quantall-mcp

name quantall-mcp description QuantAll（全A解析）MCP —— 股市全市场向量化计算引擎，为 AI 提供本地 Python 计算环境。 AI 编写向量化代码片段，数秒内完成 5000+ 股票的因子计算、策略回测、IC 分析和 GPU 可视化。 让 AI 从"信息查询者"升级为"数据计算者"——用代码算出客观结果，而非搬运网络观点。 触发：用户明确提到"回测""因子分析""IC分析""选股策略""QuantAll""全A解析"等量化关键词时。 不主动在普通股市聊天中触发，仅在用户有明确量化分析需求时使用。 能力声明：本技能需在用户电脑上创建 Python 虚拟环境（300MB+）、安装 quantall 库、 修改 MCP 配置、启动本地 HTTP 服务（localhost:8686）、创建配置文件和启动脚本。 所有涉及用户电脑的操作，AI 必须事先告知用户并获得同意。 UpdateStock 为可选辅助 MCP（数据库管理，需 tushare API），非 QuantAll 必需。 agent_created true license MIT QuantAll（全A解析）MCP 技能 这是什么 QuantAll 是一台运行在用户本地电脑上的 全市场向量化计算引擎 。它把 A 股 5000+ 只股票、150+ 维度的数据组织为统一矩阵，AI 只需编写简短的 Python 向量化代码片段，就能在数秒内完成全市场运算——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：因子计算/回测/IC分析/可视化 本地 DuckDB 数据库 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。 📦 安装（首次安装，AI 必读） ⚠️ 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 run_task_file 执行本地json文件的任务，构建稳定任务流程 execute_python_script 执行本地python脚本，在构建任务流程中可扩展功能 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。 - v1.0.3 —requirements.txt 更新为 ==1.0.4，pip install --upgrade quantall 更新。新增技能 run_task_file 和 execute_python_script 。 batch_factor_corr 和 batch_factor_analysis 新增保存本地excel。新增 UpdateStock_script.py 数据库更新脚本。 - v1.0.4 —requirements.txt 更新为 ==1.0.8，pip install --upgrade quantall 更新。新增技能增加对mcp2.0.0版本的支持。