ClawHub

Lg Agent Platform

Data & APIs

Privora · 私人专属数据管家 for AI Agents. Give Hermes / Claude / GPT a Bearer Token to multi-asset data — A股 / 港股 / 持仓 / 黄金 unified API + 24/7 portfolio monitoring + Python backtesting. 让普通人也能拥有私募级别的工作流。

Install

openclaw skills install lg-agent-platform

Privora · 多资产数据管家 for AI Agents

给你的 AI Agent 一个像私募研究员一样工作的金融数据后端。

Hermes / Claude / GPT / OpenClaw 任何 Agent，通过一个 Bearer Token 即可访问：

  • 📊 多资产统一数据：A 股 / 港股实时行情、分钟线、持仓、黄金——一个 API 全覆盖
  • 🔔 7×24 云端监控：Serverless 策略托管，飞书 / 微信毫秒级预警，零服务器运维
  • 🧪 Python 策略回测：用同一份平台数据跑回测，输出 Sharpe / 最大回撤 / 交易明细
  • 🔒 数据不落大模型：你的真实持仓、账户数据通过 Token 安全调用，永不进入 LLM 训练

让普通人也能拥有私募级别的工作流——不需要私募的预算，就能像私募研究员一样在同一条流水线里跑数据 + 分析 + Agent + 告警。

🎯 最适合：用 Hermes/Claude/GPT 做投资分析的散户、做量化策略想找稳定数据后端的个人开发者、希望"AI 帮我盯盘"的活跃交易者。

🌐 产品主页：https://privora.cn · 注册即拿 Token

演示

🌟 核心亮点

1. 🤖 兼容所有主流通用 AI Agent

打破生态壁垒，本技能不仅专供某一平台，而是完美兼容 Hermes、OpenClaw、Claude Code、GitHub Copilot 等所有支持外挂工具/技能的通用大模型 Agent。只需简单配置环境变量，您的通用 AI 助手瞬间化身专业量化分析师。

2. 🔒 银行级数据隐私隔离 (Privacy First)

无需向大模型暴露您的敏感财务数据！ 传统对话模式要求您手动输入持仓数量和成本，极易造成隐私泄露。本技能采用云端托管架构，您的真实持仓、账户数据全部安全储存在 lg-data.cc 平台。Agent 仅通过加密 Token 安全调用盈亏分析结果，彻底杜绝隐私数据被用于大模型训练的风险。

3. ⚡ Serverless 极速预警与零部署

策略云端托管运行，无需您购买第三方行情 API，无需自建服务器维护 Cron 任务，无 Token 消耗税。策略触发后，毫秒级推送到您的飞书机器人或微信 Webhook。

🛠️ 能做什么

核心功能详细说明
资产盈亏巡航一键查询持仓明细、当日盈亏、历史收益率，数据由 lg-data.cc 闭环处理。
云端自动盯盘设置预警条件（突破均线、涨跌幅、换手率等），触发即通知，7x24小时云端值守。
多终端实时推送策略触发毫秒级推送到飞书、微信 Webhook，不错过任何交易信号。
实时深度行情获取 A 股、港股实时报价及分钟线数据，为 Agent 提供精准决策依据。
策略回测 ✨ NEW用 Python 写策略、用平台日线数据一键跑历史回测，输出 Sharpe / 最大回撤 / 交易明细
用户声音收集支持 Agent 代客户提交 Bug 和需求，无缝对接后台反馈系统。

🚀 快速接入 (Quick Start)

只需三步，即可让您的 AI Agent 拥有量化能力：

1) 获取您的专属 Token

  1. 注册并登录 lg-data.cc
  2. 在侧边栏点击你的用户名 → API Token Management，或直接访问 https://lg-data.cc/profile/tokens
  3. 创建一个仅包含所需 scopes 的专用 Token（建议先用只读或低权限 Token）
  4. 复制您的专属 LG_AGENT_TOKEN

2) 为您的 Agent 配置环境变量

在您使用的 Agent 终端（如 Hermes、Claude Code、GitHub Copilot 或 OpenClaw）中注入以下环境变量：

export LG_AGENT_BASE_URL="https://lg-data.cc"
export LG_AGENT_TOKEN="***"

