选自建回测工程
你要的是一份可复现、可审阅、能换撮合与费率假设的回测工程，并且打算长期迭代策略；愿意维护 Python 环境与数据包更新。
RQAlpha 项目研究站 · 路线对比
RQAlpha vs EasyClaw：自建回测工程，还是免部署研究路线
一边是要装 Python 环境、下载数据包、自己写策略的量化回测框架；一边是装好 AI 助手后用一句话发起研究任务的技能路线。它们解决的任务有重叠，但交付物完全不同：前者给你一个可复现的回测工程与结果文件，后者给你一段结论与分析过程。下面按维度摊开，再给决策清单。
自建框架路线
环境 + 数据 + 策略 + 结果文件
环境 + 数据 + 策略 + 结果文件
EasyClaw 技能路线
装软件 + 一句话提问
装软件 + 一句话提问
共同边界
都只做研究辅助
都只做研究辅助
两条路线对比示意；RQAlpha 与 EasyClaw 无已证实集成。
Comparison
自建回测工程 vs 本机技能路线：核心对比
一边来自官方仓库与 docs；一边来自本机技能目录核验。
| 维度 | 自建回测工程 | EasyClaw 本机技能路线 |
|---|---|---|
| 定位 | Python 算法交易与回测框架（库 + CLI） | 免部署 AI 助手 + 本机技能包（自然语言任务） |
| 形态 | 写策略脚本 + 命令行运行，结果落文件 | 对话式入口，结果以文本/表格/图表返回 |
| 前置条件 | Python ≥3.8 虚拟环境、pip 安装、下载数据包、会写策略代码 | 安装 EasyClaw；部分技能需本机 Python 或 Token/Key（见下表） |
| 数据 | 官方免费 A 股日线数据包（月更）；分钟级需自备或 RQData | 按技能而异：AKShare 等免费源、yfinance（需代理）、妙想/问财（需 Key） |
| 回测能力 | 撮合引擎、滑点、手续费与税费、事前风控、基准与风险指标、参数扫描 | quant-analyst 技能方向覆盖回测与风险指标建模，但以方法论与代码生成方式交付 |
| 扩展性 | Mod 体系（7 个系统 Mod + Mod Hook + register_api），可换数据源/撮合/风控 | 技能以 SKILL.md 与脚本形式组织，可按需增删；不涉及框架级替换 |
| 输出 | pickle 结果文件（summary/组合/持仓/交割单）、曲线图、CSV/Excel | 自然语言结论、指标数值、结构化清单，部分技能可出图（chart-image） |
| 许可与合规 | 非商业按 Apache 2.0；商业用途需米筐科技授权 | 各技能各有许可与前置条件（如问财需 API Key），需逐个确认 |
| 适合场景 | 需要可复现、可扩展、可审阅的日频 A 股/期货策略研究 | 快速取数、技术面判断、一次性研究与指标计算 |
| 共同边界 | 都不自动下单、都不保证收益；输出仅供研究 | 同上，且各技能有明确「不支持」范围（如不支持自动下单） |
Local skills
本机技能清单（已核验）
以下本机技能目录已在 C:\Users\CF\.easyclaw\skills 核验其 SKILL.md；与 EasyClaw 无已证实集成，属独立路线。
| 技能 | 能力（SKILL.md 声明） | 前置/范围 | 与本项目的关系 |
|---|---|---|---|
| quant-analyst | 金融建模、策略回测、风险指标（VaR/Sharpe/回撤）、组合优化、统计套利 | 会先与你确认执行环境、数据源、目标市场与用途 | 与本项目回测能力方向最接近，但交付形式是方法论与代码，不是回测引擎 |
| akshare-finance | A 股行情/大盘概览、宏观经济、加密货币数据 | 需本机 pip install akshare>=1.18 pandas | 可作快速取数入口，但没有撮合与风控引擎 |
| chart-image | 生成线/柱/面积/K 线/饼图/热力图等图表 PNG（Vega-Lite，无需浏览器） | 需 Node 环境安装依赖 | 负责把研究结果出图；本项目用 matplotlib 在本地出图 |
| a-stock-analysis | A 股实时行情、分时量能分布、主力动向、持仓与盈亏管理 | 数据源为新浪等公开接口（约秒级延迟）；需本机运行脚本 | 偏盘中视角，与本项目的回测视角互补 |
| stock-monitor-skill-0-1-0 | 7 大预警规则（成本盈亏、日内涨跌、量能异动、均线金叉死叉、RSI、跳空缺口、动态止盈） | 明确不支持自动下单；不覆盖期货/外汇/加密 | 面向持仓监控，本项目面向历史回测 |
