跳转至


课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  回测  数据标准化  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  强化学习  监督学习  AI量化  复权  数据  tushare  akshare  xgboost  PCA  wavelet  时序事件归因  SHAP  深度学习  归一化  BN  LN  WN  machine-learning  quant-trading  dropout  TCN  deep-learning  交易实战  避坑指南  quant  tcn  time-series  causal-convolution  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  金融行业  买方  卖方  story  量化传奇  rsi  zigzag  穹顶压力  因子  ESG  因子策略  投资  策略  pe  ORB  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  algorithm  pearson  spearman  套利  LOF  白银  因子分析  Alphalens  涨停板  herd-behaviour  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  lightgbm  顶背离  另类数据  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  进化论  logic-factor  Agent Skills  Skills Marketplace  VS Code  Tushare  XtQuant  BaoStock  A股  量化  neutralization  basics  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  几何收益  实盘  clickhouse  polars  滑动窗口  notebook  sqlite  sqlite-utils  fastlite  大数据  PyArrow  UV  Pydantic  Engineering  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare  dividend 

others »

做能调教AI的赛博老技师,量化人也该开始装Skills了


在 AI 时代,作为个人量化者,开发策略似乎已变得更简单:你已可以让 AI 帮你手搓一个动量策略,或者解释多因子中性化。

但个人量化者的核心困境,往往卡在数据获取的“最后一公里”。那些成本上能负担的数据源,经常伴随着 API 命名随意、文档过时或残缺的问题。这种非标准化的基建,不光人写起代码来如履薄冰,就是把 Claude 这种顶级大模型请来,没有正确的上下文它也得犯愁。

而 skill,正是把这些上下文包装成可复用能力的一种方式。

最近我在 skillsmp.com/zh 上看了一圈,发现它已经不只是“程序员玩具市场”了。里面已经有一批和金融、投资、尤其是 A 股量化工作流直接相关的 skills。

如果你还不知道什么是 Skill

最早大家用 AI,都是通过写 prompt,谁会描述问题,谁就先占一点便宜。写一个好的提示词并不容易,所以就出现了拿着高薪的提示词工程师岗位。

Tip

2026年,第一批高薪的提示词工程师(prompt engineer)已经下岗了,转行做了『技师』。

但这很快暴露出几个问题:

  • 好 prompt 很难复用
  • 换一个人、换一次对话,质量就波动
  • 需要背景知识的任务,每次都得重新喂上下文
  • 只靠 prompt 很难携带脚本、模板和长文档

于是第二阶段出现了 prompt library、prompt file、slash command 这类东西。它们把常用任务收束成一个个模板,解决了“重复输入”的问题,也让团队能共享一部分工作方式。

但问题并没有彻底解决。因为 prompt 再好,本质上仍然偏向“这一次帮我做什么”。它擅长明确任务,不擅长封装长期知识和规范。

这时候,skill 就开始显出必要性了。skill 的核心价值不是多一个命令,而是把知识、最佳实践、工作流以及资源文件打包成可渐进加载的能力单元。模型一开始只看名称和描述,真正相关时再加载完整内容,所以它比“把所有说明都塞进系统提示词”更省 token,也更容易维护。

Anthropic 在 2025 年 10 月围绕 agent skills,连续发布了介绍和使用文档;随后 OpenAI 也在 Codex CLI 和 ChatGPT 里采用了相同格式,到现在, Trae, Vscode 等主力开发工具,以及 Openclaw 都支持了这种格式。Skill 也从 Anthopic 的先锋探索,变成一种跨工具流通的工作流封装格式。

为什么量化人应该关心这个 marketplace?

skillsmp 是目前规模最大的 marketplace,到今年3月止,已经上架了超过63万+的技能,许多技能得到了超百万的 star。早期它是由 Manus (现在该团队属于 meta)维护,现在已变成了社区维护,非常活跃。

Tip

skills 现在火到什么程度?当你访问 skillsmp的时候,有很大机会遇到生物体校验。普通的网站上可享受不到这个『待遇』。

极客范的 skillsmp 网站

skillsmp 按类别归类各种 skills,对量化人来说,可以多看看金融与投资分类,这里有20270个技能。当然数据与 AI分类下的机器学习、数据分析等子类,也是值得多看看的。

接下来我们就会推荐几个量化人常用的关键 skills,不过在此之前,我先介绍如何寻找、安装和使用 skills。

在 skillsmp 上除了按分类浏览我们感兴趣的 skills 之外,你还可以直接搜索。比如,如果你想要让 AI 更准确地使用 akshare 的数据 API,就可以用 akshare 作为关键词来搜索,然后看看点赞数最高的几个就好。

然后点击这个卡片,我们就可以看到 akshare 这个 skill 的各项资产。

Attention

skillsmp 不是苹果应用商店。它对上面发布的各项 skills,几乎没有任何审查。考虑到 skills 可以携带各种脚本(比如 python 脚本),它们可能在你本机上被自动调用并运行,所以,对 skills 的内容进行安全审查非常重要。顺便提一句,litellm 最近就曝出一个非常严重的安全漏洞,会盗取你机器上一切秘密。你可以使用以下方法自查:pip show litellm

找到心水的 skills 之后,就可以根据你如何使用 AI大模型来安装它。

如果你使用的是 openclaw,或者 claude code, GPT codex 等,就可以在命令行下,运行这个命令来安装它(请参考 skills 详情页面右侧的安装命令,以下仅为示意):

1
npx skills add openclaw/skills

如果你正在使用 trae 或者 vscode 这一类 IDE 工具,则可以下载相应的 zip 包,再复制到IDE 工具指定的目录。比如,如果你在使用 vscode,则需要把 skills 的 zip 包解压缩(注意根目录下一定要有 SKILL.md 这个文件才对)后,复制到.github/skills 目录下。

下面的图显示了如何下载 skills 的 zip 包。

安装好 skills之后,你就可以通过 slash 命令来使用它(或者验证安装成功)。我们以后面会安装的 tushare 为例,演示一下在 vscode 中如何验证安装成功。

截图来自 vscode 的 AI chat窗口。通过 slash 命令及它的提示,我们验证了安装成功。此后,在你写代码时,这些 skills 会自动触发。

量化人必装的 skills

所有的软件文档都是糟糕的,但其中有一些更糟糕

我们安装 skills,可以省下自己去阅读这些天书一般的文档,也可以让 AI 更懂得如何去使用这些 API。

第一个必须要安装的 skills,可能就是 xtquant 的 skills -- 如果你正要使用 qmt/xtquant 来进行实盘交易或者获取行情数据的话。

通过 xtquant 关键词,你会搜索出来好几个 skills,建议点击来自 openclaw/skills 的 xtquant.md这一个,目前它有3.3k star。

下载它的 zip 包之后,我们发现它包含了 xtquant 的全部文档,文件大小有100多k,还包含了一个 demo.py。

前面我们介绍了 akshare 的 skills 也在这个市场上发布了,不过,现在东财对爬虫的限制比较严重,通过 akshare 已经很难大规模获取数据了。

替代方案之一是 tushare。在 skillsmp 上有多个 tushare 的 skills,不过它们都不是官方发布的,所以,在这里也提示一下,不要从这里安装。tushare 的skills如何安装,在 tushare 的官网上有介绍。

比如,如果你是在 openclaw 里面,可以这样安装:

1
clawhub install tushare-data

当使用 vscode 等工具时,可以在 https://tushare.pro/files/pro/tushare-data.zip这里下载。

baostock 是一个免费的行情数据源。你也可以在skillsmp 上找到如何使用它的 skills。

主观投资者

在 skillsmp 中还有一些适合主观投资者使用的 skills。比如, market-research.md,用来进行市场研究、竞争分析、投资者尽职调查和行业情报,附带来源归属和决策导向的摘要。

这里还有一个东财的 skills,eastmoney-trading.md。东方财富证券交易技能,支持自动登录、持仓查询、持仓分析、条件选股、买入、卖出、撤单、委托查询、资金查询等完整交易功能。使用 CDP 连接浏览器,支持验证码自动识别。不过,作者自己也标注出来,这是高风险操作,使用要谨慎。如果要实现 API 级的实盘交易,还是找人开通量化交易接口吧。

如果你觉得实时跟踪财经新闻很重要,可以安装 finance-news-source 这个 skills。

不过,如果想要实时获得这些新闻,这个在 trae/vscode 中不太行,还是安装一个 claude code 或者 openclaw 吧。他们是最好的技师。