FinanceDatabase / Compare
FinanceDatabase vs EasyClaw：自建证券数据库与金融数据 Skill 路线对比
FinanceDatabase 是 Python 证券数据库，适合想自建证券数据管道的开发者；另一条路是本机已核验的金融数据类 Skill 路线，适合想直接提出数据任务、免去环境搭建的用户。两条路线相互独立，选择取决于你要的结果是「一份可复现的代码」还是「一个可追问的答案」。
装库pip 安装 · 依赖 pandas
写代码select / search / show_options
出证券清单代码与元数据
另配行情源价格要自己接
事实核验卡（核验日期 2026-09-29）
- FinanceDatabase 版本
- 2.4.0（PyPI 与 GitHub Release，2026-06-02 发布）
- Python 版本
- 3.11.9（本站实测）；包要求 ≥3.10, <3.16
- 数据库快照
- GitHub main 分支 compression/*.bz2（main 最后提交 2026-09-27）
- 核验日期
- 2026-09-29
- Equities 行数
- 112,718 行 × 21 列
- ETF 行数
- 36,481 行 × 9 列
- 数据来源
- raw.githubusercontent.com/JerBouma/FinanceDatabase/main/compression/
- 最后验证时间
- 2026-09-29（本机 venv 实跑，输出已归档）
以上数字来自本站 2026-09-29 在 Windows + Python 3.11.9 + financedatabase 2.4.0 下的真实运行输出，不是从文章里转抄的；数据文件由上游持续更新，行数会变，以官方 PyPI 与 GitHub Release 为准。采集时 GitHub star 约 9,374（2026-09-29）。
Compare
两条路线对比
以下为客观对比，基于 FinanceDatabase 官方 README 与本机技能目录核验（核验日期 2026-09-08）。
| 维度 | 自建证券数据管道 | 本机金融数据技能路线 | 适用场景 | 注意点 |
|---|---|---|---|---|
| 定位 | Python 证券数据库（select / search / show_options） | 金融数据 / 选股 / 量化类技能，按任务触发 | 先判断你要的是数据清单还是研究结论 | 两者解决的问题层次不同，不能互相替代 |
| 获得结果的形态 | 返回 pandas DataFrame，可继续入管道 | 返回对话式结果与表格摘要 | 要落库、要进回测 → 自建；要快速看一眼 → 技能路线 | 对话结果不利于版本管理，自建结果需要自己写测试 |
| 上手方式 | 装库 + 写 Python + 另配行情源 | 安装客户端 + 一句话提问 | 已有 Python 工程 → 自建；只想拿结果 → 技能路线 | 技能路线仍需按各技能要求配置 Key / Token |
| 前置条件 | Python 环境、pandas、可选虚拟环境 | 各技能的数据源、Key、网络与市场覆盖不同 | 先确认前置条件再选路线 | 前置条件写在各技能自己的 SKILL.md 里，以官方资料为准 |
| 数据范围 | 证券代码与元数据（股票 / ETF / 基金 / 指数 / 货币 / 加密 / 货币市场） | 依所选技能而定，覆盖 A 股、美股、期货等方向 | 要跨市场证券清单 → 自建；要某市场即时结论 → 技能路线 | 自建侧不提供行情价格，这是最常见的能力误判 |
| 可复现性 | 代码可版本管理，结果可重跑 | 依赖对话上下文，复现要重述问题 | 要审计、要交接 → 自建 | 技能路线的结论应视为线索而非可归档证据 |
| 故障排查方式 | 看报错栈、查解释器环境与上游可达性 | 看技能自身返回、检查 Key 与授权状态 | 两条路线都不是装上就一定通 | 常见失败点见下方「前置条件与失败模式对照」 |
| 维护责任 | 自己维护环境与依赖升级 | 技能与数据源由平台侧维护，使用时确认授权状态 | 团队协作选自建，个人快查选技能路线 | 平台侧技能状态可能变化，以各自 SKILL.md 为准 |
| 集成状态 | 无已证实集成：两条路线各自独立，本项目未提供集成说明 | 不要把两条路线当一套流程 | 如需串联，需要你自己写适配层并自行验证 | |
集成边界：FinanceDatabase 与 EasyClaw 之间无已证实的安装或集成关系。此处对比的是「自建证券数据管道」与「本机金融数据技能路线」两条独立路线，不宣称前者已在后者的环境中可用。本页所有结论以项目官方仓库与各技能 SKILL.md 为准。
Verified skills
本机已核验的金融数据 / 量化技能
以下技能来自本机技能目录核验（catalog_visible + installable），不代表 Key 已授权或运行成功；前置条件以各自 SKILL.md 为准。
| 技能 | 能做什么 | 前置条件 | 适用场景 | 注意点 |
|---|---|---|---|---|
| akshare-finance | AKShare 财经数据：股票列表、行情、财务等 | akshare >= 1.18（以 SKILL.md 为准） | A 股为主的行情与数据取数 | 上游接口可能调整，字段以实际返回为准 |
| tushare-finance | Tushare Pro 数据接口：股票列表与行情 | Tushare Token | 需要稳定结构化 A 股数据时 | Token 有权限与积分限制 |
| yahoo-finance-github | 美股实时报价、历史 K 线与组合分析（yfinance） | 相对宽松，无需 Key | 美股行情与组合查看 | 非官方源，可用性随上游变化 |
| quant-analyst | 金融建模、回测策略、风险指标、组合优化 | 触发量化任务即可 | 拿到数据后做量化分析 | 结果取决于输入数据质量 |
| iwencai | 同花顺问财自然语言选股入口 | IWENCAI_API_KEY | 用自然语言描述选股条件 | 结果是候选清单，需自行复核口径 |
| futuapi | 富途 OpenAPI 行情与交易 | OpenD、账号、模拟环境 | 需要券商级行情与交易通道 | 涉及实盘操作，务必先在模拟环境验证 |
| a-stock-analysis | A 股实时行情与分时量能分析 | A 股行情数据源 | 盘面与量能快查 | 仅覆盖 A 股 |
| stock-technical-mastery | A 股 K 线技术分析：形态识别、MACD / RSI / 布林带、量价关系 | 仅 A 股 | 技术面状态判断 | 技术指标不构成买卖建议 |
| mx-data | 东方财富金融数据查询 | 需 API Key | 需要东方财富口径的数据 | 以官方接口说明为准 |
边界：以上技能均独立于本项目；各技能的数据源、Token、网络与市场覆盖不同，不代表已集成 FinanceDatabase，也不代表实时数据或投资收益。授权状态为 catalog_visible + installable，不等于 authorized 或 runtime_verified。
Demo
一句话从提问到结果（左右翻页查看）
同一账号场景下的实拍：一句话发起任务即返回结构化结果。以下截图用于说明「免部署提问」这条路线实际长什么样，不是本项目的运行结果，两者无已证实集成。
边界：以上截图为同一账号场景的实拍，所用技能与前置条件以实际账号为准；本项目与 EasyClaw 无已证实集成，截图不代表本项目有任何功能在这些场景中被调用。
Prerequisites and failure modes
前置条件与失败模式对照：哪条路会在哪里卡住
官方资料通常只写「怎么装」，不会写「装完哪里会卡」。下面按环节把两条路线各自的准备项与典型卡点摊开，便于先判断成本再动手。
| 环节 | 自建路线要准备什么 | 技能路线要准备什么 | 典型的卡住点 | 怎么排查 |
|---|---|---|---|---|
| 运行环境 | Python 解释器 + pandas，建议独立虚拟环境 | 安装客户端本体 | 装到了另一个解释器，命令行能导入、编辑器里却报找不到模块 | 先确认当前解释器：命令行查版本与导入是否同一个环境 |
| 依赖版本 | 避免 pip 与 conda 混用造成双份 pandas | 技能自带依赖由其自身管理 | 升级后旧进程仍用旧版本，行为与文档不一致 | 重启进程后复测；必要时重建虚拟环境 |
| 网络与上游可达性 | 能访问上游数据源 | 能访问技能依赖的数据接口 | 导入成功但查询长时间无返回或返回空 | 先区分「库装错」与「上游不通」：同一环境下换个简单查询复测 |
| 授权与额度 | 通常无需 Key；上游若有限制需自行确认 | 部分技能需 Key / Token / 账号（如 Tushare、问财、东方财富） | Key 未配或额度不足，表现为报错或空结果 | 按各技能 SKILL.md 检查 Key 配置与权限范围 |
| 数据口径 | 字段值依赖上游源，需自己核对 | 各技能数据源不同，口径可能不一致 | 两条路线拿到同一标的的不同字段值，误判为错误 | 以各自数据源说明为准；跨源差异属正常现象 |
| 结果粒度 | 代码级结果，可下钻、可落盘 | 对话级结果，适合判断与追问 | 把对话结论直接当作可归档证据 | 需要归档时回到自建路线重跑一遍 |
| 可复现性 | 代码 + 环境可复现 | 需要重述问题与上下文 | 换个时间问同样的问题，结果不一致 | 行情与市场状态本身在变，先确认是数据变化还是口径变化 |
| 维护责任 | 自己维护依赖升级与脚本 | 技能与数据源由平台侧维护 | 技能状态或数据源调整后，旧用法失效 | 以各自 SKILL.md 的最新说明为准，不要依赖历史截图 |
# 自建路线的最小验证：先确认「装对了、连得上、有数据」 pip install financedatabase python -c "import financedatabase as fd; print(fd.Equities().select().shape)" # 预期输出：(行数, 列数)，行数应大于 0 # 若报 ModuleNotFoundError → 装到了别的解释器；若行数为 0 → 先查上游可达性，而不是改代码
说明：以上排查顺序来自「先环境、后网络、再数据口径」的通用经验，不是官方文档的成文流程；具体命令与字段以官方 README / PyPI 页面为准。
Decision
怎么选：决策清单
按你的情况逐条对照，并给出可以先做的一步验证动作——先验证再投入，比先选路线更省时间。
| 你的情况 | 建议路线 | 理由 | 先做哪一步验证 |
|---|---|---|---|
| 会 Python，要把证券清单写进可复现的工程 | 自建证券数据管道 | 需要代码级结果与版本管理 | 先在虚拟环境里跑通一次清单查询 |
| 要批量获取美股证券代码、按国家或行业筛选证券池 | 自建证券数据管道 | 此类筛选是它的核心用法 | 用一次筛选查询确认返回列是否满足需求 |
| 不想搭环境，想直接问一个数据问题 | 本机技能路线 | 免部署，一句话即发起 | 先问一个最小的行情查询，确认数据源可用 |
| 主要看 A 股行情、选股与技术面状态 | 本机技能路线中面向 A 股的技能 | A 股方向技能覆盖更直接 | 先确认所需技能的 Key / Token 是否就绪 |
| 既要证券清单，又要行情与分析 | 两条路线并用，各自独立 | 前者给清单，后者给行情与结论 | 先定好哪一侧是单一事实来源，避免口径打架 |
| 要行情价格与基本面数据 | 自建侧需另配数据源；或走技能路线 | 自建侧定位是代码与元数据，不含行情 | 先确认你依赖的字段到底由谁提供 |
| 需要券商级行情或交易通道 | 本机技能路线中对接券商接口的技能 | 此类需求需要专门接口 | 先在模拟环境验证连通性，再谈实盘 |
| 只做一次性研究、结论不需长期归档 | 本机技能路线 | 投入产出更划算 | 先问一个问题看返回质量是否够用 |
| 有合规或审计要求，结果必须可追溯 | 自建证券数据管道 | 代码与数据可留痕 | 先确认数据来源与采集时间能否被记录 |
补充：上表的「先做哪一步验证」都是可以在半小时内做完的动作，目的是在投入工程化之前先确认前置条件成立；如果起步验证就失败，应先回到失败模式对照表定位环境、授权还是数据源问题，而不是直接换路线。
Misconceptions
六个常见误判
这两条路线最容易被当成「新旧替代」或「一回事」，下面的误判都来自能力边界本身，而不是使用技巧。
| 常见想法 | 实际情况 | 为什么容易这样想 | 怎么验证 |
|---|---|---|---|
| 两条路线是替代关系，选一个就行 | 它们解决的问题层次不同：一个产出清单与代码，一个产出结论与追问 | 都能「查股票」，看上去重叠 | 看你要的最终交付物是清单还是结论 |
| 装了库就等于有行情了 | 自建侧提供证券代码与元数据，不含行情价格 | 名字里带 database，容易理解为全量金融数据 | 跑一次清单查询，确认返回里有没有价格字段 |
| 技能路线能替代证券主数据 | 技能路线面向具体任务，不承诺成为你的主数据源 | 都能按条件列出标的 | 问一次跨市场批量清单，看是否满足覆盖要求 |
| 跑通一条就等于跑通另一条 | 两条路线的失败点不同：自建卡在环境与上游，技能路线卡在授权与数据源 | 都会遇到「无返回」这类现象 | 按上面的失败模式对照表分别定位 |
| 查询返回空就是代码写错了 | 可能是筛选条件取值不匹配，也可能是上游暂时不可达 | 空结果是不报错的那类失败形态 | 先用最宽松条件复测，再逐步收紧条件 |
| 技能已装上就等于授权可用 | catalog_visible + installable 不等于 authorized 或 runtime_verified | 面板里能看到就以为能直接用 | 按各自 SKILL.md 核对 Key 与权限范围 |
补充：这六条误判有一个共同来源——把「能查股票」当成同一件事。实际使用中，真正决定口径的是数据源与字段定义，而不是界面上显示的功能名称；所以当两条路线的结论不一致时，先回到字段含义、采集时间与市场范围上对齐，再讨论谁对谁错。若一时无法对齐，就以你事先指定的单一事实来源为准，另一侧的结论只当作线索留存。另一个常见做法是把两条路线串进同一个流程：这一步没有官方方案，需要你自己写适配层并自行验证字段是否对得上、时点是否一致，串不上时应当能随时退回单侧使用。
Integration boundary
集成边界与前置条件
这一节只写可核验的边界结论，避免把「能一起用」误读成「已经打通」。
| 项 | 结论 | 依据与说明 |
|---|---|---|
| 本项目 → 本机技能路线 | 无已证实集成 | 本机技能目录中不存在本项目对应的技能；官方仓库与文档未提及集成方式 |
| 技能授权状态 | catalog_visible + installable，不等于 authorized / runtime_verified | 目录可见与可安装已核验；Key、账号授权与实际运行成功未核验 |
| 本项目数据范围 | 仅证券代码与元数据，行情需另配数据源 | 官方 README 表述的定位；行情与基本面需配合其他库 |
| 两者串联 | 可以各自使用，但需要你自写适配与校验 | 不存在官方提供的串联方案；字段口径差异需自行核对 |
| 合规与免责 | 证券列表与对话结论均不构成投资建议或收益保证 | 全站披露；所有结果仅供研究 |
| 许可与引用 | 项目许可与上游数据源条款需要分开确认 | 代码许可与数据再分发条款不是一回事，以官方 LICENSE 与上游条款为准 |
前置披露：技能授权状态为 catalog_visible + installable，不代表 authorized 或 runtime_verified；使用前请按各自 SKILL.md 配置 Key 或账号。本项目提供的是证券代码与元数据，不提供行情价格；如果你需要的是行情，请先确认由哪一侧提供，再决定要不要把两条路线纳入同一流程，不要在没有指定数据来源的情况下把两侧结果混用。
Alternatives
备选工具：它们各自站在哪一边
两条路线之外，实际工作中还会用到别的库。下面按「它替代的是什么」来定位，而不是按功能罗列。
| 备选 | 定位 | 与两条路线的关系 | 适用场景 | 注意点 |
|---|---|---|---|---|
| FinanceToolkit | 同作者的基本面与财务分析工具 | 与自建路线配合使用，补齐基本面 | 拿到证券代码后做财务比率分析 | 与自建库是不同包，接口与许可各自确认 |
| yfinance | 美股行情获取库 | 解决自建路线「缺行情」这一环 | 拿美股历史K线与报价 | 非官方源，可用性会随上游策略变化 |
| AKShare | 国内财经数据接口集合 | 与技能路线中面向 A 股的技能同源方向 | A 股行情、财务与宏观数据 | 上游接口变更较频繁，以官方说明为准 |
| Tushare Pro | 国内结构化金融数据服务 | 与技能路线中的数据类技能同一供给方向 | 需要稳定字段口径的 A 股数据 | 需要 Token，权限与积分规则按其官方说明 |
| OpenBB | 开源投研终端，聚合多数据源 | 覆盖范围更广的第三条路线 | 需要多市场多品类的集中取数 | 数据源各自有约束，部署成本高于单库 |
| 券商 / 富途 OpenAPI | 交易通道与券商级行情 | 自建与技能路线都可能对接的下游 | 需要下单或券商级行情时 | 涉及实盘操作，务必先在模拟环境验证 |
说明：以上为一般性定位描述，不构成选型建议；各工具的功能、许可与数据条款请以各自官方文档为准。
Acceptance and fallback
选完之后怎么验收：八个该看的信号
路线选错了通常不会在起步阶段暴露，而是在「换个人接手」「需要复现」「要交审计」这类时刻才暴露。下面八个信号可以在两周内自查，出现最后一列的情况就该调整路线，而不是继续加大投入。
| 验收信号 | 自建证券数据管道 | 本机技能路线 | 出现什么情况就该调整 |
|---|---|---|---|
| 初次跑通 | 把 FinanceDatabase 装进独立虚拟环境后，拿到一份证券清单 | 装好客户端后问出一个带数字的结果 | 半天内还卡在环境或授权上，先解决前置条件，不要急着换路线 |
| 结果可核对 | FinanceDatabase 返回的列名与取值可以逐列核对，也能落盘 | 结论需要回到原始数据源复核 | 结果无法回溯到任何可核对的来源 |
| 拿到结果的耗时 | 首次配置较长，之后重跑基本是秒级到分钟级 | 首次较短，但重复提问的成本不会下降 | 同一件事每天都要重问一遍，说明该把它固化成代码 |
| 换人复现 | 把 FinanceDatabase 的调用写进脚本，换人也能复现 | 需要复述问题与上下文 | 团队里没有第二个人能复现你的结果 |
| 与上游的一致性 | FinanceDatabase 的字段值随上游源变化，需要记录采集时间 | 各技能数据源不同，口径可能不一致 | 两条路线给出互相矛盾的字段值，而你没有指定单一事实来源 |
| 长期维护负担 | FinanceDatabase 的依赖升级与上游调整都要自己跟进 | 技能与数据源由平台侧维护 | 维护成本已经超过这条路线带来的收益 |
| 定位是否漂移 | 它只负责出证券清单，不要当成行情库用 | 它负责给结论，不要当成主数据源用 | 开始要求其中一条路线去做它本来不承诺的事 |
| 合规与留痕 | 采集时间、来源与处理过程都可以留痕 | 对话结论可留作线索，但不利于审计 | 有审计要求，手里却只有截图可交 |
起步周：只验证能否产出
自建侧要求在虚拟环境里跑出非空清单，技能侧要求问出一个带数字的结果。这一步只看有没有结果，不评价好坏。预期输出：一份能直接复制出来的清单或结论。
第二周：验证能否复现
把起步周的动作原样重做一遍，并换一个时间点再跑一次。自建侧看结果是否随上游变化、能否说清变化原因；技能侧看同一问题重问的结果是否稳定。预期输出：一份写明差异原因的记录。
再判断：哪一侧做事实来源
如果你同时用两条路线，先指定其中一侧作为字段口径的单一来源，另一侧的结论只作参考。预期输出：一句写下来的口径约定，避免后续反复对不上。
最后：决定要不要固化
需要每天重复的动作就固化成脚本，只需要偶尔看一眼的留在对话里。预期输出：一张「哪些动作已固化、哪些还靠手问」的清单。
提醒：这份自查清单不涉及任何具体技能或参数，目的是把「选型」变成一个可观察的过程；两周之内拿不到可复现的结果，就不应该继续追加投入，而是回到上一节的失败模式对照重新定位卡点。
说明：以上是自查清单，不是官方验收标准。FinanceDatabase 侧的字段与取值以官方 README / PyPI 为准，本机技能侧以各自 SKILL.md 为准；两条路线相互独立，一侧出问题不要指望另一侧自动兜底。
Skill scope
两种路线各自的边界：能做什么、不能做什么
这一节不是二选一，而是把两条路线的能力边界摊开写清楚，便于按任务判断。
| 任务 | 自己写 Python 用本库 | EasyClaw Skill 路线 |
|---|---|---|
| 拿到证券清单与元数据 | 可以，返回 DataFrame，字段与缺失率可逐列核对 | 可以提问获得结果，但看不到完整的 112,718 行原始清单 |
| 按国家 / 行业 / 市值批量建池 | 可以，参数固定、可复现、可写进脚本 | 可以按任务描述发起，适合单市场或单一板块的小范围查询 |
| 可复现与版本留痕 | 可以，能锁版本、存 CSV、比对两次快照 | 对话结果不便逐行追溯数据版本 |
| 免部署上手 | 不可以，要建 venv、装 35 个包、首次下载 19 MB | 可以，装好客户端后直接用自然语言发起 |
| 提供行情、财报、实时数据 | 本库不提供，需另接 yfinance/FinanceToolkit 等 | 由已装技能的数据源决定，中国市场的行情类技能覆盖更多 |
| 大规模批量导出 | 可以，导出 CSV 后本地处理 | 适合小范围结果，不适合把全库搬出来 |
| 与 EasyClaw 的集成状态 | 无已证实集成（本机技能目录里没有本库对应的技能） | — |
共同点：两条路线都不产出投资建议。本库给的是「有哪些标的、属于什么分类」，Skill 给的是「按你的问题去取数并整理」——分类标签不等于投资风格，筛选结果也不等于买入信号。
Task templates
自然语言任务清单：十种问法与验收口径
如果走 Skill 路线，下面这些问法成本低、结果可核对。原则是把扫描范围卡住——单只标的或单一板块，而不是全市场多条件海选。
| # | 可以这样问 | 合理的预期结果 | 怎么验收 |
|---|---|---|---|
| 1 | 查贵州茅台（600519）的市盈率与总市值 | 两三个字段的数值 | 数值有单位、有时间口径 |
| 2 | 检查贵州茅台是否满足市盈率低于 30 且市值大于 100 亿 | 逐条命中/未命中的判断 | 判断依据写清楚用了哪个字段 |
| 3 | 从银行板块选市盈率最低的 5 只 | 5 行带指标的清单 | 说明板块口径与排序字段 |
| 4 | 从白酒板块筛选市盈率低于 30、近 20 日涨幅为正的股票，并过滤涨停封板 | 小范围候选清单 | 说明过滤条件与数据日期 |
| 5 | 查 510300 近 30 天净值与区间涨跌幅 | 区间统计表 | 区间起点终点明确 |
| 6 | 检查 600519 是否跌破 60 日均线，并给出 RSI 与量能 | 指标数值 + 判断 | 指标参数写明周期 |
| 7 | 上证指数最近 20 个交易日的涨跌幅与振幅 | 逐日或汇总表 | 交易日口径与数据源 |
| 8 | 查贵州茅台近 60 个交易日的区间涨跌幅与年化波动率 | 两个统计量 | 年化方式说明（252 日等） |
| 9 | 用两条均线做一个简单策略想法，给出收益与回撤 | 回测摘要 | 参数、区间、成本假设齐备 |
| 10 | 把上面某次结果整理成一张对比表 | 结构化表格 | 字段与来源可追溯 |
成本与范围的实测经验：消耗主要取决于扫描了多少标的，而不是条件的个数。单只标的或单一板块加两三个条件是合理的；一次扫全市场五千只股票再叠四个条件，往往既慢又贵，还没跑完。上表前四条就是按这个原则设计的。
FAQ
对比常见问题
FinanceDatabase 在 EasyClaw 里能直接用吗？
无已证实集成。本项目需通过 pip 自行安装；另一侧提供的是独立的金融数据 / 量化研究技能，两者之间没有官方提供的打通方式。若确需串联，需要你自己写适配层并自行验证，是否可行以双方官方资料为准。
两条路线能结合使用吗？
可以各自独立使用：一边做代码级证券筛选并落盘，另一边做一句话行情与选股研究。但两者之间无自动打通，字段口径也可能不同，因此建议先指定哪一侧作为单一事实来源，再决定结果如何合流。以各自官方文档为准。
哪个更适合新手？
想免部署、快速拿到一个结论，可先走技能路线；想学 Python 金融数据处理、要把流程固化成脚本，则自建路线更合适。判断标准不是难易，而是你的最终交付物是「结论」还是「可复现的代码」。
技能路线需要 Key 吗？
视具体技能而定：例如 tushare-finance、iwencai、mx-data 等需要相应 Key 或 Token，yahoo-finance-github、akshare-finance 等相对宽松。前置条件各不相同，一律以各自 SKILL.md 为准；本页不代替官方说明。
本页的对比结论是官方给出的吗？
不是。对比表与边界结论由本站在官方资料基础上整理（项目侧来自官方 README 与 PyPI，技能侧来自本机目录核验）。凡官方未明确记载的，本页都不替官方下结论，实际使用请以官方 README / PyPI / 各技能 SKILL.md 为准。
为什么本页反复强调「无已证实集成」？
因为把两条独立路线说成一套流程，会让人误以为装上一边就能用另一边。本项目的安装状态为 unverified：本机技能目录中没有对应技能，官方仓库与文档也未提及集成。因此本页只并列介绍两条路线，不宣称任何一方已在另一方中可用。