① 没有已证实集成
TradingGym 是 GitHub 上的独立开源项目（Yvictor/TradingGym，MIT），不在 EasyClaw 技能目录中，两者之间没有已证实的集成关系，也没有「用 EasyClaw 一键安装 TradingGym」这种路径。
TradingGym · COMPARE · 任务级分工
TradingGym 与 EasyClaw 技能路线：不是替代关系，是任务分工
TradingGym 给你的是一个「step/reward 环境 + 逐 tick 账本」，它不取数、不出图、不带算法；EasyClaw 本机的技能路线解决的是取数、指标、规则回测与出图这类任务，但没有任何 RL 交易环境类技能。两者之间没有已证实集成，这页按任务把分工写清楚，方便你按目标选路。
- 本机核验：
C:\Users\CF\.easyclaw\skills共 29 个技能（2026-09-22 实读） - 交集：数据取数与指标计算；无交集：Gym 风格环境、step/reward、逐 tick 账本
- 状态口径：下文一律用「能在目录里看到」（catalog_visible），不升级为「已安装/已授权/已跑通」
TradingGym 两条链路怎么并行、之间有没有连接？
自托管链路取数 → TradingGym 环境 → 自备 Agent → 账本
EasyClaw 技能链路数据技能 → 指标/规则回测 → 出图
无集成两条链路之间没有已证实的连接
TradingGym · 任务级对比
TradingGym 与 EasyClaw 各负责哪一段？六个任务维度
下面按「一个完整量化研究流程」的六个环节对比。空着的那几格是事实，不是遗漏。
akshare-finance（股票/期货/期权/外汇/债券/指数/加密货币）、tushare-finance（A 股/港股/美股/基金/期货/债券，220+ 接口）tushare-finance 需自备 Tokenchoice_action(obs) 即可（本站实测双均线 132 笔交易）quant-analyst（回测与风险指标方法论）gym.Env 适配层quant-analyst 覆盖风险指标方法论render()（matplotlib 实时渲染，训练过程可视化）chart-image（静态出版级图表，纯 Node.js 无浏览器依赖）TradingGym · 技能清单
EasyClaw 本机有哪些量化相关技能？与 TradingGym 对照的八个
下表逐个列出技能名、目录名、它能做什么、以及使用前置条件。状态一律为「能在目录里看到」。
C:\Users\CF\.easyclaw\skills，2026-09-22 实读 SKILL.md）quant-analystakshare-financetushare-financechart-imagestock-technical-masteryyahoo-finance-githubmx-dataMX_APIKEYfutuapi{base_dir} 解析状态说明：
catalog_visible 只表示「能在本机技能目录里看到定义文档」，不等于已安装依赖、已授权、已跑通。任何使用前都要按各技能的文档确认依赖与凭证。TradingGym · EasyClaw demo
同类任务在 EasyClaw 里表现如何？（本机对话截图）
下面三张分别是 EasyClaw 处理区间指标、静态出图与技术分析的对话示例。它们演示取数、区间指标与静态出图，属于并列对比，不是 TradingGym 的运行输出。
三张截图展示的都是「一句话完成任务」的形态：提问即得结果，不需要写 Python。这与 TradingGym 的定位相反——后者要求你自己搭环境、写循环、算账本，换来的是可复现的实验控制权。
TradingGym · 决策
TradingGym 三条路线怎么选：按目标而不是按工具热度
这三条路线可以并存，也可以先后使用（比如先用技能侧取数、再导入 TradingGym 做环境实验）。关键是别把两条链路的输出混在一起比较。
tushare-finance 需 Token、mx-data 需 API Key、futuapi 需 OpenDbacktest_v1；技能侧用 quant-analystserial_number 分日要按交易日起点TradingGym · 边界声明
TradingGym 与 EasyClaw 必须说清楚哪三件事？
这一节是本站的披露义务，也是你在其他地方看不到的口径说明。
② 没有同类替代