公开版仅支持以上 Bearer Token 方式，不支持 session cookie / CSRF 兼容调用。

3) 唤醒 Agent，开始对话

现在，您可以直接用自然语言向您的 Agent 下达指令了！

💬 典型应用场景

场景 1：查询私密资产盈亏（数据不落大模型）

您： “帮我查下今天的账户盈亏情况。”

Agent（调用 dataasset.data.get）： “为您同步 lg-data.cc 的最新分析结果： 💰 当日盈亏： +319 元 | 累计浮动： -19,135 元 📊 持仓明细：

  • 中国核电：+2.06%
  • 永和股份：-32.45%
  • 中国联通：-16.25%”

场景 2：设定云端智能监控

您： “帮我监控贵州茅台，只要突破MA20均线就通知我。”

Agent（调用监控接口）： “✅ 已在云端成功创建监控任务：

  • 标的：贵州茅台 (SH600519)
  • 条件：价格突破 MA20
  • 通知：飞书/微信推送 任务将在 Serverless 云端静默运行，触发时您将立刻收到推送。”

场景 3：测试流程并抓取执行日志

# 触发执行（异步），记下返回的 executionId
# 自定义参数放在 body 里：key=参数名（以 - / -- 开头），value=参数值
# 后端会自动注入 `-f <procName>` —— body 里不用传 -f（传了也会被忽略）
RESP=$(scripts/lg_agent_exec.sh '{
  "skillId": "process.ingestion.execute",
  "params": {
    "pathParams": {"id": "123"},
    "body": {
      "-start_date": "20260419",
      "-end_date":   "20260420",
      "--env":       "dev"
    }
  }
}')
EXEC_ID=$(echo "$RESP" | jq -r '.executionId')

# 轮询日志，直到 completed=true
OFFSET=0
while :; do
  LOG=$(scripts/lg_agent_exec.sh "{
    \"skillId\": \"process.ingestion.execute.log.get\",
    \"params\": {
      \"pathParams\": {\"id\": \"123\", \"executionId\": \"$EXEC_ID\"},
      \"query\": {\"offset\": \"$OFFSET\"}
    }
  }")
  echo "$LOG" | jq -r '.logLines[]'
  [ "$(echo "$LOG" | jq -r '.completed')" = "true" ] && break
  OFFSET=$(echo "$LOG" | jq -r '.nextOffset')
  sleep 1
done
echo "exitCode=$(echo "$LOG" | jq -r '.exitCode')"

返回：status 由 running 过渡到 completed 或 failed，exitCode 为脚本退出码，logLines 为增量日志行。

场景 4：策略回测（双均线跑茅台）

您： “用双均线（5日/20日）对茅台 SH600519 过去三年跑个回测”

在平台新建一个 python_script 流程节点，脚本如下（lg_utils 已预装）：

💡 stock_day 回测用现成的 run_stock_day_backtest 就好——它已经把列名大小写（STOCK_NUM / OPEN_PRICE / CLOSE_PRICE）和日期格式（day_id 的 YYYYMMDD）配好了，别再手动传 price_columns={“open”:”open_price”,...} 或 ISO 日期，那些是 2026-04-21 踩过的坑。

from lg_utils import get_variable
from lg_utils.backtest_examples.dual_ma import DualMA
from lg_utils.backtest_examples.stock_day import run_stock_day_backtest

result = run_stock_day_backtest(
    strategy=DualMA(fast=5, slow=20),
    stock_num=”600519”,
    start=”20220101”,
    end=”20241231”,
    initial_cash=1_000_000,
    commission_bps=3, slippage_bps=1,
    benchmark_asset=”stock_day”,            # 可选：跟某只指数/股票对比
    benchmark_filter_column=”STOCK_NUM”,
    benchmark_filter_value=”000001”,
)
print(result.summary())
result.export_to_context(“maotai_ma520”)   # stdout 日志快照
result.persist(name=”maotai_ma520”)         # 持久化到 process_backtest_result 表

