qlib/docs/USAGE.md

qlib-platform 使用说明

适用代码版本：M0–M5 + M-DB + M6 选股系统 / M7 因子层 / M8（Signal·Portfolio·Strategy·Agent·Web） 全部完成（数据库已切换 MySQL）；若文档与代码不一致，以代码与 ROADMAP.md / DEV_PLAN_v2.md 为准。

本文覆盖：安装配置、数据同步、启动前后端、研究 API、研究引擎与 Qlib 接入、 AI Agent、测试门禁、已知限制。

---

1. 项目概览（当前完成度）

个人 A 股中低频量化研究平台：

模块	位置 / 说明
数据层	backend/app/domain、infrastructure/data_sources：Tushare 首选 + 新浪备用（Failover 审计）；默认 MySQL（config.yaml database.mysql）+ 日线 Parquet 导出
选股系统	quant/selection.py + application/services/selection_service.py：条件选股（A）/ 因子评分 TopN（B），as_of 当前/历史一致；结果落库可复现、可解释
因子层	factor_definition 入库（/api/factors 读库：代码注册表投影 + 参数化实例，参数写在名字里以冻结口径）+ Composite Engine（quant/composite.py，组合落库 /api/composites）+ 行情口径显式化（price_adjustment）
交易信号	quant/signal.py：评分排名 + 趋势规则 → BUY/WATCH/SELL + 理由，落库 /api/signals
研究/回测	backend/app/quant：ResearchSpec → 因子 → IC/RankIC/分层 → TopK 低频回测 → 标准化 BacktestResult；双引擎：LocalEngine（默认）与 QlibEngine v1
策略	strategy 落库 + /api/strategies（命名策略，可展开为回测 spec）
Web	frontend/web：总览 / 股票池 / 股票筛选 / 因子研究 / 因子组合 / 交易信号 / 选股回测 / 实验
异步与归档	Job 状态机 + Experiment 自动归档 + 一键复跑 + SSE 进度
AI Agent	14 个受控工具（v3 §25 全清单）+ LLM 编排

技术栈：Python 3.12(uv) · FastAPI · SQLAlchemy 2 · Alembic · MySQL(pymysql)（SQLite 兜底）· pandas · pyarrow(Parquet) · pyqlib 0.9.8.dev32(源码安装) · LightGBM · Next.js 15 · TradingView Lightweight Charts 4.2.3（唯一图表基座） · Redis（本机 127.0.0.1:6379 已就绪，触发时接入）

---

2. 环境准备

# 工具（本机已装则跳过）
python3 -m pip install uv
# Node 18+ 与 pnpm： https://pnpm.io/installation

# 1) 后端依赖（backend/.python-version 固定 3.12）
cd backend
uv sync                       # 基础依赖（含 Qlib/qlib 源码安装依赖）
uv sync --extra datasource-tushare   # 数据同步需要 Tushare SDK（首次）

前端：

cd frontend/web
pnpm install                  # 依赖使用 npmmirror 镜像时较快
cp .env.local.example .env.local   # NEXT_PUBLIC_API_BASE 默认 http://127.0.0.1:8000/api

Qlib 安装说明：本机（Linux aarch64 + CPython 3.12）经源码 git 安装并固定 commit， 见 backend/pyproject.toml 与 docs/QLIB_VERIFICATION.md。

---

3. 配置

3.1 根目录 .env（密钥，不入库）

cp .env.example .env

变量	必填	说明
TUSHARE_TOKEN	同步数据时必填	Tushare Pro token
LLM_API_KEY	使用 Agent 时必填	大模型 API Key（URL/模型名在 config.yaml）
DATABASE_URL	否	默认库 = config.yaml → database.mysql（本机 MariaDB 127.0.0.1/qlib）；设此项可覆盖（如切回 SQLite）
MYSQL_PASSWORD	使用 MySQL 默认库时必填	MySQL 密码（config.yaml database.mysql.password_env 引用；host/db/user 在 config.yaml）
APP_SECRET_KEY	否	应用密钥（未接登录，可暂不改）

约定：密钥只放 .env；URL、模型名等可配置项放 config.yaml。.env 已被 gitignore，严禁提交。

3.2 根目录 config.yaml（可配置项，可入库）

常用字段（节选，完整见仓库根 config.yaml）：

app: {name, version, debug, secret_key_env}
api: {prefix: "/api"}
database:
  url_env: "DATABASE_URL"
  migrations_dir: ...
  mysql: {enabled: true, host: "127.0.0.1", port: 3306,
         db: "qlib", user: "qlib", password_env: "MYSQL_PASSWORD", charset: "utf8mb4"}
# URL 优先级：DATABASE_URL 环境变量 > database.mysql 组装 > sqlite:///./data/quant.db 兜底
data_source: {primary: "tushare", fallback: "sina", tushare_token_env: "TUSHARE_TOKEN"}
storage: {parquet_dir: "data/parquet", qlib_dir: "data/qlib", ...}   # 相对项目根
agent:
  llm:                                      # ← AI Agent 模型接入
    base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"   # URL 在这里配
    model: "qwen-plus"                      # 模型名在这里配
    api_key_env: "LLM_API_KEY"              # Key 仍从 .env 读

• 换模型：改 config.yaml → agent.llm.model（如 qwen-max / deepseek-chat 等 OpenAI 兼容接口模型），并按平台同步 base_url。
• 也可用 .env 的 LLM_BASE_URL / LLM_MODEL 覆盖 yaml（env 优先）。

3.3 数据库迁移

cd backend
uv run alembic upgrade head      # 在 config 指定库上建表（默认 MySQL qlib；SQLite 兜底库为 data/quant.db）
# 开发中改 Model 后：
uv run alembic revision --autogenerate -m "desc"
uv run alembic upgrade head
# 对指定库执行（不随默认配置）：
DATABASE_URL='mysql+pymysql://user:pass@host/db' uv run alembic upgrade head

2026-09 已把数据从 SQLite（data/quant.db）全量迁移至 MySQL；随后默认库切换到 本机 MariaDB 10.11（127.0.0.1:3306/qlib）（服务器主机名 summer，socket /opt/local/var/run/mariadb-10.11/mysqld.sock，账号 qlib@localhost；实测后端进程只有 127.0.0.1:3306 连接），与远端 192.168.1.10/qlib 为逐表一致副本（远端已禁止作为 DB 目标： assert_db_target_allowed 硬拦截，见 AGENT.md §0.1） （迁移当时 stock_daily 7,792,869 / adjust_factor 7,898,717；当前 Alembic head a3f8c21d9b47 = 迁移链 f5e0d1c2b3a4 → 22d7380706f7(daily_basic) → 7b1c4e9a52d8(result_json→MEDIUMTEXT) → a3f8c21d9b47(stock_name_history)）。 迁移工具与校验见 scripts/migrate_sqlite_to_mysql.py（--verify-only 可复查一致性）。

