⚙️ 运行环境契约（最高优先级，先于本文其余内容执行）

本技能可能运行在 QuantBot（QwenPaw 容器） 或宿主机/本地 Claude Code。执行前先探测环境（which docker、API 连通性），并遵守以下映射规则：

1. 后端 API 地址：QwenPaw / 容器网络内一律用 http://quantmind:8000（quantmind 是 docker 网络别名）；仅宿主机调试用 http://127.0.0.1:8000。正文中出现的 127.0.0.1:8000、localhost:800x，在 QwenPaw 环境下自动替换为 http://quantmind:8000。
2. 取数脚本执行：凡 import 了 pandas / duckdb / psycopg2 / numpy / sqlalchemy 等重依赖或 backend 包的脚本，必须在 quantmind 容器内执行（QwenPaw 本地 venv 无这些依赖）：

   docker cp <脚本路径> quantmind:/tmp/<脚本名> && docker exec -w /app quantmind python3 /tmp/<脚本名> <参数>
   

   脚本源三选一：宿主机 repo skills/<name>/scripts/、QwenPaw 工作区 /app/working/workspaces/default/skills/<name>/scripts/、挂载目录 /quantmind/skills/<name>/scripts/。纯标准库脚本（无重依赖）可在 QwenPaw 本地直接跑。
3. 报告落盘：股票报告页可见的 MD/PDF 报告，直接写 /data/reports/trading_agents/{市场或类别}/{股票名}/（QwenPaw 对 /app/db 有写权限，直接写文件，不要 docker cp）；过程数据 facts 写 /data/reports/<类别>/（/data 可写）。
4. MD → PDF 转换（按优先级降级）： ① docker exec -w /app quantmind python3 backend/scripts/md_to_pdf_report.py <输入.md> <输出.pdf>（研报级排版，首选）； ② docker 不可用时，改用 QwenPaw 内置 pdf 技能把 MD 转成 PDF； ③ 两者都不可用则只交付 MD，并明确告知用户 PDF 未能生成及原因。
5. 本文中的 ~/.claude、cp -r ... ~/.claude/skills 等说明仅适用于本地 Claude Code 维护者，QuantBot 不要执行。

AI-IDE 写策略技能

AI-IDE 用 AI 生成 Qlib 量化策略代码，并在 Docker 容器中隔离执行（策略运行 / 回测）。核心入口是 /api/v1/ai-ide/execute/*。

认证

BASE=http://127.0.0.1:8000
TOKEN=$(curl -s -X POST $BASE/api/v1/auth/login -H "Content-Type: application/json" \
  -d '{"username":"admin","password":"admin123","tenant_id":"default"}' \
  | python3 -c "import sys,json; print(json.load(sys.stdin).get('access_token',''))")
AUTH="Authorization: Bearer $TOKEN"
CT="Content-Type: application/json"

1. 运行策略 / 回测（核心）

AI-IDE 通过 Docker 容器执行策略代码。策略分三种模式自动识别：

1. 可执行脚本（有 if __name__ == '__main__' 或顶层可执行代码）
2. main() / run() 函数
3. 模块型策略（STRATEGY_CONFIG / get_strategy_config()）→ 回测中心兼容模式

1.1 启动执行（本地文件或临时代码）

# 从存储加载策略文件执行（云端策略）
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/start" \
  -d '{
    "file_id": "strategy_id_xxx",
    "model_id": "mdl_cn_ensemble_xxx",        # 可选：指定回测模型（默认模型）
    "strategy_id": "strategy_xxx",
    "run_id": "run_xxx",
    "qlib_provider_uri": "db/qlib_data",      # 多市场 Qlib 数据路径
    "qlib_region": "cn",                      # cn / us / hk / crypto / futures
    "benchmark": "SH000300"
  }'

# 直接传代码执行（未保存代码）
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/run-tmp" \
  -d '{
    "content": "print(1+1)",
    "filename": "tmp_strategy.py",
    "model_id": "mdl_cn_ensemble_xxx"
  }'
# 返回: {job_id, status: "started", runner_image}

1.2 流式查看日志 / 结果

# SSE 流式日志（[SYSTEM]/[RESULT]/[ERROR]/[PROCESS_FINISHED]）
curl -s -N -H "$AUTH" "$BASE/api/v1/ai-ide/execute/logs/{job_id}"

