| name | quant-all |
| description | AI-driven multi-market quantitative compute engine (QuantAll). Use when the user needs factor IC analysis, strategy backtesting, full-market stock screening, or quantitative research on any stock market (A-share, HK, US, etc.) — as long as the local market data is available and configured. Runs vectorized computations locally via the QuantAll MCP server. Currently Windows-only.
|
| license | MIT |
| agent_created | true |
QuantAll（全A解析）多市场量化计算引擎
这是什么
QuantAll 是一台运行在用户本地电脑上的多市场向量化计算引擎。它把本地数据库中的全市场股票数据（A 股、港股、美股等任意市场——只要你有对应本地数据并配置好）组织为统一矩阵，AI 只需编写简短的 Python 向量化代码片段，就能在数秒内完成运算——因子计算、策略回测、IC 分析、多维可视化。
对 AI 的意义：不再只是"查询信息然后转述"，而是能用代码算出客观结果。用户问"小盘股是不是比大盘股表现好"，AI 不需要去搜索别人的观点，而是直接用全市场数据算出 IC 指标、回测收益，给出有数据支撑的结论。这是从"数据搬运工"到"数据分析师"的根本转变。
工具详细用法（参数、触发场景、代码模板、核心函数）在 scripts/data/ai_prompts.toml 中，MCP 连接后 AI 自动获取。SKILL.md 只讲顶层定位、安装、启动、更新和 AI 行为规范。实战案例参见 references/quantall_playbook.md。
架构
| 组件 | 类型 | 定位 | 依赖 |
|---|
| QuantAll（全A解析） | HTTP MCP (localhost:8686) | 计算引擎：多市场因子计算/回测/IC分析/可视化 | 本地 DuckDB 数据库（任意市场） |
| UpdateStock | stdio MCP（可选） | 数据库管理：创建/更新/查询行情 | tushare API key |
两者共用同一个 DuckDB 数据库，路径通过 scripts/DB_setting.json 管理。QuantAll 独立可运行，UpdateStock 不是必需依赖——有自己的数据库或仅用内置测试库即可。
市场无关：QuantAll 不限定市场——只要 DuckDB 中按引擎约定的表结构组织好任意市场的行情数据（A 股、港股、美股、期货等），即可统一做向量化计算。内置 Test.duckdb 仅含沪深300近两年基础行情，仅供功能验证。
📦 安装（首次安装，AI 必读）
🪟 平台要求：当前技能仅支持 Windows。下方虚拟环境路径（Scripts/python.exe）、桌面 .lnk 快捷方式等均为 Windows 形态，macOS / Linux 暂不支持。
⚠️ AI 行为规范：安装前必须告知用户以下操作内容并获得同意：
- 在
scripts/ 下创建 Python 虚拟环境（约 45 个依赖包，300MB+ 磁盘空间）
- 从清华 PyPI 镜像源下载安装 quantall 库
- 修改
~/.workbuddy/mcp.json 添加 MCP 服务配置
- 后续启动时会运行本地 HTTP 服务（localhost:8686）并可能弹出用户协议窗口
□ 1. 创建 venv：
<Python路径> -m venv <skill-dir>/scripts/.venv
推荐：C:/Users/<用户>/.workbuddy/binaries/python/versions/3.13.12/python.exe
□ 2. pip 安装（务必用清华源，否则 PySide6 等大包下载超时）：
<skill-dir>/scripts/.venv/Scripts/python.exe -m pip install quantall -i https://pypi.tuna.tsinghua.edu.cn/simple
□ 3. 验证安装：
<skill-dir>/scripts/.venv/Scripts/python.exe -c "from QuantAll import Start_main; print('OK')"
□ 4. 配置 MCP（修改 ~/.workbuddy/mcp.json）：
见下方 MCP 配置
□ 5. 启动服务：
<skill-dir>/scripts/.venv/Scripts/python.exe <skill-dir>/scripts/Start_QuantAll.py
检查 8686 端口是否监听
□ 6. ⚠️ 提醒用户重连 MCP 连接器（或重启 WorkBuddy）
常见坑：
- Git Bash 路径：传参给 Python 必须用
