想「自动化研发」
要自动挖因子、优化模型、读研报实现，且有 Linux/LLM 能力 → 选 RD-Agent 自建。
RD-Agent / vs EasyClaw
RD-Agent vs EasyClaw：自建研发代理还是免部署量化 Skill
同一个量化研究目标，两条准备成本完全不同的路线：RD-Agent 要 Linux + Docker + Conda + LLM API Key，再跑因子-模型联合优化；EasyClaw 用内置量化 Skill 一句话发起行情、选股、技术分析、估值等研究。两者是独立路线，RD-Agent 与 EasyClaw 无已证实集成。
RD-Agent 自建Linux+Docker+LLM Key
EasyClaw Skill安装 + 一句话提问
Compare
两条路线对照
基于官方 README 与 EasyClaw 本地技能 SKILL.md（2026-09 核验）。
| 维度 | RD-Agent 自建 | EasyClaw 量化 Skill |
|---|---|---|
| 核心目标 | 自动化研发：因子挖掘、模型优化、读研报/论文实现 | 免部署，一句话发起行情/选股/技术分析/估值等研究 |
| 前置门槛 | 仅 Linux + Docker + Conda + LLM API Key（Chat+Embedding） | 安装 EasyClaw 客户端；个别 Skill 需 Token/授权 |
| 市场覆盖 | 量化（Qlib，多市场数据源）+ 数据科学/Kaggle/医疗 | 以 A 股为主，部分覆盖港股美股 |
| 输出 | 自动挖的因子、模型、回测结果、trace | 行情表、技术分析、选股清单、估值、量化研究结论 |
| 适合人群 | 有 Linux/LLM 能力的量化研究者、数据科学家 | 想快速得到研究结果、不想维护环境的用户 |
| 集成关系 | RD-Agent 与 EasyClaw 无已证实集成（installation.state=unverified） | |
EasyClaw Skills
EasyClaw 内置量化 Skill 清单
以下技能已在本机 EasyClaw 目录核验（2026-09-03），可作为 RD-Agent 覆盖任务中的免部署替代路线；各自数据源、Token、网络与市场覆盖不同。
| Skill | 能力 | 数据源 / 前置 |
|---|---|---|
| quant-analyst | 量化建模、回测、风险指标、组合优化、统计套利 | pandas/numpy/scipy；研究用途 |
| akshare-finance | A股/期货/期权/基金/外汇/债券/指数/加密 行情与基本面 | AKShare 公开数据源 |
| tushare-finance | A股/港股/美股 220+ 接口：行情、财务、宏观 | 需 TUSHARE_TOKEN |
| yahoo-finance-github | 美股实时报价、历史K线、新闻、组合盈亏 | yfinance 免 key；不支持 A股/港股 |
| stock-technical-mastery | A股技术分析：MACD/RSI/布林带/形态/Wyckoff | 新浪财经 + Baostock；仅 A股 |
| a-stock-analysis | A股实时行情 + 分时量能 + 主力动向 + 持仓盈亏 | 新浪财经接口；仅 A股 |
| fp-dcf | 第一性原理 DCF 估值（FCFF/WACC/敏感性） | akshare/baostock/yfinance |
| iwencai | 同花顺问财：行情/财务/事件/研报/选股/宏观 | 需 IWENCAI_API_KEY |
| futuapi | 富途 OpenAPI：行情/K线/选股/模拟与实盘交易 | 需 OpenD + futu-api |
集成边界：上表 EasyClaw Skill 是独立量化研究路线，不代表 RD-Agent 已集成或可在 EasyClaw 中运行；RD-Agent 仍须按其官方方式自建（仅 Linux）。EasyClaw Skill 的结果仅供研究，不构成投资建议。
Decision
怎么选：三步判断
先明确目标，再选路线。
你要「自动化研发」还是「快速拿结论」
想自动挖因子、优化模型、读研报实现 → RD-Agent；只想拿到研究结果 → EasyClaw。
看环境与门槛
能接受 Linux + Docker + LLM Key → RD-Agent；不想维护 Linux 环境 → EasyClaw。
看任务类型
因子挖掘/模型迭代/LLM 微调 → RD-Agent；A 股行情/选股/技术分析 → EasyClaw 更省事。
Task by task
具体研究任务：RD-Agent 怎么做 vs EasyClaw 怎么做
落到具体任务上，比空谈「哪个好」更实用。
| 研究任务 | RD-Agent 自建 | EasyClaw Skill |
|---|---|---|
| 因子挖掘 / 模型优化 | fin_quant/fin_factor 自动挖因子+优化模型 | quant-analyst 回测建模（非自动化代理） |
| A 股行情 / 财务数据 | Qlib 数据源自接 | akshare-finance / tushare-finance 一句话 |
| K 线技术分析 | 自建指标 | stock-technical-mastery 一句话 |
| 条件选股 | 自建因子 + 筛选 | iwencai / futuapi 选股 |
| 估值 | 自建模型 | fp-dcf 一句话 |
| 读研报提因子 | fin_factor_report 自动提取 | iwencai 研报检索（非自动实现） |
Who fits which
一句话判断你适合哪条路
不用读完所有章节，先看这三条。
想「快点用」
只想拿到 A 股行情/选股/技术分析/估值结论，不想维护 Linux 环境 → 选 EasyClaw。
两者结合
用 RD-Agent 学自动化研发方法论，用 EasyClaw 做 A 股本地化快速验证，各取所长。
EasyClaw in action
免部署：技术分析与选股一句话完成
以下为 EasyClaw 对话截图，演示用内置 Skill 一句话完成 K 线技术分析与条件选股，与 RD-Agent 自建因子/指标管线形成对比。前置条件：已安装 EasyClaw。
FAQ
常见问题
RD-Agent 能在 EasyClaw 里用吗？
无已证实集成。RD-Agent 是微软 GitHub 上的 LLM-Agent 框架，未集成进 EasyClaw；EasyClaw 内置的是独立量化 Skill，两者是不同路线。
EasyClaw 的 Skill 能替代 RD-Agent 的全部功能吗？
不能。RD-Agent 的核心是自动化因子挖掘/模型迭代/读研报实现（需 Linux+LLM）；EasyClaw Skill 覆盖其中部分任务（数据获取、技术分析、选股、估值、回测），但不提供 RD-Agent 的自动化代理与因子-模型联合优化流程。
EasyClaw 的 Skill 需要额外 key 吗？
部分需要：akshare/yahoo 免 key；tushare 需 TUSHARE_TOKEN；iwencai 需 IWENCAI_API_KEY；futuapi 需 OpenD+富途账号。使用前按各自 SKILL.md 配置。
想学自动化研发/因子挖掘，选哪条路？
推荐 RD-Agent 自建（需 Linux）：它是该领域微软官方、体系完整的开源框架；EasyClaw 适合在其后做 A 股本地化研究与快速验证。
EasyClaw 的结果能直接用于实盘吗？
不能。EasyClaw Skill 输出仅供研究，不构成投资建议；任何策略都应先回测验证、模拟盘再小仓实盘。