组合回测（共享现金池、多标的同时跑）：

from lg_utils.backtest_examples.stock_day import run_stock_day_portfolio_backtest
from lg_utils.backtest_examples.dual_ma import DualMA

result = run_stock_day_portfolio_backtest(
    strategies={“600519”: DualMA(5, 20), “000001”: DualMA(10, 30)},
    stock_nums=[“600519”, “000001”],   # 决定 size='all' 结算先后
    start=”20240101”, end=”20241231”,
    initial_cash=1_000_000,
)
# result.metrics[“per_asset”] 给出每只股票的贡献度/回撤/交易数

任务日志里会出现：

=== Backtest Summary ===
asset           : stock_day
period          : 20220101 ~ 20241231  (bars=725)
total_return    : 23.1500%
sharpe          : 0.8412
max_drawdown    : 18.2300%
num_trades      : 14
win_rate        : 57.1429%
__LG_BACKTEST_RESULT__:maotai_ma520:{"metrics":...,"trades":...}

完整 JSON（含 trades / equity_curve）会被下游节点或监控面板消费。

技能列表

REST 技能（scripts/lg_agent_exec.sh 调用）

当前公开版 skill 仅包含只读能力与常规非破坏性写操作。删除、终止、撤销、系统级评估、审批流等高风险/管理类操作不在该公开版 skill 范围内。 风险标记：🟢 low / 🟡 medium / 🔴 high。所有 GET 技能默认对会话用户开放；写操作需显式授予 scope。

⚠️ Token mode limitation：以下 7 个高风险 skill 在 token 模式下返回 HTTP 409 + "High-risk approval flow for token mode is not enabled yet"。Approval flow 仅 session 模式支持。如需通过外部 agent 执行，请使用平台 UI 预先确认操作，或选用非破坏性替代 skill。

  • subscription.token.revoke
  • metric.alert.delete
  • schedule.instance.kill / schedule.instance.cancel / schedule.instance.force_start / schedule.instance.mark_success
  • schedule.job.delete

📦 Request shape: skill 网关只读 params 字段下的 pathParams / query / body。顶层 pathParams / body 会被静默丢弃。所有调用都必须用 envelope 形式：

{"skillId": "...", "params": {"pathParams": {...}, "query": {...}, "body": {...}}}

历史踩坑：2026-05-07 一次 backfill 因为漏写 params: 包裹，-target_day_id 20260506 没到 broker，python_script 拿到 target_day_id=None 跑了一轮空 SELECT。

流程 (Process / Ingestion)

skillIdmethod功能风险
process.ingestion.listGET列出所有流程🟢
process.ingestion.getGET根据 id 获取流程详情🟢
process.ingestion.executePOST异步触发流程执行（返回 executionId）。body 接收自定义 CLI 参数，如 {"-start_date":"20260419","--env":"dev"}。后端自动注入 -f <procName>，不要自己传 -f。🟡
process.ingestion.execute.log.getGET按 executionId 拉取日志+状态，支持 offset 增量轮询。记录持久化在 process_execution 表 + 磁盘文件，重启不丢。🟢
process.component.listGET列出当前团队可用的步骤组件（含 Markdown 使用说明）🟢
process.pipeline.buildPOST一次性创建完整 pipeline（节点+组件+边）🟡
process.pipeline.updatePUT全量更新已有 pipeline（PUT /api/ingestions/{id}，同形 BuildPipelineRequest）。nodes 省略=仅改名/描述，保留现有步骤；nodes=[] 显式清空；nodes=[...] 全量替换。每次 PUT 自动写一条 dacp_meta_proc_version，可 /versions/{n}/restore 回滚。legacy team_name IS NULL 的流程会直接 403，需先 backfill。🟡

调度 (Schedule)