---

4. 数据同步与导出

cd backend
uv run python -m app.cli.sync basic                     # 股票基础信息（在市 L）
uv run python -m app.cli.sync basic --include-delisted   # 追加已退市 D / 暂停上市 P（含 delist_date）
uv run python -m app.cli.sync namechange                # 名称变更历史（时点 ST 判定，按年分片）
uv run python -m app.cli.sync calendar --start 20240101 --end 20241231
uv run python -m app.cli.sync daily --symbols 600519.SH,000858.SZ --start 20230101
uv run python -m app.cli.sync daily --all --start 20240101 --resume   # 全市场 + 断点续传
uv run python -m app.cli.sync financial --all                       # 财务指标（默认增量）
uv run python -m app.cli.sync financial --all --full                 # 财务指标（强制全量重拉）
uv run python -m app.cli.sync daily_basic --start 20200101            # 每日指标（股息率/PE/PB/市值）
uv run python -m app.cli.sync verify --symbol 600519.SH               # 新浪交叉验证
uv run python -m app.cli.sync export [--years 2023,2024]              # 日线按年导出 Parquet

• basic --include-delisted：Tushare stock_basic 默认只返回在市股票，因此 delist_date 恒为空、退市股整体缺失（回测幸存者偏差的根因）。加该参数后按 list_status=L/P/D 分别拉取并写入 status/delist_date（实测 2019-12 之后退市 230 只）。 ⚠️ 退市股的历史行情必须另行同步，否则池子里有票、没行情： sync daily --symbols <退市代码> --start 20190101。时点股票池语义由 filter_stocks 保证（delist_date < as_of 排除），无需额外配置。

• namechange：Tushare namechange 的名称生效区间（实测 14,213 行，覆盖 1990-12 起）。 用途：把 universe.exclude_st 从「最新名称快照」升级为时点名称 —— stock.name 是最新快照，用它判定会把「曾为高股息、后来才变 ST/退市」的标的 在整段历史里排除，而那正是股息陷阱样本（实测影响约 3.70pp 收益）。 回测在每个择股日按当时名称重判，与 /api/selections 的单时点口径一致； 未同步时自动回退最新名称，并在结果 config_snapshot.price_basis.name_basis 标注 point_in_time=false（不静默）。

• daily_basic：Tushare daily_basic 接口的每日指标（dv_ratio 股息率 / dv_ttm / pe / pb / total_mv 等），是高股息类策略的数据基础。按缺失交易日续跑， 可中断重跑；每 20 个交易日提交一次进度。仅 Tushare 提供，新浪不支持 （DataSourceNotSupported，不做假兜底）。

• 每次拉取写入 sync_log 审计（来源 / 成功与否 / 行数 / 区间），禁止静默切换数据源。

• daily 同时写入日线与复权因子；--resume 从本地最新交易日续传。financial 默认增量：本地已含「最新应披露报告期」（按 A 股披露节奏推算）的股票直接跳过； 逐只落库，中断/限速后重跑同一命令即可续传补齐（只丢当前一只）。

• 新浪兜底带「两边一致」真实性校验：Tushare 报错时，只有当该股票本地历史与新浪 返回数据重叠部分一致，才把新浪新数据（本地缺失键）导入，并标记 source=sina（日线另标记 adjust=qfq 前复权；新浪不提供复权因子）。 校验口径：财务为重叠报告期的 eps / 销售毛利率逐期一致（ROE 两端口径不同， 不作依据）；日线为最近重叠交易日的前复权价一致（老交易日在除权后不可比）。 本地无历史可对照或校验不一致 → 拒绝导入并告警，留待 Tushare 恢复后重跑补齐。

• 限速时可加 --sleep 秒数 加大请求间隔；financial --full 重拉全部历史并覆盖既有行。

• 新浪（verify）仅交叉验证，返回前复权口径，不会并入不复权主库。

• 财务指标带 announce_date（公告日）与 source（tushare/sina）；研究侧只允许 使用已公告数据（防未来函数），对同一报告期优先消费 source=tushare 的行。

• export：data/parquet/stock_daily/<year>.parquet（列：symbol/trade_date/ohlc/volume/amount）， 由 pyarrow 写出，可直接用 pandas 读取分析，或作为 Qlib 等引擎的后续数据源。

---

5. 启动

一键脚本（后端 + 前端同时管理）：

scripts/dev.sh start      # 启动后端(8000) + 前端(3000)
scripts/dev.sh status     # 查看状态
scripts/dev.sh restart    # 重启
scripts/dev.sh stop       # 停止
scripts/dev.sh logs api   # 跟踪后端日志（web 同理）

# 局域网访问前端时（例如 http://192.168.1.160:3000）：
# BACKEND_API_URL=http://192.168.1.160:8000 scripts/dev.sh start

手动分别启动见下：

# 后端（端口 8000）
cd backend
uv run uvicorn app.main:app --reload --port 8000
# 交互文档：http://127.0.0.1:8000/docs   健康检查：/api/health

# 前端（端口 3000）
cd frontend/web
pnpm dev
# 打开 http://127.0.0.1:3000

页面：总览 → 股票池（搜索/列表）→ 因子研究（目录 + 单因子 IC/RankIC/分层）→ 回测（参数 → 净值/回撤/月度/持仓/未建模标注）→ 实验（归档列表 / 详情 / 一键复跑）。

---

6. 研究 API 与研究引擎

6.0 引擎分层（M6–M8）

研究/选股链路自 M6 起分层：Composite Engine（因子复合分）→ Selection Engine （条件/评分选股）→ Signal Engine（买卖信号）→ Portfolio（组合权重）→ 回测。 当前选股与历史回测共用同一评分引擎（quant/composite.build_score_panel）， 保证 v2 §25「历史回测与当前选股用同一套逻辑」（一致性由测试锁定）。

• 选股：POST /api/selections，body 为 SelectionQuery（universe / factors / top_n / as_of / method）；结果候选含 factor_values 与 selection_reason（为什么选它）。
• 信号：POST /api/signals，body {query, rules}；rules 含买入排名阈值/趋势 MA/卖出区间。
• 策略：POST /api/strategies 保存命名策略 → POST /{id}/expand 补 period 展开为 spec 提交回测。

6.1 研究引擎：LocalEngine（默认）与 QlibEngine v1

服务通过 QuantEngine Protocol 注入引擎（backend/app/quant/engine.py）：

• LocalEngine（默认，研究服务与 API 使用）：纯 pandas —— 因子注册表计算 → 截面 z-score 复合 → TopK 月/周调仓回测。无需 Qlib 数据。
• QlibEngine v1（quant/qlib_adapter/engine.py）：同一套因子与记账规则，但行情经 QlibDataset 供给 —— 把本地行情按 qlib 官方二进制格式落盘（默认 data/qlib， 可注入 QlibEngine(qlib_dir=...)）→ qlib.init + D.features 读取 close → 回测。

