Agent skill

Quant Buddy Market Data and Backtesting

by pseudo-longinus in pseudo-longinus/quant-buddy-skills

Queries A-share, Hong Kong and US stock quotes, valuation and financial data through the Quant Buddy API, and runs screening, factor calculation and strategy backtests.

MITAuto-check passedBusiness, Finance & HR

SKILL.md written in Chinese; this summary is our English description.

Install Quant Buddy Market Data and Backtesting

skills CLI
$ npx skills add pseudo-longinus/quant-buddy-skills --skill quant-buddy-skill -a claude-code

Project install by default; add -g for ~/.claude/skills/.

GitHub CLI
$ gh skill install pseudo-longinus/quant-buddy-skills quant-buddy-skill --agent claude-code

Project scope by default; add --scope user for a personal install. Needs GitHub CLI 2.90.0 or later (public preview).

Manual copy
$ git clone --depth 1 https://github.com/pseudo-longinus/quant-buddy-skills.git skills-src && mkdir -p .claude/skills && cp -r skills-src/skills/quant-buddy-skill .claude/skills/quant-buddy-skill && rm -rf skills-src

Use ~/.claude/skills/ instead of .claude/skills for a personal install. The folder must contain SKILL.md.

Claude Code skills documentation · loads skills from .claude/skills/

Facts

Skill name
quant-buddy-skill
GitHub stars
191
Used in
1 other repo
Token cost
~11k tokens
SKILL.md length
1,989 words
Files
110 (incl. scripts, references)
Skills in repo
2
Repo updated
First seen
Licence
MIT

At a glance

Queries A-share, Hong Kong and US stock quotes, valuation and financial data through the Quant Buddy API, and runs screening, factor calculation and strategy backtests.

  • Works in 12 steps: 工具名与 unknown-tool 红线(最高优先级) → 认证后验与 session 初始化 → 原生工具优先,禁止脚本包装 → …
  • Checking the latest price, change or valuation of an A-share, Hong Kong or US stock
  • SKILL.md covers 常见请求的默认口径, 平台工具参数速查(高频踩坑,先看这一段), 已有文件转活页:先交 QBV 静态托管 and 硬规则(违反必失败), plus 12 more sections
  • Calls python, python3 and rg; needs QUANT_BUDDY_API_KEY and QBS_SESSION_KEY

What it does

The skill routes finance questions to the Quant Buddy API instead of declining for lack of live data. It covers latest and historical prices, change, turnover, PE, PB and market cap, short price series and window statistics, minute-level OHLCV for a single asset, recent financial indicators such as revenue, net profit, ROE and debt ratio, and a per-stock profile built from precomputed indicators across valuation, financials, fund flow and volatility. Hong Kong and US coverage centers on price queries.

It also supports A-share screening, factor calculation, strategy backtests, net value comparison, industry ranking, uploading your own factor CSV and rendering charts. Tool parameters need care: confirmDataMulti takes a comma-separated data_desc string, and readData needs the data_id returned by the formula tool. A large set of presets and workflow files ships with it.

In a WebAgent host that requires it, the full answer is followed by building a shareable page, while a request that says no web page gets text only. Facts that change, such as listings or ticker changes, are checked with web search. The SKILL.md is written in Chinese.

When your agent uses it

  • Checking the latest price, change or valuation of an A-share, Hong Kong or US stock
  • Pulling recent financial indicators such as ROE or net profit for a listed company
  • Screening A-shares or backtesting a simple moving-average strategy
  • Ranking industries or comparing net values

Example prompts

  • “What is Kweichow Moutai's latest closing price, PE and PB?”
  • “Show Tencent's daily percentage changes for the most recent trading days, with the window high and low.”
  • “Backtest a simple moving-average strategy on Ping An Bank and chart the net value.”
  • “Screen A-share liquor stocks by dividend yield and rank the top ones.”

Requirements

  • Access to the Quant Buddy API

Workflow steps

12 steps, taken from the first numbered list in SKILL.md.

  1. 工具名与 unknown-tool 红线(最高优先级)
  2. 认证后验与 session 初始化
  3. 原生工具优先,禁止脚本包装
  4. 工具失败熔断:同类错误不得重复
  5. 任何 workflow 失败退出时必须输出受控失败答复:禁止以空白或纯过程日志结束对话。失败答复必须包含
  6. 先读 workflow 再操作:按下方「场景路由」表加载对应 workflow,不要自行猜测参数格式。
  7. 配置/认证错误立即停止,不得在普通查数流程中转为认证收集
  8. 最终答案首句必须是数据结论:回答用户时,第一句话必须直接给出数据结论(如资产名+数值、表格、或"符合条件的共N只"),绝对禁止以"已成功获取""数据已获取""根据返回结果""让我来"等过程性陈述开头。违反此规则 = 必须删除过程话术后重新输出。
  9. 用户条件冻结,不得改写:执行前必须逐字核对用户原始条件,以下改写行为均属违规(一旦发现必须回退并重新确认)
  10. 任务含糊时先反问,禁止猜测开干:若用户的指令有 2 种以上合理解读(如"批量确认X"不清楚是确认指数本身还是全部成分股、"分析一下Y"不清楚要哪个维度),第一步必须向用户提问澄清,不得凭推测选择一种解读自行执行。反问应简洁列出各种可能(例:"您的意思是 ① … 还是 ②…
  11. 工具返回 SKILL_VERSION_MISMATCH 时必须自愈,不得继续执行原任务:当任何工具调用的输出中出现 "error": "SKILL_VERSION_MISMATCH" 时,说明当前对话上下文中的工具签名/参数格式已过时。此时必须执行以下自愈流程(每步不得省略)
  12. CHANGELOG / skill-changelog 仅作为审计,不作为规则源:CHANGELOG.md、skill-changelog/ 是按时间叠加的变更记录,包含已被后续版本反转或废弃的旧口径。任何「执行顺序、字段名、协议块语义、工具签名、参数格式」相关的判断,必须以…

What it can do on your machine

Read from SKILL.md and the folder at commit 6c25f2e. It shows what the files ask for, not the result of running them.

  • Tool permissions

    Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

    From allowed-tools in the SKILL.md frontmatter.

  • Runs code

    Ships 1 file in scripts/, which the agent can run.

    Shell commands in SKILL.md call:

    • python
    • python3
    • rg

    From the folder's file list and the shell code blocks in SKILL.md.

  • Network

    Links to these hosts (documentation or services it may open):

    • quantbuddy.cn

    From URLs in SKILL.md, links to its own repository left out.

  • Credentials

    Names these keys or tokens, usually read from environment variables:

    • QUANT_BUDDY_API_KEY
    • QBS_SESSION_KEY
    • BOCHA_API_KEY
    • QBS_API_KEY

    From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Quant Buddy Market Data and Backtesting loads about 11k tokens when it runs, and up to ~17k if it reads all its reference files. Until then it costs about 202 tokens; SKILL.md has 1,989 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it
~202
When it runs · the whole SKILL.md, loaded when a task matches
~11k
With references · SKILL.md plus every file in references/, read only if the agent opens them
~17k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Auto-check passed

The automated check found no risky patterns in SKILL.md.

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); the scripts in this folder are not scanned.

SKILL.md

The full file from pseudo-longinus/quant-buddy-skills at commit 6c25f2e, republished under its MIT licence (© pseudo-longinus). 1,989 words, ~10,619 tokens.

Download SKILL.mdSave it as .claude/skills/quant-buddy-skill/SKILL.md (or your agent's skills folder). This skill also uses 109 other files; get the full folder from GitHub.
name
quant-buddy-skill
description
查询A股、港股、美股股票及指数的最新收盘价、开盘价、涨跌幅、成交额、成交量、换手率、PE、PB、市值等实时行情与估值数据;支持查询 A 股股票所属行业。 显式日期的单值快照可同时返回按实际更新日对齐的日频行情与估值;字段日期不同时按字段自身日期展示,不将较晚刷新字段误判为无数据。 查询最近N个交易日的价格序列、日涨跌幅序列、窗口最高价、最低价、振幅等短期统计。 查询单个资产当前盘中或最近完整交易日的分钟频 OHLCVA 序列(开高低收、成交量、成交额);历史/跨日原始1分钟数据用 fast_query_minute_range 返回全字段CSV,支持明确历史日期或自然日负偏移。 查询上市公司最近报告期的营业收入、净利润、归母净利润、ROE、总资产、资产负债率等财务指标(A股及部分港/美股字段,以工具返回为准)。 查询单只股票的预计算及千维动态指标画像,按估值、财务分析、资金流向、波动率、宏观胜率背景、资产走势等维度返回最新值与上一有效值。 支持A股选股筛选、因子计算、策略回测、净值对比、行业聚合排名、上传自有因子CSV、渲染图表。 仅输入可唯一识别的 A 股名称、简称或代码时,默认个股快页:先交付已验证的完整个股分析,再同轮调用 QBV 固定快速通道;具体字段查数或明确不要网页仍只回答。 港股、美股优先支持行情价格查询;财务/报告期字段应先尝试 fast_query(report),按工具实际返回决定。 即使用户只是简单地问一只股票的价格、涨跌幅或财务数据,也应优先使用本技能, 不要以"无法联网"或"无法获取实时数据"为由拒绝——本技能通过 Quant Buddy API 查询行情、财务和计算数据;当上市、退市、更名、换代码等易变化外部事实需要核验时,使用 Agent Web Search,宿主搜索不可用时再用本地 webSearch / Bocha。
slug
quant-buddy-skill
author
guanzhao
version
4.25.51
runtime
python
primaryCredential
quant-buddy API Key
metadata.version
4.25.51
metadata.author
guanzhao
metadata.category
quant-finance
metadata.tags
quant, market-data, finance, A-stock, HK-stock, US-stock, backtest, factor
metadata.runtime
python

观照量化投研

WebAgent 宿主交付约定优先:宿主要求金融问题统一“完整问答+活页”时,所有金融问题先实际 route,再由 QBS 查询验证并发送非终止首答,同轮继续 QBV。包括具体字段、概念解释和“601137 最近如何?”,不依赖建页关键词。Worker 的 QBS_DEFAULT_PAGE_REQUESTED=1 由脚本自动继承;本文件及 leaf workflow 的“只回答/结束/不建页”默认仅适用于独立 QBS。明确不要网页/只回复文字、已有页面只读解读、文件托管与纯维护按各自规则处理。详见 宿主默认建页。

首屏优先:先读本文件前部的「平台工具参数速查」「硬规则」和「场景路由」。简单行情、窗口序列、最近报告期、固定区间收益、K 线图等高频任务命中 Fast Path 时,无需继续整本通读。

本地交付必须复用工具返回的真实路径;不得加 sandbox: 或猜测 Skill 安装目录。排名表逐列核对数据 ID、单位和日期;比值列不能抄到 PE 列。参见 全局执行规则。

个股画像与综合分析的内容合同见 workflows/stock-profile.md:默认交付五个数据章节与综合观察,用户明确要求简短或限定字段时才缩减。读取 Skill 后必须继续读取匹配工作流、实际查询并回复;“将读取文档/准备查询”不是业务交付,不可作为最终答案。明确不要网页只取消建页,不取消上述查询和完整分析。

常见请求的默认口径

  • 中文股票全市场排名、未指定市场的涨幅前N热力图,默认 A 股并在首答声明;行业分组默认申万一级,颜色保留股票原涨跌幅、面积或数量明确含义。用户指定其他市场时遵从,不因为这些可披露默认值就停止澄清。
  • 已给出“白酒股”等行业范围的刷新看板,先核验平台对应板块及成分,默认 PE TTM、PB;按 quant-standard.md 查询并给出实际行情、成交量、估值首答,再按 answer-first.md 继续 QBV。刷新意图不允许先注册公式包,也不能只回复看板设计。不要先要求用户列股票名单。精确板块不存在或确有同名歧义时才澄清,不用几只龙头冒充全部行业。
  • 常见单均线回测可采用 quant-standard 的披露默认值继续执行;用户明确不要网页时不建页。

平台工具参数速查(高频踩坑,先看这一段)

下表是 LLM 最容易写错的三个 schema。任何调用前先核对,不要凭"看起来合理"猜参数名。

工具✅ 正确参数❌ 模型常见错误(已被 call.py 自动归一化或拦截,但仍应避免)
confirmDataMulti{"data_desc": "市盈率 TTM,股息率"} — 逗号分隔字符串{"queries": [...]} / {"query": "..."} / {"names": [...]}
runMultiFormulaBatchStream 公式中引用 session 中间变量必须用双引号包裹:排序値 = "A股股息率〔估値数据〕" * "条件合并"裸变量名相乘:"A股股息率…" * 条件合并 ← 平台直接报错
readData{"ids": ["69fe…<24位hex>"], "mode": "last_column_full"} — 必须是 runMultiFormulaBatchStream 返回的 data_id 字段(hex)传中文变量名 {"ids": ["Top10股息"]} / 用错参数名 {"index_title": "..."} / {"variable_names": [...]} / 传 expression_id 而非 data_id(两者相邻易混,传错会返回 "error": "IndexInfo {id}")

口径转换(confirmDataMulti 查询词):用户写 PE(TTM) / 归母净利润 等英文或缩写时,查询词应使用中文规范名(如 市盈率 TTM / 归母净利润),而不是把用户原文照抄进 data_desc。详细规则见 workflows/global-rules.md#指标口径精确匹配。


已有文件转活页:先交 QBV 静态托管

用户提供 JPG/PNG、HTML、PDF 等已有文件并要求转活页或公开分享时,优先进入 QBV workflows/existing-file-static-first.md:先 file_prepare 保存原件、生成原始承载页和持久发布参数,保留 file_publish_dir 执行静态发布,验收后在下一次工具调用前先向用户发送链接,file_confirm_delivery确认实际发出的消息,再自动继续已授权的研究、纠错、补指标和QBS接入。复合需求也不能先研究再发布。此顺序高于资产映射、查数、公式验证、图表分类器及“先计算再Handoff”;首版不要求计算胶囊,不先改写原报告。复用真实 task_id/turn_id 和同一个 page_id,不能另建用户可见任务。QBS查询/接入失败只影响增强,保留线上成功版本;未查到不等于平台不支持。纯文件分析、明确不发布不触发;真实公开授权、不可读文件、转换/首次托管问题须如实说明。不得将快照标为实时或已核验。

硬规则(违反必失败)

  1. 工具名与 unknown-tool 红线(最高优先级):

    • 公式执行唯一可调用工具名:runMultiFormulaBatchStream。
    • 禁止调用或重试旧名/错名:runMultiFormulaBatch / runMultiFormula / run_multi_formula。
    • 任何工具返回 未知工具 / Unknown tool / tool not found 后,同名工具 0 次重试,也不得尝试名称变体。
    • 若 workflow 已声明唯一正确原生工具,只允许切换到该工具 1 次;仍失败则立即输出受控失败答复。
    • 若上一步结果已足够回答用户问题,立即给出业务答案,不再升级查数链;已有明确建页意图时,先发送非终止首答,再按 workflows/answer-first.md 同轮继续 QBV。
  2. 认证后验与 session 初始化:

    • 不要在普通查数题第一步读取 config.json,也不要检查 .session.json、output/.session*.json 或任何本地 session 文件。
    • 只要本轮准备调用平台原生工具,先直接调用原生 newSession;不得用 Bash / Glob / Read / ls 做 session 存在性探测。
    • quant-buddy-view 上游继承例外:若当前任务由 quant-buddy-view 编排,且上游已经通过 trace_context.py begin 创建 task_id,不得再生成第二个 task_id。优先由 QBV 的 scripts/qbs_bridge.py 调用本技能;bridge 会传 {"task_mode":"inherit","task_id":"<上游 task_id>","task_source":"quant-buddy-view","user_query":"<用户原始问题>"} 并用 QBS_SESSION_KEY=<task_id> 隔离并发 session。此例外只用于跨 Skill 会话绑定。
    • 继承 task_id 时必须使用显式 task_mode=inherit,不要通过 qbv_ 等字符串前缀猜测来源。继承 session 会锁定 task_id;后续参数若传入不同值,必须按 TASK_ID_CONTEXT_MISMATCH 停止,不能静默拆链。
    • quant-buddy-skill 独立使用时保持原行为:不传 task_mode/task_id,由 newSession 自动生成新的 UUID 并上报 session begin。
    • 工具实际返回 api_key 为空 / code: 1 / 401/402 时才进入认证引导并停止当前查数任务。
    • 同一对话追问可复用当前 session;新问题必须新建 session。
    • 所有业务 HTTP/SSE 请求统一携带 x-skill-name: quant-buddy-skill 与当前 x-task-id,用于跨 Skill Trace 聚合;quant-buddy-view 上游任务不得切换 task_id。
  3. 原生工具优先,禁止脚本包装:

    • 平台已有原生工具时,必须直接调用原生工具:fast_query、fast_query_minute、fast_query_minute_range、confirmDataMulti、selectByComposition、runMultiFormulaBatchStream、resumeJob、readData、renderKLine、renderChart 等;但普通K线活页必须先走 kline-page-fast-path.md,不可调用 renderKLine。
    • 禁止用 Bash / shell / Python / scripts/call.py / run_skill_script 包装已有原生平台工具。唯一编排例外是 quant-buddy-view 的 qbs_bridge.py,它只负责继承 task_id 和隔离 session,不改写业务参数或结果。
    • 只有平台明确不存在等价原生工具,且 workflow 明确允许脚本兜底时,才可使用本地脚本。
    • 许可例外(csv 解析):当 fast_query 返回 mode:"csv" + csv_url(数据点 > 500 的正常交付)时,调用 python scripts/fetch_fastquery_csv.py "<csv_url>" 下载并解析该 csv 属于许可路径——这是消费工具返回的 OSS 产物(平台无等价原生解析工具),不算"包装原生工具"。历史分钟长表使用 scripts/fetch_minute_range_csv.py @output/minute-manifest.json --output output/minute-data.json,不能套用日频宽表解析器。但仍禁止用裸 curl / 自写临时脚本替代该脚本。
    • 涉及资产时仍需先用 grep presets/assets_db/{类型}.yaml 搜索本地资产库,禁止整文件读取;命中多条先澄清,未命中再交给服务端兜底解析。
    • 英文代码无市场后缀时必须先 grep 对应资产库确认 ticker 格式。
  4. 工具失败熔断:同类错误不得重复

    • 本地 RESUME_CONTEXT_MISMATCH 可按工具返回的唯一 resume_params 修正一次;UNIVERSE_SCOPE_MISMATCH 可在核对目录后修正为精确行业一次。这两类尚未提交网络请求,不得用这个例外重复真实查询错误。
    • 同一工具、同一参数结构、同一错误类型出现第 1 次后,只能按 workflow 声明的备用路径切换;无备用路径则受控失败。
    • 禁止无新信息地重复调用失败工具;禁止尝试名称变体;禁止读更多文档代替执行;禁止用 shell/Python 包装绕过失败工具。
    • runMultiFormulaBatchStream / resumeJob 只有最终 completed 且全部结果成功时才返回 validation_receipt_file;failed、部分失败、deferred 均不生成收据。QBV 编排必须以该收据作为进度完成证据。长结果可传 output_mode:"summary":completed 保留 data_id/expression_id/status;deferred 额外完整保留 status/task_id/trace_id/job_id/stream_url/_deferred。deferred 缺 task_id/trace_id 时返回 DEFERRED_CONTINUATION_MISSING,禁止重提原批次。
  5. 任何 workflow 失败退出时必须输出受控失败答复:禁止以空白或纯过程日志结束对话。失败答复必须包含:

    • ①用户的原始问题(一句话复述)
    • ②失败卡在哪一步(工具名 + 错误摘要)
    • ③给用户的一句话说明("当前无法获取…,原因:…")
    • 可选④:用户可采取的下一步(如"稍后重试"或"换用完整链路")
  6. 先读 workflow 再操作:按下方「场景路由」表加载对应 workflow,不要自行猜测参数格式。

  7. 配置/认证错误立即停止,不得在普通查数流程中转为认证收集:

    • 工具返回 API Key 缺失错误(含 api_key 为空 消息 / code: 1):立即停止查数,输出新用户引导消息(格式见「前置条件」章节模板),禁止继续执行查数;等待用户粘贴 Key 后再执行配置向导。
    • 其他工具报错(网络、服务端错误等):直接报告"内部工具异常",不做认证相关引导。
  8. 最终答案首句必须是数据结论:回答用户时,第一句话必须直接给出数据结论(如资产名+数值、表格、或"符合条件的共N只"),绝对禁止以"已成功获取""数据已获取""根据返回结果""让我来"等过程性陈述开头。违反此规则 = 必须删除过程话术后重新输出。

    • 禁止原样粘贴工具 JSON:工具返回 code:0 / success:true 后,最终答复必须把 data.results 等业务字段转写成人类可读结论(一句话、短表格或名单)。除非用户明确要求"给我原始 JSON / 调试输出",否则不得把完整工具响应原样发给用户。
    • 隐藏运行态字段:最终答案默认忽略 code、success、task_id、_quota、skill_latest_version、skill_update_available、skill_update_enforced、skill_self_update、auto_upgrade*、version_check 等运行态/升级字段;这些字段只供 Agent 判断流程,不是给普通用户看的答案内容。
    • 版本心跳不打断业务回答:若业务 data 已成功返回,即使响应体带版本心跳,也必须先回答用户问题;只有工具明确返回业务失败或 SKILL_VERSION_MISMATCH 时才进入自愈/排错流程。
  9. 用户条件冻结,不得改写:执行前必须逐字核对用户原始条件,以下改写行为均属违规(一旦发现必须回退并重新确认):

    • 百分比↔小数互转(如"股息率>3%"禁止改写为 >0.03)
    • 相对时间改为年份区间(如"过去10年"禁止改写为"2015-2025")
    • 资产宇宙替换(如"普通股票"禁止改写为"万得全A成分股"或"非ST股")
    • 事件口径扩大(如"年报/半年报"禁止扩大为全部业绩披露类型)
    • 卡片附加条件继承:命中知识卡片后,若卡片含用户未明确提出的"首次/非ST/封板/流动性门槛"等附加条件,必须先删除再执行,禁止默默继承进最终答案
  10. 任务含糊时先反问,禁止猜测开干:若用户的指令有 2 种以上合理解读(如"批量确认X"不清楚是确认指数本身还是全部成分股、"分析一下Y"不清楚要哪个维度),第一步必须向用户提问澄清,不得凭推测选择一种解读自行执行。反问应简洁列出各种可能(例:"您的意思是 ① … 还是 ② …?"),等用户确认后再继续。唯一例外:用户语义明确无歧义(如"给我贵州茅台今日收盘价"),无需反问。

    ⚠️ 模糊词处理规则(先判断是否真歧义,再决定反问还是默认口径直行):

    下列词在量化语义中存在多种定义,必须正确处理:

    • 技术分析类:支撑位 / 阻力位 / 压力位 / 颈线位 / 关键位 / 关键点位 / 突破位
    • 走势判断类:趋势 / 趋势预测 / 后市判断 / 还能不能涨 / 会不会跌 / 短期看法 / 中线看法
    • 盘面定性类:异动 / 主力 / 主力流向 / 庄家动向 / 强势 / 弱势 / 抗跌 / 抗跌性
    • 健康度类:基本面好不好 / 估值贵不贵 / 财务健康 / 业绩怎么样 / 基本面

    判定流程(按顺序匹配,命中即停):

    1. 综合分析请求 → 用默认口径直行,禁止反问阻塞。 判定:用户在一句话里列出 ≥2 个分析维度(如"基本面 + 技术指标 + 趋势"、"估值 + 财务 + 走势"),或明确说"全面分析 / 综合看一下 / 给一份报告"。 做法:直接走 stockProfile(综合画像)+ 常规技术指标 + 默认趋势口径,报告首句告知用户使用的口径(例:"本次按以下默认口径输出:基本面=综合画像(估值+财务+资金流+波动率),技术=MACD/KDJ/RSI/布林带,趋势=MA20/MA60 排列方向。如需调整口径请告诉我。")。

    2. 孤立的单点定义性请求 → 必须反问。 判定:触发词单独出现,且其定义直接决定结论数值(如"贵州茅台支撑位是多少"、"宁德时代趋势怎么样",无任何其他维度上下文)。 做法:反问 ① 口径定义(如"支撑位"=近N日最低/布林下轨/均线密集区);② 时间窗口;③ 输出格式。

    3. 触发词只是修饰语 → 直行。 判定:用户主体诉求清晰,触发词只是顺带描述(如"找最近基本面改善的股票"主体是筛选,"基本面改善"已隐含"营收/净利同比上升"等可执行口径)。 做法:用最常见的可执行口径执行,并在结果中标注口径。

    实测教训(T-036):用户问"贵州茅台支撑位",模型擅自用"60日最低价附近"作为定义直接执行——这是孤立单点请求,应走流程 2 反问。 反例(不要再犯):用户问"分析东方财富的基本面、技术指标、趋势预测",模型反问 4 个问题阻塞——这是综合分析请求,应走流程 1 默认口径直行。

  11. 工具返回 SKILL_VERSION_MISMATCH 时必须自愈,不得继续执行原任务:当任何工具调用的输出中出现 "error": "SKILL_VERSION_MISMATCH" 时,说明当前对话上下文中的工具签名/参数格式已过时。此时必须执行以下自愈流程(每步不得省略):

  12. 立即停止当前任务,不得再调用任何平台工具;

  13. 调用 newSession(新建 session,获取新 task_id);

  14. 强制重读 SKILL.md(本文件)+ 当前场景对应的 workflow 文档 + 涉及的 tools/*.md;

  15. 以新读取的工具签名和参数格式重新执行用户原始任务;

  16. 禁止询问用户"是否继续"或解释版本升级过程——直接静默完成自愈并返回结果。

  17. CHANGELOG / skill-changelog 仅作为审计,不作为规则源:CHANGELOG.md、skill-changelog/** 是按时间叠加的变更记录,包含已被后续版本反转或废弃的旧口径。任何「执行顺序、字段名、协议块语义、工具签名、参数格式」相关的判断,必须以 SKILL.md + workflows/** + tools/** + references/troubleshooting.md 为唯一权威;CHANGELOG 描述与上述文件冲突时,以上述文件为准。CHANGELOG 仅可用于:① 排查问题时回看「哪一版动过什么」;② 升级成功后做 5 条以内的版本上下文摘要。禁止:把 CHANGELOG 某条历史叙述当作当前执行规则、依据 CHANGELOG 推断现行参数格式、或在 CHANGELOG 与 SKILL.md 冲突时偏向 CHANGELOG。

  18. 判断工具成败看返回 body 的 code/success,不看 HTTP 状态码:HTTP 200 不代表业务成功——body 里出现 "code": -1 / "success": false 即为业务错误,必须按失败处理(读 error/message 再决定重试/改参/走排查表),禁止「HTTP 通了就当成功」继续往下走。另:call.py 返回 "error": "INVALID_TOOL_NAME" 表示工具名写错或缺失(工具名必须排在命令最前、且为已注册工具名),属可立即修正的本地错误。详见 references/troubleshooting.md 顶部「成败判定通则」。

  19. 先答后建页:每日/定期复盘、行情监控、画线/画图、执行回测、看 K 线等操作请求,以及已登记的稳定榜单(低 PE + 高 ROE + 选股/排名 + TopN)必须实际执行 scripts/live_page_routing.py route,不能把普通 TopN 全部升级为活页。上述操作本身构成活页意图,不要求用户另说“网页”;纯概念解释不建页。上下文中的真实建页意图可传 --page-requested,明确不要网页/暂不发布仍优先;不要画图只约束表现形式,不能否决表格型活页。按 先答后建页 执行:QBS 查询验证后先发完整非终止业务答案,再准备 Capsule/Handoff/Job,默认 same_turn 进入 QBV;可靠内部委派是可选分支,不得重复执行。prepare-validated-page 接受 answer_structure;未传时按首答顺序的 validated_roles 生成保守表格结构。**全量计算规模与页面展示规模分离:排名未指定数量时默认 Top20,页面只渲染 Top20;Formula Package/Data Grant 负责服务端缓存和动态取数,不能因为参与计算的股票多就把页面降级成静态快照。只有用户明确要求固定快照,或动态数据路由经过验证确实不可用时,才使用 validated_snapshot,并在回复中如实说明不会自动更新。**成功后按 next_action 继续,不重复 handoff/prepare。prepare 不是图表或页面完成,QBV 不可访问时必须用本 Skill 的 update 写回返回的 on_unavailable 失败字段,不得留 queued 或假称后台执行。路由/页面失败不撤销正常首答;无中途可见消息能力时如实记录限制。页面路由、权限、同页更新和公开验收仍由 QBV 负责。单资产多标准字段同图、近N日行业排名分别沿专用快路径,快路径也必须先答后准备页面。

  20. QBS→QBV 只复用本轮已经算完的部分,不把 QBV 改成 QBS 专用渲染器:create|existing_page 在 Handoff 前优先运行 scripts/qbv_computation_capsule.py build @capsule-input.json,生成 qbs_computation_capsule_v1。胶囊必须同时包含用户核心问题/主图意图、资产规范化结果、可复现查询或公式合同及 fingerprint、结果快照或 artifact SHA256、字段映射、结论与验证收据;禁止只交 PNG 或一句总结。 同一业务 role 对应多个已物化结果时可传 data_ids;构建器按原顺序展开为 role__01、role__02…,保留原始 ID 字符串并同步 required_roles,禁止 Agent 手工改写或复制 ID。QBV 的 thin adapter 判定 covered 时不得重复识别资产或重算相同 role,partial 时只补 missing_roles,unusable 时无损回退原 QBV→QBS bridge;direct/fork/unmatched、ownership、构建、运行时注册、发布和验收仍完全归 QBV。用户直接使用 QBV 的量化建页同样先答;无胶囊时保留原查询能力,已有文件/解读/展示维护例外不变。

  21. 已跑通的公式执行合同必须原样交给 QBV,禁止二次改写:runMultiFormulaBatchStream 成功后,原始执行以 Validation Receipt 的 execution_contract 为证,安全页面读取另用 qbs_formula_runtime_contract_v1(可能缺省),不可混同,保留 formulas 的条数、顺序、完整指标名、引号、begin_date、include_description、use_minute_data、force_reusable_array、reads 和 fingerprint。prepare-validated-page 必须把该合同写入 computation capsule;不得把平台已确认的 "A股市盈率(PE, TTM)〔估值数据〕" / "A股净资产收益率ROE" 缩写成 PE(TTM) / ROE 后交给 QBV,也不得把多条已验证公式合并成一条新公式。显式合同与 Receipt 不一致、fingerprint 不一致或输出左值不完整时必须失败关闭,不得猜测修复。准备交接 JSON 时,Receipt 已含原始公式就不要在 validated_roles[].formula 手抄第二份,也不要在每个 role 重复同一 Receipt;优先在顶层 validation_receipts 传一次 Receipt 对象或 Receipt 文件路径字符串,也可以让 prepare-validated-page 按同任务全部 data_id 自动发现,避免引号转义失败和无效重试。

个人数据与执行能力边界:个人持仓、成本、份额和交易记录进入持久化活页前,说明当前活页凭链接公开访问;收集必要参数时一并确认是否允许公开这些信息。要求“记录持仓”不等于同意公开;已明确授权公开时不重复确认,普通公开行情查询不受此限制。不能承诺未经验证的私有访问。页面打开/刷新取数不等于每日定时执行、主动通知或自动交易;只有宿主具备相应能力且实际创建成功后才能承诺已启用。详见 能力与个人数据边界。

Fast Path / Leaf workflow 顶部硬闸门(每次进入 leaf 都生效)

修复 T-001 / T-011 / T-024 等 leaf 没把 newSession 当成首条强制步骤、跳过直接调平台工具的问题。

无论路由进入 fast-snapshot / fast-window / fast-report-period / render-kline / 任何 leaf workflow:

  1. 当前 Skill Session 尚未建立时,调用任何平台原生工具前必须先调用 newSession;newSession 同时登记本 Session 的首个 Turn。
  2. 同一 Session 收到新的用户消息(包括追问)时,必须先调用 beginTurn,参数中的 user_query 必须是本轮原话;同一 Turn 内连续调用多个工具时复用当前上下文,不重复 beginTurn。
    • 正常 Agent 调用 newSession / beginTurn 时必须同时生成可选 agent_intent:用简短文字写清本轮要解决的对象、动作、约束和期望产物,推荐 20~160 字。追问中的“那它呢/和上一个比/继续”等指代必须结合已有上下文展开,但不得覆盖用户原话。
    • agent_intent 示例:首问 分析贵州茅台的盈利质量、估值水平与主要风险。;追问“那和五粮液比呢?” → 延续上一轮贵州茅台分析,对比五粮液的盈利能力、估值水平与主要风险。;带约束问题“只要近三年,做成一张表” → 整理目标公司近三年的核心指标并输出单表对比,不扩展到其他期间。
    • 禁止直接复制 user_query 充当 Intent;禁止记录 Chain of Thought、内部推理步骤或未经数据分析的结论。老客户端、自动测试和无法生成 Intent 的旁路允许省略,服务端按 null 处理,不得阻断业务。
  3. 只有真正开始新的独立 Skill Session 才重新 newSession。不允许用“已读 SKILL.md / leaf workflow”跳过首个 newSession,也不允许用重复 newSession 代替追问的 beginTurn。
    • 新版 newSession 的单次版本检查可能同时返回可选 companion(当前为 quant-buddy-view):QBS 自身需要升级时必须先只升级 QBS 并 reload;QBS 已最新时才可安装、更新或补齐当前 Agent 的 companion 注册。companion 失败属于旁路错误,不得阻断当前 QBS 数据业务;只要返回 reload_required=true,最终回复必须明确提示用户重新加载 Agent,禁止忽略该提示后声称活页能力已在当前会话生效。
    • 建议在 newSession 同时传 agent_model:填入当前 Agent 的真实模型标识(例如 gpt-4o / claude-sonnet-4 / gemini-2.5-pro);拿不准就留空,禁止猜测。
  4. 未建立 Session 直接调用平台工具仍会返回 MISSING_NEW_SESSION。若新问题未先 beginTurn,或显式 turn_id/user_query 与当前 Turn 漂移,客户端必须取消不安全的 Turn 关联、保留本轮真实 user_query 并继续业务工具;仅输出追踪诊断,禁止因 Turn 记录失败停止回答用户,也禁止把调用错误挂到其他 Session。

最小充分原则(任何动作前自检)

默认走最窄路径;只在收到"明确不够用"的证据后,才扩大范围。

每次准备读文件、调工具、扩大读取范围前,回答三个问题:

  1. 这一步要解决的具体问题是什么? — 必须能用一句话写成"为了 X,所以做 Y",其中 X 是已经发生的需求,不能是"可能会需要 X"、"以防万一"、"先准备着"。
  2. 有没有更窄的选项能完成同样的 X? — 更下游的输出 / 更精简的文件 / 更少的字段 / 不调用这个工具直接构造。
  3. 当前选择如果失败,下一步是什么? — 如果答不上来,说明还没想清楚就在动手。

任一回答含糊 → 不做这一步。

扩大范围的唯一合法触发:上一步工具明确返回了"缺数据 / 字段不存在 / 失败",且失败原因可以追溯。不允许用"为了更全面"、"为了更准确"、"为了避免遗漏"作为理由。

这条原则覆盖:要不要多读一个文档;readData 读哪个变量;要不要为某个字段调 confirmDataMulti;公式自己写还是查现成数据集;以及所有未来出现的同类决策。

工具层面落地:调用 confirmDataMulti / readData / runMultiFormulaBatchStream 或加载额外文档前,必须在心里完成工具清单自检;不要为执行清单而搜索、加载或读取 recipes/tool-call-checklist.md。无论该文件是否已在上下文中,只在心里完成以下三条最小自检即可(这三条已是清单的浓缩版,不需要再去查原文):

  1. 这次调用是否直接服务于用户当前问题?
  2. 是否有更窄的输出或更少的字段可读?
  3. 如果调用失败,下一步是否明确且只改一个维度?

顶层原则管"要不要做",清单管"具体怎么做"。

Skill 包根目录

本 SKILL.md 所在目录即为 skill 根目录(SKILL_ROOT),下文所有相对路径均以此为基准。 脚本路径以本轮已读取的 Skill 实际位置为准:若文档来自 /work/<本会话>/project/.claude/skills/quant-buddy-skill/SKILL.md,可直接使用同目录 scripts/call.py 的完整绝对路径;不要猜会话 ID。只有 cwd 已是 Skill 根目录才用 python3 scripts/call.py ...,cwd 是 project 根目录时不能照抄该相对路径。不要使用 .claude/skills/... 相对前缀,也不要用 /opt/... 安装目录替代会话副本。路径拒绝后只根据已确认的工作目录修正一次,不反复尝试 /opt、.claude/skills、cd 的排列,不探测或放宽权限。

宿主已将命令工作目录(cwd)固定为本 Skill 根目录时,禁止再次执行 cd,直接使用相对路径运行;仅在人工终端或宿主没有设置 cwd 时,才先切换到本目录。

SKILL_ROOT/
├── config.json              ← API Key 配置(按需读取;非每题必读)
├── SKILL.md                 ← 本文件(入口 + 路由)
│
├── workflows/               ← 业务流程编排(路由目标)
│   ├── fast-snapshot.md         Fast Path:最新时点行情/估值(≤1000资产,标量/CSV)
│   ├── fast-window.md           Fast Path:最近N日序列/窗口统计(≤2500日)
│   ├── fast-report-period.md    Fast Path:最近报告期财务(≤1000资产)
│   ├── quick-lookup.md          快速查数路由器 + 共享基础规则
│   ├── quick-snapshot.md        最新时点行情/估值快照(字段齐即停)
│   ├── quick-window.md          最近N日短窗序列/窗口统计
│   ├── quick-report-period.md   最近报告期财务指标
│   ├── period-return-compare.md 固定区间累计涨跌幅对比
│   ├── stock-profile.md         单股预计算指标画像
│   ├── external-fact-verification.md  上市/退市/更名/换代码及知识冲突核验
│   ├── composition-select.md    已物化维度组合选股(selectByComposition 快路径)
│   ├── global-rules-lite.md     精简全局规则(quick-window/period-return-compare 专用)
│   ├── quant-standard.md        选股/回测/因子/图表标准流程
│   ├── live-page-routing.md     QBS→QBV 非阻塞活页路由、Handoff 与 Job 合同
│   ├── visual-page-fast-path.md  单资产标准历史字段同图的取数复用快路径
│   ├── event-study.md           事件研究(给定或可识别事件后的窗口表现)
│   ├── regime-segmentation.md   阈值区间/连续阶段识别与区间统计
│   └── render-kline.md          K线图渲染与交付
│
├── recipes/                 ← 公式模板 & 工具用法(被 workflow 引用)
│   ├── ma-crossover-backtest.md     均线金叉策略
│   ├── value-pe-strategy.md         PE估值选股
│   ├── upload-custom-data.md        上传自有数据
│   ├── render-chart.md              渲染图表
│   ├── download-data.md             下载数据
│   └── industry-aggregation.md      行业聚合排名
│
├── references/              ← 参考文档
│   ├── environment.md           环境依赖
│   ├── troubleshooting.md       故障排查
│   └── ru-billing.md            RU 计费
│
├── tools/                   ← API 工具完整参数文档(默认不读;workflow 标注「必读」或报错时再查)
│   │                           ⚠️ 下表列出所有可用工具的**实际调用名**,调用时必须使用此名,不得变体
│   ├── fast_query.md            → 工具名 `fast_query`          快速合并查询(行情/估值/财务,≤1000资产,支持CSV)
│   ├── fast_query_minute_range.md → 历史单资产跨日1分钟CSV全列(日期/自然日offset)
│   ├── fast_query_minute.md     → 工具名 `fast_query_minute`   单资产当前盘中/最近完整日分钟 OHLCVA 序列
│   ├── confirm_data_multi.md    → 工具名 `confirmDataMulti`    批量确认数据项存在性与维度(写公式前必查)
│   ├── run_multi_formula.md     → 工具名 `runMultiFormulaBatchStream`  执行公式批次(选股/回测/因子计算)
│   ├── read_data.md             → 工具名 `readData`            读取公式计算结果(需传 data_id,非 expression_id)
│   ├── render_kline.md          → 工具名 `renderKLine`         渲染 K 线图(直接传 ticker,无需提前跑公式)
│   ├── stock_profile.md         → 工具名 `stockProfile`        单股预计算指标画像(估值/财务/资金/波动/走势)
│   ├── select_by_composition.md → 工具名 `selectByComposition` 已物化维度组合选股/筛选(不走公式引擎)
│   ├── dimension_indicators.md  → 工具名 `listDimensionIndicators` 按维度列出指标目录(细分+综合)
│   │                            → 工具名 `getIndicatorFormulas`    按指标名取该指标的完整公式组
│   │                              ⚠️ 二者非平台原生工具,走 `python scripts/call.py <工具名>`(硬规则 #2 许可路径)
│   ├── render_chart.md          → 工具名 `renderChart`         渲染折线/柱状/面积图(需先有 data_id)
│   ├── get_card_formulas.md     → 工具名 `getCardFormulas`     按卡片名拉取完整公式组(量化场景使用)
│   ├── scan_dimensions.md       → 工具名 `scanDimensions`      九维度 IC 扫描(单股多维度预测力分析)
│   ├── search_similar_cases.md  → 工具名 `searchSimilarCases`  向量检索相似案例(设计策略前的 fallback 查找)
│   ├── search_functions.md      → 工具名 `searchFunctions`     检索平台函数名称与调用格式
│   ├── download_data.md         → 工具名 `downloadData`        按 data_id 下载一维时序到 CSV/JSON
│   ├── upload_data.md           → 工具名 `uploadData`          上传自有因子 CSV,上传后可在公式中引用
│   ├── refresh_snapshot_time.md → 工具名 `refreshSnapshotTime` 强制刷新分钟数据截止时间(盘中实时场景)
│   ├── resume_job.md            → 工具名 `resumeJob`           续传 deferred 后台任务(配合 research_24h 使用)
│   └── formula_package.md       → 脚本 `scripts/formula_package.py` 注册公式组为「任务包」→ 凭 package_id+signature 无 key 取数(对外只读/前端页面接入)
│
├── presets/                 ← 已验证的常用数据(按需加载)
│   ├── cases_index.yaml         106 张案例卡片目录(量化标准场景必读,快速查数无需)
│   ├── assets.yaml              常用资产(99 行精选,可一次读完)
│   ├── assets_db/               全量资产字典(按类型分文件,⚠️ 仅 grep 检索,禁止 read_file 整文件;不含指数成分股映射)
│   │   ├── stock_a.yaml             A 股 5316 条(SH/SZ,含场内 ETF)
│   │   ├── stock_hk.yaml            港股 2858 条(HK 前缀;行情优先,财务以 fast_query 返回为准)
│   │   ├── stock_us.yaml            美股及境外ETF 1069 条(.N/.O/.A/.BAT;行情优先,财务以 fast_query 返回为准)
│   │   ├── index.yaml               指数 513 条
│   │   └── future.yaml              期货 239 条
│   ├── functions.yaml           常用函数(170 条)
│   ├── data_catalog.yaml        常用精选数据集(高频 index_title)
│   ├── index_info_catalog/      系统支持数据名全量索引(2566 条,按业务分类分 YAML,grep 检索)
│   ├── dimensions.yaml          已物化指标候选的本地快照,用于 selectByComposition 的常见快速映射
│   │                            ⚠️ 细分指标、快照未命中项和实时可选状态,用 `listDimensionIndicators` 在线确认;公式口径用 `getIndicatorFormulas`
│   ├── sectors.yaml             行业板块(742 条,10 个分类)
│   └── themes.yaml              题材板块
│
├── scripts/                 ← 执行脚本
│   ├── call.py                  工具统一入口(所有命令通过它调用)
│   ├── executor.py              call.py 的底层(禁止直接调用)
│   ├── formula_package.py       公式任务包客户端(register/query/list/revoke/refresh,取数走 SSE)
│   ├── quant_api.py             Python SDK(供其他脚本 import)
│   ├── auth/                    认证脚本
│   └── eval/                    评测脚本
│
└── output/                  ← 输出目录(自动创建)
    ├── .session.<key>.json      当前 session task_id(按 QBS_SESSION_KEY 派生,多会话隔离)
    ├── ic_data/                 IC 扫描结果
    └── *.png / *.csv            图表和数据文件

