该自建的三个信号
① 结果要给别人复核或进入审计流程；② 需要写明估值日、日历、计息约定与曲线口径；③ 同一条曲线或同一只债要长期跟踪。本站实测表明，仅计息约定一项就能让净价差 0.24 元，这类差异必须能解释。
QuantLib · Build it yourself or use a skill?
QuantLib 自建还是免部署？两条量化路线的边界与分工
一条是自己装环境、写代码、构造曲线与模型的定价库路线；另一条是装好客户端、用自然语言发起研究任务的技能路线。本页把两条路线的准备成本、能做的事、不能做的事与证据边界摊开讲清楚，包含本机技能目录的核验结果。
自建路线自己装环境 · 写代码
技能路线免部署 · 一句话提问
共同边界都不构成投资建议
两条路线不是同一层东西：一条是定价库，一条是研究助手。需要精确可复现的定价结果时，只有前者能给你完整口径；需要快速拿到研究起点时，后者更省事。示意图非界面截图。
对比对象QuantLib 自建（本机实测 1.43）vs 免部署技能路线本机技能核验本机技能目录共 29 个技能（2026-10-09 核验）核验方式目录枚举 + 逐个读取 SKILL.md 描述，只引用可核对的能力表述集成状态两条路线无已证实集成（unverified）截图来源本机对话截图（A 股示例），非 QuantLib 运行结果可直接复现QuantLib 侧数值可复现；技能侧只给能力边界，不给价格结论本站边界两条路线面向不同任务，不做「谁替代谁」的结论最后核验2026-10-09
自建侧实测QuantLib 1.43 / Python 3.11.9
技能侧核验本机 29 个技能目录与描述
集成状态unverified（无已证实集成）
对比维度准备成本 / 口径 / 复现 / 维护
Two routes
两条路线到底差在哪：四个维度先看明白
把「准备成本、产出物、口径可控性、可复现性」四项分开看，就很容易判断自己该走哪条路。
| 维度 | QuantLib 自建 | 免部署技能路线 | 对选择的影响 |
|---|---|---|---|
| 准备成本 | 装 Python 或 C++ 环境、装库、写代码、准备市场数据 | 装客户端后直接提问，不需要本机编译环境 | 只想先看看结论的人，后者起步快得多 |
| 产出物 | 可执行代码 + 可复现的价格与风险指标（如本站实测净价 99.75408467） | 对话形式的分析结果与图表 | 要交付或审计的结果，必须能写清口径，前者更稳 |
| 口径可控性 | 估值日、日历、计息约定、曲线、引擎都可显式指定 | 口径取决于技能实现与数据源，通常不暴露到参数级 | 对账、回溯、监管场景更依赖前者 |
| 可复现性 | 同版本同参数逐位复现（本站实测蒙特卡洛同种子结果一致） | 结果与数据抓取时点、模型温度等相关 | 要长期跟踪一条曲线或一只债，前者更容易留痕 |
| 价格结论 | 由你输入的数据与假设决定，本站不提供行情 | 由技能的数据源与假设决定，本站不为其结果背书 | 任何一方的结果都不能直接当成投资依据 |
Skill inventory
本机技能清单核验：29 个技能里哪些与量化研究相关
下面这张表来自对本机技能目录的逐个核验（只列与金融/量化研究相关的部分，其余为电商、发票、房产等非金融技能）。引用的是技能自身的描述，不代表它们已经和任何定价库集成。
| 技能（本机目录名） | 方向 | 可核对的表述 | 与派生品定价的关系 |
|---|---|---|---|
| quant-analyst-skill-v1.0.0 | 量化分析方法论 | 描述中列明「Options pricing and Greeks calculation」、风险指标、组合优化、统计套利 | 覆盖期权定价与 Greeks 的方法论与代码辅助；不是 C++ 定价库，不替代曲线与引擎体系 |
| akshare-finance | 金融数据接口 | 股票、期货、期权、基金、外汇、债券、指数、加密货币的行情与基本面数据；明确不处理实盘交易 | 提供数据侧支撑（报价与行情），定价计算仍需自己完成 |
| tushare-finance | A 股数据接口 | A 股行情与基本面数据接口封装 | 同上：数据来源之一 |
| yahoo-finance-github | 海外行情数据 | 美股等海外行情读取 | 海外标的的数据来源之一 |
| chart-image | 出图 | 折线与柱状等图表生成 | 把价格或曲线结果画出来，替代不了计算 |
| stock-technical-mastery | 技术分析 | K 线与技术指标分析 | 与衍生品定价属于不同方法论 |
| a-stock-analysis | A 股分析 | 个股分析流程与指标 | 偏向权益研究，不是定价库 |
| fp-dcf | 估值模型 | 现金流折现类估值流程 | 权益估值模型，与衍生品定价不是同一层 |
边界必须说清：本机 29 个技能里没有任何一个是「C++ 衍生品定价库」或「收益率曲线 bootstrap 引擎」。技能路线能提供数据、方法论辅助与出图，QuantLib 提供的是定价计算框架；两者是不同层级的东西，本站不做「谁替代谁」的暗示，也不声称二者已集成。
By task
按任务看：同一个需求，两条路线分别怎么做
把常见需求拆开对照，可以看出两条路线经常是「互补」而不是「二选一」。下面每一行都注明「哪一条更适合」，而不是笼统说都好。
| 你的任务 | 自建路线怎么做 | 技能路线怎么做 | 更适合 |
|---|---|---|---|
| 给一只期权定价并算 Greeks | 建 VanillaOption + 引擎，本站实测解析价 10.4681483852 | 提问让技能按 Black-Scholes 算，产出方法与数值 | 要审计与复现 → 自建 |
| 从报价构造收益率曲线 | RateHelper + 分段曲线 bootstrap，本站实测反算偏差 +0.018 ~ −1.364 bp | 技能可协助整理与计算，但曲线口径需你确认 | 要口径可控 → 自建 |
| 债券净价/全价/应计核对 | BondFunctions 系列，本站实测净价 99.75408467、应计 0.01639344 | 提问核对某项口径差异 | 要留痕对账 → 自建 |
| 先摸清一个标的的历史表现 | 需要自己找数据、写脚本、出图 | 一句话拿到行情与指标摘要 | 快速起步 → 技能路线 |
| 把结果画成图表给同事看 | 自己用绘图库出图 | 直接生成图表 | 出图效率 → 技能路线 |
| 跨品种批量研究（多标的、多因子） | 一次性写好流程可批量复用 | 对话式逐次提问，适合探索性研究 | 看是否要固化流程 |
Decision
三条决策清单：什么时候自建、什么时候用技能、什么时候都要
按「结果要不要被审计、口径要不要写清、是否长期维护」三问来判断，比按偏好判断更稳。
该用技能路线的三个信号
① 还在探索阶段，只想先看个大概；② 需要快速拿数据、出图，不想装环境；③ 任务偏研究助理性质（摘要、指标、初步筛选）。注意：技能的行情数据与假设由技能侧决定，结果仅供研究。
两者都用的典型场景
先用技能路线做探索与数据整理，确定标的与区间后，再用自建路线做口径明确的计算与留痕；或者反向：自建路线算出曲线与价格，用技能路线做展示与二次分析。两条路线之间没有自动衔接，数据传递需要你自己完成。
Screenshots
免部署路线的真实界面：本机对话截图
以下三张是本机技能路线的实际对话截图（左右点击翻页），标的为 A 股与指数示例。它们演示的是技能路线的使用方式，不是 QuantLib 的运行结果，两组数字没有可比性，也不能互相验证。
Evidence
证据边界：哪些结论有据、哪些没有
这一节是本页最重要的部分。两条路线的能力差异可以对比，但任何「集成」「替代」「结果一致」的说法都必须有证据；没有证据的地方本站直接写没有。
| 说法 | 本站结论 | 依据 |
|---|---|---|
| QuantLib 与 EasyClaw 已集成 | 不成立 | 本机技能目录中没有任何一个技能声明调用 QuantLib；本站未发现集成证据 |
| 技能路线可以替代 C++ 定价库 | 不成立 | 技能描述明确其定位是研究方法论、数据与出图；没有曲线 bootstrap、引擎体系与口径参数化能力 |
| 两条路线的价格可以互相验证 | 不成立 | 数据源、假设、口径都不同；本页截图是 A 股示例，与本站期权/债券实测参数无关 |