skillIdmethod功能风险
schedule.job.listGET列出调度作业🟢
schedule.job.getGET获取调度作业详情🟢
schedule.workgroup.listGET发现 当前平台注册的 workgroup / namespace（从已注册 broker 聚合），是 schedule.job.create 两个必填字段的唯一合法来源🟢
schedule.scripts.getGET发现 平台配置的 jobScript 默认模板（{dp, sh, py}），给 schedule.job.create 的 jobScript 字段用🟢
schedule.job.createPOST创建调度作业（POST /api/schedule/jobs）。新建后 state="0"，broker 不会自动拉起，必须再调 schedule.job.online 激活。🟡
schedule.job.updatePUT更新作业配置（PUT /api/schedule/job/{jobId}）。注意：payload 里的 state 字段会被静默丢弃，不要试图用它改上下线——上下线必须走 online/offline 端点。🟡
schedule.job.onlinePOST上线作业，state=0/-1 → 1，body 是 {"jobCode":"..."}，用 jobCode 而不是 jobId。broker 下一轮轮询会把这个 job 加载到运行域，cron 才会真正触发。🟡
schedule.job.offlinePOST下线作业，state=1 → -1。下线后 broker 保留元信息但不再触发。🟡
schedule.job.deleteDELETE删除作业（按 jobId）。state=1 时拒绝，请先 schedule.job.offline。🔴
schedule.job.depends.listGET列出作业依赖（按 jobCode）🟢
schedule.job.depends.savePOST全量替换作业依赖列表（旧的先删再写）🟡
schedule.job.plugins.listGET列出作业绑定的插件（按 jobCode）🟢
schedule.job.plugins.savePOST全量替换作业插件列表（旧的先删再写）🟡
schedule.instance.listGET列出作业实例（一次运行=一条 trigger 行）；ops 操作所需的 jobTriggerId 都从这里拿🟢
schedule.instance.status.getGET按 (jobCode, batchNo) 查单条最新状态，用于轮询🟢
schedule.instance.log.getGET按 jobTriggerId 拉取执行日志🟢
schedule.instance.redoPOST重跑失败/已完成实例（保留依赖链语义）🟡
schedule.instance.holdPOST暂停运行中的实例（不杀进程，可恢复）🟡
schedule.instance.resumePOST恢复之前 hold 住的实例🟡
schedule.instance.killPOST强制终止运行中的实例（状态→"-1" 不可逆）🔴
schedule.instance.cancelPOST取消等待队列里还没开跑的实例🔴
schedule.instance.force_startPOST强制启动——绕过依赖检查（危险，仅限手动修复上游后）🔴
schedule.instance.mark_successPOST标记成功——不真跑，只改 trigger.state="1" 解锁下游（适合带外补数后使用）🔴
schedule.instance.reset_priorityPOST调等待队列里实例的优先级（priority 1-9，越小越先跑）🟡
schedule.job.lineageGET作业的上下游依赖图（includeAssets=true 时附带每个节点的输出资产）🟢
schedule.job.by_processGET用 process 名反查 jobCode（拿到后才能调 ops skill）🟢
schedule.broker.listGET列当前注册的 broker（排"无人认领 workgroup"类问题时用）🟢
schedule.broker.latencyGETBroker 队列长度 + 消费速率 + 推算的等待延迟（诊断"上线但跑得慢"类问题）🟢
schedule.job.plugin.webhook.triggerPOST手动触发作业绑定的 webhook 插件🟡

⚠️ 调度上线陷阱：state 从 0→1 必须经由 POST /api/schedule/job/online（body {"jobCode":"..."}），不是 PUT /api/schedule/job/{jobId}——后者会静默丢弃 state。broker 的 fetchJobInfo SQL 是 WHERE state IN ('1','-1')，state=0 的新建作业对 broker 不可见，不会被调度，也不会出现在 schedule.instance.list 里。另外：broker 只对"依赖已就绪"的作业产生触发，大多数新建作业需要配一条 schedule.job.depends.save 再上线，否则 online 之后还是不会有 instance。

调度作业字段契约

外部 agent 在调 schedule.job.create 之前，先走一遍"发现"（这几个字段没有硬编码枚举，值取决于当前部署）：

  1. schedule.workgroup.list → 拿到 {workgroups, namespaces}，从中各选一个赋给 workgroup / namespace。传一个没人认领的 workgroup 不会报错，但没 broker 会去跑——这是最典型的"创建完成但永远不执行"陷阱。
  2. schedule.scripts.get → 拿到 {dp, sh, py}，按 jobType 选对应字段赋给 jobScript（dp 作业用 dp，python 作业用 py，shell 作业用 sh；空字符串表示该类型没有在这套部署上配好）。
  3. 如需参考现有同类 job：schedule.job.list + schedule.job.get 挑一个已上线的作业 clone 一份。

schedule.job.create / schedule.job.update 的 body（DataflowJob 形）：

字段必填说明
jobCode后端强制团队内唯一业务编码。已存在时 create 幂等返回旧 jobId。
jobLabelUI 强制展示名
jobTypeUI 强制枚举：dp / datastash / python / shell
workgroupUI 强制集群组名。合法值来自 schedule.workgroup.list，不要自己编
namespaceUI 强制命名空间。合法值来自 schedule.workgroup.list
jobScriptUI 强制执行命令行。默认模板来自 schedule.scripts.get（按 jobType 取对应字段）
batchTypeUI 强制枚举：monthly / daily / hourly / minutely / once / daemon
cronExp条件Quartz 6 段式（秒起头），如 0 5 15 * * ?
jobParam条件JSON 字符串 数组："[{\"paramName\":\"-f\",\"paramVal\":\"my_proc\"}, ...]"；jobType=dp 时后端按 paramName="-f" 自动回写 procName
procName可选dp 作业通常交给后端从 jobParam 反推；其他 type 可显式传
runConstraint可选"1"=顺序执行（默认），"2"=并发执行
batchNo / batchOffset / batchStep可选批次计算相关
jobPriority可选1–9，数字越小越高（默认 5）
redoNum可选失败重试次数
lastdtOffset可选最晚启动偏移（秒），0 为不宽限
maxElapsed可选最长运行时间（秒）
jobExtCfg可选≤1024 字符的扩展配置 JSON
tag可选自由标签
jobDescr可选描述
state—update 时静默丢弃，请用 schedule.job.online/offline
服务端自动填充—jobId（UUID）、state="0"、version=1、teamName / memberName / createUser（取自会话）

schedule.job.depends.save 的 body（JSON 数组，全量替换）：

[
  { "dependCode": "upstream_job_code", "dependType": "10", "isDefault": "1" },
  { "dependCode": "20260424",          "dependType": "20",
    "batchCalExp": "${batchNo?calDate(-1,'d','yyyyMMdd')}" }
]
  • dependType="10" — 任务依赖，dependCode 是另一个 jobCode（同团队内可见）
  • dependType="20" — 时间/批次依赖，dependCode 是时间字符串，batchCalExp 是批次偏移表达式（${batchNo?calDate(...)}）
  • 其他字段：procName、output、isDefault（"1" 标默认）都可选
  • dependId 服务端生成（UUID16），不用自己传

schedule.job.plugins.save 的 body（JSON 数组，全量替换）：

[
  {
    "pluginCode": "webhook",
    "state": "1",
    "pluginCfg": "{\"webhookDsName\":\"feishu_ds\",\"dataSourceName\":\"feishu_ds\",\"triggerStates\":[\"1\",\"-2\"]}",
    "isBlock": "0",
    "isDefault": "1"
  }
]
  • pluginCode + pluginCfg（JSON 字符串）为必填
  • state 为要监听的任务状态："1" 成功 / "-2" 失败 / "2" 结束 / "0" 启动 / "-1" 中止（dacp_dataflow_job_trigger.state 的子集）
  • webhook 插件：pluginCfg 里必须带 webhookDsName，否则返回 {"success":false, "message":"Webhook plugin requires pluginCfg.webhookDsName"}
  • jobPluginId 服务端生成

典型的"从零到调度可跑"流程（外部 agent 视角）：

  1. schedule.workgroup.list + schedule.scripts.get → 发现合法的 workgroup / namespace / jobScript
  2. schedule.job.create → 拿到 jobId
  3. schedule.job.depends.save（至少一条依赖，否则上线后不会产生 instance）
  4. （可选）schedule.job.plugins.save → 绑 webhook 等插件
  5. schedule.job.online（body {"jobCode":...}）→ 让 broker 把它纳入触发域

作业运维决策手册

Ops 流程几乎总是先 schedule.instance.list（或 schedule.job.by_process→schedule.instance.list）拿到目标 jobTriggerId，再按下面这张表选动作：

场景推荐 skill备注
失败了想重跑一次schedule.instance.redo保留依赖链；默认 opType="3"，带依赖重跑
运行中但想先停住等数据就绪schedule.instance.hold不杀进程，可 schedule.instance.resume 恢复
运行中出问题要强杀schedule.instance.kill不可逆，trigger state → -1；下游会卡住，后续要配合 mark_success 或 redo
还没跑起来（队列里）想撤schedule.instance.cancel已经在跑的要用 kill，不是这个
上游数据已手工修复，想绕过依赖检查直接跑schedule.instance.force_start危险，改动面窄时用
任务实际已经跑完（带外补数了），只是想解锁下游schedule.instance.mark_success仅改数据库 state，不真跑
等待太久想插队schedule.instance.reset_priority只对"在队列等待"的实例有效
查上下游会被哪些 job 影响schedule.job.lineage删作业 / offline 前先看一下
已知 process 名找对应 jobCodeschedule.job.by_process常用于从 Process 页面反向调 ops
排查"上线但没 instance"schedule.broker.list → 看 workgroup 有没有 broker；schedule.job.lineage → 看 depend 是否还卡着第二常见的"不跑"陷阱
排查"在跑但很慢 / 积压"schedule.broker.latency看 stalled / 队列长度；若是 broker 瓶颈就不是 job 的问题
想看这次跑得怎么样schedule.instance.status.get（单点）或 schedule.instance.log.get（看日志）轮询建议用 status.get，日志用 log.get

高危 ops 的共同前提：kill / cancel / force_start / mark_success 都会 confirmRequired=true，agent 触发后需人类审批才会执行。redo / hold 也默认 confirmRequired=true，因为都会改变下游可见状态。

数据源 & 数据资产 (Datasource / Data Asset)

skillIdmethod功能风险
datasource.listGET列出数据源🟢
datasource.getGET获取数据源详情🟢
datasource.list.activeGET列出活跃数据源🟢
datasource.connection.testPOST测试数据源连接🟡
dataasset.listGET列出数据资产🟢
dataasset.getGET获取资产详情🟢
dataasset.schema.getGET获取资产 schema🟢
dataasset.data.getGET查询资产数据（盈亏、行情等）🟢

看板 & 工作空间 (Dashboard / Workspace)

skillIdmethod功能风险
dashboard.listGET列出看板🟢
dashboard.getGET获取看板详情🟢
dashboard.data.getGET一次拿看板所有组件的数据（支持 maxRows，默认 100，上限 500）🟢
workspace.listGET列出工作空间🟢
workspace.getGET获取工作空间详情🟢

订阅 & Marketplace

skillIdmethod功能风险
subscription.token.listGET列出订阅 token🟢
subscription.token.createPOST创建订阅 token🟡
subscription.token.revokeDELETERevoke a subscription token by its numeric id. Path param: tokenId: <id>. Get the id from subscription.token.list first.🔴
marketplace.item.listGET列出可订阅的看板/资产🟢
marketplace.item.subscribePOST订阅市场条目🟡
marketplace.item.unsubscribePOST取消订阅🟡

指标告警 (Metric Alert)

skillIdmethod功能风险
metric.alert.listGET按 dashboardId 列出告警规则🟢
metric.alert.getGET按 ruleCode 获取规则🟢
metric.alert.createPOST创建告警规则🟡
metric.alert.updatePUT更新告警规则🟡
metric.alert.togglePUT启用/停用规则🟡
metric.alert.testPOST仅测试（无副作用）🟡
metric.alert.evaluatePOST执行评估并按规则触发 webhook🟡
metric.alert.deleteDELETE删除告警规则（按 ruleCode）🔴

Webhook 插件

skillIdmethod功能风险
plugin.webhook.sendPOST通过数据源发送 webhook🟡

用户注册 & 反馈

skillIdmethod功能风险
auth.user.registerPOST注册新账号（teamName 自动生成为 tenant_${username}）🟢
feedback.submitPOST提交反馈/Bug/需求🟢
feedback.listGET查看历史反馈与官方回复🟢

Backtest API

stock_day 日线回测请使用 run_stock_day_backtest（单股）或 run_stock_day_portfolio_backtest（多股组合），均在 lg_utils.backtest_examples.stock_day 模块。完整参数说明见下方 Python 工具库表格及场景 4 示例。

结果可通过 investment.stock.backtest.* REST skill 检索：list（摘要）、get（全量 JSON）、compare（两次 metrics diff）。回测目前仅支持股票，基金/黄金 backtest 暂不支持。