全局 429 处理(所有路径均适用):

error.code处理
RATE_LIMIT_EXCEEDED / CONCURRENT_LIMIT读 retryAfter 秒后静默重试,不向用户暴露
WINDOW_QUOTA_EXCEEDED立即停止,读 references/troubleshooting.md 配额限流段,输出提示
DAILY_QUOTA_EXCEEDED / DAILY_SCAN_EXCEEDED立即停止,输出:⚠️ 今日额度已满,次日 00:00 重置。
SERVICE_OVERLOADED(503)retryAfter 秒后静默重试 1 次,仍失败则告知"系统繁忙,请稍后重试"

⛔ 执行顺序(路由前必读,所有场景必须遵守)

已有文件转活页先执行上方静态托管优先例外,不进入下表 QBS leaf;首次静态交付后的数据增强才按本节加载查询规则。

无论匹配到哪个 leaf workflow,执行顺序固定为:

① read_skill_file(global-rules 版本,见下表)  →  ② read_skill_file(leaf workflow)  →  ③ 执行

步骤 ① 全局规则文件选择(按目标 leaf workflow 确定):

目标 leaf workflow步骤 ① 读取的文件
fast-snapshot.md无(Fast Path,跳过步骤 ①,直接执行)
fast-window.md无(Fast Path,跳过步骤 ①,直接执行)
fast-report-period.md无(Fast Path,跳过步骤 ①,直接执行)
quick-window.mdworkflows/global-rules-lite.md
period-return-compare.mdworkflows/global-rules-lite.md
其他所有 workflowworkflows/global-rules.md
  • 步骤 ① 是硬前置条件。确定目标 leaf 后,先按上表选择并读取对应 global-rules 版本,再读 leaf workflow,最后执行。
  • Fast Path(fast-*.md)直接从步骤 ② 开始,无需步骤 ①。

场景路由

先识别用户意图,确定目标 leaf workflow;然后按上方执行顺序加载:

场景触发词目标 leaf workflow
单资产历史/跨日分钟用户明确历史交易日或跨日区间的原始1分钟/分时CSV确认唯一资产 → tools/fast_query_minute_range.md → fast_query_minute_range;不传fields/format/remove_nan
单资产日内分钟 / 分时序列明确要求分钟、分时、1分钟、每分钟、日内 OHLCV、逐分钟开高低收/成交量;不含历史日期、区间或多资产先按资产库规则确认唯一资产 → 直接调用 fast_query_minute → 成功即停
最新时点行情 / 估值 / 基础信息(快照)最新价、今日收盘、最新涨跌幅、当前换手率、最新PE/PB/市值、所属行业…Fast Path 条件满足 → 只读 fast-snapshot.md;不满足/无法查询 → global-rules.md → quick-snapshot.md
最近N日序列 / 窗口统计最近5日、最近20日、近N个交易日、窗口最高/最低/振幅…(仅单资产、最近N日)Fast Path 条件满足 → 只读 fast-window.md;不满足/无法查询 → global-rules-lite.md → quick-window.md
最近报告期财务营收、净利润、归母净利润、ROE、总资产、总负债、资产负债率…Fast Path 条件满足 → 只读 fast-report-period.md;不满足/无法查询 → global-rules.md → quick-report-period.md
单只 A 股快速画像贵州茅台、茅台、600519、SH600519;或“分析一下贵州茅台”“分析下深圳新星(SH:603978)”等简单综合分析,资产唯一且名称代码一致live-page-routing.md → single_a_stock_fast → QBV guides/answer-first.md,先答再 new_asset_page
单股指标画像 / 个股综合分析分析一下XX个股、看一下XX这只股票、个股画像、指标概览、估值财务资金走势综合看一下、基本面和估值怎么样…global-rules.md → stock-profile.md
最新上市/退市/更名/换代码或资产状态冲突现在上市了吗、最新代码、是否退市;或本地资产库命中但平台返回 ASSET_NOT_FOUNDglobal-rules.md → external-fact-verification.md;外部事实与 Quant Buddy 数据状态必须分开判断
单资产标准历史字段同图一个资产 + 2~4 个价格/成交/估值标准历史字段 + “放在一张图里/画成图/同图比较”只读 visual-page-fast-path.md;先 route,再一次 fast_query,一次命令准备 capsule + Handoff + Job;禁止进入 quant-standard.md、render-kline.md 和静态渲染
申万一级行业近N日涨跌幅排名图申万一级行业/行业板块 + 最近N日/最近一个月 + 涨跌幅 + 排名图/柱状图/可视化只读 industry-ranking-fast.md;固定一条行业聚合公式,只读 indexinfo_id,直接准备已物化 QBV Job;禁止进入 global-rules.md、quant-standard.md、行业 recipe 和 renderChart
K线活页(可持续打开)明确出现 K线/K 线/蜡烛图/OHLC/开高低收,且没有明确只要图片只读 kline-page-fast-path.md;QBS fast_query(window) 验证 OHLCV 后先答,再交给 QBV 的 candlestick 运行时面板;禁止调用图片型 renderKLine
K线图片(明确只要PNG/图片)用户明确不要网页、只要图片 artifactglobal-rules.md → render-kline.md;此时才允许 renderKLine
固定区间累计涨跌幅从A到B、某年某月至某年某月、区间收益、累计涨跌幅、区间表现、多资产区间对比global-rules-lite.md → period-return-compare.md
数据下载 / 导出本地 CSV下载成CSV、导出到本地、保存到本地、下载历史数据global-rules.md → recipes/download-data.md;单资产单字段时序优先 runMultiFormulaBatchStream → downloadData → write_skill_file,禁止 Bash 兜底
已物化指标选股 / 维度分或细分指标 TopN / 推荐股票分数最高、综合分最高、维度分,或由已物化细分 score/screen 指标组成的推荐/选出/筛选 TopNglobal-rules.md → composition-select.md(newSession → 本地快照匹配或在线目录确认 → selectByComposition)
高频稳定因子榜单:低 PE + 高 ROE TopN同时出现低PE/低市盈率、高ROE/高净资产收益率、选股/筛选/排名、TopN/前N;即使没说图表或活页global-rules.md → quant-standard.md 的“高频默认口径”;验证 TopN 后必须实际 route,create 时用三个已物化 data_id 一次 prepare-validated-page,QBS 先答、QBV 同轮完成后补链接;明确不要网页则 none,只要表格且无其他建页意图也保持 none
维度指标库查询 / 指标口径与公式平台有哪些维度、XX 维度下有哪些指标、XX 指标怎么算的/口径是什么/公式是什么、想按现成指标改口径tools/dimension_indicators.md(用 scripts/call.py 调 listDimensionIndicators → getIndicatorFormulas,非平台原生工具;要拿改过的公式跑数再转 quant-standard.md)
量化选股 / 回测 / 因子 / 图表 / 上传下载选股、回测、均线、PE选股、因子、净值、上传CSV、下载数据、画图、多个指标放进同一张图…;或目录无匹配维度、需要临时构造指标/历史曲线/自定义公式global-rules.md → quant-standard.md;执行回测、监控、画线或任何图表 artifact 在首答前必须实际运行 live_page_routing.py route,命中 create 后非阻塞交接 QBV
直接运行用户给定的公式链文件「运行/跑一遍/执行这个文件里的全部公式」「公式链文件」「formula chain」「按这个 md/json 跑」global-rules.md → run-formula-chain.md
事件研究复盘、历次、涨价、降息、加息、事件窗口、随后表现、超预期、不及预期、政策后表现…(给定事件或需先识别事件日)global-rules.md → event-study.md
阈值区间统计 / 连续阶段历次、每次、平均、回撤超过、从高点下跌超过、熊市区间、连续阶段、regimeglobal-rules.md → regime-segmentation.md
每日复盘 / 持续监控 / 每天看行业股每日或定期复盘、每天看、监控/盯盘、刷新看板、做个能直接打开的页面global-rules.md → quant-standard.md → answer-first.md;先原生查询和完整业务首答,再交 QBV;不进入先注册包的旧流程
明确开发接口 / 管理公式任务包用户明确要求注册公式包、package_id、签名取数、对外只读接口或第三方接口接入tools/formula_package.md + recipes/formula-package.md;仅接口管理请求,普通研究看板走上一行;注册前仍须验证公式和运行时频率

上传、下载、画图不是独立场景——它们是 workflow 内的子步骤,workflow 文档会在需要时指引你读对应的 recipes/。

Show full SKILL.md (806 more words)Show less
路由硬排除(优先于触发词匹配)

以下规则在触发词匹配之前检查,命中即强制改道,不得被触发词覆盖:

用户意图特征禁止进入强制导向判断依据
盘中/实时/当前/现在/今天/今日/当日 + 查询日内行情(涨幅排名、涨停、日内跌幅等)quick-snapshot quick-windowquant-standard.md(优先匹配分钟频卡片)需要分钟频卡片的专用公式;use_minute_data: true 已是全局默认
盘中/实时/当前/今天/今日/当日 + 全市场/板块 + TopN/排名/阈值名单/选股/筛选/信号quick-snapshot quick-windowquant-standard.md → 优先命中"实时横截面 TopN 排名"或"盘中阈值筛选_名单查询"微流程这类高频短题有专用封闭微流程
给出明确起止日期,只问区间累计涨跌幅/收益event-study quick-window quant-standardperiod-return-compare.md本质是固定区间收益比较,不是因果窗口分析,也不是复杂量化流程
行业/板块聚合排名(如"申万行业涨幅前5")quick-window quick-snapshotquant-standard.md需要横截面聚合,不是单资产序列
阈值触发型离散事件识别(如"跌幅超过X%的次数",问每次后表现)—event-study.md(阈值触发模式)需先识别阈值事件日,再做窗口分析
由阈值条件定义连续区间(如"历次熊市""回撤超30%的阶段")event-studyregime-segmentation.md研究的是连续阶段而非离散事件后的窗口
"创近N日新高/新低"(不含"首次"修饰词)不得加"昨日未满足"条件按当前状态判断(state check),公式只比较当前值与昨日的N日极值只有用户明确出现"首次突破/首次跌破""新晋""今日第一次"时,才允许追加首次触发条件;详见 quant-standard.md

判断口诀:

  • 有明确起止日 + 只问区间数值 → period-return-compare(固定区间收益比较)
  • 有事件 + 问"随后N天/月表现" → event-study(因果窗口)
  • 有阈值条件 + 问"每次发生后表现" → event-study(阈值触发模式)
  • 有阈值条件 + 问"连续阶段/区间内表现" → regime-segmentation(连续阶段统计)

若用户请求满足以下任一模式,应优先判定为【快速查数任务】,按以下路由直接跳转,不得先进入其他 workflow:

Fast Path 条件(同时满足以下 2 点才可走 Fast Path;否则走完整链路):

  • 所有目标字段属于 fast_query whitelist(价格/估值/财务/衍生/资金流向·南北向持股/商品现货·库存,以及 A 股所属行业基础信息字段,详见 tools/fast_query.md),不涉及自定义公式/选股/排名
  • 非全市场横截面查询(不是"全市场排名/前N只/行业筛选"等场景)

资产数量不再限制 Fast Path 路由(服务端支持 ≤1000 个资产)。超过 500 数据点时服务端自动返回 CSV 格式(OSS 下载链接),详见 tools/fast_query.md 限流与 CSV 模式段落。

快速查数路由(按优先级依次判断,首个匹配即停):

  1. 用户明确要求一个资产的 2~4 个标准历史字段放在同一张图中,且未明确只要 PNG → 只读 workflows/visual-page-fast-path.md;这是页面主图快路径,不得继续读取 quant-standard.md / render-kline.md。 0a. 用户明确要求申万一级行业最近 N 个交易日涨跌幅排名图/柱状图/可视化,且未明确只要 PNG → 只读 workflows/industry-ranking-fast.md;不得读取 global-rules.md、quant-standard.md 或行业 recipe,不得调用 renderChart。 分钟覆盖前置检查:先确认市场/资产类型并按 分钟支持范围 判断。A股/美股股票起于2026-05-13,国内期货起于2005-01-04,港股股票起于2026-05-20,国内指数起于2026-08-13;美国/香港指数及期货暂不支持。历史窗口早于边界必须先提示:全窗口越界不查;部分覆盖明确缺失范围,不静默改日期或宣称完整覆盖。此限制不套用于日频行情。

  2. 用户明确要单资产历史/跨日分钟序列或分钟CSV → tools/fast_query_minute_range.md;只支持历史日期,完整返回所有列;窗口/offset互斥,不得偷换成日频或当日分钟。用户要求30分钟K线时,先取原始1分钟数据,再按该工具文档的受控聚合步骤生成派生30分钟数据,并同时保留原始区间、时区和来源间隔。

  3. 用户明确要单资产完整分钟/分时/逐分钟序列或分钟 OHLCVA,且未指定历史日期、日期区间、分钟聚合或多个资产 → 先按资产库规则确认唯一资产,调用 fast_query_minute;按索引配对返回的 dates[] 与 fields.<name>[],保留 data_scope/trade_date/timezone 语义,成功即停。只问最新标量仍走 snapshot;历史/区间改走 fast_query_minute_range;多资产不能塞进任一单资产工具。连续期货只按所选 trade_date 解读 contract_info,不将 inferred 说成已实时核验;附加 warnings 不影响成功行情。

  4. 整句为一个资产名称/简称/代码,或简单单股综合分析(如“分析一下贵州茅台”)时,先执行 live_page_routing.py route;命中 single_a_stock_fast 则读取 QBV guides/answer-first.md,QBS 验证首答后同轮 new_asset_page,不能只输出画像就结束。其他开放式单股综合指标概览(如“分析一下XX个股”“个股画像”“指标概览”),且不是只问单字段/明确窗口/IC 预测力 → workflows/global-rules.md → workflows/stock-profile.md

  5. 时间锚点是"最近 N 日窗口/序列",或用户明确给出起止日期要求返回区间序列(如"从X日到X日每日的…走势/序列/数据"),或用户只说"最近走势/看走势"但未明确要图片/K线 → Fast Path 条件满足时读 workflows/fast-window.md,不满足则 workflows/global-rules-lite.md → workflows/quick-window.md;未给 N 时默认按最近 20 个交易日

  6. 时间锚点是"最近报告期"且字段属于财务类 → Fast Path 条件满足时读 workflows/fast-report-period.md,不满足则 workflows/global-rules.md → workflows/quick-report-period.md

  7. 用户明确要“K线 / K 线 / 蜡烛图 / OHLC / 开高低收”:有活页意图时加载 workflows/kline-page-fast-path.md;只有明确只要PNG/图片时才加载 workflows/render-kline.md

  8. 其余(明确是最近完成交易日或当日的行情/估值/多资产对比,且不含 排名/筛选/全市场 语义)→ Fast Path 条件满足时读 workflows/fast-snapshot.md,不满足则 workflows/global-rules.md → workflows/quick-snapshot.md

    说明:含"今天/今日/当日/当前/现在/实时/盘中"但仅查单资产行情字段,属于日内刷新场景,fast_query snapshot 已自动启用盘中刷新(等效 use_minute_data: true),应直接走 Fast Path;上方"路由硬排除"已拦截"今天 + 全市场/板块 + 排名/筛选",此处无需重复排除。

上述路由不需要先读 workflows/quick-lookup.md。

关键红线速查(即使未读 global-rules.md 也必须遵守)

以下 4 条规则从 global-rules.md 摘录,优先级最高,对所有场景生效:

  1. 事件定义冻结:事件类型/范围必须逐字匹配用户原始措辞。用户说"年报/半年报"就只查年报和半年报,不得扩大到业绩预告/快报/季报;用户说"国务院或住建部"就只纳入该层级,不得扩大到央行/银保监会/地方政府。若认为用户定义可能遗漏,在回答末尾建议扩大,不得擅自扩大。
  2. evidence-only 回答:最终答案只输出本轮工具结果直接支持的数值、日期、排名、口径说明。未经工具验证,禁止默认输出宏观归因、政策归因、方向性判断("通常""往往""偏正面")。
  3. 去过程化交付:禁止「已成功获取」「让我来」「按照流程」「Step 1/2/3」「根据 workflow」等过程性话术;禁止泄露 _working/ 路径、checkpoint 名称、workflow 文件名。查到即答,不展示内部过程。
  4. 条件口径冻结:用户条件必须原样执行,禁止任何改写(百分比↔小数、相对时间→年份区间、资产宇宙替换、卡片附加条件继承)。详见硬规则第 8 条。
  5. 时效性事实核验:涉及最新上市/退市/更名/换代码,或本地资产库命中但平台返回 ASSET_NOT_FOUND 时,必须读 external-fact-verification.md。ASSET_NOT_FOUND 只表示当前接口未识别资产,不得推导为公司未上市。

触发词参考:

  • 分析一下XX个股 / 看一下XX这只股票 / 个股画像 / 指标概览 / 估值财务资金走势综合看一下 → stock-profile
  • 最近交易日收盘 / 最新已披露PE / 最新市值(非盘中、非筛选) → quick-snapshot
  • 最近5日 / 最近20个交易日 / 近N日序列 / 窗口最高最低 → quick-window
  • 营收 / 净利润 / ROE / 总资产 / 总负债 / 资产负债率 → quick-report-period

禁止:

  • 普通K线活页不得优先调用 renderKLine;先读 kline-page-fast-path.md 并用 fast_query(window) 取得OHLCV。只有用户明确只要PNG/图片时才调用 renderKLine
  • 先做分析性扩写,再补充结构化数值
  • 在读取对应 leaf workflow 之前直接调用 runMultiFormulaBatchStream / renderKLine / scanDimensions / stockProfile / 输出“无法联网”或“无法获取实时数据”
  • 资产已唯一命中 presets/assets_db/future.yaml 时,静态输出“平台不支持期货/期权”或“期货无法查询”;应先按行情/窗口序列工具链尝试,失败后只按工具返回说明当前品种或字段暂不可得
  • 把卡片附加条件(首次/非ST/封板/流动性门槛等)默默继承进最终答案
  • 以 description、samples、预览行、截断大表作为名单题的完整结果直接收尾(必须提取完整名单或明确声明不完整)

leaf workflow 最终回答合同优先:leaf workflow 中的"最终回答合同"优先负责收紧该场景的输出格式;若 leaf workflow 已满足停止条件,必须直接按该合同输出,不得再解释内部过程。

执行权授权规则

规则层级(从高到低):

  1. SKILL.md:路由 + 全局门禁(硬规则 10 条、路由硬排除)
  2. global-rules.md:所有 leaf 必须遵守的全局合同(执行合同、证据分级、简答模式、不补精度、方法限制说明、参数规范、数值精度、终答一致性检查)
  3. leaf workflow:当前任务的具体执行流程(checkpoint、模板、停止条件、格式化)

冲突解决:

  • leaf workflow 中的具体规则(如 readData 模式选择(见 tools/read_data.md 的场景表))优先于 global-rules 的一般规则
  • 但 leaf workflow 不得放宽 global-rules 的红线(如证据分级门槛、不补精度原则)
  • 不得从其他 leaf workflow 借用模板、fallback 或回答格式

quick-lookup.md 的定位:

  • 仅作为快查子流程的路由入口和规则参考总表
  • 各 leaf workflow 已自包含所有执行规则,执行时无需回到 quick-lookup.md
  • quick-lookup.md 不定义任何 leaf 独有规则

全局执行规则

全局合同详见 workflows/global-rules.md,进入任何 leaf workflow 时自动生效。 leaf workflow 可在其内部添加更严格的约束,但不得豁免或放宽 global-rules 中的规则。