C:/ 前缀（非 /c/），否则双重转义找不到文件
- safe-delete 冲突：WorkBuddy Python 运行时可能拦截 pip 文件覆盖，报
SAFE_DELETE_FAIL_CLOSED。解决：重建 venv（rm -rf .venv && python -m venv .venv）后重试，或用 dangerouslyDisableSandbox: true
- import 大小写：
from QuantAll import ...（大写 Q、A），import quantall 会失败
MCP 配置
{
"mcpServers": {
"全A解析": { "url": "http://127.0.0.1:8686/mcp", "disabled": false },
"UpdateStock": {
"command": "<skill-dir>/scripts/.venv/Scripts/python.exe",
"args": ["<skill-dir>/scripts/UpdateStock_skill.py"],
"disabled": false
}
}
}
UpdateStock 可选——不配置也能用 QuantAll。仅需要计算引擎时只配「全A解析」。
数据库
QuantAll 首次启动自动创建 scripts/DB_setting.json，默认连接 pip 包内置的 Test.duckdb（仅沪深300近两年基础行情，仅供测试，pip 更新会覆盖）。
正式使用需切换到自己的数据库（修改 db_path）：
| 方案 | 说明 |
|---|
| A. 内置 Test.duckdb | pip 包自带，仅沪深300近两年基础行情，仅供测试 |
| B. UpdateStock 创建 | 需 tushare：2000+ 积分全市场 / 200 积分免费精简版 |
| C. 自有数据库 | 修改 DB_setting.json 的 db_path 直连 |
⚠️ AI 行为规范：修改 DB_setting.json 前告知用户当前数据库路径和将要切换的目标路径。
桌面快捷方式（可选，AI 主动询问）
安装后 AI 应主动询问："是否需要创建桌面快捷方式？"创建 scripts/run.bat（后台启动，无控制台窗口），再为它创建桌面 .lnk。
⚠️ 不要在桌面创建 .bat 文件——Windows cmd 以 GBK 读取 .bat，AI 写入的 UTF-8 中文会乱码。正确做法：先创建 scripts/run.bat，再创建指向它的桌面 .lnk。
🚀 启动
QuantAll 是独立的 HTTP 服务，不依赖 UpdateStock 启动。三种方式任选其一：
| 方式 | 操作 | 适用场景 |
|---|
| AI 调用 | 通过 UpdateStock MCP 的 Start_QuantAll 工具 | AI 场景，可自动检测端口 |
| 双击 run.bat | 后台启动，无控制台窗口 | 手动场景最方便 |
| 命令行 | <skill-dir>/scripts/.venv/Scripts/python.exe Start_QuantAll.py | 调试或自定义 |
⚠️ AI 行为规范：启动服务前告知用户——QuantAll 将在本地 8686 端口启动 HTTP 服务，并可能弹出用户协议确认窗口。
用户协议：首次启动弹协议窗口，点击确认即"激活"（永久同意），功能无差异。未确认前除 ping 外所有工具被阻止（合规要求）。
MCP 重连：QuantAll 后于 AI 启动时，需断开重连 MCP 连接器（或重启 WorkBuddy）。首次连接需点击"信任"授权。
🔄 更新/升级
核心规则：技能包文件更新后，Python 库 quantall 也必须同步升级，否则新接口在旧库上会报错。
□ 1. 升级库：
<skill-dir>/scripts/.venv/Scripts/python.exe -m pip install --upgrade quantall -i https://pypi.tuna.tsinghua.edu.cn/simple
□ 2. 验证版本：
<skill-dir>/scripts/.venv/Scripts/python.exe -c "import QuantAll; print(QuantAll.__version__)"
确认 >= requirements.txt 要求的版本
□ 3. 重启 QuantAll 服务（先关旧进程再启动）
□ 4. ⚠️ 提醒用户重连 MCP
- safe-delete 冲突时：先
pip uninstall quantall，再 pip install quantall
pip install --upgrade 是幂等的，不确定是否需要升级时直接执行- 版本检测：对比
_meta.json 的 version 与已安装库 QuantAll.__version__
⚠️ AI 操作用户电脑的行为规范
本技能涉及多项用户电脑操作。AI 执行前必须告知用户将要做什么、产生什么影响：
| 操作 | 告知内容 |
|---|
| 创建 venv | 将在 scripts/ 下创建虚拟环境（约 300MB 磁盘空间） |
| pip install | 从清华源下载约 45 个包（含 PySide6 等大型包） |