Wealth Studio（需开通 investment_studio 解决方案权限）

Phase 4 重命名说明：skill id 前缀由 stockstudio.* 改为 investment.stock.*（同时新增 investment.fund.* / investment.gold.*）。旧 stockstudio.* id 通过 Express alias 表自动转发，新代码优先使用 investment.stock.*。

investment.stock.* — 股票持仓 / 交易 / 回测

skillIdmethod功能风险
investment.stock.portfolio.listGET查股票持仓（query 传 asset_class=stock）。每行附带 recommendation 字段：最新一条 per-stock 推荐；完整历史走 /api/profile/portfolio-positions/recommendations?stock_num=...🟢
investment.stock.portfolio.createPOST新增股票持仓条目（body 含 asset_class: "stock"）🟡
investment.stock.portfolio.updatePUT更新股票持仓🟡
investment.stock.portfolio.deleteDELETE删除股票持仓🔴
investment.stock.trading.listGET查股票交易记录（query 传 asset_class=stock）🟢
investment.stock.trading.createPOST录入新股票交易（自动更新持仓；body 含 asset_class: "stock"）🟡
investment.stock.trading.deleteDELETE删除最近一笔股票交易（并反向更新持仓）🔴
investment.stock.backtest.listGET列当前团队的回测结果（lg_utils.write_backtest_result / BacktestResult.persist 写入的行），支持按 name 过滤。Summary 视图——返回 totalReturn/sharpe/maxDrawdown/... 等数值列，不含大 JSON🟢
investment.stock.backtest.getGET单条回测结果详情（按 id），包含 paramsJson/metricsJson/tradesJson/equityCurveJson 等全量 JSON 负载🟢
investment.stock.backtest.compareGET两次回测结果 metrics 逐项 diff（totalReturn/sharpe/maxDrawdown/...）🟢

investment.fund.* — 基金持仓 / 交易（回测暂不支持）

skillIdmethod功能风险
investment.fund.portfolio.listGET查基金持仓（query 传 asset_class=fund；market 取值 OF/ETF/LOF）🟢
investment.fund.portfolio.createPOST新增基金持仓（body 含 asset_class: "fund"）🟡
investment.fund.portfolio.updatePUT更新基金持仓🟡
investment.fund.portfolio.deleteDELETE删除基金持仓🔴
investment.fund.trading.listGET查基金交易记录（query 传 asset_class=fund）🟢
investment.fund.trading.createPOST录入新基金交易（body 含 asset_class: "fund"）🟡
investment.fund.trading.deleteDELETE删除最近一笔基金交易🔴

investment.gold.* — 黄金持仓 / 交易（回测暂不支持）

skillIdmethod功能风险
investment.gold.portfolio.listGET查黄金持仓（query 传 asset_class=gold；market 取值 SGE/BANK；stock_num 取值 Au99.99/Au100g/AuTD）🟢
investment.gold.portfolio.createPOST新增黄金持仓（body 含 asset_class: "gold"）🟡
investment.gold.portfolio.updatePUT更新黄金持仓🟡
investment.gold.portfolio.deleteDELETE删除黄金持仓🔴
investment.gold.trading.listGET查黄金交易记录（query 传 asset_class=gold）🟢
investment.gold.trading.createPOST录入新黄金交易（body 含 asset_class: "gold"）🟡
investment.gold.trading.deleteDELETE删除最近一笔黄金交易🔴

技能源在 app.js 的 SKILL_CATALOG，运行时可通过 GET /agent/skills 查询当前 token 实际可用的列表（会过滤 scope）。

