聚宽策略助手 · JoinQuant Skill 让 Coding Agent 先查聚宽 API，再写策略。 快速开始 · 能力说明 · 验证与边界 · 相关项目 给 Coding Agent 使用的聚宽（JoinQuant）API 知识库、策略骨架与代码检查工具。 Cursor、Claude Code、Codex 等 coding agent 熟悉 Python，却不一定了解聚宽的运行环境和 API 约束。它们可能编造函数、混用研究与回测接口、忽略复权和交易成本，最后给出一份语法正确但无法在聚宽运行的策略。 本仓库把聚宽 API 资料、策略骨架、静态检查、因子示例、研报解析流程和 MCP 工具放在同一个 skill 中。Agent 可以按任务加载所需资料，人也可以直接使用其中的 CLI。 [!IMPORTANT] 本仓库只能检查代码结构和部分聚宽用法，无法验证策略收益，也不能替代聚宽云端的编译、回测和模拟交易。lint 通过只说明代码没有命中当前规则；你仍需检查数据时点、交易成本、风险约束和成交条件。 导航 - Quick Start - 它解决什么问题 - 能力说明 - 常用工作流 - 安装 - MCP server - 验证与使用边界 - 项目结构 - 相关项目 - Star History Quick Start 1. 克隆仓库 下面的 API 搜索、策略生成和 lint 命令不需要第三方依赖。测试、factors、factorlab、PDF 解析和 MCP 的依赖见可选依赖。 2. 生成策略骨架 3. 检查策略 修完 error 和 warning 后，把代码粘贴到聚宽 Web 编辑器，继续做平台编译和回测。 4. 让 Agent 使用这个 skill 注册完成后，将需求直接交给 Agent： Agent 会按任务读取对应模板和 reference，核对 API 后再生成代码。 详细安装步骤见 INSTALLCN.md，完整开发流程见 WORKFLOW.md。 它解决什么问题 API 幻觉 jqdata.getstockdata()、pandas.DataFrame.diffindiff() 这类函数并不存在。仓库提供按主题拆分的 reference、原始 API 资料搜索和 lint 规则，让 Agent 在生成代码前先查证。 运行环境混用 同一个函数在研究环境、回测环境和本地 jqdatasdk 中可能有不同的参数与返回结构。每份 reference 都围绕具体使用场景组织，避免把本地研究代码整段粘进聚宽策略。 回测细节遗漏 复权方式、数据截止时点

⚠ No verified equity curve — no track-record source connected.

No score history is stored yet — only the current score is shown.

⚠ No live verification account connected — ask for proof before buying.

Alerts on changes: coming soon

Prop-firm compatibility not provided.

Data-completeness & trust index (not a profitability rating)