日志关键标记：

• [SYSTEM] 使用回测中心同一回测引擎执行 — 模块型策略进入回测
• [RESULT] annual_return: ... / sharpe_ratio: ... — 回测结果
• [ERROR] ... — 执行错误
• [PROCESS_FINISHED] — 执行结束

1.3 停止执行

curl -s -X POST -H "$AUTH" "$BASE/api/v1/ai-ide/execute/stop/{job_id}"

1.4 语法检查

curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/ai-ide/execute/check-syntax" \
  -d '{"code": "class Strategy: ..."}'

2. 回测默认模型

AI-IDE 回测使用默认模型（GET /api/v1/models/default，缺失时先经管理后台/训练链路配置），回测前自动检查模型 pred 就绪：

• 单模型：读模型目录 pred.pkl / pred.parquet；缺失时提示"请先对该模型执行推理生成预测"
• 融合模型（ensemble_config.json）：自动用子模型 pred 融合生成 pred.pkl（截面排名百分位加权）
• 向量化极速回测：纯 TopK 策略（topk=n_drop、无加权/无止损/无自定义类）自动走向量化引擎（秒级），复杂策略保真走 step 模式

3. 策略代码规范

模块型策略（回测中心兼容模式）需定义：

• STRATEGY_CONFIG：dict，含 class + kwargs（signal/topk/n_drop/rebalance_days 等）
• 或 get_strategy_config()：返回上述 dict
• 支持 POOL_FILE 顶部变量指定股票池文件

策略类参考（以代码为准：extended_strategies.py + recording_strategy.py；module_path 必须显写， 仅下表前 7 个类缺省时可由 builder 自动补全 strategy_builder.py:16-24）：

禁止引用 RedisVolatilityWeightedStrategy / RedisFullAlphaStrategy：代码中不存在， 生成会导致 ImportError。最小可用结构见后端模板 backend/services/engine/routers/ai_ide/skill_templates/qlib_model_strategy_config.md:16-35 （get_strategy_config() + signal: "<PRED>" + topk/n_drop/rebalance_days/only_tradable 必备， 因子过滤必须用 f_ 前缀参数）。

4. 股票代码口径（分层，禁止混用）

• Strategy Lab SDK（universe、buy/sell、ctx.history/feature）：前缀式 SH600036
• Qlib 模块型策略 / 直接读 QuantDB parquet / /stock-terminal / D.features：后缀式 600036.SH （跨格式查 parquet 会静默查空；Qlib 内部大小写由回测层自动兼容，生成代码时不用手写小写）
• 前端展示 / PG / Redis：前缀式（SH600036；Redis 快照键为小写 market:snapshot:sh600036）
• 生成策略代码时按目标执行层选用格式；不确定时用 StockCodeUtil.to_suffix/to_prefix （backend/shared/stock_utils.py）显式转换，禁止手写切片。

5. 策略云端落库

# 保存策略（字段以 StrategyCreateRequest 为准：name 必填，调参放 parameters，勿用 params/strategy_type/market）
curl -s -X POST -H "$AUTH" -H "$CT" "$BASE/api/v1/strategies" \
  -d '{
    "name": "AI生成-低估值策略",
    "description": "PE<15 且 ROE>10",
    "code": "STRATEGY_CONFIG = {...}",
    "parameters": {"topk": 50, "n_drop": 5, "rebalance_days": 3},
    "tags": ["AI生成"]
  }'

# 策略列表 / 模板
curl -s -H "$AUTH" "$BASE/api/v1/strategies"
curl -s -H "$AUTH" "$BASE/api/v1/strategies/templates"

6. 实战流程（推荐）

当用户要求"写个策略 / 运行策略"时：

1. 理解需求：确认选股条件（市值/PE/ROE/动量/行业等）和市场
2. 生成策略代码：构造 STRATEGY_CONFIG（模块型）或可执行脚本
3. 保存落库：/strategies POST 保存到云端
4. 执行：/ai-ide/execute/start（带 model_id + qlib_provider_uri）
5. 看结果：/ai-ide/execute/logs/{job_id} SSE 流式，等 [PROCESS_FINISHED]
6. 回测深挖：用 [[backtest-center]] 技能对策略跑完整回测
7. 调优迭代：根据回测结果调参数，重新生成

7. 相关技能

• [[backtest-center]] — 完整回测中心（对比/优化/深度分析）
• [[smart-strategy-stock-picking]] — 条件选股生成股票池
• [[quantmind-operations]] — 模型训练/推理/数据更新

8. 常见问题