Python 工具库 lg_utils（在平台 python_script 流程节点里 import 使用）

平台的 python_script 执行器会自动把 lg_utils 注入到用户脚本的 PYTHONPATH，无需安装。

模块 / 函数功能
lg_utils.get_variable(key, default) / lg_utils.get_variables()读取流程上下文变量（由前端/调度器传入；get_variables() 返回全集 dict）
lg_utils.put_variable(key, value) ✨ NEW把变量回写到当前 session 的 JobPool，下游 step 的 ${key} 替换能解析到。value 必须 JSON-serializable，单个值 ≤ 64 KB。key 不能以 _lg_ 开头（保留给系统）。同 step 内多次调用累积；用于把 Python 脚本计算出的字符串/数字/小型 dict 传给后续 step（webhook messageTemplate / SQL where 子句等）
lg_utils.get_context()当前团队快照：assets / datasources / dashboards / processes
lg_utils.get_asset_data(asset_identifier, page, size, order_by, filter_column, filter_value, filter_operator=None)分页拉团队有权限的资产数据；返回 {success, data, totalElements, totalPages, ...}。filter_value 支持 list/tuple → IN 查询；filter_operator 支持 eq / ne / in / not_in / like / gt / gte / lt / lte / contains，默认 contains
lg_utils.get_portfolio_positions(stock_num=None, page=1, size=500)当前团队持仓（每行附带最新的一条 per-stock 推荐 recommendation，由内部 API 按 update_time 取最近）
lg_utils.get_trading_records(account_id=None, market=None, stock_num=None, trade_type=None, page=1, size=50) ✨ NEW拉团队的交易记录（分页 dict，字段 Jackson camelCase 如 tradeDate / stockNum / tradeType）
lg_utils.write_recommendations(items, process_id=None, execution_id=None)Python 脚本把 per-stock 推荐（action/priority/add1/add2/reduce1/reduce2/noMoreAdd/market）追加 到 process_stock_recommendation（历史保留，不 upsert）；前端持仓页"推荐"按时间倒序展示历史
lg_utils.get_connection(ds_name) / get_db_config(ds_name)按团队数据源名取 JDBC 连接
lg_utils.backtest(strategy, asset, ...)单资产回测引擎：long-only、整数股；输出 Sharpe / Sortino / MaxDD / 胜率 / profit_factor / 交易明细 / equity_curve / 年度拆分；可选 benchmark_asset= 对比并输出 alpha/beta；可选 persist=True 持久化到 process_backtest_result 表
lg_utils.backtest_portfolio(strategies, assets, ...) ✨ NEW组合回测：多标的共享现金池；额外输出 per_asset 贡献度/回撤；同样支持 benchmark / persist
lg_utils.write_backtest_result(result, name=...) ✨ NEW把 BacktestResult 持久化到 process_backtest_result 表（append-only，按团队隔离）。BacktestResult.persist(name=...) 是同义糖
lg_utils.log 子模块 (from lg_utils.log import info, warn, error)标准化日志 helper：info → stdout，warn / error → stderr，自动加 [INFO]/[WARN]/[ERROR] 前缀。注意是子模块，不在 lg_utils.__all__ 里，必须按子模块路径 import
lg_utils.backtest_examples.dual_ma.DualMA内置双均线参考策略
lg_utils.backtest_examples.stock_day.run_stock_day_backtest针对平台 stock_day 日线表（OPEN_PRICE/CLOSE_PRICE/day_id/STOCK_NUM）的单股快捷封装
lg_utils.backtest_examples.stock_day.run_stock_day_portfolio_backtest ✨ NEW多只股票组合的快捷封装

环境要求

必需

  • LG_AGENT_BASE_URL - 平台地址（默认 https://lg-data.cc）
  • LG_AGENT_TOKEN - Bearer Token（公开版唯一认证方式；建议使用最小权限、专用 Token）

Security Notes

  • 公开版 skill 仅支持 Bearer Token 模式，不接受会话 Cookie / CSRF。
  • 首次安装建议使用测试账号或低权限 Token 验证读取类能力。
  • 当前公开版 skill 仅面向只读与常规非破坏性写操作；删除、终止、审批与其他管理类能力应通过单独的 admin 工具或人工流程处理。
  • 写操作应只授予明确需要的 scopes。
  • 不要在脚本里硬编码 Token 凭据。

注意事项

  • 公开版 skill 不包含删除、终止、撤销、审批等高风险管理操作。
  • 公开版 helper scripts 只支持 Token 调用，不支持 session/cookie 兼容模式。
  • idempotencyKey 用于幂等控制，写操作请保持稳定。
  • Token 从平台获取，不要硬编码在脚本中。

传送门： https://lg-data.cc

More in Data & APIs