xtquantai 看了一圈:它把 QMT 策略开发拆成了 AI 能读的规则
-
GitHub 上有个仓库
dfkai/xtquantai,171 star,MIT。它不是一个软件,也不是那种"你问它答"的聊天工具,而是一套给 AI 编程工具读的技能包(Agent Skills)。有意思的是它的来历:这仓库原本是 xtquant 的 MCP 服务器实现,后来整体转型成 skill 仓库,旧代码留在
legacy-mcp分支,不再维护。等于把"给 AI 一个接口"换成了"给 AI 一份说明书"。目前只有一个技能真能用
qmt-inner-backtest——你把研报 PDF、公式截图或者一段文字描述丢给它,它先输出一张策略规格表让你确认:因子公式逐行写、需要哪些行情和财务字段、股票池、持仓数、调仓频率、回测区间。你确认完,它才基于母版脚本生成 QMT 内置回测。我翻了它的 SKILL.md,几个细节做得比一般的"AI 写策略"靠谱:
- 结构固定:
after_init一次性算全区间因子和信号,handlebar只负责在调仓日执行。哪里能改、哪里别动,划得很清楚; - 防未来函数是写死的规则:T 日因子
shift(1)到 T+1 成交,文档里明写「禁止去掉.shift(1)」,除非用户主动要求并接受前视偏差。这条不靠模型自觉; - 自带 Barra 流水线:MAD 去极值、市值 OLS 中性化、申万行业 Z-score、截面标准化;
- 脏活都在模板里:上市满 120 天、ST 区间、停牌过滤、涨停不买跌停不卖、科创板 200 股其余 100 股整数倍。
差别就在这儿:让模型从头写,是"你描述,它发挥";给它一套规则,是"它按规矩填"。
装法
npx skills add dfkai/xtquantai --skill qmt-inner-backtestClaude Code、Cursor、Codex、Gemini CLI、Kimi Code 都能装,跨工具的通用目录是
.agents/skills/。仓库在 CI 里按 Agent Skills 标准校验格式,这点做得挺规范。几句实话
- QMT 只能在 Windows 跑,生成的脚本要自己在策略编辑器里核对参数,skill 只是"生成过程"不限平台;
- 另外三个技能(期货开平仓、目标持仓实盘模板、飞书信号推送)都还在规划中,现在别当成品看;
- 它解决的是"重复编程和接口适配",不解决"你这因子有没有用"。因子好不好,还是得自己回测说话。
现在它的价值是一条规则链,不是一个全能工具。但对天天在 QMT 里复制粘贴策略框架的人来说,这条链省下的时间是真金白银。
你们让 AI 写 QMT 策略,是自己给模板,还是让它自由发挥?
仓库地址:https://github.com/dfkai/xtquantai ,MIT 许可。
- 结构固定: