Skip to content
Back to search

quant-buddy-skills

宽宝 QuantBuddy: 一整套面向Agent Invesment投资研究与决策的底层设施与能力的调用skill, 覆盖A股/港股/美股/期货/宏观/ETF的量化分析与计算。支持行情、估值、财务查询、选股筛选、因子计算、策略回测。A complete infrastructure for Agent based investment analysis and decision through skill calling. Including quant skill for A-share, HK & US stocks/futures/ETF/macro — market data, fundamentals, screening, factor & backtest.

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today

Check it deeper on your machine

It has changed since its scan on 11 Nov 2026. Its scripts were only partly scanned.

As a Claude Code plugin, install it and then ask Claude Code:

/plugin marketplace add keithmackay/mackayi/plugin install scanskillsafety@mackayiDo a deep scan of https://github.com/pseudo-longinus/quant-buddy-skills with scanskillsafety

Or from a terminal, clone it and run it:

git clone https://github.com/keithmackay/scanskillsafety-skill ~/.claude/skills/scanskillsafetynode ~/.claude/skills/scanskillsafety/cli.cjs --deep 'https://github.com/pseudo-longinus/quant-buddy-skills'

It checks the exact commit: every file, its packages against OSV (api.osv.dev), how it compares with this page's scan (findsafeskills.com receives the repository's address), and, if you agree, Claude reading every file with your own Claude subscription. It never runs the code.

Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/pseudo-longinus--quant-buddy-skills/badge.svg)](/listings/pseudo-longinus--quant-buddy-skills)

HTML

<a href="/listings/pseudo-longinus--quant-buddy-skills"><img src="/api/listings/pseudo-longinus--quant-buddy-skills/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

Install instructions from the README

As written by the repo's author. findsafeskills has not verified these steps.

npx(Node.js 包执行工具,推荐)

建议新用户**只安装到自己正在使用的 AI Agent(智能代理)**,不要默认使用 `--all`。`--all` 等价于安装全部 skill 到全部支持的 agent,可能在本机创建多处目录或符号链接。

| 你使用的 Agent | 推荐命令 | |---|---| | Claude Code | `npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-skill -y` | | Cursor | `npx skills add pseudo-longinus/quant-buddy-skills -g -a cursor -s quant-buddy-skill -y` | | OpenClaw | `npx skills add pseudo-longinus/quant-buddy-skills -g -a openclaw -s quant-buddy-skill -y` |

如果你使用其他支持的 Agent,把 `-a` 后面的值替换为对应 agent id;不要省略 `-a`,避免 CLI 自动安装到多个 Agent。

如果你同时使用多个 Agent,可以重复指定 `-a`:

npx skills add pseudo-longinus/quant-buddy-skills -g -s quant-buddy-skill -a claude-code -a cursor -y

先查看仓库里有哪些 skill(只列出,不安装):

npx skills add pseudo-longinus/quant-buddy-skills --list

已安装用户更新:

npx skills update quant-buddy-skill -g -y

Windows(微软桌面操作系统)用户如果遇到 symlink(符号链接)或权限错误,可以在对应 Agent 命令后追加 `--copy`,例如:

npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-skill -y --copy

只有在你明确希望安装到所有支持的 Agent 时,才使用:

npx skills add pseudo-longinus/quant-buddy-skills -g --all

查看当前安装位置:

npx skills list -g --json

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

README.md · README · 702 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.

  1. # quant-buddy-skills
  2. <p align="center">
  3. <a href="https://www.quantbuddy.cn/videos/quantbuddy-research-demo.mp4">
  4. <img src="assets/quantbuddy-infrastructure.png" alt="QuantBuddy 一站式投研分析 AI 基础设施:从问题到个人投研系统" width="100%" />
  5. </a>
  6. <br/>
  7. <sub>点击首图打开 QuantBuddy 研究活页演示视频:从一句研究问题,到可交互、可分享、持续更新的研究活页。</sub>
  8. </p>
  9. <p align="center">
  10. <a href="README.md">中文</a> ·
  11. <a href="README.en.md">English</a> ·
  12. <a href="https://www.quantbuddy.cn">QuantBuddy</a> ·
  13. <a href="https://tcn8bvcbyokw.feishu.cn/wiki/E1zswck3oiiJjJkP07QcmSG3nle?from=from_copylink">新手教程</a>
  14. </p>
  15. <p align="center">
  16. <a href="https://github.com/pseudo-longinus/quant-buddy-skills/stargazers"><img alt="GitHub stars" src="https://img.shields.io/github/stars/pseudo-longinus/quant-buddy-skills?style=social"></a>
  17. <a href="https://github.com/pseudo-longinus/quant-buddy-skills/blob/main/LICENSE"><img alt="License" src="https://img.shields.io/badge/license-MIT-green"></a>
  18. <img alt="Python" src="https://img.shields.io/badge/Python-3.8%2B-blue">
  19. <img alt="Markets" src="https://img.shields.io/badge/Markets-A%E8%82%A1%20%2F%20%E6%B8%AF%E8%82%A1%20%2F%20%E7%BE%8E%E8%82%A1%20%2F%20%E6%9C%9F%E8%B4%A7-orange">
  20. </p>
  21. > **QuantBuddy 把量化和实证分析变成每个人都能使用的投研基础设施。**
  22. >
  23. > - **可以直接做:** 查数据、做比较、算指标、构造公式、选股、找因子、回测、发布活页
  24. > - **覆盖主要市场:** A 股、港股、美股、期货、指数、ETF、宏观数据
  25. > - **研究结果可持续使用:** 公式可改、口径可查、结果可复核,研究可以沉淀为个人投研系统
  26. ## 🔥 3 秒快速安装
  27. 如果你熟悉 Agent 工具(Claude Code、Cursor、OpenClaw 等),可以直接对 AI Agent 说:
  28. > 帮我安装这个 skill:
  29. ```bash
  30. npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-skill -y
  31. ```
  32. 安装 `quant-buddy-skill`(QBS)时,支持 companion 的版本会在首次 `newSession` 调用 QBV(`quant-buddy-view`)检查,并按需自动安装或更新它。QBS 负责理解问题、查数和计算,QBV 负责把结果发布成可分享的研究活页;QBV 安装失败不会影响 QBS 的行情、财务、公式、筛选和回测。
  33. 如果希望立即启用活页发布能力,也可以显式安装 QBV:
  34. ```bash
  35. npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-view -y
  36. ```
  37. 把命令中的 `claude-code` 换成你正在使用的 Agent ID 即可。只有在明确希望把仓库内全部 skill 安装到全部 Agent 时,才使用 `--all`。
  38. 如果你不懂如何使用 Agent 和 skill,可以按照[小白图文教程](https://tcn8bvcbyokw.feishu.cn/wiki/E1zswck3oiiJjJkP07QcmSG3nle?from=from_copylink)一步步展开。
  39. ---
  40. > **QuantBuddy Skills 是一套给 AI Agent 使用的底层量化研究基础设施。**
  41. > 把投研想法交给 Agent,把数据、计算、口径和交付交给一套可以持续运行的研究底座。
  42. 它不是只回答行情的聊天 Skill,也不是把原始表格丢给模型的数据接口。它把**数据接入、指标口径、公式计算、横截面筛选、因子研究、策略回测、结果验证和研究活页交付**沉淀成 AI Agent(智能代理)可直接调用的底层能力。
  43. 覆盖 A 股、港股、美股、指数、ETF、境内期货,以及宏观策略、A 股期权隐含波动率、美国期权行情、龙虎榜标签和 GICS 行业等数据;不同市场的字段以实际接口返回为准。
  44. 传统数据 API 只负责"把数据拉出来";quant-buddy-skills 负责让 AI Agent 把自然语言投研想法转成**可执行公式、平台侧计算、结构化结果和可复用任务**。
  45. 项目主页与演示:https://www.quantbuddy.cn
  46. > 本项目用于金融数据分析、量化研究、策略验证和教育用途,不构成投资建议、交易建议、收益承诺或自动交易服务。
  47. ## 先理解它是什么:一套可运行的研究底层
  48. QuantBuddy Skills 把一次投研拆成四层。每层都能被 Agent 调用,也能把结果交给下一层继续使用:
  49. | 底层 | 提供什么 | 解决什么问题 |
  50. |---|---|---|
  51. | **数据层** | 四类市场行情、财务、估值、资金、情绪、期货供需、宏观和另类数据 | 不再为每个问题临时拼数据源和字段 |
  52. | **指标层** | 18 个研究维度、280+ 已落地指标、明确窗口、口径和打分方式 | 同一个概念有统一定义,结果可以追溯和比较 |
  53. | **计算层** | 公式、窗口、横截面筛选、因子、事件研究、回测、净值和图表 | 把“大表搬运”变成平台侧计算,只返回判断所需结果 |
  54. | **交付层** | 公式任务包、Data Grant、QBV 研究活页、免费托管和持续更新 | 一次研究可以分享、复用、下载和继续运行 |
  55. 项目把这两部分组织为 **“指标体系 × 研究范式”**:指标体系回答“怎么算”,把维度拆成有口径的指标;研究范式回答“怎么用”,把验证过的流程固定成可复用活页。底层框架因此同时保留计算细节和研究方法,而不是只输出一张静态图片。
  56. 这套底层框架带来几个直接好处:
  57. - **透明可核验**:保留数据日期、报告期、指标口径、公式链和结果证据,方便复盘与审计。
  58. - **把算力留给判断**:大规模矩阵在平台侧计算,Agent 只接收 TopN、统计量、图表或结构化证据,降低上下文和传输成本。
  59. - **跨市场可比较**:A 股、港股、美股、期货在各自市场内按同一研究维度计算和排序,避免把不同市场字段强行混用。
  60. - **一次研究,多次复用**:公式、指标和页面结构可以沉淀为任务包、范式或活页,下一次从已有方法继续。
  61. - **结果会继续更新**:活页按交易日刷新;RSI、RSRS、选股和回测研究还可以在富余算力时申请免费自动进化。
  62. - **端侧足够轻**:数据和计算在云端,页面可以分享、下载为自包含 HTML,并嵌入网站、课程、桌面屏幕或自己的应用。
  63. ## QBS + QBV:从问题到持续更新的研究活页
  64. QBS 和 QBV 是一条完整链路:QBS 把自然语言投研问题转成数据查询、公式、筛选或回测;QBV 把经过验证的结果发布成可以反复打开、分享和更新的研究活页。
  65. 能力边界和调用顺序以仓库内的 [QBS SKILL.md](skills/quant-buddy-skill/SKILL.md) 与 [QBV SKILL.md](skills/quant-buddy-view/SKILL.md) 为准;README 只提炼当前版本已经验证过的公开能力。
  66. | 阶段 | 负责组件 | 你得到的结果 |
  67. |---|---|---|
  68. | 提出问题 | `quant-buddy-skill` | 行情、财务、估值、全市场筛选、因子、回测和图表结果 |
  69. | 沉淀方法 | QBS → QBV | 公式任务包、数据合同和可复用的研究结构 |
  70. | 发布与更新 | `quant-buddy-view` | `pages.quantbuddy.cn` 上的可分享活页,按同一口径持续取数和更新 |
  71. <p align="center">
  72. <img src="assets/quantbuddy-two-layer-workflow.png" alt="QuantBuddy 双层投研工作流:QBS 计算研究层与 QBV 活页运行层" width="100%" />
  73. <br/>
  74. <sub>QBS 负责查数据、写公式、选股 / 因子 / 回测;QBV 负责验证、注册数据接口、发布与更新活页。</sub>
  75. </p>
  76. ## 五个能力模块:从问题到持续运行
  77. 这个仓库把一次投研拆成一个入口和五个相互衔接的能力模块:先提出问题,再依次经过数据、计算、范式、活页、免费与进化。下面每张图对应一段可以由 AI Agent 调用的能力,说明紧跟在图下方;图中的产品界面文字保留原始版本,便于对照实际使用。
  78. ### 起点|一问生成研究活页
  79. <p align="center">
  80. <img src="assets/quantbuddy-one-question-live-page.png" alt="宽宝 AI:一问生成研究活页" width="100%" />
  81. <br/>
  82. <sub>从自然语言问题开始,生成可交互、可分享、持续更新的研究活页。</sub>
  83. </p>
  84. QBS 先理解“想研究什么”,再组织查询、公式、筛选或回测;QBV 接收经过验证的结构化结果,生成可以反复打开的研究活页。顶部首图链接到一段完整演示视频,展示的也是这条从问题到页面的链路。
  85. ### 01|跨市场投研数据
  86. <p align="center">
  87. <img src="assets/quantbuddy-data-coverage.png" alt="QuantBuddy 投研数据全覆盖:A 股、港股、美股、期货与宏观等研究数据" width="88%" />
  88. <br/>
  89. <sub>把行情、财务、估值、资金、情绪、期货供需、宏观和另类数据接入同一套研究入口。</sub>
  90. </p>
  91. QBS 会先识别资产和市场,再按实际数据合同返回字段、日期和覆盖状态。当前能力覆盖 A 股、港股、美股、指数、ETF、境内期货,以及宏观策略、A 股期权隐含波动率、美国期权、龙虎榜标签和 GICS 行业等专项数据;字段以接口实际返回为准。
  92. | 资产 / 市场 | 可直接查询的内容 | 可做的研究动作 | 边界 |
  93. |---|---|---|---|
  94. | A 股股票、ETF | 行情、估值、报告期财务、行业、资金流、龙虎榜、市场/个股情绪 | 公式计算、横截面筛选、因子、回测、行业聚合、K 线和分钟任务 | 字段最丰富;ETF 也在资产库中 |
  95. | 港股 | 行情、窗口收益、部分估值和报告期财务、南向持仓字段 | 已物化指标筛选;对可用字段做公式、比较和页面 | 不把 A 股专属字段强套到港股 |
  96. | 美股、境外 ETF | 行情、窗口收益、部分估值和报告期财务 | 已物化指标筛选;公式、比较、因子和页面 | 覆盖随资产和接口返回变化 |
  97. | 指数 | A 股、行业/主题及海外指数行情和窗口序列 | 基准对比、收益比较、行业排名、事件研究、活页图表 | 不同市场的分钟覆盖不同 |
  98. | 境内期货 | 主力/连续/次主力行情、窗口、现货、库存和换月事件 | 期货筛选、供需研究、连续合约比较、部分分钟任务 | 不承诺股票式估值、财务或 K 线 |
  99. | 宏观、期权及研究数据 | 宏观/策略数据、A 股期权隐含波动率、美国期权行情、GICS 分类等 | 宏观背景、波动率、分类聚合、策略研究 | 按数据集提供专项能力 |
  100. `selectByComposition` 的 `universe.asset_scope` 支持 `A股`、`港股`、`美股`、`期货` 四类当前横截面筛选;公式筛选、因子排序和历史回测则按各市场可用字段执行。日频财务条件会按报告期/发布日期对齐,再叠加价格、均线、突破和成交量条件。快照、窗口和报告期查询单次最多处理 1000 个资产;分钟能力以平台合同和覆盖日期为准,覆盖不足时会明确返回提示。
  101. **代表性查数实验(QBS `fast_query`,2026-10-06 执行)**
  102. 一次请求同时查询 A 股贵州茅台和港股腾讯控股的收盘价、涨跌幅、成交额与 PE(TTM),结果按字段自己的日期返回:
  103. | 资产 | 收盘价(日期) | 涨跌幅(日期) | PE(TTM)(日期) |
  104. |---|---:|---:|---:|
  105. | 贵州茅台(600519.SH) | 1,258.62(2026-09-30) | 1.8647%(2026-09-30) | 19.3209(2026-09-30) |
  106. | 腾讯控股(0700.HK) | 427.80(2026-10-06) | 1.5670%(2026-10-06) | 16.2627(2026-10-05) |
  107. 这个结果体现了数据层的关键行为:跨市场一次查数、单位由字段元数据给出,行情与估值日期不同也不会被错误合并成同一个“截至日”。
  108. ### 02|透明、可验证的低代码计算
  109. <p align="center">
  110. <img src="assets/quantbuddy-transparent-low-code-compute.png" alt="QuantBuddy 透明可拓展的低代码计算:平台侧计算并返回可复核结果" width="88%" />
  111. <br/>
  112. <sub>用公式串起数据、窗口统计、条件筛选、因子和回测;平台侧计算后只返回结构化结果。</sub>
  113. </p>
  114. 低代码公式保留数据日期、报告期、窗口和计算链,支持参数调整、历史回放和结果复核。大规模矩阵在平台侧完成,Agent 接收 TopN、统计量、图表或其他结构化证据,减少上下文和传输成本,也避免临时手写数据清洗、字段 join 和回测代码。
  115. **代表性计算实验(QBS `runMultiFormulaBatchStream` + `readData`)**
  116. 问题:筛选全 A 股中近 60 个交易日创新高、成交额高于过去 20 日均值 2 倍,并按涨幅取前 10。平台侧执行 7 条公式,最终读取只返回 10 行;2026-09-30 的结果包括善水科技、南模生物、近岸蛋白、广康生化、中红医疗等,`readData` 显示 `returned_rows=10`、`is_truncated=false`、本次读取消耗 2 RU。完整公式仍放在后面的“真实调用示例”,这里先看清输入、平台计算和结构化输出的关系。
  117. 核心公式只需表达研究口径,平台负责展开资产矩阵:
  118. ```text
  119. 60日高基准 = 昨天(最大("全市场每日最高价", 60))
  120. 放量突破Top10 = 取前("突破60日新高" * "成交额放量" * 涨跌幅("全市场每日收盘价"), 10, 返回数值)
  121. ```
  122. ```text
  123. 自然语言条件 → 7 条公式链 → 平台侧全市场计算 → Top10 名单与涨幅 → 2 RU 读取
  124. ```
  125. ### 03|专业投研范式
  126. <p align="center">
  127. <img src="assets/quantbuddy-paradigm-library.png" alt="QuantBuddy 专业范式库:趋势、估值、资金流、期货供需和市场情绪等研究范式" width="88%" />
  128. <br/>
  129. <sub>把专业投资经验沉淀为 Agent 可调用的方法:发现、收藏、派生,再形成自己的研究活页。</sub>
  130. </p>
  131. 项目把“怎么算”和“怎么用”分别沉淀为指标体系与研究范式。目前覆盖 **18 个研究维度、280+ 个已落地指标**(本地目录记录 327 个指标候选),包括趋势结构、动量与反转、相对强度、量能与流动性、资金流向、形态/波动/风控、估值性价比、盈利能力、盈利成长、现金流质量、财务安全、运营效率、财务爆雷风险、期货供需、异动监控、龙虎榜资金席位、市场情绪和个股情绪。
  132. 这些指标可用于单资产画像、跨市场筛选、因子组合、行业/主题聚合、事件研究、回测和研究活页。是否已物化、支持哪个市场和哪个日期,以服务端的 `selection_ready`、`asset_scope`、`as_of` 和实际返回为准。
  133. **代表性范式复用实验(在线目录 + `selectByComposition`)**
  134. 先用在线目录按“RSI”发现 18 个研究维度中的两个候选指标,再把 `A股_RSI强而不过热`(score)与 `A股_短期高低点抬升`(screen)组合,并设置 RSI 分数大于 0。2026-09-30 快照下,选择器确认全 A 股宇宙 443 个成员,返回 10 个结果;排名前列包括古越龙山、泉阳泉、复星医药、华发股份和恒丰纸业。这个过程对应范式库的实际使用路径:发现指标 → 查看输出类型与快照日期 → 按 score/screen 放入正确位置 → 读取带口径和日期的 TopN,而不是把指标名称当成一段无法复核的描述。
  135. ### 04|活页持续运行
  136. <p align="center">
  137. <img src="assets/quantbuddy-live-page-continuous-run.png" alt="QuantBuddy 活页持续运行:单 HTML、联网取数、每日更新、可分享可下载" width="88%" />
  138. <br/>
  139. <sub>活页不是截图:绑定公式任务包后,打开即可联网取最新值,也可以分享或下载自包含 HTML。</sub>
  140. </p>
  141. QBV 有两条清晰的交付路径:已有 JPG、PNG、HTML、PDF 先原样发布到**免费托管空间**,得到可阅读、可分享的静态页;QBS 验证结果再绑定公式任务包或 Data Grant,才会在联网打开时继续取最新数据。动态活页可以下载为自包含 HTML,也可以保留已有页面结构、追加基准序列、编辑图表、复用页面壳并做版本验收。常见交付包括个股画像、估值/财务页、指数异动、跨资产比较、行业/主题机会、资金流信号、基金/ETF/债券画像、商品日报、K 线和策略净值看板。
  142. **两个实际交付页面**
  143. 下面两张图对应公式任务包的真实静态页面形态:浏览器用公开凭证取结构化结果,页面自己渲染表格和图表;它们不是 QBS 原始数据表,也不会把 API Key 放进前端。
  144. <p align="center">
  145. <img src="assets/demo_market_bubble.png" alt="全球市场温度 / 估值泡沫看板" width="78%" />
  146. <br/>
  147. <sub><b>全球市场温度看板</b> · 七大股指涨跌、估值泡沫温度、商品与债券走势。</sub>
  148. </p>
  149. <p align="center">
  150. <img src="assets/demo_hs300_monitor.png" alt="沪深300 个股异动监控" width="78%" />
  151. <br/>
  152. <sub><b>沪深300 个股异动监控</b> · 涨跌幅榜、换手 / 量能异动和半年价格轨迹。</sub>
  153. </p>
  154. > 以上数字为历史 / 示例数据,用于说明页面交付形态,不构成投资或交易建议。
  155. ### 05|免费额度与社区共成长
  156. <p align="center">
  157. <img src="assets/quantbuddy-free-start.png" alt="QuantBuddy 免费开始:免费数据额度、研究空间和自动进化" width="88%" />
  158. <br/>
  159. <sub>免费数据额度、免费研究空间、富余算力排队运行和可对比的新版本,让研究可以持续迭代。</sub>
  160. </p>
  161. QBV 支持把 RSI、RSRS、选股逻辑或回测研究提交到 L1–L5 自动进化路径。登记的是进化意愿,不是立即创建任务;平台会在有富余算力时不定期免费运行较长任务,用于补充数据、做历史比较、检查口径或改进页面呈现。任务按后台资源排队,不承诺立即完成;生成后可比较版本变化和 RU 变化,再决定是否采用。
  162. **一个可复用的进化请求**
  163. ```text
  164. 继续检查这张 RSI / RSRS 活页:补充更长历史窗口,比较 L1–L3 版本的信号稳定性;有富余算力时排队运行,完成后保留原版本并给出新旧版本与 RU 变化。
  165. ```
  166. 这里的“提交”只登记研究目标;是否进入运行队列取决于后台富余算力。新版本生成后再比较口径、结果和资源用量,决定是否替换原活页。
  167. ## 可复用的研究交付场景
  168. 同一套数据、指标和计算底座可以承载不同的研究产品,也可以嵌入已有网站、课程、桌面屏幕或应用:
  169. | 场景 | 交付形态 | 典型结果 |
  170. |---|---|---|
  171. | 研报复现 / 策略测试 | 可回放的公式和回测活页 | 用历史数据复核假设,持续重算信号和净值 |
  172. | 财经内容 / 行业周报 | 可嵌入的研究活页 | 行业拥挤度、TopN 口径和图表随数据更新 |
  173. | 桌面机器人 / 金融屏幕 | 条件变化监控页 | 只呈现值得关注的变化,每条信号可回到证据 |
  174. | 网站 / 小程序 / App | 自己的方法页或选股页 | 组合低估值、盈利质量、趋势观察,持续跟踪候选变化 |
  175. | 金融顾问 / 资产配置 | 面向客户的交互式方案页 | 把期限、风险和流动性偏好接进可更新的配置逻辑 |
  176. | 投资教育 | 可实验的课程活页 | 学生调整条件、查看公式、比较有效与失效情景 |
  177. ## 为什么值得安装
  178. - **不是只查数据**:支持公式、窗口统计、条件筛选、因子排序和策略回测。
  179. - **适合跨市场横截面计算**:A 股、港股、美股、期货都可以进入已物化指标的选择器;平台侧完成大规模计算,只把结果返回给 AI Agent(智能代理)。
  180. - **能沉淀为可复用任务**:今天探索出的公式,明天可以固定时间重复运行。
  181. - **从计算到交付一条链路**:安装 QBS 时会检查并调用 QBV;QBV 提供免费托管空间,把验证后的结果变成可分享活页。
  182. - **研究可以继续进化**:RSI / RSRS、选股和回测活页可提交后台自动进化;富余算力可用时不定期免费运行。
  183. - **面向 AI Agent(智能代理)工作流设计**:适配 Claude Code(编程智能代理)、Cursor(智能编辑器)、Codex(编程智能代理)、GitHub Copilot(编程助手)、Windsurf(智能编辑器)等环境。
  184. - **四类市场各有研究路径**:A 股覆盖最完整;港股、美股支持行情、窗口、部分估值/财务和横截面选择;境内期货支持行情、现货、库存、连续合约和部分供需研究;具体字段以接口返回为准。
  185. - **覆盖更多投研数据**:支持 A 股财务、港美股财务、龙虎榜标签、GICS 行业等常用投研数据。
  186. ## 一句话能做什么
  187. | 你对 AI Agent(智能代理)说 | quant-buddy-skills 做什么 |
  188. |---|---|
  189. | “查贵州茅台最新收盘价、涨跌幅、成交额” | 调用行情数据,返回结构化结果 |
  190. | “筛全 A 股放量突破 60 日新高的前 10 只” | 平台侧执行全市场公式、筛选、排序,只返回 Top10(前十名) |