切换示例（代码内）：

from app.quant.engine import LocalEngine            # 默认
from app.quant.qlib_adapter.engine import QlibEngine  # Qlib 数据管线引擎
from app.quant.service import ResearchService

engine = LocalEngine()          # 或 QlibEngine()
service = ResearchService(stock_repo, daily_repo, engine)

注意：Qlib bin 以 float32 存储，QlibEngine 结果与 LocalEngine 存在极小数值差 （真实 20 股对照：-12.81% vs -12.97%），属预期精度差异，不影响结论方向。

6.2 API（curl 示例）

研究输入统一为 ResearchSpec（前端 / API / Agent 同构）：

curl -X POST http://127.0.0.1:8000/api/backtests \
  -H 'Content-Type: application/json' \
  -d '{
    "type": "backtest",
    "universe": {"exclude_st": true, "min_listing_days": 0},
    "factors": [{"name": "momentum_60", "weight": 1.0}],
    "selection": {"top_n": 5},
    "rebalance": "monthly",
    "period": ["2024-03-01", "2024-12-31"]
  }'

高股息案例（两级截断 + 双周期 + 复权 + 条件过滤）——同一 spec 在页面/API/脚本一致：

curl -X POST http://127.0.0.1:8000/api/jobs \
  -H 'Content-Type: application/json' \
  -d '{
    "type": "backtest",
    "universe": {"exclude_st": true, "min_listing_days": 250},
    "price_adjustment": "hfq",
    "factors": [{"name": "dividend_yield", "weight": 1.0}],
    "conditions": [{"field": "dv_ratio", "op": "lte", "value": 30}],
    "selection": {"top_n": 20, "hold_top_x": 20,
                  "allow_substitute": false, "defer_buy": true},
    "rebalance": "monthly",
    "selection_interval_months": 6,
    "rebalance_interval_months": 6,
    "costs": {"commission_rate": 0.0003, "stamp_tax_rate": 0.0005,
              "slippage_rate": 0.001, "min_commission": 5.0},
    "initial_capital": 1000000,
    "period": ["2020-01-01", "2026-09-04"]
  }'

一键脚本（含指标打印与结果落盘，走真实 Job 链路）：

cd backend && PYTHONPATH=. .venv/bin/python ../scripts/run_dividend_case.py --help

新增 spec 字段说明：

字段	语义	默认
selection.top_n（n）	择股条件/因子排序后候选池大小	30
selection.hold_top_x（x）	实际持仓数，必须 ≤ n（超出直接校验失败）	= n
selection.allow_substitute	买不进时是否往 n 名之外替补	true（向后兼容）
selection.defer_buy	买不进时顺延到之后首个不涨停交易日买入	false
selection_interval_months（m）	每 m 个月择股一次（锚定起始月）	空 = 每次调仓都择股
rebalance_interval_months（y）	每 y 个月调仓一次	= m
conditions[]	选股过滤条件（AND，universe 之后、排序之前）	空
price_adjustment	none / qfq / hfq（回测与成交价同源折算）	none
costs.min_commission	单笔最低佣金（元）	0

allow_substitute 与 defer_buy 互斥（同时为 true 会被拒绝）： 「换一只买」与「等它不涨停」是两种互斥的补位哲学。 顺延单只在两次调仓之间有效，到下一次调仓仍未成交则作废（资金留作现金）。

端点	说明
GET /api/health	健康检查
GET /api/stocks?q=600519&limit=20	股票列表/搜索（单页上限 500）
GET /api/stocks/names	{symbol: name} 全市场名称映射（5,900+ 条，前端启动一次性拉取并缓存，避免表格逐行查名称）
GET /api/stocks/{symbol}	单只股票详情
GET /api/factors	因子目录：代码注册表 + 参数化实例（读 factor_definition 表）。每行带 template / params / param_specs（可编辑参数与允许范围）/ label（中文名含参数）/ source / enabled / resolvable。读取时按「引擎口径字段」做差集同步（代码里新增的因子当场补进来，能算出来的行口径按代码纠正，手改会被改回）；算不出来的手登记行保留但标 resolvable=false（引用即 FactorError）。稳态零写入
GET /api/factors/templates	因子模板：可编辑参数（param_specs：类型/范围/枚举/默认值/说明）、公式、依赖列、已有内置实例 —— 「新建参数化因子」表单的数据源
POST /api/factors	新建参数化因子，body {template, params}（缺省项取模板默认值）→ 201 返回新因子（名字里含全部参数，如 momentum(window=90,direction=higher_is_better)）。越界/未知参数/未知模板/重复参数组合 → 422（detail 说明允许范围）；同参数不会重复创建
PATCH /api/factors	启用/停用因子，body {name, enabled}（名字含括号/等号，放 body 不放路径）。停用只影响能否被选中，历史策略/归档照旧解析；内置实例 → 422，不存在 → 404
GET /api/condition-fields	字段库（过滤条件可用字段，读 condition_field 表；首次读取自动 seed，?include_disabled=false 只返回启用项）
GET /api/condition-fields/available	引擎支持但尚未入库的字段（「新增字段」的可选项）
POST /api/condition-fields	新增自定义字段；字段引擎算不出来 → 422（不假装支持）
PUT /api/condition-fields/{name}	改中文名 / 含义 / 分组 / 界面单位 / 启用状态（name/kind/source 不可改；单位只能取该字段 units 里列出的值，否则 422）
DELETE /api/condition-fields/{name}	删除自定义字段；内置字段 → 400（只能停用）
POST /api/composites / GET /api/composites	因子组合保存 / 列表（方向由注册表填充）
POST /api/selections	执行选股（method=score 评分 TopN / condition 条件）→ SelectionResult 并落库
GET /api/selections/{id} / GET /api/selections	读回 / 历史选股（as_of、method 过滤）
POST /api/signals	生成 BUY/WATCH/SELL 信号（评分+规则）→ 落库
GET /api/signals/{id} / GET /api/signals	读回 / 历史信号
POST /api/strategies / GET /api/strategies	保存（description 留空时自动用推导出的一句话说明补全）/ 列表命名策略
GET /api/strategies/{id} / PUT /api/strategies/{id} / DELETE /api/strategies/{id}	读取 / 原地更新（保留 id 与 created_at，重名 → 400，不存在 → 404）/ 删除
POST /api/strategies/{id}/expand	展开为回测 ResearchSpec（period + 初始资金）
GET /api/strategies/{id}/describe	策略说明：{summary, formula, steps, warnings}（由已保存 spec 推导）
POST /api/strategies/describe	同上，但直接传 ResearchSpec —— 用于未保存参数的实时预览
POST /api/factor-tests	同步单因子测试 → FactorTestReport；结果同样写入归档（kind=factor_test），归档 id 见响应头 X-Experiment-Id
POST /api/backtests	同步回测 → BacktestResult（默认 LocalEngine）；结果同样写入归档，归档 id 见响应头 X-Experiment-Id
GET /api/backtests/last	最近一次同步回测
POST /api/jobs	创建异步 Job（同 spec），返回 {"job_id","status":"queued"}
GET /api/jobs/{id}	查询状态；成功时内嵌 result
GET /api/jobs/{id}/events	SSE 进度（curl -N ...）
GET /api/experiments	归档列表：支持 kind（backtest/factor_test/selection）与 q（匹配 id/因子/摘要）过滤、limit/offset；过滤后总数放在 X-Total-Count 响应头（body 保持数组形状）
GET /api/experiments/{id}	归档详情：spec（复现依据）+ 完整 result + code_version / data_version / job_id / result_bytes
DELETE /api/experiments/{id}	删除一条归档（不存在 → 404）。同时等于删掉这次回测的结果：完整结果只存归档一份，Job 记录仍在但 GET /api/jobs/{id} 的 result 会变成 null（并给 result_unavailable_reason 如实说明）。要留底请先导出 JSON
POST /api/experiments/{id}/rerun	一键复跑 → 新 Job
GET /api/stocks/{symbol}/chart|signals|selections	Chart API：K线/量/MA/复权显示 + 该股历史标记
GET /api/backtests/{experiment_id}/stocks/{symbol}/chart|trades|positions	回测个股图（fills/成交）/明细
POST /api/factor-correlations	多因子横截面 Spearman 相关矩阵
POST /api/replays	Bar Replay 线性重放（as_of 逐日，白名单≤40/区间≤90）
GET /api/jobs / POST /api/jobs/{id}/cancel	Job 列表 / 取消（含 stage 字段上报）
POST /api/selections/jobs	全市场/长任务选股异步 Job（Web 页「异步」按钮）
POST /api/agent/chat	AI 研究助手（见 §7，14 个受控工具）

