AI 工具实践备忘 · 2026年8月第1周

一、量化交易能力建设：Quant Signal Factory 信号工厂

项目：FM_trade 生态 — Quant Signal Factory 信号工厂核心引擎：RD-Agent 0.8.0 + Qlib 0.9.8（LLM 因子挖掘 → 回测评估 → 信号导出）

维度	关键产出
核心引擎上线	RD-Agent 0.8.0 + Qlib 0.9.8 因子挖掘管线端到端跑通
数据基础	Wind MCP → Qlib 数据桥，207 只标的，5.5 年日线数据
LLM 因子产出	5 轮迭代，12 个 DeepSeek-V4 生成的因子，全部通过 PIT 验证
回测验证	LightGBM 模型 + TopkDropoutStrategy，最佳 IC 0.0152 / 年化 36.6%
踩坑	7 个技术卡点全部解决，坑→规则转化率 100%
代码量	6,287 行 Python，20 个模块

RD-Agent 是微软开源的自动化 R&D 框架，核心是 "LLM 提出假设 → 自动编码 → 回测验证 → 反馈迭代" 的闭环：

Qlib 是微软的 AI 量化平台，提供数据处理、特征工程（Alpha158）、模型训练（LightGBM 等）到回测评估的完整管线。

二者关系：RD-Agent 是"大脑"（决定挖什么因子），Qlib 是"裁判"（评估因子好不好用）。

5 轮迭代，12 个因子产出。关键发现：

轮次	因子组	组合 IC	年化收益	最大回撤	超 SOTA
1	5日动量 + 20日波动率 + 量价相关 + 价格位置	0.0152	36.6%	-11.3%	✅
2	10日动量 + 5日波动率 + 量价相关 + 价格位置	0.0089	36.3%	-13.7%	❌
3	VWAP偏离 + ATR归一化 + 量价比 + PVT	0.0086	23.0%	-13.8%	❌

关键发现：简单因子组合表现最优。增加复杂度（VWAP 偏离、ATR 归一化、PVT）并未提升 IC，反而引入噪声。LLM 能根据回测结果自我调整——第 3 轮失败后，第 4 轮自动转向"市场微观结构"方向。

坑 1：Alpha158 返回 0 行 → ZeroDivisionError（阻断级）

模板配置的时间范围是 2008-2020，但实际数据覆盖 2021-2026。Alpha158 在 2008-2020 范围找不到数据，返回 0 行导致除零崩溃。

修复：更新所有模板 YAML 中的时间范围，monkey-patch 自动适配。

沉淀：数据时间范围是量化管线的"隐形契约"。模板里的硬编码日期是默认假设用户有 Qlib 官方数据集，自建数据必须显式对齐。

坑 2：YAML 将 "000300" 解析为整数 300（阻断级）

YAML 1.1 规范中 000300 被解析为八进制 → 整数 300。Qlib 期望字符串格式的 instrument 代码。

修复：加引号 benchmark: &benchmark "000300"。

沉淀：股票代码如 000300、000905 在 YAML 中必须加引号。

坑 3：conda/qrun 在 Windows 上不可用（阻断级）

RD-Agent 设计为 Linux 优先，Windows 上 conda 不在 PATH，qrun 是 Unix 命令。

修复：通过 monkey-patch 绕过——用 Python 子进程调用 Qlib 的 workflow() API 替代 qrun 命令行。

沉淀：在 Windows 上跑 Linux-first 框架，核心策略是"用 Python 替代 Shell"。

坑 4 ~ 7：API 变更 + 环境差异 + 数据模型

坑	现象	沉淀
Qlib 0.9.x API 变更	`Alpha158` 模块路径迁移	框架版本升级后必须检查 `module_path` 兼容性
MLflow 3.x 文件存储	`file store is not supported`	依赖链每个主版本升级都可能引入隐性变更
Bash `$` 转义	`$close` 被解释为变量引用	Bash 中 Qlib 表达式必须 `\$` 转义
数据模型语义	`factor_implementation` 是布尔值不是代码	不要假设属性名就是它的语义

RD-Agent 在 Windows 上运行需要 7 层补丁，已全部集成到 rd_runner.py：

下周重点：扩展数据至 2015 年（IC 有望从 0.015 提升至 0.03+）、让信号工厂真正接入 FM_trade 交易决策。

本周核心主题：从"不可能"到"跑通了"。RD-Agent 在 Windows 上的部署曾被认为是不可行的（conda/qrun 缺失、Docker 不可用、API 版本不兼容），但通过 7 层补丁体系的系统性工程，LLM 因子挖掘的全链路已经打通。

模板文件中的硬编码日期（2008-2020）是框架的默认假设。使用自建数据时，必须显式对齐日期范围，否则 Alpha158 处理器静默返回 0 行，直到除零崩溃才暴露。

通用规则：任何框架的模板配置都有"默认假设"，迁移到自己的数据时必须逐项核对。

不是让 Windows 支持 conda/qrun，而是用 Python 子进程调用等效的 Python API。7 层补丁体系的本质是"用 Python 替代 Shell"——每一层补丁都是把一个 Unix 专有操作替换为跨平台的 Python 等价物。

本周 7 个坑全部产出了可执行的规则，累计规则库持续增长。每个坑的沉淀不是"下次注意"，而是写入配置校验、写入 YAML 规范、写入代码注释——让规则可执行、可检查、可自动化。

*— 记录于 2026.08.07*