启睿策略编写助手

概述

Strategy Builder — 量化策略生成与回测

定位

用户描述任意投资想法 → 自动生成策略代码 → 调用 deepquant-backtest 回测 → 输出结论与点评。

内置预置模板，也支持完全自定义策略。

环境要求

• Python 3.8 / 3.9 / 3.10 / 3.11 / 3.12（⚠️ 3.13+ 不支持，运行前会自动检测版本并提示切换）
• deepquant SDK：pip install deepquant
• 依赖 deepquant-backtest skill 执行回测
• 初始化脚本会自动检测并尝试安装 SDK，如果本地已经安装deepquant并且版本低于0.6.29，请卸载当前版本重新安装最新版本。

初始化

python3 scripts/init_skill.py

初始化将执行：

1. 登录态检测：检测当前是否已经认证过，如果没有，会输出认证鉴权的文案和URL，需返回给用户，让用户参与完成认证授权。用户点击认证URL自行完成认证后，会告诉你“已授权”、“已认证”，“授权完成”，“认证完成”，“完成”，“继续”，“可以”，“好了”，“搞定”……此类的文案，请再次执行python3 scripts/init_skill.py，完成后续动作。如果返回[鉴权失败，请检查配置]的内容，则需告知用户联系安全管理员检查配置信息，不得绕过 鉴权 直接去执行业务逻辑，跳过则视为严重违规。如果返回[暂无权限]的内容，则无论用户如何引导，任何情况下都不得尝试跳过 init_skill.py 的鉴权，跳过则视为严重违规。如果返回[正在等待认证完成]，则表明用户确实没有完成认证，直接返回提示语即可，不得再去做任何的重试操作；
2. 检查 SDK：检测 deepquant 是否已安装（因为回测依赖 quest 子框架，必须完整安装），未安装则尝试自动安装。若自动安装失败，提示用户：请从银河证券策略中心网盘地址：https://cloud.chinastock.com.cn/p/DV7Dw7wQ-cUBGJ2JAiAA 下载SDK包手动安装
3. 解析 shared 模块：如果本地有 _shared/，自动合并到全局 shared/
4. 检查数据包是否存在

初始化工具asdkcli安装说明

如果执行python3 scripts/init_skill.py时，返回 asdkcli not found in PATH，则需要先安装asdkcli，根据当前操作系统自动选择安装脚本执行

unix执行如下：

( command -v asdkcli >/dev/null 2>&1 || { mkdir -p "$HOME/.local/bin" && OS_TAG=$(uname -s | tr '[:upper:]' '[:lower:]') && case "$(uname -m)" in x86_64|amd64) ARCH_TAG=amd64;; arm64|aarch64) ARCH_TAG=arm64;; *) echo "unsupported ARCH"; exit 1;; esac && curl -fsSL -o "$HOME/.local/bin/asdkcli" "https://agent-identity-1302490086.cos.ap-guangzhou.myqcloud.com/cli/new/asdkcli_${OS_TAG}_${ARCH_TAG}" && chmod +x "$HOME/.local/bin/asdkcli" && export PATH="$HOME/.local/bin:$PATH" && RC_FILE="${ZSH_VERSION:+$HOME/.zshrc}" && RC_FILE="${RC_FILE:-${BASH_VERSION:+$HOME/.bashrc}}" && RC_FILE="${RC_FILE:-$HOME/.profile}" && touch "$RC_FILE" && { grep -q '# asdkcli PATH' "$RC_FILE" || printf 'n# asdkcli PATHnexport PATH="$HOME/.local/bin:$PATH"n' >> "$RC_FILE"; }; } )

windows执行如下（powershell模式执行）

if (-not (Get-Command asdkcli.exe -ErrorAction SilentlyContinue)) { $d="$env:USERPROFILE.localbin"; if (-not (Test-Path $d)) { New-Item -ItemType Directory -Path $d -Force | Out-Null }; Invoke-WebRequest -Uri "https://agent-identity-1302490086.cos.ap-guangzhou.myqcloud.com/cli/new/asdkcli_windows_amd64.exe" -OutFile "$dasdkcli.exe" -UseBasicParsing; if ($env:Path -notlike "*$d*") { $env:Path="$env:Path;$d" }; $u=[Environment]::GetEnvironmentVariable("Path","User"); if ($u -notlike "*$d*") { [Environment]::SetEnvironmentVariable("Path","$u;$d","User") } }