防未来函数与真实性：回测在调仓日收盘成交、自次日起计收益；财务数据只使用 announce_date 之前已公告内容；成本（佣金/印花税/滑点）、涨跌停、停牌已建模； 未建模约束（如开盘一字路径）会写入结果的 unimplemented 数组，前端如实展示。

6.3 Web 研究工作台：一条闭环走到底

2026-09 重构：把原来「一个策略 = 全套参数」拆成三件独立的事 —— ① 公共配置（/settings，全局唯一）：佣金 / 印花税 / 滑点 / 最低佣金 / 复权口径 / 基准； ② 选股策略（/strategies）：只剩「怎么选」（股票池 + 因子 + 过滤条件）， 不含资金 / 持仓数 / 持仓时间 / 调仓 / 费率 / 区间； ③ 回测组合（/backtest）：引用若干选股策略 + 回测时才定的参数 （起始资金、持仓数 N、持仓天数区间 [Tmin, Tmax]、调仓时机 日/周/月、区间）。 多策略取并集后 Borda 秩和统一打分；Tmax 每个交易日强制了结，Tmin 防频繁换手。 运行时公共配置的成本/复权会快照进归档 config_snapshot，保证可复现。

2026-10 过滤条件字段库（/fields）：过滤条件的字段不再是手填的裸字段名。 字段有中文名 + 含义/口径 + 单位 + 类型，在策略表单里按分组（股票基础 / 行情 / 技术指标 / 每日指标 / 财务指标 / 因子）下拉选择，选中即显示口径说明； 比较符按类型收窄（文本字段只能 等号/属于/不属于，数值字段才能比大小）， 取值支持「和固定值比」或「和另一个字段比」（如 close > ma60）。 字段库由代码注册表 quant/condition_fields.py 与引擎域校验，DB 表 condition_field 承接目录（seed 只补不删，改过的中文名/含义不会被覆盖）； 可改文案、可停用、可新增「引擎支持但默认不入库」的字段、可删自定义字段， 内置字段不可删除（删了下次读取会自动补回）。新增时若字段引擎算不出来 → 422 拒绝 —— 否则会建出一条「永远选不出股票」的条件，这是 AGENT.md 禁止的静默失败。

单位：可选，但只在注册表给的范围内选（2026-10）——字段库里的单位分两层， 改错任何一层都会让策略静默算错，所以分开： 基准单位（base_unit：总市值=万元、成交额=元、成交量=股…）来自数据源落库口径， 是引擎存储与比较用的单位，不可改；策略 JSON、归档 spec、引擎求值一律只用它， 所以归档永远复现得出来。 界面单位（unit）只影响「输入 / 显示」，可在字段库里从注册表给的阶梯里选 （总市值 万元⇄亿元、成交额 元⇄万元⇄亿元、成交量 股⇄手⇄万手、股本 万股⇄亿股）， 提交前 ×系数、回显时 ÷系数。于是「把总市值改成亿元」立刻生效：策略表单输入 5 存进库里是 50000（万元），卡片与说明里显示「总市值 ≥ 5 亿元」——语义一致、口径不乱。 自由文本单位（如 亿亿元）与不在该字段阶梯里的单位（如给总市值选 元）一律 422 拒绝， 因为换算必须按固定系数做，标签与实际口径不一致就是静默错误。 百分数（%）与倍数（倍）不提供备选：换个说法只会制造误读。

打分因子 与 过滤条件 的关系（策略表单内也有同样的说明卡）： 条件 = 准入（全部 AND 通过才有资格，不做排序）；因子 = 优先级（横截面 z-score 加权成复合分后排序，不筛掉任何人）。执行顺序：股票池 → 过滤条件 → 因子打分 → 取 TopN； 其中 N 在回测组合里定，不属于选股策略。同一个字段两种用法都行：高股息策略里 dv_ratio ≤ 30 当条件用（剔掉股息率异常偏高、多为一次性分红或股价暴跌的「高股息陷阱」样本）， dividend_yield 当因子用（让股息率高的排前面）。

因子怎么配（dividend_yield 就是这样一个内置因子）：因子由模板 + 参数两段构成， 都在代码注册表（quant/factors.py）里声明。模板是算法家族（动量 / 波动率 / 量比 / 乖离 / 反转 / 接近新高 / 股息率…），给出公式、依赖列（requires）与可编辑参数的 允许范围；参数是每个实例的取值（窗口、方向）。