| a-share-metrics-card | 按标的生成估值与质量 Markdown 卡片（PE/PB/ROE 等） | 基于 AkShare，覆盖 A 股 | 偏基本面速览，不涉及回测 |
| stock-price-checker | 用 yfinance 查美股/港股价格（含 600519.SS、0700.HK 形式） | 需访问 finance.yahoo.com，中国大陆用户需代理 | 可补港美股行情视角；本项目免费数据以 A 股为主 |
| futuapi / futu-zhitou | 富途 OpenAPI 行情与异动检测（资金/技术指标/衍生品） | 需本机运行 OpenD 客户端并登录 | 数据通道不同；不提供回测引擎 |
| iwencai | 同花顺问财：行情、指数、财务、事件、条件选股等自然语言查询 | 需 IWENCAI_API_KEY 或走连接授权（有 check_gate 门禁） | 选股与数据查询可替代部分研究前置工作 |
| eastmoney-operations（妙想） | 金融资讯搜索、智能选股、自选股管理、金融数据查询、模拟组合 | 需 API Key（本地 key 文件或连接授权） | 数据与模拟组合方向；非回测框架 |
说明：上表只陈述各技能 SKILL.md 已声明的能力与前置条件，不声称它们与本项目之间存在调用、集成或替代关系。
Decision
选路线：三条决策清单
按「交付物」选，而不是按功能条数比大小。
选本机技能路线
你只想快速拿到数据或一段研究结论（如某个指标、某段时间的表现、某类信号），不打算维护工程环境；接受各技能自身的前置条件与范围限制。
两者并用
用本机技能做前置探索（取数、筛标的、快速估算），把值得深挖的想法交给 RQAlpha 做严谨回测。注意两边数据源与口径不同，结论对照前先对齐。
Steps
两条路线的落地步骤
都是四步以内可以跑通，差别在长期维护成本与交付物形态。
自建回测工程
1. 建虚拟环境并 pip install rqalpha；
2. rqalpha download-bundle 取免费数据包；
3. 写策略（约定函数 + 取数 + 下单），命令行跑回测；
4. 读结果文件看指标，需要时用 --extra-vars 批量调参。
EasyClaw 技能路线
1. 下载安装 EasyClaw；
2. 用自然语言描述研究任务（取行情、算指标、做技术面判断、按条件筛股）；
3. 需要数据权限的技能按提示完成授权（如问财 API Key）；
4. 拿到结论后追问细节，必要时再用 RQAlpha 做严谨验证。
Boundary
证据边界与披露
这一节是本站发布本页的前提，请勿跳过。
无已证实集成：两者没有官方集成证据——项目 README 与 docs 未提及 EasyClaw，EasyClaw 本机技能目录中也没有 RQAlpha 对应技能。本页对比的是「米筐开源框架自建路线」与「本机技能独立路线」，不声称 RQAlpha 可在 EasyClaw 中安装，也不声称两者共享账号、数据或 API。
许可与数据差异：两者在许可上不可类比：RQAlpha 为非商业 Apache 2.0 + 商用需授权；本机各技能有各自许可与前置条件（部分需 API Key）。数据侧也不同源，跨路线比较数字前请先对齐数据源、时间戳与口径。
风险提示：两条路线的输出都只用于研究参考，不构成投资建议；回测结果基于历史数据与假设，不代表未来表现。
Task by task
按任务选：六件事分别该走哪条路线？
同一句需求，两条路线的做法与前置条件都不同；下表只做任务映射，不代表两条路线可以互相调用。
| 任务 | 自建 RQAlpha 路线怎么做 | 本机技能路线怎么做 | 前置条件差异 | 注意点 |
|---|---|---|---|---|
| 查一只股票的区间表现 | 用 history_bars 取日线，在策略里算区间涨跌幅与波动率；或跑完回测读 result.pkl | 一句话让 akshare-finance 取数、chart-image 出图 | 前者需数据包已下载；后者需本机 pip install akshare>=1.18 pandas | 两边数据源不同（官方 bundle 对比 AKShare），同一指标的数字不可直接对齐 |
| 按条件批量筛标的 | 在 handle_bar 里遍历 all_instruments 的结果，用自定义因子条件过滤，再用 update_universe 锁定标的池 | 用问财（iwencai）或妙想（eastmoney-operations）做自然语言条件选股 | 技能侧需 IWENCAI_API_KEY 或连接授权 | 把筛选结果落成本地代码清单再进回测，别把一次对话的结论直接当标的池 |
