市场编排 — 将 ESPN 实时时间表与 Kalshi 和 Polymarket 预测市场连接起来。 跨平台的统一仪表板、赔率比较、实体搜索和投注评估。 使用时机：用户想要查看 ESPN 比赛时间表的预测市场赔率、跨平台比较赔率、在 Kalshi 或 Polymarket 上搜索球队/球员、检查 ESPN 赔率和预测市场之间的套利，或评估特定比赛的市场价值。 不要在以下情况下使用：用户想要在没有 ESPN 上下文的情况下获得原始预测市场数据 - 直接使用 Polymarket 或 kalshi。对于纯粹的赔率数学（转换、去维格、凯利）——使用投注。对于没有市场数据的实时比分 — 使用运动特定技能。
通过命令行快速安装 markets AI 技能到你的开发环境
来源：machina-sports/sports-skills。
Bridges ESPN live schedules (NBA, NFL, MLB, NHL, WNBA, CFB, CBB) with Kalshi and Polymarket prediction markets.
| gettodaysmarkets | | sport, date | Fetch ESPN schedule → search both exchanges → unified dashboard | | searchentity | query | sport | Search Kalshi + Polymarket for a team/player/event name | | compareodds | sport, eventid | | ESPN odds + prediction market prices → normalized side-by-side + arb check |
| getsportmarkets | sport | status, limit | Sports-filtered market listing on both platforms | | getsportschedule | | sport, date | Unified ESPN schedule across one or all sports | | normalizeprice | price, source | | Convert any source format to common {impliedprob, american, decimal} |
市场编排 — 将 ESPN 实时时间表与 Kalshi 和 Polymarket 预测市场连接起来。 跨平台的统一仪表板、赔率比较、实体搜索和投注评估。 使用时机：用户想要查看 ESPN 比赛时间表的预测市场赔率、跨平台比较赔率、在 Kalshi 或 Polymarket 上搜索球队/球员、检查 ESPN 赔率和预测市场之间的套利，或评估特定比赛的市场价值。 不要在以下情况下使用：用户想要在没有 ESPN 上下文的情况下获得原始预测市场数据 - 直接使用 Polymarket 或 kalshi。对于纯粹的赔率数学（转换、去维格、凯利）——使用投注。对于没有市场数据的实时比分 — 使用运动特定技能。 来源：machina-sports/sports-skills。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/machina-sports/sports-skills --skill markets市场编排 — 将 ESPN 实时时间表与 Kalshi 和 Polymarket 预测市场连接起来。 跨平台的统一仪表板、赔率比较、实体搜索和投注评估。 使用时机：用户想要查看 ESPN 比赛时间表的预测市场赔率、跨平台比较赔率、在 Kalshi 或 Polymarket 上搜索球队/球员、检查 ESPN 赔率和预测市场之间的套利，或评估特定比赛的市场价值。 不要在以下情况下使用：用户想要在没有 ESPN 上下文的情况下获得原始预测市场数据 - 直接使用 Polymarket 或 kalshi。对于纯粹的赔率数学（转换、去维格、凯利）——使用投注。对于没有市场数据的实时比分 — 使用运动特定技能。 来源：machina-sports/sports-skills。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/machina-sports/sports-skills --skill markets 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/machina-sports/sports-skills