参数化因子（2026-10）：参数可以改，改的方式是从模板新建一个参数化因子。 例如把动量窗口从 20 改成 90、方向改成越低越好，就新建 momentum(window=90,direction=lower_is_better) —— 参数写在因子的名字里， 所以它是一个新身份：旧因子、既有策略、已归档的实验都按各自名字里的参数计算， 不会被后来的修改改义。同一个模板的不同参数版本可以并存（momentum_20、 momentum_60、momentum(window=90,…) 同时可用），在策略里各自配自己的权重。

• 受控：窗口是 2 ~ 500 的整数，方向只有「越高越好 / 越低越好」两个选项； 只在给定范围内选/填，越界、未知参数、乱造模板一律 422（不静默截断、不悄悄取默认值）。
• 键要写全参数：momentum(window=90) 这种「漏一个参数」的写法会被拒绝，必须写成 momentum(window=90,direction=higher_is_better)。原因是缺项就得靠模板默认值补齐， 而默认值是可以改的代码细节 —— 一旦改了，库里老策略的含义会追溯性地变掉。 界面里你只选参数，规范键由系统生成（目录页会实时预览）。
• 口径文案仍按代码收敛：描述 / 公式 / 方向 / 回看 / 依赖列以注册表为准，手改会被下次 读取纠正回来（「文档写一套、代码跑另一套」是禁止的）。依赖列更是事实而不是配置： 它决定引擎装配哪些数据列。
• 停用 / 启用：停用只是把因子从选择列表里拿掉，既有策略/归档仍按名字解析； 想彻底换算法就改代码。内置实例（momentum_20 这类历史名）的开关由代码决定， 不能在目录里停用（要不同参数就新建一个参数化因子）。

在选股策略里引用因子时，可配置的是「用哪个参数版本」+ 权重 （score = Σ 权重 × 截面 z-score，方向由该版本的参数决定，lower_is_better 由引擎自动取负号）。 新增的内置因子会在下次读取 /api/factors 时自动补进目录；目录里多出来的手登记行会保留， 但标 resolvable=false —— 引擎算不出来就用不了，不会假装支持。 同一个字段「当条件」还是「当因子」是两种用法，不是两种字段：条件在过滤阶段筛掉， 因子在打分阶段排序。例如 dv_ratio（每日指标列）与 dividend_yield（因子） 今天算的是同一个数，区别只在「筛掉」还是「排序」。参数化因子也能当过滤条件： momentum(window=90,direction=higher_is_better) > 0（因子是无量纲量，不带单位）。

侧栏「策略」分组把研究闭环串成一条线，顺序即引导：

环节	页面	做什么	关键改进
① 出候选	/selection	因子评分 TopN / 条件选股（可指定历史时点）	候选表代码 + 名称且可点击进个股页
② 定规则	/strategies	命名保存选股条件组合（股票池+因子+条件），增删改查	每个策略展示后端推导的一句话说明 + 选股口径；卡片可直接「加入回测组合」；过滤条件的字段从字段库分组下拉选择并显示口径
②″ 管字段	/fields	维护过滤条件的字段库：中文名 / 含义口径 / 界面单位 / 启用状态，新增与删除自定义字段	字段来自引擎注册表（保证真能算）；比较符按类型收窄；单位下拉只列注册表给的档（如 万元/亿元）并注明基准单位；页内说明「因子 vs 条件」关系
②′ 设成本	/settings	维护全局唯一的费率 / 滑点 / 复权口径 / 基准	所有回测组合共用；改动只影响之后的回测，已归档按各自快照复现
③ 验规则	/backtest	勾选 ≥1 个选股策略 + 填回测参数 → 保存为组合 / 直接运行；下方「已保存的回测组合」库可载入 / 直接运行 / 删除	公共配置只读展示；持仓天数区间 [Tmin,Tmax] + 调仓 日/周/月；组合库让保存过的组合能找回来；结果分区锚点导航
④ 复盘	/experiments	勾选 2~3 次回测对比；搜索/按类型筛选后「打开归档」	归一化净值曲线叠加 + 指标差值表（✅/⚠️ 标注改善方向）+ config_snapshot 参数 diff
⑤ 存档	/experiments/{id}	只读归档快照：任意时候都能翻回来看	单策略回测显示「选股条件 + 交易执行依据」；组合回测显示「引用的策略 + 回测参数 + 运行时配置快照」+ 完整结果 + 元数据 + 导出 JSON

几条「直通」链路（都可分享 URL、刷新后仍生效）：

/strategies  ──「加入回测组合」──▶  /backtest?strategy=STG-xxxx        预先把该选股策略勾进组合
/experiments ──「以此参数再跑」─▶  /backtest?from_experiment=EXP-xxxx  复用该实验的参数快照
/backtest 组合库 ─「载入到表单」▶  /backtest                           回填组合名/说明/策略/参数
/backtest 组合库 ─「直接运行」──▶  POST /api/combos/CMB-xxxx/run       用库里那份参数跑（不受表单草稿影响）
/backtest?combo=CMB-xxxx                                             URL 直达某个已保存组合
回测跑完 ──「打开归档（完整快照）」─▶  /experiments/EXP-xxxx           直接查看这次结果的冻结快照

归档是只读的：/experiments/{id} 用 URL 表达「这就是那次回测」，刷新/换设备/分享链接都能看。

• 单策略回测（旧 ResearchSpec 路径，/api/backtests）归档顶部两块表：① 选股条件 （股票池 / 因子与权重及方向 / 过滤条件 / 两级截断 n→x / 择股周期 m / 调仓周期 y / 买不进时怎么办） ② 交易执行依据（成交时点=调仓日收盘、复权口径、滑点后的买/卖价、佣金/印花税/最低佣金、 涨停/跌停/停牌如何拦单、顺延规则、期末是否平仓、对照基准）。
• 组合回测归档顶部改为「回测组合」卡：引用的选股策略 + 回测参数（N / [Tmin,Tmax] / 调仓时机 / 资金 / 区间）+ 交易执行依据（来自运行时的公共配置快照），并明确标注 「成本与复权是运行那一刻从公共配置快照下来的，事后改公共配置不影响本归档」。

6.3.1 归档的日常操作（查看 / 导出 / 删除 / 恢复）

想做什么	在哪做	说明
查看	/experiments 每行「打开归档」，或回测跑完提示条「打开归档（完整快照）」	进入 /experiments/{id}：选股条件 + 交易执行依据 + 完整结果 + 归档元数据。URL 可分享、刷新不丢
筛选找归档	/experiments 顶部搜索框 + 类型下拉	条件是 q（匹配 id/因子/摘要）与 kind；筛选会回写 URL（/experiments?kind=backtest&q=dividend），可分享、刷新保持；总数显示「显示 N 条 / 共 M 条」，不静默截断
导出留底	归档页「导出完整 JSON」	把该归档的 spec + result 原样下载（字节级一致），是最可靠的留底方式
看原始 spec	归档页「查看原始 spec（JSON）」	展开后端实际收到的请求体，逐字核对参数
复用参数再跑	归档页「以此参数再跑」→ /backtest?from_experiment=EXP-xxxx	参数预填但不自动执行（长区间一次 3~5 分钟，由你决定何时跑）
参与对比	归档页「加入对比」/ 列表勾选	最多 3 条，跳到 /experiments 的对比视图
删除	归档页「删除归档」（带确认框）	调 DELETE /api/experiments/{id}，成功后回到列表

