#quantitative-finance #a-share #factor-analysis #mcp-server

QuantAll

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

mifochen@mifochen

Install

openclaw skills install @mifochen/quant-all-mcp

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

text

□ 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

json

{
  "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。

text

□ 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。