 -> 目标磁体 -> 删除条件。止损来自“这个判断在哪里被证明错”,目标来自前高前低、区间中轴/边界、突破点、测量运动、AB=CD、趋势极值或其它图上磁体;不能先给方向再随手补止损和目标。

读图只抓两件事:脉络和动能。脉络回答市场现在处于趋势、通道、区间、突破还是测试;动能回答多空谁在推进、推进是否连续、是否有跟进。任何形态名称都必须服从这两项判断。

默认把市场理解为“动态寻找公平价”的过程。读图时先判断价格是在均衡区间内来回测试,还是已经进入寻找新均衡的失衡运动;突破先按边界测试处理,只有出现强突破和后续跟随,才升级为新一段趋势或新交易区间的探索。

把每一根 K 线都视为有交易理由的成交结果。逐根读取信息,先按波段和状态分段,再只把会改变交易计划的结构画到图上;逐根依据写进正文。不要把看不懂的 K 线称为噪音,也不要用“庄家操纵”“割韭菜”替代可验证的多空证据。

图表事实优先于新闻、基本面叙事和多周期暗示。用户同时给出这些信息时,先回到当前图表、当前周期和最近 80-100 根 K 线;除非用户明确要求多周期分析,否则不要让更大周期或新闻理由覆盖当前图表上的止损和失效条件。

输出目标是“一张图同时完成教学型历史复盘和下一步交易计划”,不是确定性预测。需要给交易建议时,必须同时给出交易假设、失效条件、风险点、不交易条件和替代场景。

历史复盘的目标是让用户学会价格行为,而不是给过去走势贴名字。允许分析和标注前面走势,但每个历史复盘标签都必须还原“当时背景 -> 当时能看到的证据 -> 对应的价格行为逻辑 -> 当时可执行的动作/不动作 -> 当时的失效点 -> 后续如何验证或推翻”。最后一段行情必须单独给出下一步交易计划。

复盘训练必须模拟实盘,不允许只站在完整图的上帝视角命名走势。看到每个关键 K 或结构切换时,都要问:当时还不知道后面会怎么走,是否应该做决定;如果入场,信号 K、入场 K、止损、目标和删除条件在哪里;如果不入场,是因为位置差、跟进不足、空间不够,还是交易前提不成立。

专业训练图要同时回答三层问题:第一层是市场状态,说明这里是急速、窄幅通道、宽幅通道、交易区间、突破测试、反转尝试还是高潮;第二层是逐根证据,标出关键 bar、推数、信号 K、入场 K、跟进 K、强突破、失败突破和测试;第三层是执行边界,说明当时/当前应该做、等、离场、缩小目标还是删除计划。

工作流

  1. 判断请求类型:

    • 专业训练标注图:用户要求学习、训练、专业价格行为标准、阿布式复盘,或拿别人高密度价格行为图对比;默认按逐根训练图交付。
    • 标注分析图:用户给出 K 线截图,希望在同一张图里看到教学型历史复盘和接下来交易计划。
    • 交易计划图:围绕当前最后一段走势,先建立交易假设,再标出触发、失败条件、止损和目标区域;如果图上有明显历史结构,也保留必要复盘证据。
    • 交易复盘图:在原图上标出当时背景、形态质量、进出场问题和更优处理。
    • 复盘训练图:用户要求通过复盘提高实盘能力、训练读图、找交易机会、模拟当时决策;默认按“市场周期 -> 切换信号 -> 结构/形态 -> 关键 K -> 实盘模拟问题”交付。
    • 概念解释:解释价格行为术语、阿布体系、某个形态或市场周期;没有图时只输出文字和示意说明。
    • 学习训练:把一段行情拆成读图练习、问题清单或复盘模板。
  2. 检查输入是否足够:

    • 标注分析图必须有图表截图或可渲染的 OHLC 图表数据。
    • 交易建议至少需要最后可见价格区域、周期、关键结构或用户提供的交易意图,并且必须能定义交易假设、失败条件和目标磁体。
    • 复盘至少需要进场、出场、止损或预期,以及当时图表背景。
    • 信息不足但可继续时,输出“条件性标注”;信息不足会导致编造时,先只问最少的关键问题。
  3. 按固定顺序读图:

    • 分层:先把图分成“逐根训练区”和“当前计划区”。逐根训练区解释市场状态如何一段段切换;当前计划区回答最后一段怎么等信号、怎么执行、怎么删除。
    • 走势分段草稿:从左到右切出主要段落,每段只写一句 这段是什么 -> 谁在控制 -> 为什么 -> 交易动作怎么变。例如 上涨后横盘 -> 多头不再轻松推进 -> K线重叠且上下无跟进 -> 区间中部少做。分段草稿是内部步骤,不必原样输出,但后面的图上标注必须能追溯到这些段落。
    • 用户强调区域处理:如果用户圈出、框出、箭头指出、放大截图或文字点名某段走势,把它插入分段草稿,优先判断它是否解释当前计划。该区域不能被当作普通背景直接略过;如果降级,必须在正文说明它没有改变交易动作的原因。
    • 段落角色筛选:给每段分配角色,包括背景段、状态切换段、控制权切换段、当前决策段和可移到正文的说明段。背景段默认少画;状态切换和控制权切换优先画;当前决策段必须画;只是在复述历史涨跌的段落移到正文。
    • 关键点处理:先识别会改变市场状态或计划的 K 线,例如强突破、第一次回调、二次进场、高潮、失败突破、区间边界测试和最后决策点。原图没有 bar 编号时,不在图上新增编号;优先用框、线和贴近结构的文字说明。只有原图已有编号,或用户明确要求逐根编号时,才少量补编号。
    • 状态切换线:按时间顺序写出 急速/通道/区间/突破测试/反转尝试/高潮 的切换点。每次切换都必须有 K 线证据,例如连续实体、回调变深、重叠增加、强反向突破、突破无跟进。
    • 均衡状态:判断价格是在交易区间中部、区间边界、突破测试,还是已经脱离旧均衡并寻找新均衡;区间中部默认降级为观察,区间边界优先准备失败突破和反向场景。
    • 市场循环:判断当前更接近急速、窄幅通道、宽幅通道、交易区间,还是状态不明;阶段不明时先按更保守的一侧处理。
    • 周期切换信号:每次从区间变趋势、趋势变通道、通道变区间、突破变失败突破时,必须指出当时已经能看到的信号,例如连续两三根同向强 K、突破后跟进、K 线重叠突然增加、逆势方开始轻松赚钱、强反向 K 收在极端位置。
    • 持续方向:如果必须选边,当前更偏多、偏空,还是区间中性;在图上标出持续方向改变的位置,并说明改变判断需要什么证据。
    • 当前决策点:确定最后一根可见 K 线、当前价格所在区域、离最近失败条件和目标磁体有多远。
    • 交易假设:在给任何入场建议前,先把当前计划命名为一种价格行为模型,例如失败突破、突破回调、趋势回调二次进场、区间看衰突破、急赴磁体、通道尾端反转或观察计划;不能命名且不能说明逻辑时,不给交易计划。
    • 磁体与关键位置:标出会改变行为的支撑阻力,包括重要前高前低、区间边界、趋势线/通道线、EMA20、突破点、测量目标和明显磁吸位;磁体只给目的地,不替代触发。
    • 等距与 50%:如果使用目标位,说明它来自 AB=CD、急速高度、形态/区间高度,还是前一波段 50% 回撤;只把它当成反应区,不当成必到点。
    • 运动分段:用阴阳交替、回调 K、显著高低点和规模匹配来切分趋势、波段和推动;二推或三推后优先警惕止盈、回调或小型反转。使用双顶、楔形、抛物线或末端旗形时,必须把第一推、第二推、第三推标出来。
    • 逐根信息:读取最近一段每根 K 线的实体、影线、收盘位置、重叠和后续跟随;至少判断关键 K 线相对前一根是突破成功、突破失败、停顿还是反转。
    • 多空力量:连续强 K、实体大小、影线、重叠程度、回调深度、突破后的后续跟随。
    • 形态质量:信号 K、入场 K、跟进 K 是否配合;信号是否顺着交易方向、是否在支撑阻力或区间边界附近、是否处在趋势尾端或区间中央。
    • 建仓方案:如果给出具体入场,说明它属于急速收线追进、首次逆势失败后顺势恢复、双重顶底旗形、楔形旗形、区间看衰突破、急赴磁体、区间突破回调、左侧通道线反转、右侧突破回调反转、20 均线缺口或第一均线缺口;每个方案都必须有触发、失败条件、止损、目标和删除条件。
    • 突破与测试:如果刚突破,标出突破点、回调测试和测试时的多空反应;没有跟进或测试失败时,不把突破当成已经成立。任何“突破做多/跌破做空”必须改写成“突破 K -> 跟进 K -> 回测不破/失败突破 -> 执行动作”。
    • 回调状态:判断回调是在健康测试、过深、过久,还是已经变成区间;过深或过久时,先降低顺势预期。
    • 反转与高潮:遇到反转主张时,检查反向压力、趋势线突破、结构破坏和原趋势极值测试;遇到高潮时先防耗尽和止盈,不直接逆势摸顶摸底。
    • 区间边界:如果进入双边交易,标出上沿、下沿、中轴和窄幅区间;窄幅区间内默认不交易,等待强突破和测试。
    • 交易数学与风格:估计概率、风险、潜在回报和失效点;说明计划更像波段还是剥头皮,并让盈亏比、持仓预期、市场脉络和离场管理一致。
    • 历史复盘链:每个关键历史点都压成 当时背景 -> 当时证据 -> 价格行为逻辑 -> 当时计划 -> 当时失效 -> 后续验证。
    • 实盘模拟链:每个可交易点都压成 当时看到什么 -> 是否允许入场 -> 如果入场,止损在哪里 -> 目标在哪里 -> 哪根 K 出现后前提失效 -> 是否需要提前离场或等待下一次机会。不能回答止损、目标和失效时,标为训练观察点,不标为交易机会。
    • 当前交易链:把下一步结论压成 当前判断 -> 交易假设 -> 触发证据 -> 执行动作 -> 失败条件/止损 -> 目标磁体 -> 删除条件;如果同一位置出现多套方案,先判断是否方向冲突或重复承担同一风险,不能清楚分支时降级为观察。
  4. 设计标注图:

    • 先把走势分段草稿压缩成标注故事线:背景如何开始 -> 哪里进入区间/通道 -> 哪根 K 或哪段走势改变控制权 -> 当前价格处在哪个决策区。故事线说不清时,先重读图,不直接画标注。
    • 再做标注对象绑定表,内部写清 图上对象 -> 来自哪一段走势 -> 这段角色 -> 价格行为证据 -> 观众要学什么 -> 图上怎么标 -> 文字放哪里。绑定表填不清的对象,不进入图上标注。
    • 对用户强调区域单独做绑定:写清 用户强调区域 -> 边界 -> 状态角色 -> 为什么影响/不影响当前计划 -> 上图方式或正文解释位置。这条绑定表没有填完前,不能交付。
    • 在同一张图上只放三类标注:结构对象、当前决策对象、少量必要证据对象。默认最多 3-5 个对象;超过后先拆成两张图,或把低优先级对象放到正文。
    • 先按优先级删选标注:一级必须保留市场状态/区间框、关键支撑阻力/突破点、当前计划面板;二级按空间选择通道边界线、测量线、1-3 个关键说明;三级放到正文,包括逐根复盘、完整术语解释和多套备选计划。
    • 先选标注策略:趋势/通道优先用两条清楚边界线;区间优先用矩形框、上下沿和中轴;突破优先用突破点、跟进 K、回测线;测量目标优先用括号线、虚线和锚点;复杂教学优先写在正文,不硬塞进图里。
    • 逐根训练标注默认不铺满图面。图上只画会改变市场状态或当前计划的证据;关键 bar 复盘、推数、信号 K/入场 K/跟进 K 的完整解释放到正文。
    • 历史复盘标注只选关键转折和关键交易点,不从左到右贴满所有波段。每个标签必须包含当时背景、证据和价格行为逻辑,不只写事后名称。
    • 当前计划标注必须和最后决策对象绑定,标出当前判断、交易假设、触发位、失败/止损位、目标区、当前不交易理由。默认贴近最后价格;如果右侧空间不足、用户要求中央下方,或计划需要更完整说明,就放到中央下方空白区或拆成第二张计划图。
    • 视觉权重建议:专业训练图中逐根训练和历史复盘 60%-70%,当前计划 30%-40%;用户明确只问“接下来怎么做”时,当前计划权重上调。
    • 使用统一视觉语法:区间只能用矩形框;通道只能用两条清楚边界线;关键位只能用水平线;计划线用虚线;不画无法命名用途的斜线。
    • 文字框应尽量贴近它解释的结构。默认不用指向线、圆圈、椭圆或带数字的 marker;如果文字离对象太远,先移动文字或删减文字。只有能明确说明“这个文字指向哪个具体对象”时,才使用短、细、灰色的指向线。
    • 文字框必须成为某个对象的标签。区间文字放在区间框内或紧贴框边;通道文字放在通道边界旁;突破失败文字放在失败突破那段附近;当前计划放在最后价格附近、右侧计划面板、中央下方空白区或第二张计划图。不能把文字框散落在空白处。
    • 图例只在颜色或线型不直观时添加,且不超过两行。若图例会增加拥挤,改在正文解释颜色含义。
    • 如果图面信息密度高,可以输出两张图:第一张做专业训练复盘,第二张只保留当前计划。不要为了塞进一张图而把文字压到看不懂。
    • 历史复盘标签优先写“当时背景 + 当时证据 + 行为逻辑”,例如 空头趋势反弹弱:只等二次做空、区间上沿失败:多头止盈,空头找信号。
    • 教学型分段标签优先写“段落角色 + 控制权变化 + 动作”,例如 大涨后横盘:上下都缺跟进,中部少做、大阴线打回:突破失败,转看回调/空头通道、创新高无跟进:多头降级,先看弱反弹。
    • 图上标签优先采用三行结构:第一行经典术语,第二行人话解释,第三行动作含义。示例:买入高潮 / 突破失败 / 先防大跌、两段下跌 / 空头已有跟进 / 反弹先当测试、突破回测 / 回测守住 / 再看多。如果只能写一句,必须同时包含术语和动作,例如 买入高潮失败:先防大回撤。
    • 当前计划标签优先写“交易假设 + 触发/失败/目标”,例如 假设:下沿失败跌破 -> 目标中轴、突破回测多:跌回区间则删除。
    • 图上文字必须放在可读底板上,不能超出画布,不能被半透明色块、K 线或价格轴挡住;右侧和底部标签要预留边距。
    • 每个色块和线条都必须一眼能解释用途。区间用矩形框,通道用两条清楚边界线;说不清用途的斜线、扭曲色块、装饰性箭头直接删除。
    • 不把大段解释塞进图里;详细逻辑放在图后面的交易建议里。
  5. 生成标注产物:

    • 先根据读图结果写出 annotation JSON,格式见 references/annotation-spec.md。
    • 使用 scripts/render_annotations.py 把原图和 annotation JSON 渲染为标注图;输出后缀为 .png 时生成位图,输出后缀为 .svg 时生成自包含 SVG。
    • 默认优先交付 PNG,必要时同时交付 SVG 和 annotation JSON,方便继续编辑。
  6. 输出结构按任务选择:

    • 专业训练标注图:分析图路径 -> 图上对象逐项解释 -> 市场状态切换 -> 关键 bar 复盘 -> Always In/持续方向 -> 推数与测量 -> 当前判断 -> 交易假设 -> 信号 K/入场 K/跟进 K -> 失败/止损 -> 目标区域 -> 删除条件 -> 不交易条件。
    • 复盘训练图:分析图路径 -> 图上对象逐项解释 -> 市场周期切换 -> 周期切换信号 -> 可交易点/观察点 -> 实盘模拟问题 -> 信号 K/入场 K/跟进 K -> 止损/目标 -> 前提失效 -> 提前离场条件 -> 下次可复用规则。
    • 标注分析图:分析图路径 -> 图上对象逐项解释 -> 历史复盘要点 -> 当前判断 -> 交易假设 -> 证据链 -> 触发条件 -> 失败/止损 -> 目标区域 -> 删除条件 -> 不交易条件。
    • 交易计划图:分析图路径 -> 当前是否可交易 -> 当前判断 -> 交易假设 -> 入场触发 -> 失败/止损 -> 目标区域 -> 删除条件 -> 不交易条件。
    • 交易复盘图:分析图路径 -> 当时背景 -> 当时证据 -> 价格行为逻辑 -> 当时计划 -> 失败点 -> 后续验证 -> 可复用规则。
    • 概念解释:定义 -> 在图上的识别方式 -> 有效背景 -> 失败信号 -> 常见误用。
  7. 交付前自检:

    • 已经产出可打开的标注图文件,或明确说明为什么当前不能生成图。
    • 没有用孤立形态替代背景判断。
    • 没有把低确定性的场景写成结论。
    • 没有遗漏交易假设、失败场景、止损逻辑或不交易条件。
    • 止损和目标都能从交易假设推出,不是先猜方向再补位置。
    • 历史复盘没有停留在事后命名;每个历史点都说明当时背景、当时证据、价格行为逻辑、当时计划、失效点和后续验证。
    • 复盘训练没有使用上帝视角;每个交易机会都回答如果当时入场,止损、目标、失效和提前离场条件在哪里。
    • 当前计划没有缺席;图和正文都明确最后可见价格附近的交易假设、触发、失败/止损、目标和删除条件。
    • 专业训练图没有缺少关键 bar、推数、持续方向、测量运动或信号/入场/跟进 K;图上只保留必要定位,正文必须补齐逐根依据。
    • 如果用户圈出、框出、箭头指出、放大或点名某段走势,已经单独解释该区域的边界、状态角色、证据、交易动作变化和是否影响当前计划。
    • 如果图上采用克制标注,正文已经逐项解释所有上图对象;没有把“图上少写”变成“正文也少讲”。
    • 当前计划面板的位置已经按可读性选择;如果放在中央下方或第二张图,仍然能看出它绑定到最后决策对象,而不是悬空结论。
    • 没有把价格位本身当作触发;所有入场触发都必须落到信号 K、入场 K、跟进 K、突破回测或失败突破证据上。
    • 图上术语都配有人话解释和动作含义;没有只有内部缩写、英文术语或孤立编号。
    • 图上关键位置已经使用价格行为学经典术语;没有把“买入高潮、突破失败、两段下跌、测试前高”等专业判断降级成“不追高、涨不动、回落”这类泛泛表达。
    • 每个图上文字框都能回答“我解释的是哪一个对象”;没有悬空结论文字框。
    • 没有在原图无编号时主动新增一串数字或圈号;没有让指向线看起来像趋势线、压力线或交易信号;关键区域能被框线本身定位。
    • 已经先做走势分段,并且图上标注能对应到这些段落;没有把每个历史波段都标成同等重要。
    • 图上文字不遮挡最关键的 K 线、价格轴或当前最后一段走势;文字不超出图片边界,且没有被色块压住。
    • 如果使用了实时事实,已经说明数据来源和时间。

资源

需要调用阿布价格行为核心模型、术语、读图顺序和常见误用时,读取 references/price-action-framework.md。

制作标注图前,读取 references/annotation-spec.md,按其中 JSON 结构规划标注元素。

生成分析图时,执行 scripts/render_annotations.py <chart-image> <annotations.json> <output.png|output.svg>。该脚本只负责确定性渲染,不替代价格行为判断。

最终输出前,尤其是图表分析、交易计划和复盘任务,读取 references/quality-gate.md 做质量检查。

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Price Action Analysis AI skill do?

基于 Al Brooks/阿布价格行为学,把用户提供的 K 线截图或 OHLC 数据做成专业价格行为训练标注图:先逐根分段,判断市场周期、Always In、通道/区间/突破/反转,再标出推数、信号 K、入场 K、跟进 K、测量目标、复盘证据和下一步交易计划。Use when the user provides a candlestick chart screenshot or OHLC data and asks to mark up the chart, learn from price action, review a trade, identify market cycle/Always In/breakouts/channels/ranges/reversals, or build a chart-based trade plan; excludes pure fundamental analysis, news-only forecasts, automated strategy coding, and investment recommendations without chart context.

Why use Price Action Analysis on TypingMind?

Because you install it once and use it with any model. Price Action Analysis is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Price Action Analysis in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/CheshireMew/Price-action-analysis/tree/main. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Price Action Analysis?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Price Action Analysis?

As many as you like. As long as a model supports skills, you can use Price Action Analysis with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Price Action Analysis AI skill free?

Yes. It is published on GitHub by CheshireMew under the MPL-2.0 license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