删除前必须知道的事（确认框里也写了同样的内容）：

• 删除后这份快照（结果 + spec）无法再查看，也不可恢复；
• 完整结果只存归档一份：删除后连该次执行的作业记录也读不回结果 （GET /api/jobs/{id} 的 result 变 null，并给出 result_unavailable_reason）；
• 想留底请先点「导出完整 JSON」。

但是历史归档能救回来（job 表另有副本），边界如下：

归档	job.result_json	删除后能否重建
完整存档上线前的历史归档	有副本（双写遗留）	能，按原 id 重建
完整存档上线后的新归档	NULL	不能，工具明确拒绝，不假装能救

cd backend
# 保留策略：默认 dry-run，只打印将要删的清单；确认后加 --apply
PYTHONPATH=. .venv/bin/python -m app.cli.prune_experiments --keep 10
PYTHONPATH=. .venv/bin/python -m app.cli.prune_experiments --keep 10 --kind backtest --apply

# 从 Job 副本重建某条已删除的历史归档（默认 dry-run；code-version 必须显式给，不猜）
PYTHONPATH=. .venv/bin/python -m app.cli.restore_experiment_from_job \
  --job-id JOB-XXXXXXXX --code-version 92627f5          # 加 --apply 才写库

归档完整度会明示：归档页顶部标注「归档完整 N/N」；若曲线因体积预算被裁剪，或该快照产生于 完整存档上线之前（个股曲线只有 60 只），页面直接显示「归档不完整」并给出差异与「以此参数重跑」入口。

图表：全站统一使用 TradingView Lightweight Charts（components/charts/LwChart.tsx）， ECharts 已从依赖中移除。买卖点标记（▲绿=买入 / ▼红=卖出）只落在该 series 真实存在的交易日上， 并按时间升序提交（Lightweight Charts 的硬约束），因此不会出现标记丢失或错位。

股票名称：后端在 SelectionCandidate / SymbolCurve / ActionRecord / RankedPick / Position / Trade 上都填充 name（由 GET /api/stocks/names 一次性映射）， 前端 SymbolLink 保证「有代码必有名称、且可点击进入个股页（基本信息 + 走势图）」； 名称确实缺失时显示灰色「—」而不猜测、不臆造。

自检脚本（接口 + 页面契约，约 2 分钟含一次真实回测）：

cd backend && PYTHONPATH=. .venv/bin/python ../scripts/verify_strategy_workspace.py
# 只验接口与页面（跳过回测 Job）：加 --skip-job

6.3.2 界面规范与对齐自检（控件尺寸 / 输入友好）

界面不是"能看就行"：控件错位、尺寸与内容不匹配、点不中、报错说不清，都会直接变成操作错误。 因此把可度量的部分写成规范 + 自检脚本，而不是靠肉眼。

① 控件高度只有三档令牌（app/globals.css 的 --ctl-h-sm/md/lg = 28 / 34 / 38px）：

令牌	用途	典型控件
--ctl-h-sm	密集行	小按钮、图标按钮、可点击 chip
--ctl-h-md	标准	输入框、下拉、按钮（默认）
--ctl-h-lg	主操作	顶栏图标按钮

规则：同一行内的控件必须等高。做法是给 .input / select / .btn / .icon-btn 显式 height，而不是靠上下 padding 拼高度 —— 后者会得到 34 / 36.8 / 38.8 三种结果 （Chrome 的原生 date 输入还会多 2px），同一行就肉眼可见地参差。

② 尺寸与内容匹配 + 整体收束：参数表单用 .params-form 约束到 ~1100px （否则在宽屏上铺满 ~1900px、5 列各 ~360px，控件拉得太开且数字框与下拉宽度不一）； 限宽后数值/日期输入直接填满单元格，与同行下拉等宽 → 左右边缘严格对齐 （早先在未限宽时用 max-width:180px 防数字框过宽，限宽后该上限反而让数字框比 相邻下拉窄一截，故移除）。多行文本（如「一句话说明」，最长 300 字）用 整宽 <textarea> 而非单行 input —— 单行框必然截断长文案（截图实测 「例：全市场股息率最高的 2」被切掉）。选项文案长的选择器给更宽的类 （.input--picker）；工具条检索/筛选用 .input--search / .input--filter， 不在 JSX 里写内联像素宽度；重复行（因子、条件）用"表头 + CSS 栅格"成列对齐 且首列封顶（因子名 ≤460px），避免一个下拉撑满整行。

③ 点击目标：控件 ≥28px；16px 的勾选框/单选按钮由外层 label（.check / .radio-row） 撑开热区，表格里的勾选框用 .check--cell 让整个单元可点。

④ 标签与无障碍名：每个输入都有可见标签或 aria-label；只有图标的按钮必须有 aria-label/title（否则读屏只会念"按钮"）。

⑤ 输入友好：校验错误失焦或提交后才提示（清空重填的瞬间不标红）； 提交被拦下时一次展开全部行内错误并聚焦到第一个问题字段； 运行/保存按钮不因参数非法而置灰（灰按钮不说原因属于"看起来不可点却无响应"）， 而是可点击并讲清原因。

对齐自检（用系统 Chrome + 原生 CDP，仅标准库；会独占随机端口与临时 profile）：

python3 scripts/verify_ui_alignment.py            # 8 个页面 × 1500/375px，共 160 项检查（含 /fields、/factors）
python3 scripts/verify_ui_alignment.py --dump      # 打印每行控件的宽高与字号明细
python3 scripts/verify_ui_alignment.py --pages /backtest --width 375

检查项：同排控件等高、控件高度取值归一（≤3 种）、点击目标、标签/无障碍名、 字号与圆角一致、尺寸匹配内容、无横向滚动、提示文本不被裁切。

说明：本平台为深色单主题（color-scheme: dark），因此"深浅两套主题都测对比度" 这一条不适用；对比度按深色主题实测（WCAG 相对亮度公式，正文对背景）： 正文 --text-1 对 --bg-0 17.09:1、对卡片 --surface-1 15.26:1； 标签 --text-2 对卡片 8.42:1；提示 --text-3 对卡片 6.12:1； 错误 --neg 对卡片 7.04:1 —— 均高于正文 4.5:1 / 次要文字 3:1 的门槛。

---

7. AI Agent

前置：config.yaml → agent.llm（URL/模型名默认百炼兼容端点 + qwen-plus）， .env 中设置 LLM_API_KEY（仅需 Key）。

curl -X POST http://127.0.0.1:8000/api/agent/chat \
  -H 'Content-Type: application/json' \
  -d '{"message": "帮我测试 momentum_60 因子并跑一次 Top5 月度回测，评估是否值得深入"}'

返回：

{
  "reply": "（最终结论，中文）",
  "actions": [
    {"tool": "test_factor", "args": {...}, "output": "因子测试完成（Experiment EXP-…）..."},
    {"tool": "run_backtest", "args": {...}, "output": "回测完成（Experiment EXP-…）..."}
  ]
}

Agent 能力边界（10 个内置受控工具，只读 + 受控写库）：

• search_stocks / get_market_data：查询
• test_factor / run_backtest：研究并自动归档 Experiment
• screen_stocks / explain_selection：按因子评分选股（传 symbols 白名单避免全市场长任务）/ 解释某次选股理由
• generate_signals：生成 BUY/WATCH/SELL 信号
• create_strategy：保存命名策略
• get_experiment / compare_experiments：读取/对比归档

不提供 shell / 任意代码执行 / 删改数据 / 修改配置与凭证。未配置 Key 时接口返回 400 引导信息。研究纪律写入系统提示：禁止仅凭单次样本内高收益判定策略有效，需说明 样本外、过拟合、look-ahead bias、成本、参数敏感性等（未验证项要明说）。

---

8. 测试与质量门禁

cd backend
uv run ruff check app tests && uv run ruff format --check app tests
uv run pytest                      # 全量测试（每个里程碑提交前均须通过，当前 500 条）

cd frontend/web
pnpm run typecheck                 # tsc --noEmit，0 error
pnpm run test:charts               # 图表标记逻辑单测（7 条，node --test，无需额外依赖）
pnpm run build                     # 13 条路由，含 /strategies /backtest /experiments /experiments/[id]

端到端契约脚本（会真实提交回测 Job，用于验证「页面实现」与「后端字段」不漂移）：

cd backend
PYTHONPATH=. .venv/bin/python ../scripts/verify_strategy_workspace.py      # 选股策略/字段库/因子目录+参数化/公共配置/回测组合库/归档链路（145 项 skip-job，含真实组合回测更多，约 5 分钟）
PYTHONPATH=. .venv/bin/python ../scripts/verify_backtest_page_contract.py  # 回测结果结构契约（约 4 分钟）
python3 ../scripts/verify_ui_alignment.py                                 # UI 对齐与控件一致性（8 个页面 × 2 宽度 = 160 项，约 3 分钟）
python3 ../scripts/verify_unit_conversion.py                              # 字段库单位：只能在给定范围内选 + 界面单位⇄基准单位换算（约 2 分钟）
python3 ../scripts/verify_factor_params.py                                # 因子参数化：暴露真实参数/界面新建参数化因子/越界拒绝/停用不影响历史解析（约 3 分钟）

覆盖重点：Provider 归一化与 Failover 审计、Repository 幂等与「未来函数阻断」 （as_of_date/announce_date）、Alembic 迁移、因子/IC/分层、回测记账与成本/涨跌停、 数据库目标守卫（192.168.1.10 被拒 / 本机放行 / 列表可用环境变量覆盖）、 QlibEngine 数据管线（bin 落盘格式/roundtrip/端到端回测）、Job 状态机与 Experiment 归档、Agent 工具白名单与编排、LLM 配置加载、API 端到端、策略说明推导 （describe_strategy 的分支/互斥/缺失值语义）、股票名称回填（回测与选股两侧）、 UI 对齐与控件一致性（同排等高 / 尺寸归一 / 点击目标 / 标签 / 无障碍名 / 横向溢出， 7 个页面 × 1500 与 375px 两种视口，见 §6.3.2）。

---

9. 已知限制与说明

1. Qlib 模型选股（Selection 模式 C）按需延后（v3 §14.1C）：当前选股为条件（A）/因子评分（B）； 模型预测选股（Alpha158 + LightGBM walk-forward，M8.4）为「按需」延后项 （见 docs/DEV_PLAN_v2.md §6.4）。

2. 全市场选股为同步请求：无白名单的全市场选股约需 60s+；Agent 工具要求传 symbols 白名单，全市场请在 Web 页执行（后续可迁异步 Job）。

3. 数据规模：当前 MySQL 已同步全市场 + 退市股（stock 5903 只 = 在市 5565 + 退市 338、 stock_daily 约 805 万行/5786 只、adjust_factor 约 819 万行、daily_basic 约 800 万行 /1629 个交易日，2026-09 由 SQLite 迁移并校验一致）。

4. 回测为近似建模：涨跌停按收盘相对上一有效收盘判定、成交假设调仓日收盘， Portfolio v1 仅等权（单股/行业上限约束字段已预留但未建模，设置后会在结果 unimplemented 如实标注）（详见结果 unimplemented）。

5. 幸存者偏差（已修复）：

   • 退市股：sync basic --include-delisted + 定向 sync daily，实测 338 只、24.0 万根； 时点股票池按 delist_date 正确纳入/排除（实测 000005.SZ 2024-04-26 退市： 2024-01-02 纳入 / 2024-06-03 排除）。
   • ST/风险警示：sync namechange（14,213 行名称生效区间，覆盖 1990-12 起）， exclude_st 在每个择股日按当时名称重判，与 /api/selections 同口径。 实测 2020-01-02 时点口径比快照口径多纳入 236 只（当时尚未 ST 的标的）。 案例全区间收益因此经历三次修正：+35.71%（最新名称快照）→ +32.01%（仅在池子基准日过滤） → +24.86%（逐择股日时点 ST，最终）；即初始口径高估 10.85pp。 窗口内真实反例：000961.SZ 阳光城 2023-05-05 起 ST、600466.SH 中南建设 2024-04-24 起 ST，只按起始日过滤会让它们在变 ST 后仍被选中。
   • 残余（如实标注）：股票池的 min_listing_days/delist_date 仍以回测起始日为基准 （池子不逐日重算），故「起始日为 ST、之后摘帽」的标的不会进入该次回测候选池； 名称历史未同步时自动回退最新名称并在 name_basis 标注 point_in_time=false。

6. 老牌蓝筹缺 2020–2022 行情（已修复）：实测缺口 20 只（含 600028.SH 中石化、 600900.SH 长江电力、601398.SH 工商银行等高股息主力），本地日线原自 2023-01-03 起； 已回补 19,419 根、数据现自 2019-01-02 起。另有 5 只（盈方微/盐湖股份/皇台酒业/ 深深房A/中毅达）是该区间的真实长期停牌（停牌期本就无行情），非数据缺失。