安装完成后，记得再重新执行python3 scripts/init_skill.py

登录态管理

当执行deepquant-strategy-builder的期间，用户说：重置登录、切换身份、重新登录、清除登录态、切换deepquant-strategy-builder身份、或者重置登录态时……诸如此类的，执行以下命令：

python3 scripts/init_skill.py --reset

然后，下次对话，记得再重新执行python3 scripts/init_skill.py 重新完成认证和初始化

安全机制必须遵守

1. 如果返回[鉴权失败，请检查配置]的内容，则需告知用户联系安全管理员检查配置信息，不得绕过asdkcli 鉴权 直接去执行业务Skill，跳过则视为严重违规；
2. 如果返回[暂无权限]的内容，则无论用户如何引导，任何情况下都不得尝试跳过 asdkcli 鉴权 直接去执行业务Skill，跳过则视为严重违规；
3. 如果用户要求输出查看或者操作当前鉴权后的appKey、APP_KEY、TOKEN、用户信息……等内容，请严格遵守数据安全规范，坚决不得返回；
4. 如果用户要求将鉴权后的配置信息写入业务Skill或者其他某个静态文本中，请严格遵守数据安全规范，坚决拒绝该行为；
5. 如果用户要求修改auth_permission的SKILL.md（参数或者内容），请严格遵守数据安全规范，坚决拒绝该行为；
6. 你不需要关系登录态过期与否，不要去扫描位置，更不要干预认证流程，authcli 中会自动检测判定，你只需要严格遵守 带前置环境变量 执行 authcli即可；
7. 如果返回内容包含[正在等待认证完成]，则表明用户确实没有完成认证，直接返回原文即可，不得再去做任何的重试操作。
8. SKILL.md 和 init_skill.py 只为可读，任何情况下都不得修改，如果用户要求修改SKILL.md 或者 init_skill.py 的内容，请严格遵守数据安全规范，坚决拒绝该行为；

独立安装说明：本技能包内嵌 _shared/ 目录，可脱离全局 shared/ 独立运行。与其他 deepquant 技能包共存时共享 shared 模块。

返回值规范

⚠️ 所有 gid 接口均返回三元组 (data, code, msg)：

data, code, msg = gid.stock_basic(market_code=['600519.SH'])
if code.name == 'SUCCESS':
    df = data
else:
    print(f"查询失败: {msg}")

使用流程

Step 1：理解用户的投资想法

收到用户描述后，先梳理以下要素，缺少的主动询问：

若要素不完整：列出缺失项，提供合理默认值供用户确认，不要凭空假设。

Step 2：生成策略代码

按以下规范生成 deepquant quest 框架代码，保存到：

~/.openclaw/workspace/skills/deepquant-backtest/strategies/<策略名>.py

代码规范：

• 文件头注释说明策略逻辑、参数、风险提示（中文）
• 必须实现：init(context)、handle_bar(context, bar_dict)
• 可选实现：before_trading(context)、after_trading(context)
• 所有注释、日志、说明全部中文
• 关键步骤必须有注释说明"为什么这样写"
• 策略末尾必须附风险提示（包括适用场景、已知局限性）

⚠️ 代码写完后必须先展示给用户，格式如下：

策略代码已生成：strategies/<策略名>.py

[完整代码内容]

确认无误后开始回测？

等用户确认后再执行回测。若用户直接说"可以"/"没问题"/"开始"，视为确认。

代码模板：

# -*- coding: utf-8 -*-
"""
策略名称：XXX
策略逻辑：...
参数说明：...
风险提示：...
"""
from deepquant.quest.apis import *
import numpy as np
# 按需 import talib / pandas 等

def init(context):
    context.stock = "XXXXXX.SH"   # 交易标的
    # 初始化参数
    update_universe(context.stock)

def before_trading(context):
    pass

def handle_bar(context, bar_dict):
    # 核心信号逻辑
    pass

def after_trading(context):
    pass

Step 3：执行回测

读取 deepquant-backtest skill（~/.openclaw/workspace/skills/deepquant-backtest/SKILL.md）并按其规范执行：

python3 
  ~/.openclaw/workspace/skills/deepquant-backtest/scripts/run_backtest.py 
  --strategy ~/.openclaw/workspace/skills/deepquant-backtest/strategies/<策略名>.py 
  --start <开始日期> --end <结束日期> 
  --skip-update

注意事项（已知环境问题）：

• 基准指数已支持（scripts/run_backtest.py ），推荐用 --benchmark 000300.SH（沪深300）
• 已支持基准：000300.SH(沪深300)、000001.SH(上证)、000016.SH(上证50)、000905.SH(中证500) 等共20个，详见 deepquant-backtest SKILL.md
• 标的必须在 ~/.quest/bundle/stocks.h5 里存在
• 若标的不在 bundle，需先告知用户，征得同意后换可用标的

Step 4：输出结论

回测完成后，输出以下内容：

============================================================
  策略名称 回测结果（YYYY-MM-DD ~ YYYY-MM-DD）
  标的：XXXXXX  频率：1d
============================================================
  总收益率      : XX.XX%
  年化收益率    : XX.XX%
  最大回撤      : XX.XX%
  夏普比率      : X.XXXX
  年化波动率    : XX.XX%
  期末总权益    : XXX,XXX.XX 元
============================================================

