OpenClaw震惊!开源量化投研平台 StockAnalysis 上线,送给还在手动看盘的你

如果你有 Tushare 账号，会用 Python，装过任意一个 AI 编程工具——不管是 OpenClaw、Claude Code 还是 VSCode + Kimi——今天你可以用一句话，让 AI 帮你把一套 A 股量化投研平台跑起来。

不需要看几十页文档，不需要手动调环境，直接说话。

这个项目是什么

StockAnalysis 是一个基于 Backtrader + DuckDB 的开源量化投研框架，托管在 GitHub：

https://github.com/WittFan/stockanalysis

它能做什么？

• 行情可视化
  ：启动即是 Web 服务，浏览器打开就能看个股趋势、行业轮动
• 策略回测
  ：Backtrader 引擎，用 TOML 配置文件定义策略参数，点一下运行
• 因子计算
  ：内置表达式引擎，支持自定义选股因子
• 数据管理
  ：Tushare 多线程增量拉取，本地 DuckDB 存储，不依赖第三方数据服务
• 实盘对接
  ：预留 QMT 接口，Mac 开发、Windows 实盘，REST API 通信

它不是什么？它不是 SaaS，不是需要充会员的平台，数据在你自己的机器上，代码完全开放，想怎么改怎么改。

为什么跟 AI Agent 结合

量化开发有个永恒的痛点：框架搭好了，但每次想跑个新想法，配置就要折腾一圈。

新建因子要找文件位置，改策略参数要对照文档，回测出了问题要翻日志——这些全是低信息密度的重复劳动。

这个项目的设计思路是：

框架内部代码不修改，所有扩展挂载在外部的 clawspace/ 目录。AI Agent 的工作区间就是这个文件夹，框架核心它碰不到。

你只需要对 AI 说「帮我写一个按动量选股的算子」，它在 clawspace/algos/ 里生成代码；说「跑一个沪深300成分股、过去三年、月度换仓的回测」，它在 clawspace/projs/ 里生成 TOML 配置，然后帮你执行。

框架是稳定的底座，AI 是灵活的操作手。

三种启动方式，按你的习惯选

方式一：OpenClaw 🦞（最懒人）

OpenClaw 是本地运行的开源 AI Agent 平台，数据不出本机，支持接入 Claude / Kimi / DeepSeek，可以通过微信、飞书、VSCode 等任意入口对话。

已安装 OpenClaw 的用户，直接在对话框发送：

从 https://github.com/WittFan/stockanalysis 下载代码，阅读 SKILL.md，将其安装为 stockanalysis skill。

龙虾会自动读取项目内置的 SKILL.md，完成：代码拉取 → 依赖安装 → 数据库初始化 → 服务启动，全程不用你动手。后续想扩展功能，继续对话就行，它只在 clawspace/ 里操作，不碰框架本体。

方式二：Claude Code

Anthropic 官方的终端 AI 工具，在项目目录内直接对话，可读写文件、执行命令。项目内置了 CLAUDE.md，Claude Code 打开目录就能理解整个项目架构。

git clone https://github.com/WittFan/stockanalysis.git# 进入目录后启动 Claude Code，发送：阅读 README.md 和 CLAUDE.md，帮我完成初始化配置和启动。

方式三：VSCode + Kimi

不想折腾新工具的，VSCode 配上 Kimi 插件同样能搞定：

从 https://github.com/WittFan/stockanalysis 拉取代码，阅读 README.md，帮我完成初始化配置和启动。

方式四：古法编程（手动）

喜欢自己掌控每一步也没问题，六步走完：

1. cp config_default.py config.py
   ，填入 Tushare Token
2. pip install -r requirements.txt
3. python orm_models/register.py
    初始化数据库
4. python pull_tushare/main.py
    拉取数据
5. python main.py
    启动服务
6. 浏览器访问 http://localhost:8888

DIY 扩展的边界在哪里

这个框架有一个设计原则，值得单独说一下：

框架核心目录（engine/、datafeed/、web_service/ 等）不需要也不应该修改。

所有个性化的东西——你的选股逻辑、你的因子、你的回测配置——全部放在 clawspace/ 这个专属目录里。

clawspace/├── algos/       ← 你的算子├── factors/     ← 你的因子├── projs/       ← 你的策略配置└── scripts/     ← 你的临时脚本

这样的好处是：框架更新了，你的扩展不受影响；别人分享了一个新算子，直接扔进去就能用；AI Agent 的权限边界也非常清晰，它在沙箱里工作，出不了事。

需要准备什么

• Tushare 账号
  ：去 tushare.pro 注册，购买积分获取 Token（200元起，2000积分，基础行情数据足够）
• Python 环境
  ：3.9+，按 requirements.txt 安装依赖
• AI 工具
  （可选）：三选一，OpenClaw / Claude Code / VSCode+Kimi，没有也能用

实盘交易还需要：国金 QMT 客户端（Windows 机器），以及愿意为自己的交易结果负责的心理准备。

最后

量化投研这件事，工具链一直是门槛之一。数据在哪里拿、回测框架怎么搭、策略怎么落地成代码——过去这些都需要大量前置学习。

AI 工具的普及，正在把这个门槛快速拉低。但前提是你得有一个结构清晰、文档完整、专门为 AI 协作设计的框架底座。

StockAnalysis 试图做的，就是这件事。

项目地址：https://github.com/WittFan/stockanalysis

欢迎 Star，欢迎 PR，欢迎在评论区分享你用 AI 跑出的第一个回测结果。

数据来源 Tushare，回测结果不构成投资建议。