核心用法
quant-strategy-dev 是一款面向 A 股、美股量化策略开发者的文档型指导技能。当用户提及"开发量化策略""设计量化策略""写策略代码""量化策略开发"等关键词时自动触发，提供从策略设计到小资金实盘的全流程标准化指引。
该技能以 QMT（迅投量化交易平台）为主要技术依托，涵盖六大阶段：策略设计→代码开发→代码测试→回测验证→实盘准备→小资金实盘。每个阶段均配备详细的检查清单（Checklist）和可直接复用的 Python 代码模板，包括防重机制（waiting_list）、全局状态管理（GlobalState）、完整的买入/卖出逻辑（止损+止盈+信号过期+趋势反转）以及 passorder 参数配置等关键实现细节。
用户可按阶段推进，逐项勾选检查清单，确保策略开发过程规范、可回溯、可验证。技能特别强调"回测引擎 = 实盘策略"的核心原则，强制要求两者使用完全相同的代码逻辑，避免因环境差异导致的实盘亏损。
显著优点
1. 流程标准化，降低人为失误
技能将量化开发拆解为可执行的阶段性任务，每个阶段都有明确的交付物和检查点。例如代码开发阶段强制要求"waiting_list 防重机制""记录买入价格""prType=14 对手价"等细节，有效规避因参数错误、信号范围不一致导致的实盘事故。
2. 安全设计内嵌，风控前置
从策略设计阶段即要求定义止损、止盈、资金管理规则；代码模板中内置完整的卖出逻辑（止损、止盈、信号过期、趋势反转）；实盘准备阶段强制要求 QMT 风控设置（金额合规、反向单交易、对敲单交易）和双重资金保护。这种"防御性设计"理念贯穿始终。
3. 纯文档型技能，零执行风险
该技能为 100% Markdown 文档，所有代码块均为示例模板，不包含任何可执行代码、外部网络调用或文件系统操作。用户可安全引用、复制、修改，无需担心 Skill 本身引入安全漏洞或隐私泄露。
4. 实战教训沉淀，避免重复踩坑
技能特别整理了三大关键教训：止损止盈逻辑缺失、买卖信号范围不一致、passorder 参数错误。这些来自实盘血泪经验的总结，帮助新手开发者快速识别常见陷阱。
潜在缺点与局限性
1. 平台绑定较深，通用性受限
代码模板和 API 调用均基于 QMT 平台（如 ContextInfo、passorder、set_universe），若用户采用聚宽、掘金、聚源等其他量化平台，需要进行大量适配改造。技能未提供跨平台抽象层或多平台兼容方案。
2. 策略类型偏向中低频，高覆盖
示例代码主要针对选股型、轮动型中低频策略设计，对于高频交易、期权策略、复杂衍生品对冲等场景，代码模板和风控检查清单需要用户自行扩展。
3. 无回测数据与绩效分析工具
技能聚焦于"代码开发规范"，不包含回测数据获取、绩效指标计算（夏普比率、最大回撤、Calmar 比率等）、参数优化等量化研究环节的工具或指导。用户需配合其他数据分析工具使用。
4. 依赖用户自觉性
虽然检查清单设计完善，但实际执行效果依赖用户逐项勾选和自我约束。技能本身无法强制阻断"未测试直接实盘""跳过回测验证"等危险操作。
适合的目标群体
- 量化新手开发者：刚接触 QMT 平台，需要标准化开发流程指导，避免常见错误。
- 个人投资者转型：有投资经验、希望将主观策略转化为程序化交易的个人用户。
- 小型量化团队：缺乏成熟开发规范的初创团队，可作为内部代码审查和入职培训参考。
- 教育机构学员：量化投资课程学生，用于理解实盘与回测的差异、风控的重要性。
不适合：寻求全自动"一键生成盈利策略"的用户；需要高频交易、复杂衍生品支持的专业机构；非 QMT 平台用户（除非愿意进行平台适配）。
使用风险提醒
1. 实盘金融风险
技能提供的代码模板仅供技术学习参考，不构成投资建议。量化策略存在模型失效、过拟合、黑天鹅事件等固有风险，历史上即便回测表现优秀的策略也可能实盘亏损。使用者必须充分回测、小资金验证，切勿直接大资金实盘。
2. 平台与接口变更风险
QMT API 可能随版本更新发生变化（如参数调整、函数弃用），技能文档基于特定版本编写，长期使用需关注平台官方文档同步更新。
3. 策略代码质量风险
技能提供的是"规范框架"而非"盈利策略"。策略逻辑的有效性（因子选择、信号生成、参数设定）完全依赖用户自身研究，框架规范不能保证策略盈利。
4. 环境与数据风险
实盘与回测的差异（滑点、流动性、订单簿深度、停牌涨跌停处理）可能导致策略表现偏离预期，技能虽强调"回测=实盘"原则，但无法消除市场环境本身的不可预测性。