  191. | “在港股 / 美股 / 期货里按已上线动量或波动指标取 TopN” | 按 `asset_scope` 调用横截面选择器,返回名单、分项分数和数据日期 |
  192. | “回测低 PE(市盈率)+ 高 ROE(净资产收益率)组合,相对沪深 300 画净值” | 执行策略回测、基准对比、输出净值曲线 |
  193. | “把这个选股条件每天 14:30 跑一遍” | 将验证过的公式沉淀为可复用任务 |
  194. | “把这组算好的指标发布成一个网页能直接读的数据包” | 注册成公式任务包,返回凭证,前端/第三方免 API Key 流式取最新值 |
  195. | “上传我的 CSV(逗号分隔值文件)因子,和 ROE(净资产收益率)一起做排序” | 上传自有因子并参与公式计算、选股和图表输出 |
  196. ## Skill Matrix(能力矩阵)
  197. | 能力 | 支持范围 | 典型提示词 |
  198. |---|---|---|
  199. | 快速行情查询 | A 股 / 港股 / 美股 / 指数 / 可识别期货(行情以工具返回为准) | “查一下贵州茅台最新收盘价、涨跌幅和成交额” |
  200. | 估值与财务 | A 股 / 港股 / 美股部分字段(以接口返回为准) | “列出宁德时代最近报告期 ROE、净利润和资产负债率” |
  201. | 常用投研数据 | A 股财务、港美股财务、龙虎榜标签、GICS 行业等 | “查一下归母净利润、EBITDA、龙虎榜净买额、GICS 行业” |
  202. | 全市场公式计算 | A 股、港股、美股、指数、ETF、境内期货按字段支持 | “计算指定市场 20 日收益和 60 日收益,并按动量排序” |
  203. | 多条件选股 | `selectByComposition` 支持 A 股 / 港股 / 美股 / 期货的已物化指标;公式筛选按数据字段执行 | “筛选指定市场的低估值、高质量、动量或波动条件” |
  204. | 因子分析 | 18 个研究维度、已物化 score/screen 指标、自有 CSV 因子;A 股目录最完整 | “用股息率、ROE、动量做复合因子排序” |
  205. | 策略回测 | A 股工作流最完整;其他市场按公式和历史数据支持情况执行 | “回测低 PE + 高 ROE 组合,相对沪深 300 画净值” |
  206. | 盘中与历史分钟 | A/美股股票、港股、境内期货、境内指数按覆盖日期提供分钟能力 | “查询某资产最近完整交易日分钟 OHLCVA,或读取历史 1 分钟 CSV” |
  207. | 个股 / 资产画像 | 单资产开放式画像,估值、财务、资金、波动、宏观胜率和走势维度按市场返回 | “生成腾讯控股 / 苹果 / 黄金期货的最新画像” |
  208. | 行业、主题与事件 | 行业/主题精确成分、收益排名、事件研究和情景窗口 | “比较申万行业近 20 日表现并做事件前后收益” |
  209. | 期权与宏观研究 | A 股期权 IV、美国期权行情、宏观策略数据和 GICS 分类 | “按到期日、执行价、IV 或宏观情景整理研究数据” |
  210. | 图表渲染 | K 线、净值、基准对比 | “把策略净值和沪深 300 画成图” |
  211. | 公式任务包 | 把公式组注册成长期包,对外免 API Key(接口密钥)SSE 取数 | “把这组选股公式发布成一个数据页,前端直接取最新结果” |
  212. | 研究活页与托管 | QBS 结果交给 QBV 发布到免费研究空间,支持分享、下载和持续更新 | “把这次研究做成一个能反复打开的活页” |
  213. | 自动进化 | QBV 在富余算力可用时不定期免费运行 RSI / RSRS、选股或回测研究的进化任务 | “继续检查这张活页并自动进化” |
  214. | 自有数据 | CSV(逗号分隔值文件)因子上传 | “上传我的因子 CSV,和 ROE 一起排序” |
  215. ## 最近的能力进展
  216. - **当前版本**:QBS `4.25.67`、QBV `0.8.10`;安装 QBS 时,支持 companion 的版本会在首次 `newSession` 检查并按需安装/更新 QBV。
  217. - **大结果读取更可控**:QBS 现在按场景区分 `signature`、`last_column_full`、`last_day_stats`、`range_data`、`per_asset_sample` 等读取模式;QBV 公式包会检查 `is_truncated`,不把摘要结果当完整名单。
  218. - **K 线已走实时运行时**:普通 K 线活页使用同一份 OHLCV Data Grant 绘制蜡烛、成交量和均线;只有明确要求图片时才走 PNG 渲染路径。
  219. - **QBS → QBV 交接更完整**:验证过的计算结果、数据范围和页面意图可以一起交给 QBV,减少重复查数和手工拼页面。
  220. - **已有文件可以先活页化**:JPG、PNG、HTML、PDF 等已有材料可以先原样托管为可阅读页面,再继续做数据增强或研究改造。
  221. - **分钟数据覆盖更清晰**:历史分钟区间查询会区分完整覆盖、部分覆盖和越界情况,并返回覆盖提示,不把空结果误当成有效数据。
  222. - **资产与专项数据继续扩展**:资产目录包含约 5316 个 A 股、2858 个港股、1069 个美股/境外 ETF、513 个指数和 239 个期货条目;同时补充美股期权、A 股期权 IV、宏观策略和 GICS 分类目录,实际可用字段仍以服务端返回为准。
  223. - **公式任务更适合长期复用**:公式包支持指定日期或偏移读取,适合把探索过的指标接到看板、网页和调度任务中。
  224. - **页面交付有验收边界**:QBV 会在页面发布和可访问性确认后再交付最终活页链接,避免把草稿或未验证页面当成成品。
  225. ## 适合谁
  226. - **A 股、港股、美股和期货研究员**:想快速验证选股、因子、事件研究、回测或供需想法。
  227. - **AI Agent(智能代理)和 AI 编程工具用户**:想让 Claude Code(编程智能代理)、Cursor(智能编辑器)、Codex(编程智能代理)、GitHub Copilot(编程助手)直接完成投研任务。
  228. - **投研自动化开发者**:想把每日复盘、盘中筛选、策略监控固化为可重复运行的任务。
  229. - **金融数据分析师 / 内容创作者**:想从自然语言直接得到结构化数据、TopN(前 N 名)名单和图表。
  230. ## 不适合谁
  231. - 只需要完全自定义底层数据管道的人。
  232. - 需要加密货币数据,或要求期货估值/财务、美股完整基本面数据库的人;当前版本提供的是按专项数据集和接口字段返回的研究能力。
  233. - 期待自动交易下单、收益承诺或个性化投资建议的人。
  234. ## 真实调用示例
  235. 以下示例是仓库保留的历史调用记录,生成于 2026-05-18;行情会随市场刷新变化。当前可复现实验已放在上面的五个模块下,下面的完整示例用于补充参数和复用方式。
  236. ### 示例 1:自然语言查数,一次返回多个指标
  237. 用户可以直接问:
  238. ```text
  239. 查一下贵州茅台最新收盘价、涨跌幅和成交额。
  240. ```
  241. AI Agent(智能代理)会生成并执行公式:
  242. ```text
  243. 贵州茅台收盘 = "全市场每日收盘价" * 取出(贵州茅台)
  244. 贵州茅台涨跌幅 = "全市场每日回报率" * 取出(贵州茅台)
  245. 贵州茅台成交额 = "全市场每日成交额" * 取出(贵州茅台)
  246. ```
  247. 实际返回结果:
  248. | 日期 | 股票 | 收盘价 | 涨跌幅 | 成交额 |
  249. |---|---|---:|---:|---:|
  250. | 2026-05-18 | 贵州茅台 | 1323.69 | -0.70% | 46.01 亿元 |
  251. 这个例子展示的是“自然语言提问 -> 公式生成 -> 平台侧取数 -> 结构化结果返回”的最短路径。
  252. ### 示例 2:全市场公式计算,不把大表塞进上下文
  253. 用户可以问:
  254. ```text
  255. 筛选全 A 股中,今天突破 60 日新高、成交额高于过去 20 日均值 2 倍,并按当日涨跌幅排序的前 10 名。
  256. ```
  257. AI Agent(智能代理)会生成公式链:
  258. ```text
  259. A股池 = 板块(万得全A) * 缺失填零("非ST股")
  260. 60日高基准 = 昨天(最大("全市场每日最高价", 60))
  261. 放量基准 = 昨天(平均("全市场每日成交额", 20))
  262. 突破60日新高 = ("全市场每日最高价" > "60日高基准") * "A股池"
  263. 成交额放量 = ("全市场每日成交额" > 2 * "放量基准") * "A股池"
  264. 排序值 = "突破60日新高" * "成交额放量" * 涨跌幅("全市场每日收盘价")
  265. 放量突破Top10 = 取前("排序值", 10, 返回数值)
  266. ```
  267. 实际返回结果:
  268. | 排名 | 股票 | 代码 | 当日涨跌幅 |
  269. |---:|---|---|---:|
  270. | 1 | 凡拓数创 | SZ301313 | 20.00% |
  271. | 2 | 索辰科技 | SH688507 | 20.00% |
  272. | 3 | 隆达股份 | SH688231 | 18.23% |
  273. | 4 | 蓝思科技 | SZ300433 | 13.97% |
  274. | 5 | 长盈通 | SH688143 | 13.21% |
  275. | 6 | 广信材料 | SZ300537 | 13.12% |
  276. | 7 | 卡倍亿 | SZ300863 | 12.70% |
  277. | 8 | 佰奥智能 | SZ300836 | 11.79% |
  278. | 9 | 线上线下 | SZ300959 | 11.68% |
  279. | 10 | 中巨芯 | SH688549 | 10.48% |
  280. 这里没有把全市场几千只股票的原始矩阵塞进 LLM(大语言模型)上下文。平台侧先完成全市场计算、筛选和排序,最终只返回 Top10(前十名)结果。实际调用中,读取最终 Top10(前十名)明细只返回 10 行,`readData`(读取数据)响应显示 `cost`(消耗字段)=2 RU(资源用量单位)。
  281. ### 示例 3:探索后把公式固化,后续直接调用
  282. 第一次使用时,用户可以自然语言探索:
  283. ```text
  284. 帮我设计一个 14:30 盘中选股条件:突破 60 日新高,同时成交额超过过去 20 日均值 2 倍,输出涨幅前 10。
  285. ```
  286. 当这个条件被验证后,可以把公式保存为固定任务:
  287. ```json
  288. {
  289. "name": "volume_breakout_60d_intraday",
  290. "description": "14:30 盘中放量突破 60 日新高选股",
  291. "params": {
  292. "formulas": [
  293. "A股池 = 板块(万得全A) * 缺失填零(\"非ST股\")",
  294. "60日高基准 = 昨天(最大(\"全市场每日最高价\", 60))",
  295. "放量基准 = 昨天(平均(\"全市场每日成交额\", 20))",
  296. "突破60日新高 = (\"全市场每日最高价\" > \"60日高基准\") * \"A股池\"",
  297. "成交额放量 = (\"全市场每日成交额\" > 2 * \"放量基准\") * \"A股池\"",
  298. "排序值 = \"突破60日新高\" * \"成交额放量\" * 涨跌幅(\"全市场每日收盘价\")",
  299. "放量突破Top10 = 取前(\"排序值\", 10, 返回数值)"
  300. ],
  301. "begin_date": 20260101,
  302. "include_description": true,
  303. "use_minute_data": true,
  304. "force_reusable_array": ["放量突破Top10"]
  305. }
  306. }
  307. ```
  308. 之后可以跳过反复解释需求,直接由 AI Agent(智能代理)或调度系统在每天 14:30 调用同一套公式:
  309. ```bash
  310. GZQ_PARAMS='<上面的 params JSON(数据交换格式)>' python scripts/call.py runMultiFormulaBatchStream
  311. ```
  312. 执行后,从返回的 `data_id`(数据标识)读取最终结果:
  313. ```bash
  314. GZQ_PARAMS='{"ids":["<data_id>"],"mode":"last_column_full"}' python scripts/call.py readData
  315. ```
  316. 这就是“探索阶段”和“使用阶段”的区别:探索阶段用自然语言快速改想法,使用阶段直接复用公式和接口,把投研流程固化为可重复执行的生产任务。
  317. ## 公式任务包(Formula Package):把验证过的公式组对外发布
  318. 示例 3 把公式固化成「Agent / 调度自己重复跑」的任务;**公式任务包**再往前一步——把一组验证过的公式**注册成一个长期数据服务**,让你自己的网页、看板或第三方**无需 API Key(接口密钥)**就能反复取到最新结果。
  319. 注册一次(需 API Key),拿到一对凭证 `package_id` + `signature`;之后任何能发 HTTP(超文本传输协议)请求的地方,凭这对凭证就能以 **SSE(服务器推送事件)流式**取数。底层数据一更新,服务端**自动按依赖关系重算**,取数永远拿最新值、绝不返回过期数据。
  320. > 与 `runMultiFormulaBatchStream`(全市场公式批算)的区别:后者是 Agent / 调度在**你自己的账号侧**执行、读 `data_id`(数据标识);公式任务包是把算好的产出**以凭证形式对外只读开放**,取数方无需 API Key、也不消耗其配额,费用始终计入**包所有者**。两者执行池与计费相互独立。
  321. **典型场景**
  322. - **自建投研日报 / 数据看板**:把每天复盘要看的指标(选股名单、因子排序、估值分位、资金流向……)注册成一个包,用一个静态 HTML(网页)页面 `fetch`(浏览器取数)渲染。打开页面即当日最新,**无需后端、无需每天手动重跑公式**。
  323. - **给团队 / 客户一个只读数据页**:发出去的是 `package_id` + `signature`,不是 API Key;对方只能读你固定的产出,改不了公式、拿不到账号权限,可随时撤销。
  324. - **嵌进已有网站 / Notion / 飞书 / 大屏**:任何能跑 `fetch` 的地方都能把 quant-buddy(量化投研平台)的计算结果接进你自己的页面。
  325. - **第三方 / 轻量集成**:把一个算好的指标包交给合作方只读对接,零配置接入。
  326. 两个公式任务包页面的截图和交付解释已放在“04|活页持续运行”下;本节继续给出注册、查询和前端接入代码。
  327. **两段式用法**
  328. ```powershell
  329. cd skills/quant-buddy-skill
  330. # 1. 注册(需 API Key):params.json 写 formulas + reads,中文公式用 @file 传避免编码截断
  331. python scripts/formula_package.py register @params.json
  332. # 2. 取数(无需 API Key):只需 package_id,signature 可由本地落盘凭证自动补全
  333. $env:FP_PARAMS='{"package_id":"pkg_xxx"}'
  334. python scripts/formula_package.py query
  335. # 管理:列表 / 撤销 / 刷新(轮换签名)
  336. python scripts/formula_package.py list '{"page":1,"page_size":20}'
  337. python scripts/formula_package.py revoke '{"package_id":"pkg_xxx"}'
  338. python scripts/formula_package.py refresh '{"package_id":"pkg_xxx","rotate_signature":true}'
  339. ```
  340. 注册用的 `params.json` 示例(公式语法与 `runMultiFormulaBatchStream` 同款):
  341. ```json
  342. {
  343. "formulas": [
  344. "排序值 = 涨跌幅(\"全市场每日收盘价\")",
  345. "放量突破Top10 = 取前(\"排序值\", 10, 返回数值)"
  346. ],
  347. "reads": [
  348. { "output": "放量突破Top10", "read_mode": "last_day_stats" }
  349. ],
  350. "ttl_days": 365
  351. }
  352. ```
  353. - 未列入 `reads` 的公式只作中间变量参与计算、不对外返回。
  354. - 同一个包里不同产出可用**不同读取模式**:`range_data`(区间完整序列)/ `last_day_stats`(最新截面统计)/ `last_valid_per_asset`(每个资产最后一个有效值)。
  355. - 单包最多 100 条公式、20 个对外产出,默认有效期 365 天。
  356. **前端直接取数(无需 API Key)**
  357. 取数接口走 SSE,浏览器用 `fetch` 读流(签名放 body、不进 URL,不要用 `EventSource`):
  358. ```js
  359. const resp = await fetch('https://www.quantbuddy.cn/skill/queryFormulaPackage', {
  360. method: 'POST',
  361. headers: { 'Content-Type': 'application/json' },
  362. body: JSON.stringify({ package_id, signature }),
  363. })
  364. const reader = resp.body.getReader()
  365. const decoder = new TextDecoder()
  366. const outputs = {}
  367. let buf = ''
  368. for (;;) {
  369. const { value, done } = await reader.read()
  370. if (done) break
  371. buf += decoder.decode(value, { stream: true })
  372. const blocks = buf.split('\n\n'); buf = blocks.pop()
  373. for (const block of blocks) {
  374. const ev = (block.match(/event:\s*(.*)/) || [])[1]
  375. const dt = JSON.parse((block.match(/data:\s*([\s\S]*)/) || [])[1])
  376. if (ev === 'result') outputs[dt.output] = dt // outputs["放量突破Top10"].data ...
  377. else if (ev === 'error') throw new Error(`${dt.code}: ${dt.message}`)
  378. }
  379. }
  380. ```
  381. > 注册 / 列表 / 撤销 / 刷新需 API Key,**必须放在服务端**;只有取数接口(`queryFormulaPackage`)可暴露给浏览器。完整参数、读取模式结构与错误码见 `tools/formula_package.md`,端到端用法见 `recipes/formula-package.md`。
  382. ## 为什么不是普通数据 API
  383. 普通数据 API(应用程序接口)主要解决“把数据拉出来”。但在真实投研里,用户更常遇到的问题是:
  384. - 我想临时构造一个全市场指标,能不能直接算?
  385. - 我想验证一个选股想法,能不能不用手写数据清洗和回测代码?
  386. - 我今天探索出的公式,明天能不能在 14:30 用日内数据再跑一遍?
  387. - 我不想把大表塞进模型上下文,能不能只把计算结果返回给 LLM(大语言模型)?
  388. quant-buddy-skills 的核心思路是:让 AI Agent(智能代理)负责理解目标和组织任务,让 quant-buddy(量化投研平台)负责数据调用、公式计算、金融 SOP(标准作业流程)和结果输出。
  389. ## 核心优势
  390. ### 1. 公式引擎:从查数据到算指标
  391. quant-buddy-skills 支持通过公式语言组合行情、估值、财务、窗口统计、掩码条件和排序逻辑。用户不只是在查基础数据,而是在让 AI Agent(智能代理)生成可执行的全市场计算公式。
  392. ### 2. 探索阶段与使用阶段分离
  393. 投研不是一次性问答。一个想法通常要经历两个阶段:
  394. | 阶段 | 用户目标 | quant-buddy-skills 的作用 |
  395. |---|---|---|
  396. | 探索阶段 | 用自然语言试想法、改条件、看结果 | AI Agent(智能代理)生成公式,平台侧执行计算和回测 |
  397. | 使用阶段 | 固定公式,每天重复运行 | 将公式沉淀为可复用任务,可接入 AI Agent(智能代理)或外部调度 |
  398. ### 3. RU(资源用量单位)计费,提升 token efficiency(文本用量效率)
  399. 传统“数据 + LLM(大语言模型)”模式通常会把大量原始数据塞进上下文,让模型自己处理。这样 token(模型文本计量单位)消耗高、速度慢,也更容易出现上下文污染。
  400. quant-buddy-skills 采用“平台侧计算 + 结果返回”的方式:大规模数据不进入 LLM(大语言模型)上下文,公式计算在平台侧完成,返回的是结构化结果、名单、统计值或图表。
  401. ### 4. 内置金融 SOP(标准作业流程)
  402. 量化投研不只是算数,还需要处理交易日、复权、窗口、排序、基准、事件日期、净值曲线和图表输出等细节。quant-buddy-skills 将常见金融 SOP(标准作业流程)封装成 AI Agent(智能代理)可调用能力,降低用户自己写流程时的错误率。
  403. ### 5. 更适合作为 AI Agent(智能代理)基础设施
  404. 一般模式是:
  405. ```text
  406. 数据 + LLM(大语言模型)
  407. ```
  408. quant-buddy-skills 的模式是:
  409. ```text
  410. 数据 + 计算 + LLM(大语言模型)
  411. ```
  412. 区别在于:计算层不再临时交给 LLM(大语言模型)用上下文和代码拼出来,而是由平台提供稳定的结构化能力。
  413. ## 对比
  414. | 维度 | 新闻 / 研报型金融 Skill(技能) | 量化框架文档 Skill(技能) | 数据 API(应用程序接口) | quant-buddy-skills |
  415. |---|---|---|---|---|
  416. | 核心价值 | 解读新闻、生成观点 | 帮 AI Agent(智能代理)查文档、写代码 | 拉取数据 | 平台侧执行投研计算 |
  417. | 跨市场横截面筛选 | 弱 | 需要自行写代码 | 需要自行拼数据 | 已物化指标支持 A 股 / 港股 / 美股 / 期货 |
  418. | 因子 / 回测 | 通常需要外部实现 | 帮写框架 | 需要用户实现 | 内置工作流 |
  419. | token(模型文本计量单位)消耗 | 中 | 中 / 高 | 高,常塞数据 | 低,只返回结果 |
  420. | 适合用户 | 内容 / 研报 / 事件跟踪 | 量化开发者 | 数据工程 / 自定义管道 | 量化研究员、投研自动化、AI Agent(智能代理)用户 |
  421. | 最佳场景 | “这条新闻影响什么” | “QMT 接口怎么写” | “我要原始数据” | “跨市场筛选 / 因子 / 回测 / 图表 / 活页” |