7. 停牌无独立数据表：以「当日无行情」近似停牌（不可买不可卖），未接入 tushare suspend_d 明细（ARCHITECTURE.md §8 的 suspend_data 尚未落地）， exclude_suspended 仍未实现（结果 unimplemented 已标注）。

8. 结果体积与完整存档：全市场多年回测的结果 JSON 可达数 MB， experiment.result_json 为 MEDIUMTEXT（16MB）以容纳。

   • 个股收益曲线默认全量保存（此前只存收益绝对值最大的 60 只，是个真实缺陷）： 实测案例 2020-01-01~2026-09-04 回测期内持有 135 只，归档 symbol_curves 为 135 条、结果 1.86 MB，archive_meta 记录 {curves_stored:135, curves_total:135, truncated:false, budget_chars:12000000}。
   • 上限可用 research.archive_curve_limit 配置（默认不限制）；只有当结果超出 体积预算（12,000,000 字符，为 MEDIUMTEXT 16MB 留余量）时才会按收益绝对值裁剪， 并同时写入 archive_meta.truncated=true 与 unimplemented 说明 —— 归档页会把「归档完整 / 归档不完整」直接标出来，不静默丢数据。
   • 老归档（完整存档上线前）确实不完整：归档页对这类快照显示 「个股曲线只有 60 只（期内共持有 N 只）」并给出「以此参数重跑」入口。
   • 归档列表保留策略：python -m app.cli.prune_experiments --keep N（默认 dry-run， 加 --apply 才删除）。注意删除即失去结果（结果只存归档一份），建议先导出要紧的归档； 早期归档在 job 表另有副本，但新记录没有（job.result_json 为 NULL）。
   • 删除后的恢复路径：历史归档可用 python -m app.cli.restore_experiment_from_job --job-id <JOB> --code-version <rev> --apply 按原 id 重建（spec/result 逐字复制、摘要按归档同口径重算、data_version 留空不伪造）； 新归档没有副本，工具会明确拒绝。操作细节见 §6.3.1。

9. Agent 结论质量取决于模型：编排只保证「经受控工具 + 归档留痕」，研究有效性判断 需要人复核；接不同厂商模型请核对 config.yaml 的 base_url 与 model 命名。

10. SSE 与 Job 为单进程本地执行：重启进程后未完成 Job 需重新提交（第一阶段刻意 不引入 Redis/Celery；本机 Redis 已就绪，出现排队/长任务需求时按 DEV_PLAN §7 接入）。

11. Qlib 数据为进程内单例初始化：qlib.init 以 provider_uri 为键幂等，切换不同 qlib_dir 会重新初始化；测试环境建议注入独立临时目录。

12. 策略说明列宽 300（未加迁移）：strategy.description 列是 String(300)，而 describe_strategy 生成的自动说明最长可达 313 字符 → 后端按 300 截断并加显式 …， 前端表单同步 maxLength=300 并实时计数。要让长说明完整落库，需要单独做一次 Model → Alembic（把列改 Text）的 schema 变更。

13. 异步选股不落库：POST /api/selections/jobs 只建 Job、不写 selection_snapshot， 因此异步路径下 /selection 不渲染「按此条件回测」按钮（不给坏链接）；同步 POST /api/selections 会落库并返回 selection_id，可正常直通回测。

14. 同步接口也会写归档：POST /api/backtests 与 POST /api/factor-tests 每次调用都会 新增一条归档（归档 id 见响应头 X-Experiment-Id）。批量试参数会在库里留下大量归档， 用 prune_experiments 按 --keep 清理。归档失败不会吞掉计算结果（接口仍返回结果， 失败原因经响应头 X-Archive-Error 与日志如实暴露）。

15. 归档的「数据版本」只对上线后产生的归档有效：老归档 data_version 为空， 归档页显示「未记录（该归档早于数据指纹上线）」，并提示不要当作可严格复现的依据； 指纹形如 d20260904;n≈7688k;a≈7922k;b≈7718k（d=最新交易日、n=stock_daily、 a=adjust_factor、b=daily_basic，≈ 表示取自 information_schema 的近似行数）。

16. 个股页「回测成交与信号」卡的数据边界：GET /api/stocks/{symbol}/chart 的 fills/signals 来自信号表与选股命中；回测成交要经 /api/backtests/{experiment_id}/stocks/{symbol}/chart 才有，因此在没有信号/命中记录时 该卡不渲染（个股页的 K 线、基本信息、复权切换不受影响）。

---

10. 常见问题（FAQ）

• 同步报「缺少 TUSHARE_TOKEN」：把 token 填入根目录 .env 的 TUSHARE_TOKEN。
• 同步报「未安装 tushare 客户端」：cd backend && uv sync --extra datasource-tushare。
• Agent 报 400「未配置 LLM」：.env 设置 LLM_API_KEY；换模型改 config.yaml 的 agent.llm.model / base_url。
• 回测默认用哪个引擎？怎么切 Qlib 引擎：默认 LocalEngine（纯 pandas）。需要在代码 中向 ResearchService 注入 QlibEngine() 启用 QlibDataset 数据管线（见 §6.1）。
• Parquet 导出文件在哪、怎么读：data/parquet/stock_daily/<year>.parquet； pd.read_parquet(...) 直接读取（pyarrow 已随依赖安装）。
• 前端连不上后端 / NetworkError：前端默认经 Next 同源代理访问 /api/* （next.config.ts rewrites → 127.0.0.1:8000，可用 BACKEND_API_URL 覆盖）， 后端 CORS 开发期为 *。前端 dev server 监听 0.0.0.0:3000（dev.sh 传 -H 0.0.0.0）， 但访问来源必须在 next.config.ts 的 allowedDevOrigins 白名单内，否则其 /_next/* 请求会被 Next 15.5+ 拒绝（表现为页面白屏/资源 403）；换机器访问时按需追加来源 IP。 若使用 SQLite 兜底库且日志出现 database is locked，多半是正在跑全市场数据 同步（长写事务），同步结束后自动恢复（SQLite 连接已加 busy_timeout）； 默认 MySQL 库无此问题。
• 数据库被改动想重置：默认库为本机 MariaDB（qlib@127.0.0.1）时重建库后 uv run alembic upgrade head（行情需重新同步或从备份恢复）；若切回 SQLite 兜底库则删除 data/quant.db 后重建。
• 默认库已是 MySQL（config.yaml database.mysql，密码在 .env 的 MYSQL_PASSWORD）； 想临时切回 SQLite：.env 设 DATABASE_URL=sqlite:///./data/quant.db。 业务层均无需改动（Repository / SQLAlchemy 已隔离方言差异）。