EasyClaw 本机 29 个技能里没有任何 RL 交易环境 / Gym 风格 step-reward 环境类技能。因此这张对比表是任务分工，不是「选哪个更好」——需要环境能力时，只有 TradingGym 这一侧有。
③ 状态不作升级表述
技能状态一律写作 catalog_visible（能在目录里看到）。本站不对任何技能声明「已安装 / 已授权 / 已跑通 / 已产出收益」，使用前请按各技能文档确认依赖与凭证。
TradingGym · 上手顺序
TradingGym 如果你两边都要用是什么？推荐的使用顺序
两条链路可以串起来用，但顺序会影响你踩坑的数量。下面是本站实测后建议的顺序。
第 1 步 · 先用技能侧把数据准备好
（EasyClaw 对话）查一下沪深300最近 60 个交易日的日线行情，并给出区间涨跌幅与年化波动率先在技能侧确认数据可得性与字段结构，避免在 Python 环境里反复试错。tushare-finance 需先配好 Token。
预期输出：一份含日期与价格列的数据表；导出后在本地整理成 DataFrame。
第 2 步 · 按数据契约整理成 TradingGym 能吃的形态
df = df.reset_index(drop=True) # 整数索引
df['serial_number'] = 0 # 日线：整段视为一个交易日
df['Price'] = df['close'] # deal_col_name 指向价格列
# 特征列必须真实存在，且名字与 feature_names 完全一致整理这一步的坑最集中：索引、分日、列名。逐条对照「数据契约」页的四道断言。
预期输出：trading_env.make(...) 不再抛 AssertionError。
第 3 步 · 在 TradingGym 里做可复现实验
# 回测：reset() 推进交易日 + step() 跑当日 + 读 env.info 账本
# 至少跑：多随机种子 × fee(0/0.1) × Buy&Hold 基准这一步产出的账本才是可核对的实验证据。指标结论可以再回到技能侧用 quant-analyst 的方法论复核，但两边数字不要混着写。
预期输出：一张含种子、笔数、账本收益、基准的对照表（本站实测示例见「奖励与基准」页）。
TradingGym · FAQ
TradingGym 与 EasyClaw 对比常见问题是什么？
TradingGym 能用 EasyClaw 一键安装或调用吗？
不能。TradingGym 是 GitHub 上的独立开源项目（MIT），不在 EasyClaw 技能目录中，两者之间没有已证实的集成关系，也没有官方或本站提供的「一键安装/一键调用」路径。使用它需要按官方 README 做源码安装，并自行处理 pandas 兼容问题。
EasyClaw 有强化学习交易环境的技能吗？
没有。本机 C:\Users\CF\.easyclaw\skills 下 29 个技能（2026-09-22 实读）中，没有任何提供 Gym 风格 step/reward 交易环境的技能。最接近的是 quant-analyst（回测方法论与风险指标）与 akshare-finance（数据），它们解决的是不同任务。
两边的回测结果可以直接比较吗？
不可以。TradingGym 产出的是逐 tick 账本（价格单位的增量盈亏，含它自己的 fee 语义），技能侧给出的是基于其自身数据与方法的指标结果。数据区间、成本假设、撮合规则都可能不同，跨口径比较没有意义。若确需对比，必须先把数据、区间与成本统一。
那些技能都需要什么前置条件？
按 2026-09-22 实读的文档：akshare-finance 需安装 akshare 与 pandas；tushare-finance 需自备 Token；mx-data 需 MX_APIKEY；futuapi 需富途账号与 OpenD；chart-image 无额外凭证；yahoo-finance-github 覆盖美股（明确不支持 A 股与港股）。状态一律为「能在目录里看到」，使用前请以各技能文档为准。
截图里的结果是 TradingGym 跑出来的吗？
不是。三张截图是 EasyClaw 处理取数、指标与出图的对话示例。它们与 TradingGym 的环境、step/reward、逐 tick 账本没有任何关系，截图内的图注也逐张写明了这一点。
只想看行情和指标，还需要装 TradingGym 吗？
不需要。TradingGym 不提供数据下载能力，只为你的数据提供环境与账本。如果目标只是看行情、算指标或出图，用技能侧更直接；只有当你需要 Gym 风格环境、step/reward 反馈或逐 tick 账本时，才有必要搭 Python 环境并处理它的兼容问题。