  422. ## 安装
  423. ### npx(Node.js 包执行工具,推荐)
  424. 建议新用户**只安装到自己正在使用的 AI Agent(智能代理)**,不要默认使用 `--all`。`--all` 等价于安装全部 skill 到全部支持的 agent,可能在本机创建多处目录或符号链接。
  425. | 你使用的 Agent | 推荐命令 |
  426. |---|---|
  427. | Claude Code | `npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-skill -y` |
  428. | Cursor | `npx skills add pseudo-longinus/quant-buddy-skills -g -a cursor -s quant-buddy-skill -y` |
  429. | OpenClaw | `npx skills add pseudo-longinus/quant-buddy-skills -g -a openclaw -s quant-buddy-skill -y` |
  430. 如果你使用其他支持的 Agent,把 `-a` 后面的值替换为对应 agent id;不要省略 `-a`,避免 CLI 自动安装到多个 Agent。
  431. 如果你同时使用多个 Agent,可以重复指定 `-a`:
  432. ```bash
  433. npx skills add pseudo-longinus/quant-buddy-skills -g -s quant-buddy-skill -a claude-code -a cursor -y
  434. ```
  435. 先查看仓库里有哪些 skill(只列出,不安装):
  436. ```bash
  437. npx skills add pseudo-longinus/quant-buddy-skills --list
  438. ```
  439. 已安装用户更新:
  440. ```bash
  441. npx skills update quant-buddy-skill -g -y
  442. ```
  443. Windows(微软桌面操作系统)用户如果遇到 symlink(符号链接)或权限错误,可以在对应 Agent 命令后追加 `--copy`,例如:
  444. ```bash
  445. npx skills add pseudo-longinus/quant-buddy-skills -g -a claude-code -s quant-buddy-skill -y --copy
  446. ```
  447. 只有在你明确希望安装到所有支持的 Agent 时,才使用:
  448. ```bash
  449. npx skills add pseudo-longinus/quant-buddy-skills -g --all
  450. ```
  451. 查看当前安装位置:
  452. ```bash
  453. npx skills list -g --json
  454. ```
  455. ## 配置 API Key(接口密钥)
  456. 首次使用前需要配置 quant-buddy API Key(接口密钥):
  457. 1. 前往 https://www.quantbuddy.cn 注册并获取 API Key(接口密钥)。
  458. 2. 编辑 skill(技能包)目录下的 `config.json`,将 `api_key` 字段填入你的 Key(密钥)。
  459. 3. 或在支持写入本地文件的 AI Agent(智能代理)对话中发送:
  460. ```text
  461. 帮我配置 APIkey:sk-xxxxxxxx
  462. ```
  463. ## 运行环境
  464. - Python(编程语言)3.8+,推荐 Python(编程语言)3.11。
  465. - 核心行情、财务、选股和回测能力仅依赖 Python(编程语言)标准库。
  466. - 可选依赖:
  467. - `python-dateutil`:事件研究辅助功能使用。
  468. - `Pillow`:图表图片格式转换时使用。
  469. - `requests`:事件新闻搜索辅助功能使用。
  470. - 可选环境变量:`BOCHA_API_KEY`,仅事件新闻搜索辅助功能使用。
  471. ## 安全、隐私与免责声明
  472. - quant-buddy API Key(接口密钥)仅用于请求 quant-buddy(量化投研平台)接口。
  473. - API Key(接口密钥)只作为 HTTP(超文本传输协议)`Authorization` 头发送到 quant-buddy(量化投研平台)声明域名,不写入日志,不转发给第三方主机。
  474. - 可选 `BOCHA_API_KEY` 仅在事件新闻搜索功能启用时使用。
  475. - 本项目用于金融数据分析、量化研究、策略验证和教育用途,不构成投资建议、交易建议、收益承诺或自动交易服务。
  476. - 回测结果不代表未来收益。用户应自行核验数据口径、交易成本、滑点、风险暴露和合规要求。
  477. ## 故障排查
  478. - 环境依赖说明:`references/environment.md`
  479. - 故障排查:`references/troubleshooting.md`
  480. - RU(资源用量单位)计费说明:`references/ru-billing.md`
  481. ## 联系作者
  482. 想看更多策略案例、接入问题、更新路线和真实投研工作流,欢迎添加企业微信或加入交流群。
  483. <p align="center">
  484. <table>
  485. <tr>
  486. <td align="center">
  487. <img src="assets/wechat_qr3.png" width="180" alt="企业微信二维码" />
  488. <br/>
  489. <sub>企业微信</sub>
  490. </td>
  491. <td align="center">
  492. <img src="assets/wechat_group_qr10.png" width="180" alt="QuantBuddy投研科学讨论微信群二维码" />
  493. <br/>
  494. <sub>QuantBuddy 投研科学讨论群</sub>
  495. </td>
  496. </tr>
  497. </table>
  498. <br/>
  499. <sub>扫码添加企业微信或加入交流群,欢迎交流量化投研、AI Agent(智能代理)工作流和策略验证案例。</sub>
  500. </p>
  501. ## Star History
  502. <a href="https://www.star-history.com/?repos=pseudo-longinus%2Fquant-buddy-skills&type=date&legend=top-left">
  503. <picture>
  504. <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/chart?repos=pseudo-longinus/quant-buddy-skills&type=date&theme=dark&legend=top-left" />
  505. <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/chart?repos=pseudo-longinus/quant-buddy-skills&type=date&legend=top-left" />
  506. <img alt="Star History Chart" src="https://api.star-history.com/chart?repos=pseudo-longinus/quant-buddy-skills&type=date&legend=top-left" />
  507. </picture>
  508. </a>
  509. ## License(开源许可证)
  510. MIT(麻省理工开源许可证)

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.