| name | ai-ide-strategy-writing |
| description | AI-IDE 写策略与执行 — 用 AI 生成 Qlib 量化策略代码、Docker 容器执行策略/回测、自然语言条件选股、策略落库。在 QuantBot / Claude Code 中让 AI 写策略、生成 Qlib 策略、执行策略回测、云端保存策略时使用。触发词：AI写策略、写策略、生成策略、策略代码、AI-IDE、运行策略、执行策略、帮我写个策略、云端策略 |
AI-IDE 写策略技能
AI-IDE 用 AI 生成 Qlib 量化策略代码，并在 Docker 容器中隔离执行（策略运行 / 回测）。核心入口是 /api/v1/ai-ide/execute/*。
认证
BASE=http://127.0.0.1:8000
TOKEN=$(curl -s -X POST $BASE/api/v1/auth/login -H "Content-Type: application/json" \
-d '{"username":"admin","password":"admin123","tenant_id":"default"}' \
| python3 -c "import sys,json; print(json.load(sys.stdin).get('access_token',''))")
AUTH="Authorization: Bearer $TOKEN"
CT="Content-Type: application/json"
1. 运行策略 / 回测（核心）
AI-IDE 通过 Docker 容器执行策略代码。策略分三种模式自动识别：
- 可执行脚本（有
if __name__ == '__main__' 或顶层可执行代码）
- main() / run() 函数
- 模块型策略（
STRATEGY_CONFIG / get_strategy_config()）→ 回测中心兼容模式
1.1 启动执行（本地文件或临时代码）
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/start" \
-d '{
"file_id": "strategy_id_xxx",
"model_id": "mdl_cn_ensemble_xxx", # 可选：指定回测模型（默认模型）
"strategy_id": "strategy_xxx",
"run_id": "run_xxx",
"qlib_provider_uri": "db/qlib_data", # 多市场 Qlib 数据路径
"qlib_region": "cn", # cn / us / hk / crypto / futures
"benchmark": "SH000300"
}'
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/run-tmp" \
-d '{
"content": "print(1+1)",
"filename": "tmp_strategy.py",
"model_id": "mdl_cn_ensemble_xxx"
}'
1.2 流式查看日志 / 结果
curl -s -N -H "$AUTH" "$BASE/api/v1/ai-ide/execute/logs/{job_id}"
日志关键标记：
[SYSTEM] 使用回测中心同一回测引擎执行 — 模块型策略进入回测[RESULT] annual_return: ... / sharpe_ratio: ... — 回测结果[ERROR] ... — 执行错误[PROCESS_FINISHED] — 执行结束
1.3 停止执行
curl -s -X POST -H "$AUTH" "$BASE/api/v1/ai-ide/execute/stop/{job_id}"
1.4 语法检查
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/check-syntax" \
-d '{"code": "class Strategy: ..."}'
2. 回测默认模型
AI-IDE 回测使用默认模型（/api/v1/models/default），回测前自动检查模型 pred 就绪：
- 单模型：读模型目录
pred.pkl / pred.parquet；缺失时提示"请先对该模型执行推理生成预测"
- 融合模型（
ensemble_config.json）：自动用子模型 pred 融合生成 pred.pkl（截面排名百分位加权）
- 向量化极速回测：纯 TopK 策略（topk=n_drop、无加权/无止损/无自定义类）自动走向量化引擎（秒级），复杂策略保真走 step 模式
3. 策略代码规范
模块型策略（回测中心兼容模式）需定义：
STRATEGY_CONFIG：dict，含 class + kwargs（signal/topk/n_drop/rebalance_days 等）- 或
get_strategy_config()：返回上述 dict
- 支持
POOL_FILE 顶部变量指定股票池文件
策略类参考（backend/services/engine/qlib_app/utils/extended_strategies.py + recording_strategy.py）：
| 类 | 用途 |
|---|
RedisTopkStrategy | Top-K 选股（等权） |
RedisMomentumStrategy | 动量策略（momentum_period 累计收益 + 模型分融合） |
RedisRiskGuardTopkStrategy | 大盘风控 Top-K（f_* 过滤 + 动态降仓） |
RedisWeightStrategy | 分数加权（max_weight/min_score） |
RedisStopLossStrategy | 止损止盈 |
RedisLongShortTopkStrategy | 多空 Top-K |
RedisVolatilityWeightedStrategy | 波动率加权 |
RedisRecordingStrategy | 通用（f_* 基本面过滤 + 动态仓位） |
4. 策略云端落库
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/strategies" \
-d '{
"name": "AI生成-低估值策略",
"description": "PE<15 且 ROE>10",
"strategy_type": "CustomStrategy",
"params": {"topk": 20, "n_drop": 5},
"code": "STRATEGY_CONFIG = {...}",
"market": "CN"
}'
curl -s -H "$AUTH" "$BASE/api/v1/strategies"
curl -s -H "$AUTH" "$BASE/api/v1/strategies/templates"
5. 实战流程（推荐）
当用户要求"写个策略 / 运行策略"时：
- 理解需求：确认选股条件（市值/PE/ROE/动量/行业等）和市场
- 生成策略代码：构造
STRATEGY_CONFIG（模块型）或可执行脚本
- 保存落库：
/strategies POST 保存到云端
- 执行：
/ai-ide/execute/start（带 model_id + qlib_provider_uri）
- 看结果：
/ai-ide/execute/logs/{job_id} SSE 流式，等 [PROCESS_FINISHED]
- 回测深挖：用 [[backtest-center]] 技能对策略跑完整回测
- 调优迭代：根据回测结果调参数，重新生成
6. 相关技能
- [[backtest-center]] — 完整回测中心（对比/优化/深度分析）
- [[smart-strategy-stock-picking]] — 条件选股生成股票池
- [[quantmind-operations]] — 模型训练/推理/数据更新
7. 常见问题
| 现象 | 处理 |
|---|
| 模块型策略无法执行 | 确保有 STRATEGY_CONFIG 或 get_strategy_config() |
| 回测报"模型无可用预测文件" | 单模型先推理；融合模型会自动生成 pred |
| 回测慢 | 纯 TopK 策略自动向量化；复杂策略耗时正常 |
| 容器执行失败 | 查 /execute/logs/{job_id} 的错误详情 |
| 想换市场回测 | 传 qlib_provider_uri + qlib_region（多市场 Qlib 数据） |