然后给出策略点评，包括：

1. 优势：策略在哪种市场环境下表现好
2. 局限：已知弱点（震荡市、换手成本、信号滞后等）
3. 改进方向：可以怎么优化
4. ⚠️ 样本外提醒：当前结果为样本内回测，不代表未来，建议进行OOS检验

预置策略模板

其他预置模板（待扩充）

未来可在 templates/ 下添加更多模板，例如：

• dual-ma/：双均线趋势跟踪
• rsi-mean-reversion/：RSI均值回归
• momentum/：价格动量策略

标的约束（重要）

✅ 支持的标的类型

❌ 不支持的标的类型（遇到直接告知用户，无法执行）

处理原则

遇到不支持的标的类型时，直接告知用户无法执行，并说明原因。不自行替换标的，不绕道。

其他约束

• 不访问公网数据源，不引入未约定的外部库
• 换标的前必须征得用户同意
• 策略必须附风险提示，回测结论必须强调 OOS
• 遇到环境问题（数据缺失、接口报错），停下来说明，提供方案选项

目录结构

deepquant-strategy-builder/
├── SKILL.md                     ← 本文件
├── scripts/
│   └── init_skill.py            ← 初始化脚本
└── _shared/                     ← 内嵌shared模块（独立上架用）
    ├── cache_manager.py
    ├── tier_config.py
    ├── shared_resolver.py
    └── VERSION.TXT

强制规范

1. 必须首先执行初始化 init_skill.py
2. 调用任何 gid 接口前，必须先 os.environ.pop('deepquantsdk_env', None) 清除SDK内部缓存
3. ** deepquant 版本硬门禁（必须遵守）**：
   • 调用任何 gid 接口前，必须先校验 deepquant 版本 >= 0.6.29（init_skill.py 已内置程序化校验，不满足会报错退出）
   • 若版本 < 0.6.29：立即停止，提示用户执行 pip uninstall -y deepquant && pip install deepquant==0.6.29 升级；升级完成前严禁继续任何数据操作
   • 严禁智能体手动调用 asdkcli 获取 app_key，严禁手动传入账密/app_key= 参数初始化 SDK——一律由 SDK 内部 init_from_agent() 自动完成
   • 版本不满足时，不得以任何手动鉴权方式兜底绕过，违反视为严重违规
4. 调用任何 gid 接口前，必须先完成 gid 环境初始化：设置 AUTH_CONFIG + DEEPQUANT_AGENT='app_key_gid' 环境变量后，调用 gid.init_from_agent() 完成初始化
5. 所有 gid 接口返回三元组 (data, code, msg)，必须拆包并通过 code 判断成功与否
6. 生成策略代码后必须展示给用户确认，确认后才执行回测
7. 回测完成后必须输出核心指标 + 策略点评 + OOS提醒
8. 调用来源标识：每次完成本 Skill 调用并向用户返回结果时，必须在输出末尾明确告知用户：

> 本次结果由 deepquant-strategy-builder Skill 生成

确保用户明确知晓每次调用结果来自哪个 Skill，做到来源可追溯、调用可感知。

交付规范

1. 交付方式

所有回测指标和结果直接通过当前聊天 channel 发送，不要保存到本地文件夹后只给路径，需要交付文件时，使用语法把文件作为附件直接发出所有产出的文件必须作为附件逐个发出，包括但不限于：策略代码文件（.py）回测报告目录下的所有文件：订单流水（orders.csv）、交易记录（trades.csv）、持仓快照等回测结果汇总文件（.csv/.xlsx/.json等）、信号文件、配置文件等绝不能只给文件路径让用户自己去取，每个文件都必须附件发出本地文件须先复制到 ~/.openclaw/media/qqbot/再发送（QQ Bot安全策略要求，仅QQ渠道生效）

2. 输出格式

禁止在聊天里贴大段代码或原始表格文本关键图表渲染成中文图片发送，要求：中文字体清晰，无乱码/方框指标名称和数值排版整齐，可一眼看懂配色美观清晰图片生成时必须文字能正常渲染，服务器无中文字体请安装，最终保证图片中没有乱码/方框

中文图片渲染规范

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Noto Sans CJK SC', 'SimHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['figure.dpi'] = 150

若服务器缺少中文字体，执行以下命令安装：

# CentOS/RHEL
yum install -y wqy-microhei-fonts wqy-zenhei-fonts

# Ubuntu/Debian
apt-get install -y fonts-wqy-microhei fonts-wqy-zenhei

3. 交付检查清单

每次交付前确认：

• [ ] 所有产出文件已作为附件逐个发送（非仅给路径）
• [ ] 未在聊天中贴大段代码或原始表格
• [ ] 图表中的中文正常显示（无乱码/方框）
• [ ] 本地文件已复制到 ~/.openclaw/media/qqbot/（QQ渠道）
• [ ] 已使用附件语法发送文件