| 能提供量化研究的起点 | 成立（有限定） | 本机多个技能声明提供行情数据、技术指标与估值流程，但都不处理实盘交易，且没有任何一个技能声明调用 QuantLib，结果仅供研究 |
| 自建路线能给出可复现的价格 | 成立（有前提） | 本站实测：同版本同参数可逐位复现；但必须先固定估值日、日历、计息约定与曲线 |
| 本站的数字可以当市场数据用 | 不成立 | 本站实验使用虚构标的与固定参数（平曲线 3%、票息 3%），目的是让口径差异可比较 |
Maintenance
长期维护成本：两条路线各自要维护什么
选择路线时最容易低估的是「维护」。下表把两条路线持续投入的部分列出来，并结合本站实测中出现过的真实故障说明成本来源。
| 维护项 | 自建路线 | 技能路线 | 说明 |
|---|---|---|---|
| 版本与依赖 | 需要关注库版本与 Python 版本；升级可能改变数值 | 需要关注客户端与技能版本 | 本站实测值全部标注版本号，换版本建议复算 |
| 数据与口径 | 自己准备曲线报价与行情，并记录日期与字段 | 由技能的数据源决定，口径通常不可细化 | 口径不可见时，结果只能当参考 |
| 异常处理 | 需自行覆盖缺定盘价、曲线越界、结算日晚于到期日等情形 | 由技能侧处理，用户看到的是最终答复 | 本站记录了 13 条真实报错，自建路线要能应对 |
| 结果留痕 | 代码 + 参数 + 输出可入库，便于复算与审计 | 对话记录为主，结构化留痕较弱 | 要进入复核流程的场景更依赖前者 |
| 知识门槛 | 需要懂衍生品定价与编程 | 会提问即可，但需判断结果是否可信 | 门槛低不等于结论可直接采用 |
FAQ
常见问题
QuantLib 和 EasyClaw 是什么关系？
没有已证实集成（unverified）。QuantLib 是开源 C++ 衍生品定价库，需要自己安装与写代码；EasyClaw 的量化类技能是免部署的研究助手。本机技能目录中没有任何技能声明调用 QuantLib，本站也没有发现集成证据，因此两条路线应视为独立。
我应该选哪一条？
看三件事：结果要不要被审计、口径要不要写清、是否长期维护。三者都要，就选自建路线；只是探索、拿数据、出图，技能路线更省事。本站实测显示，仅计息约定一项就能让债券净价差 0.24 元（每 100 面值），这类差异需要口径级控制才能解释。
技能路线算出的价格能直接拿去用吗？
不能直接当定价依据。技能的数据源与假设由技能侧决定，通常不暴露到参数级；而且技能自身的描述明确「不提供投资建议、不处理实盘交易」。结果仅供研究，真实定价请用可复现的口径（估值日、日历、计息约定、曲线）自行核对，以官方文档与市场规则为准。
两条路线能一起用吗？
可以，但要你自己做衔接：技能路线负责探索、取数与出图，自建路线负责口径明确的计算与留痕；或者反过来，自建算出曲线与价格后，用技能路线做展示与二次分析。两者之间没有自动连接，数据传递与口径对齐都要手工完成。
本页的截图是什么？能证明什么？
截图是本机技能路线的真实对话界面，用来演示「一句话发起研究任务」的使用方式。标的与参数是 A 股与指数示例，与本站 QuantLib 实测的期权/债券参数无关，因此不能用来对比两条路线的数值精度，也不能证明两者已集成。
自建路线要准备什么？
按本站安装页的路径：装 Python 环境与库，然后用本页与站内各页给出的参数固定估值日、日历、计息约定与曲线。本机实测的安装记录是 pip 装到 quantlib-1.43-cp39-abi3-win_amd64.whl（12.9 MB）。行情与曲线数据需要自备，本库不提供数据接口。
技能路线的数据可靠吗？
技能描述里写明数据来自公开财经网站、需稳定网络、部分数据源可能限流，并建议多数据源交叉验证。本站没有对技能的数据质量做独立核验，也不为结果背书；需要精确数据时，请用可溯源的原始数据。
看完这页下一步去哪？
决定自建就从安装页开始，然后按「金融约定审计 → 期限结构 → 期权/债券」的顺序推进；想先了解定价库能做什么，回到概览页看能力速览与选型表；如果已经在自建并遇到报错，直接进错误与排查页按报错原文定位。