| 修改 mcp.json | 将添加 MCP 服务配置到 ~/.workbuddy/mcp.json |
| 启动服务 | 将在 localhost:8686 启动 HTTP 后台服务 |
| 创建文件 | 可能创建 DB_setting.json、run.bat、桌面 .lnk 快捷方式 |
| 修改数据库路径 | 将修改 DB_setting.json 的 db_path，影响 QuantAll 读取的数据 |
原则：不在用户不知情的情况下执行任何系统操作。涉及文件创建、配置修改、服务启动等操作前，先说明意图，获得用户同意后再执行。
工具总览
安装并连接 MCP 后，AI 通过 scripts/data/ai_prompts.toml 自动获取每个工具的详细用法（参数、触发场景、代码模板、核心函数）。以下是概览：
| 工具 | 用途 |
|---|
ping | 健康检查 |
available_data | 查看可用数据字段 |
how_code | 查看代码执行环境说明 |
strategy_backtest | 策略回测（收益/夏普/回撤/胜率） |
factor_analysis | 因子 IC 分析 |
batch_factor_analysis | 批量因子 IC 分析 |
batch_factor_corr | 因子间批量相关性计算 |
save_factor_result | 保存因子分析结果到数据库 |
new_layer_from_code | 创建可视化图层标记 |
select_by_code | 筛选股票（集合运算） |
batch_select | 批量筛选（多条件对比/交集/并集） |
move_by_code | 坐标平移映射 |
weight_by_code | 权重设置 |
batch_weight | 批量权重对比（多权重方案） |
heat_map | 热力图统计 |
get_user_selection | 获取用户 GUI 交互选中 |
MCP_Close | 关闭服务 ⚠️（仅不再需要时调用） |
AI 使用前必知
- 先 ping 确认服务就绪，未启动则引导用户启动
- 先 available_data 确认字段，不要假设字段名（数据库字段名经
db_translate.json 翻译层映射为中文）
- 不支持并行调用，所有工具串行执行（一个返回后再发下一个）
- 代码必须向量化：禁止 import / 循环 / lambda / axis=1，最后一行设
out = ...
- 复权价格手动算：
adj_close = d['close'] * d['adj_factor']
- 每股因子必须除以 close（非复权价），比率类/增长率类不需要
- 持仓矩阵必须用
hold_until(buy, sell)，禁止手写逆序 cumsum
- 内置函数：
hold_until/entry_check（持仓）、time_at/time_between/time_in（时间）、row_rank（截面排名）、row_top_n/row_bottom_n（截面 Top/Bottom N 筛选）
- detail 视图返回约 140 万字符，AI 内部分析后只汇报结论，禁止直接展示
详细参数说明、触发场景、代码模板、核心函数参考：scripts/data/ai_prompts.toml
实战案例、模式对比、踩坑记录：references/quantall_playbook.md
版本历史
- v1.0 — 首版发布。13 个工具，配套 ai_prompts.toml 和 playbook 实战手册。PyPI 在线安装。
- v1.0.1 — 新增技能升级流程；requirements.txt 更新为 >=1.0.1；SKILL.md 精简至 500 行以内。
- v1.0.2 — 优化 clawhub 审查问题：触发条件收窄（仅明确量化需求时触发）、能力声明透明化（venv/pip/mcp.json/HTTP 服务全部显式声明）、新增 AI 操作用户电脑的行为规范表、详细工具用法指向 ai_prompts.toml 不在 SKILL.md 展开。新增批量分析工具
batch_weight/batch_select（对应 weight_by_code/select_by_code 的批量版本）。新增 batch_factor_corr（因子间批量相关性计算，支持自定义基准因子）。新增 how_code（代码执行环境说明，帮助 AI 快速上手）。新增 exec 内置函数 row_top_n(df,n)/row_bottom_n(df,n)（截面 Top/Bottom N 筛选）。热力图/直方图统计新增 summary 评估参数（分布均匀度/边缘突发等）。batch_weight 新增 view 参数（summary=评估参数/heatmap=完整矩阵）及"权重未改变"提示。batch_select mode 重命名为描述性名称（independent_summary/independent_heatmap/intersect/union）。修复批量因子分析执行异常及 batch_select intersect/union/independent 模式 bug。requirements.txt 固定版本号。