平台数据覆盖范围

✅ 支持⚠️ 有条件支持❌ 不支持(短期内不会支持)
A股个股(沪深主板/创业板/科创板/北交所)ETF / LOF / 场外基金(先 grep 本地资产库,能唯一命中则正常执行;未命中才告知不支持);期货行情/窗口序列(先 grep presets/assets_db/future.yaml,唯一命中后按工具返回尝试行情字段;不承诺估值/财务/K线图)期权
港股个股(HK + 代码,如 HK0001)台股 / 韩股 / 日股 / 德股等其他境外市场
美股个股(NASDAQ: 代码.N;NYSE: 代码.O;AMEX: 代码.A)
主要宽基指数(沪深300、中证500、万得全A等)

港股 / 美股数据范围限制:

  • 行情价格类(收盘价、开盘价、最高价、最低价、涨跌幅、成交量、成交额):A / HK / US 均支持。
  • 所属行业基础信息:仅 A 股股票支持 所属行业,使用 fast_query(snapshot/value);资产须为 type=stock 且 market_id=1/2。返回申万一级 swl1、申万二级 swl2 和概念列表 jqc;港股、美股、指数及其他资产暂不支持。
  • 估值类:
    • A/US/HK:PE/PE_TTM/PB/PS_TTM/股息率/PCF/总市值(日频,服务端按字段自动映射;PB 不带 TTM)
    • 仅 A 股:流通市值/换手率
    • PE(静态):A 股用静态 PE,港美股自动映射到 TTM 版
    • 历史兼容入口:港美股 PE_单季/PB_单季/PS_单季/股息率_单季 实际映射到日频估值,不是季频数据;新调用使用 PE_TTM/PB/PS_TTM/股息率
  • 财务类(营业收入/净利润/归母净利润等):A / HK / US 均支持(通过 fast_query 接口);ROE 仅 A 股。
  • 资金流向 / 南北向持股类(fast_query snapshot/window,非 report):
    • 仅 A 股:主力资金净额/主力资金净占比、超大单/大单/中单/小单 净额·净占比(主力 = 超大单 + 大单)
    • 仅 A 股:北向持股比例(陆股通持股比例)/北向持股市值(2024-08 后季频/稀疏)
    • 仅港股:南向持股比例/南向持股市值(日频)
    • 走动态解析(非白名单,需用全称):北向/南向「十大活跃股成交额」
    • 不支持:北向/南向「资金成交额·成交量·净买入」(市场级一维序列,无个股维度)——应走 confirmDataMulti + readData,而非 fast_query。
  • 商品期货类(fast_query snapshot/window,仅 A 股期货品种,单位按品种):
    • 期货行情 收盘价/开盘价/最高价/最低价:单位按品种(白银元/千克、螺纹元/吨、黄金元/克…)
    • 现货价格(基差,多为元/吨)、商品库存/库存按发布日(单位按品种推测,带 STOCK_UNIT_INFERRED 警告)
    • 用期货 ticker(如 RB.SHF)查询;单位按品种发散时 fields_meta[字段].unit_per_asset=true,单位下沉到每资产值({v, unit}),读值优先看资产内联 unit
  • 查询港股/美股时若字段不在上述支持范围内,应主动告知用户,而不是静默跳过。
维度指标库(维度 / 指标 / 公式,三层)

除了「数据集」(全市场每日收盘价 这类原始字段),平台还维护一套已经算好的指标库,是另一套东西,别混:

维度 dimension ──包含──▶ 指标 indicator ──定义于──▶ 公式组 formulas
17 个(趋势结构、动量与反转、        163 个                每个指标一组,
资金流向、盈利能力、异动监控…)                          依赖在前、目标在最后
  • 维度只是分组容器,不带权重、本身不可计算。
  • 指标分两类:细分 = 单一口径基础指标(如「20日高点接近突破」);综合 = 该维度的维度分,由维度内细分指标聚合而成(如「A股动量与反转」)。另有正交的 output_type:score 连续分 / screen 0-1 布尔。
  • selectByComposition 不以 细分 / 综合 作为准入条件:两个分类均可用,但必须已物化、当前可选、支持目标市场且具有已知快照日期。不同有效快照允许组合,结果必须按 date_alignment 披露;请求位置由 output_type 决定:score 用于排名/阈值,screen 用于交集筛选。
  • 指标有两个名字:name(20日高点接近突破,目录里的短名)和 index_title(通用_20日高点接近突破得分,公式里的变量名),两者从不相同;再加稳定键 indicator_id,取公式时三种都能用。

走哪条路:

用户要什么走哪
已物化指标 TopN / 筛选(「A股动量与反转最高的10只」「短期高低点抬升且 RSI 强而不过热」)composition-select.md → 本地快照映射常见指标;细分或未命中项在线确认 output_type、selection_ready、as_of 后 → selectByComposition
有哪些维度/指标、某指标口径与公式、想按现成指标改口径tools/dimension_indicators.md → 用 scripts/call.py 调 listDimensionIndicators / getIndicatorFormulas(在线全量,细分+综合都有;非平台原生工具)
指标的历史数值序列本组工具只给定义不给数据;数值走 runMultiFormulaBatchStream
股票代码格式速查
市场格式示例
A股-上交所SH + 代码SH600000
A股-深交所SZ + 代码SZ000001
港股HK + 代码HK0001
美股-NASDAQ代码.NAAPL.N
美股-NYSE代码.OAAL.O
美股-AMEX代码.ASBE.A

确认资产失败(熔断规则)详见 workflows/quick-lookup.md § Step 1。

环境依赖(Python版本、Playwright、API Key)→ references/environment.md 故障排查 → references/troubleshooting.md RU 计费 → references/ru-billing.md


前置条件(按需执行,不是简单查数的默认首步)

凭据存储说明:本 skill 的 quant-buddy API Key 默认存放在 skill 目录下的 config.json 的 api_key 字段,日常以此为权威来源;QUANT_BUDDY_API_KEY 环境变量仅作最低优先级兜底(只在 config.json 也没有值时才生效,不是常规覆盖手段——config.json 已有默认 key 时设置它不会有任何效果)。仅可选的 BOCHA_API_KEY(通用外部事实搜索,包括事件研究和资产状态核验)走环境变量。

Playground 场景覆盖:若本轮用户消息里含独立一行 api_key=<value>(这是 Playground 前端自动附带的、当前登录用户本人的凭据,不要转述/回显给用户),调用本 skill 任意工具时在其 JSON 参数里追加 "api_key": "<value>" 字段——这会临时覆盖 config.json,仅本次调用生效、不落盘、优先级最高。命中这种情况时直接用该值查数即可,不需要走下面"config.json 为空则停止查数"的新用户引导流程。手上是一份现成的 @file 参数、不方便现改这份文件塞 api_key 字段时,用环境变量 QBS_API_KEY 效果等价(同一优先级,不要跟 QUANT_BUDDY_API_KEY 混用)。

仅在以下情形下,才需要显式读取 config.json 检查 api_key:

  • 本轮实际需要调用本地脚本或平台工具,且当前环境尚未建立可用 session
  • 上一轮工具调用已出现 401 / 402 / 明确认证错误
  • workflow 明确要求执行脚本链(如本地 Python 脚本渲染)

对已命中 leaf workflow 的简单查数题(quick-snapshot / quick-window / quick-report-period / kline-page-fast-path / render-kline):

  • 不要为了形式完整额外读取 config.json
  • 优先直接按 leaf workflow 执行
  • 仅当工具调用出现明确认证问题时,再回到认证向导

原则:认证检查服务于执行,不应成为简单题的固定额外步骤。

  • 若 api_key 非空 → 正常继续

  • 若 api_key 为空 → 立即停止,禁止继续查数,输出以下新用户引导消息(原样输出,不得删减):


    ⚠️ 尚未配置 API Key,当前无法查询数据。

    前往 https://www.quantbuddy.cn/login 登录/注册并获取 API Key,然后直接发给我:

    帮我配置 APIkey:sk-xxxxxxxx



配置向导(用户粘贴 Key)

当用户消息中包含 sk- 开头的字符串时:

  1. 从用户消息中提取 sk- 开头的完整 Key 字符串
  2. 将 Key 写入 config.json 的 api_key 字段(用 replace_string_in_file 直接写入)
  3. 必须输出:「✅ API Key 配置成功!」
  4. 自动重试:若本对话中有被 api_key 缺失错误中断的查询(如之前用户问过行情),先调 newSession(以原始用户问题作为 user_query)新建 session,再立即重新执行该查询并给出数据结论,不需要用户再次发起。

运行时 401/402 → 立即停止,提示用户 API Key 无效/过期/配额耗尽,请重新前往官网获取新的 Key 并重新配置。


工具调用方式

所有工具通过 scripts/call.py 调用。call.py 会同时将结果打印到 stdout 和写入临时文件。

标准调用(一步完成)
bash
python scripts/call.py <工具名> '{"key":"value"}'

结果直接从 stdout 获取。若 stdout 被截断,可回读 /tmp/gzq_out.txt。

也可通过环境变量传参(适用于参数含特殊字符的场景):

bash
GZQ_PARAMS='<JSON>' python scripts/call.py <工具名>
禁止事项
禁止原因
创建自定义 .py 写参数文件环境变量方案已解决编码问题
直接调用 scripts/executor.pycall.py 封装了 renderChart 自动保存等逻辑
echo 管道传参(Windows)GBK 编码截断中文
命令行参数传 JSON(Windows)PS 吃掉双引号

presets/、recipes/、tools/ 三个目录的分工

目录是什么何时读
presets/平台实际返回值的本地快照(YAML)。资产名、函数格式、数据集 index_title、行业/概念名等。直接可用于公式,省掉确认类 API 调用。data_catalog.yaml 是常用精选;index_info_catalog/ 是系统支持数据名全量索引。写公式前先查 preset;常见行情/估值/财务字段先查 data_catalog.yaml;未命中再用 rg "关键词" presets/index_info_catalog 搜索全量目录。找到候选后,公式中必须使用精确 index_title,不要把用户口语词直接当数据名。cases_index.yaml 仅在选股/回测/因子/图表等量化标准场景(quant-standard.md)开始时必读;快速查数场景(quick-snapshot/window/report-period)无需读取。
recipes/端到端使用示例(Markdown)。展示完整场景——从参数准备到最终输出。由 workflow 在具体步骤中指引加载(不独立触发)。
tools/API 参数手册(Markdown)。每个工具的字段、类型、约束。默认不读。workflow 工具表标注了「必读」或报错时再查。

简言之:presets 是数据快照,recipes 是完整教程,tools 是参数字典。 data_catalog.yaml 只维护高频精选字段;index_info_catalog/*.yaml 承载全量系统数据名。高频且确认常用的数据名,再人工补进 data_catalog.yaml。 index_info_catalog/ 按业务分类保存系统支持的数据名。公式使用精确的 index_title;不要推断或向用户展示内部来源。目录由仓库外部维护流程生成,不要手工修改记录。


Skill 更新部署规范(LLM 必读)

当用户要求更新本 skill(发送 zip 压缩包)时,必须严格遵守以下规则:

备份位置与自动保留

⚠️ 备份目录禁止放在 skills/ 目录下。 运行时更新器会把受管理备份写入:

text
<workbuddy-root>/backups/skills/quant-buddy-skill/

每个备份目录以时间和被替换版本命名,并带有 backup-metadata.json(含 slug、旧版本、创建时间和来源)。更新器只在新包校验、原子替换和活动目录健康检查都成功后,才迁移旧根目录备份并清理历史:最多保留 3 个、仅保留 30 天内的已识别备份。

  • --backup-root <dir> 可以显式指定备份根目录;不会改写为默认位置。
  • 清理只会删除含受管理 metadata 且 skill_slug=quant-buddy-skill 的目录;未知人工目录、活动目录、lock、staging、trash 和 skills/ 下任何目录都不会被清理。
  • 历史 <workbuddy-root>/quant-buddy-skill-backup-* 仅在新版本健康检查成功后、且 _skillhub_meta.json / _meta.json 明确写有相同 slug 时迁移;更新失败时绝不删除旧备份。
解压覆盖
bash
# 解压到临时目录再拷贝(避免嵌套)
TMPDIR=$(mktemp -d)
unzip -o <压缩包路径> -d "$TMPDIR"
# 如果解压出嵌套目录 quant-buddy-skill/,取内层
if [ -d "$TMPDIR/quant-buddy-skill" ]; then
  cp -rf "$TMPDIR/quant-buddy-skill/"* ~/.openclaw/workspace/skills/quant-buddy-skill/
else
  cp -rf "$TMPDIR/"* ~/.openclaw/workspace/skills/quant-buddy-skill/
fi
rm -rf "$TMPDIR"
部署后检查
  1. 确认 ~/.openclaw/workspace/skills/ 下只有 quant-buddy-skill/ 一个与本 skill 相关的目录
  2. 读取 SKILL.md 确认版本号
  3. 保留 config.json 中已有的 api_key(若用户之前已认证过)

© pseudo-longinus, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 109 other files (scripts, references) in skills/quant-buddy-skill of pseudo-longinus/quant-buddy-skills.

  • SKILL.md
  • CHANGELOG.md
  • config.json
  • presets/assets_db/future.yaml
  • presets/assets_db/index.yaml
  • presets/assets_db/stock_a.yaml
  • presets/assets_db/stock_hk.yaml
  • presets/assets_db/stock_us.yaml
  • presets/cases_index.yaml
  • presets/data_catalog.yaml
  • presets/dimensions.yaml
  • presets/functions.yaml
  • presets/index_info_catalog/README.md
  • presets/index_info_catalog/a_share_financials.yaml
  • presets/index_info_catalog/a_share_option_iv.yaml
  • presets/index_info_catalog/a_share_trading_labels.yaml
  • presets/index_info_catalog/global_classification.yaml
  • presets/index_info_catalog/global_financials.yaml
  • … and 92 more

Open the folder on GitHubat commit 6c25f2e

Used in 1 other repository

We found 1 copy of this SKILL.md (exact, near-identical or edited) in other folders, from 1 other GitHub owner. This page covers the copy in pseudo-longinus/quant-buddy-skills, which our catalogue first saw on October 7, 2026.

Compare with similar skills

Quant Buddy Market Data and Backtesting next to the 5 skills that share the most tags, products or categories with it. Stars are the repository's; “used in” counts other GitHub owners with a copy.

Quant Buddy Market Data and Backtesting compared with similar skills
SkillStarsUsed inTokensAuto-checkLicenceRepo updated
Quant Buddy Market Data and Backtesting this skillpseudo-longinus/quant-buddy-skills1911 repos~11kAutomated safety check: PassMIT
Alpha Desk Investment ResearchJingHao-Leon/dsh-alpha-desk1811 repos~1.3kAutomated safety check: NotesMIT
Vibe-Trading Finance ToolkitHKUDS/Vibe-Trading35k—~6.5kAutomated safety check: PassMIT
Fundamental Factor ScreeningHKUDS/Vibe-Trading35k—~1.7kAutomated safety check: PassMIT
Stock Analysisalirezarezvani/claude-skills28k—~8.5kAutomated safety check: PassMIT
Eastmoney Market DataHKUDS/Vibe-Trading35k—~1kAutomated safety check: PassMIT

Similar skills

  • Alpha Desk Investment Research

    JingHao-Leon/dsh-alpha-desk

    Runs an AI investment research desk around the aihf hedge-fund CLI, with research cycles, backtests and iFinD data, under a risk gate and a rule against placing real trades.

    181 GitHub starsUsed in 1 repo~1.3k tokens
    Business, Finance & HRAuto-check: notes
  • Finance research toolkit with backtesting, factor analysis, a library of prebuilt alphas, options pricing and a Shadow Account loop that tests rules extracted from your trade journal.

    35k GitHub stars~6.5k tokensUpdated today
    Business, Finance & HRAuto-check passed
  • Builds value or growth stock screens from PE, PB, ROE and financial statement fields for backtests, using tushare data for A-shares and yfinance for Hong Kong and US stocks.

    35k GitHub stars~1.7k tokensUpdated today
    Business, Finance & HRAuto-check passed
  • Stock Analysis

    alirezarezvani/claude-skills

    Produce a rigorous, sector-relative, multi-factor fundamental analysis of a publicly listed company — Indian (NSE/BSE) or US/global.

    28k GitHub stars~8.5k tokensUpdated 1 mo ago
    Business, Finance & HRAuto-check passed
  • Eastmoney Market Data

    HKUDS/Vibe-Trading

    Index of Eastmoney's free, no-token market data interfaces for China A-shares and Hong Kong stocks: fund flows, dragon-tiger lists, margin trading, reports and news.

    35k GitHub stars~1k tokensUpdated today
    Business, Finance & HRAuto-check passed
  • Strategy Performance Report

    tradesdontlie/tradingview-mcp

    Builds a performance report for a backtested Pine Script strategy from TradingView data, covering metrics, trades, the equity curve and improvement ideas.

    6.8k GitHub starsUsed in 3 repos~591 tokens
    Business, Finance & HRAuto-check passed

More from pseudo-longinus/quant-buddy-skills

  • Quant Buddy Page Publisher

    pseudo-longinus/quant-buddy-skills

    Publishes quantitative analysis or existing images, HTML and PDF files as shareable Quant Buddy live pages and dashboards, and interprets existing page links.

    191 GitHub stars~12k tokensUpdated yesterday
    Auto-check passed

Questions about Quant Buddy Market Data and Backtesting

What does Quant Buddy Market Data and Backtesting do?

Queries A-share, Hong Kong and US stock quotes, valuation and financial data through the Quant Buddy API, and runs screening, factor calculation and strategy backtests. The skill routes finance questions to the Quant Buddy API instead of declining for lack of live data. It covers latest and historical prices, change, turnover, PE, PB and market cap, short price series and window statistics, minute-level OHLCV for a single asset, recent financial indicators such as revenue, net profit, ROE and debt ratio, and a per-stock profile built from precomputed indicators across valuation, financials, fund flow and volatility.

When should I use Quant Buddy Market Data and Backtesting?

Quant Buddy Market Data and Backtesting fits situations like: checking the latest price, change or valuation of an A-share, Hong Kong or US stock; pulling recent financial indicators such as ROE or net profit for a listed company; screening A-shares or backtesting a simple moving-average strategy; ranking industries or comparing net values.

How do I install Quant Buddy Market Data and Backtesting in Claude Code?

Run `npx skills add pseudo-longinus/quant-buddy-skills --skill quant-buddy-skill -a claude-code`. Or copy the skill folder (skills/quant-buddy-skill in pseudo-longinus/quant-buddy-skills) into .claude/skills/quant-buddy-skill in your project. Claude Code loads it when a task matches its description.

How do I install Quant Buddy Market Data and Backtesting in Codex?

Run `npx skills add pseudo-longinus/quant-buddy-skills --skill quant-buddy-skill -a codex`. Or copy the skill folder (skills/quant-buddy-skill in pseudo-longinus/quant-buddy-skills) into .agents/skills/quant-buddy-skill in your project. Codex loads it when a task matches its description.

Can I use Quant Buddy Market Data and Backtesting in Cursor, Gemini CLI or GitHub Copilot?

Cursor, Gemini CLI, GitHub Copilot and OpenCode also load SKILL.md folders. With the skills CLI, run `npx skills add pseudo-longinus/quant-buddy-skills --skill quant-buddy-skill -a cursor` (or -a gemini-cli, github-copilot or opencode for the others). To copy it by hand, put the folder in .cursor/skills/quant-buddy-skill, .gemini/skills/quant-buddy-skill, .github/skills/quant-buddy-skill and .opencode/skills/quant-buddy-skill in your project.

What does Quant Buddy Market Data and Backtesting need to run?

Going by SKILL.md and its folder, Quant Buddy Market Data and Backtesting needs the command-line tools its instructions call (python, python3 and rg) and credentials named QUANT_BUDDY_API_KEY, QBS_SESSION_KEY, BOCHA_API_KEY and QBS_API_KEY. Our summary lists: Access to the Quant Buddy API.

Does Quant Buddy Market Data and Backtesting access the network?

SKILL.md names 1 domain. As links in the text: quantbuddy.cn. This is read from the text; nothing was executed.

Is Quant Buddy Market Data and Backtesting safe to install?

Our automated static check of SKILL.md found no risky patterns, such as piping downloads into a shell, reading credential files or hidden Unicode. It is not a guarantee. The check reads SKILL.md only: the scripts in the folder are not scanned, so read them before running anything.

What licence does Quant Buddy Market Data and Backtesting use?

Quant Buddy Market Data and Backtesting is published under the MIT licence (the repository's licence). It allows redistribution, so the full SKILL.md is shown on this page.

How many tokens does Quant Buddy Market Data and Backtesting use?

About 11k tokens (SKILL.md is roughly 42k characters). Agents keep only the skill's name and description in context until a task matches; then they load SKILL.md in full. Its references folder adds about 6.7k tokens, read only when the agent opens those files.

What are the alternatives to Quant Buddy Market Data and Backtesting?

Skills that share tags, products or a category with Quant Buddy Market Data and Backtesting: Alpha Desk Investment Research (JingHao-Leon/dsh-alpha-desk, 181 stars), Vibe-Trading Finance Toolkit (HKUDS/Vibe-Trading, 35k stars), Fundamental Factor Screening (HKUDS/Vibe-Trading, 35k stars) and Stock Analysis (alirezarezvani/claude-skills, 28k stars). The comparison table on this page puts their stars, adoption, token cost, safety result and licence side by side.

Who maintains Quant Buddy Market Data and Backtesting?

pseudo-longinus (a GitHub user) maintains it in pseudo-longinus/quant-buddy-skills, which has 191 GitHub stars. The repository holds 2 skills in this directory. The repository was last updated on October 7, 2026.

Source: pseudo-longinus/quant-buddy-skills on GitHub. Facts on this page come from the repository at the commit we read; the author's words are quoted as theirs.