金融量化 AI Agent 技能宝库：finance-quant-skills

一、场景切入：AI Agent 时代的量化投研新范式

想象这样一个场景：你是私募基金的研究员，想在收盘后快速用 AKShare 拉取某只股票的历史财务数据，再结合 Backtrader 对某个技术指标策略做回测，最后查阅 QMT 客户端的 API 文档确认下单接口——传统方式需要翻阅大量文档、编写多个数据获取脚本。

现在，你只需向 Claude Code 说一句话："帮我查询贵州茅台近3年的净利润数据，然后用 Backtrader 回测双均线策略"——AI Agent 自动加载对应的 Skills 技能包，依次调用 AKShare 数据接口和 Backtrader 回测框架，输出分析结果。

这就是 finance-quant-skills 正在做的事：把专业量化交易的知识和工具，"教会" AI Agent。

二、项目背景与作者

finance-quant-skills 由开发者 lzwme 创建并维护，是一个专注于金融量化交易领域的 AI Agent Skills 技能仓库，基于 Agent Skills 标准构建。该项目将 13 个量化交易相关的 Skills 打包，支持 Claude Code、Codex 等主流 AI 编程工具。

项目仓库地址：https://github.com/lzwme/finance-quant-skills

作为一个工具类而非运行类项目，它本身不执行交易，而是作为 AI Agent 的"技能插件"存在。仓库核心价值在于：为 AI Agent 提供量化领域的专业知识注入，使其能够在对话中完成数据查询、策略回测、文档查阅等任务。

三、核心功能解析

3.1 数据获取 Skills（7个）

Skill	数据源	说明
akshare	AKShare	股票/期货/基金/加密货币/宏观等全品类数据，开源免费
baostock	BaoStock	A股历史K线、财务报表、指数成分股，免费无需注册
pywencai	同花顺问财	中文自然语言选股查询，需配置Cookie
tdxquant	通达信	行情快照、K线、财务、公式执行，需本地客户端
miniqmt	MiniQMT/XtQuant	实时行情订阅、K线、交易下单，需客户端
jqdatasdk	聚宽数据	行情、财务、因子数据，需Token
tushare	Tushare Pro	A股行情、财务、宏观，需Token

典型使用场景： "帮我用 akshare 拉取沪深300成分股的PE数据并可视化"——AI Agent 自动调用 akshare skill 获取数据并生成分析代码。

3.2 回测框架 Skills（2个）

• backtrader：Python 知名事件驱动回测框架，内置 100+ 技术指标，支持股票、期货、外汇资产类别
• rqalpha：米筐开源回测框架，专门针对 A 股和期货市场优化

3.3 策略开发 Skills（2个）

• akquant：事件驱动量化策略框架，支持风险管理、参数优化
• qmt-strategy：QMT 客户端策略开发指南与 API 参考文档

3.4 其他 Skills（2个）

• joinquant-strategy：聚宽官网策略开发文档（回测/模拟/API/因子/技术指标）
• equity-researcher：机构级投研报告生成（Kimi 官方技能）

四、技术架构

4.1 整体架构

finance-quant-skills/
├── skills/           # 13个独立 Skill 子目录
│   ├── akshare/       # 每个 Skill 一个目录
│   ├── backtrader/    # 含 SKILL.md 指令文件
│   └── ...           # 共13个
├── template/          # Skill 开发模板
├── .claude-plugin/    # Claude Code 插件配置
├── .codex-plugin/     # Codex 插件配置
├── pyproject.toml     # Python 依赖声明
└── main.py            # 占位入口（仅 hello world）

4.2 技术栈

• 主要语言：Python（>=3.11）
• 依赖管理：uv + pyproject.toml
• 核心依赖：akshare、baostock、jqdatasdk、tushare、xtquant
• 包索引：使用国内镜像 https://pypi.gf.com.cn/simple
• Skills 标准：Agent Skills（agentskills.io）规范
• AI 工具兼容：Claude Code Plugin、Codex Plugin

4.3 安装与使用

安装方式（推荐 npx skills）：

# 安装整个仓库
npx skills add lzwme/finance-quant-skills

# 安装单个 Skill
npx skills add lzwme/finance-quant-skills --skill akshare

Claude Code 安装：

# 注册为 Plugin marketplace
/plugin marketplace add lzwme/finance-quant-skills
# 安装
/plugin install quant-skills@finance-quant-skills

五、争议与局限

5.1 数据平台依赖

大部分数据 Skills 需要各平台的 API Token（如 Tushare Pro、JQData、MiniQMT），其中部分平台为收费服务。AKShare 和 BaoStock 虽然免费，但数据频率和覆盖范围有限，不适合高频交易场景。

5.2 非生产级工具

本仓库本质上是文档+提示词集合，不包含实际的交易执行逻辑。实盘交易需要对接券商接口（如 MiniQMT、QMT），且需要严格的风控措施。本项目明确不提供任何交易建议。

5.3 Skills 维护成本

13 个 Skills 依赖各自的外部数据平台，各平台的 API 变更、接口调整需要及时更新对应 Skill 文档。维护工作量随数据平台数量线性增长。

六、总结

finance-quant-skills 是一个专注于金融量化交易领域的 AI Agent 技能集合，通过标准化的 Skills 格式，将 AKShare、Backtrader、QMT 等专业工具的使用知识"灌输"给 AI Agent。其核心价值是降低量化投研的 AI 辅助门槛——用户无需记忆每一个数据接口的调用方式，只需用自然语言描述需求，AI Agent 自动加载对应 Skill 完成工作。

对于量化爱好者和金融开发者而言，这是将 AI 编程能力落地到金融场景的便捷路径。项目采用 Agent Skills 标准，兼容 Claude Code、Codex 等主流工具，安装使用成本低，值得关注。