| 写一个能复现的策略并回测 | 实现 init / handle_bar，用 order_target_percent 下单，rqalpha run -f 策略.py -o result.pkl | quant-analyst 给出建模方法与代码骨架 | 前者需 Python 环境与数据包；后者需能自行运行产出的代码 | 技能交付的是方法与代码，撮合与结果文件仍要自己跑 |
| 换撮合与费用假设再跑一遍 | -me current_bar 或 next_bar 换撮合、-sp 改滑点、-cm 改手续费乘数 | 无对应能力：技能层不介入撮合与费率模型 | — | 给结论时必须写明用的是哪种撮合方式与费率假设，否则数字无法复现 |
| 批量调参并排序 | 用 --extra-vars 注入、context_vars 读取，配多进程脚本与 read_pickle 汇总排序 | 无对应能力：技能不接管批量回测调度 | 需要能承受多进程回测的机器与磁盘 | 先算清参数组合数与 range 步长，再决定是否真跑 |
| 确认许可与商用边界 | 读仓库 LICENSE 与 README：非商业按 Apache 2.0，商业用途需米筐科技授权 | 逐个技能核对 SKILL.md 声明与所用数据源的许可 | 商用场景两边都要先拿授权或确认条款 | 合规判断放在动手之前，不要先上线再补授权 |
Cost structure
两条路线的时间与维护成本差在哪？
成本结构只说明两种路线的投入方式不同，不构成对任何一条的推荐。
| 环节 | 自建 RQAlpha 路线 | 本机技能路线 | 说明与注意点 |
|---|---|---|---|
| 初始准备 | 建虚拟环境、pip install rqalpha、下载数据包、先写一个策略 | 安装客户端，然后直接用自然语言描述任务 | 前者一次性投入更大；后者取决于技能自身前置条件（Key、Node、代理等） |
| 日常维护 | 维护 Python 依赖版本区间与数据包 | 更新技能内容与授权状态 | RQAlpha 的 numpy 依赖区间随 Python 版本变化，升级前先看 pyproject.toml |
| 数据更新 | 免费数据包每月月初更新；要每日更新需 RQData 权限 + update-bundle | 由各技能的数据源决定（AKShare、新浪、yfinance、问财、妙想等） | 需要盘中或每日数据时，两条路线的成本结构完全不同 |
| 出错时的定位成本 | 看日志（-l error 降噪后逐层排查配置优先级） | 先确认前置条件是否满足（Key、网络、客户端是否在运行） | 前者的问题多出在环境与配置，后者多出在授权与数据源可达性 |
| 可复用性 | 策略代码、配置与结果文件都可版本化，同一份代码可重复跑出同一结果 | 对话式产出，需要自己把结论沉淀成文档 | 要写进团队流程或做审阅，自建路线的可追溯性更强 |
| 交付物形态 | 结果文件（summary、组合、持仓、交割单）与曲线图 | 结论文本、指标数值、结构化清单与图 | 交付物决定了谁来复核：工程交工程师复核，结论则直接被业务方阅读 |
FAQ
常见问题
RQAlpha 和 EasyClaw 是一回事吗？
不是。它是深圳米筐科技开源的 Python 量化回测与交易框架；EasyClaw 是带本机技能体系的 AI 助手软件。两者没有已证实集成，是两条独立路线。
EasyClaw 里能一键安装 RQAlpha 吗？
没有证据支持。RQAlpha 通过 PyPI 安装（pip install rqalpha），EasyClaw 本机技能目录里没有 RQAlpha 相关技能。
EasyClaw 技能能替代 RQAlpha 吗？
取决于交付物：要可复现、可扩展的回测工程，RQAlpha 更合适；要快速取数与研究结论，技能路线更轻。两边文档都没有「互相替代」的说法。
两边数据会一样吗？
不会。RQAlpha 用官方数据包（A 股日线，月更）或 RQData；本机各技能分别使用 AKShare、新浪、yfinance、问财、妙想等来源。同一指标出现差异属正常，比较时需对齐来源与时间。
同时用会不会冲突？
不会，两者互不写入对方数据。真正的风险是用两套不同口径的结论互相印证而不自知——尤其回测指标与实时行情指标本就不同量级。
公司要用，应该怎么选？
RQAlpha 商用需先取得米筐授权；本机技能则需按其各自许可与前置条件评估。合规判断请在动手前完成，不要先上线再补授权。