Multi-Factor Strategy Assistant 是一款面向量化投资领域的策略配置指导工具，基于 QuantCLI 开源框架设计，旨在帮助用户通过系统化的方法构建多因子选股策略。该技能采用纯文档交互形式，通过引导式工作流程协助用户完成从策略定位、因子选择到 YAML 配置文件生成的完整过程，是连接量化理念与实盘策略的桥梁。
核心用法方面，该技能通过五步引导式工作流（策略定位、因子选择、权重配置、文件生成、运行评估）帮助用户构建专业级策略。它支持两种灵活的因子配置方式：内联表达式定义和外部 YAML 文件引用，并内置了 40 个 WorldQuant Alpha101 经典量化因子库。用户可以通过声明式 YAML 语法定义基本面筛选条件（如 ROE、PE、净利润率等）和技术面因子（如动量、均线偏离、RSI 等），利用内置的 40 余种表达式函数（delay、ma、ema、rank、zscore 等）构建复杂的选股逻辑，并通过权重配置实现多因子融合评分。
显著优点体现在其专业性和工程化设计上。首先，它直接对接业界标准的 Alpha101 因子库，提供了机构级的量化研究基础设施，大幅降低了策略开发门槛。其次，支持两阶段筛选架构（基本面初筛 + 技术面精排），符合专业量化基金的策略开发范式。生成的 YAML 配置文件具有高度的独立性和可移植性，可直接被 QuantCLI 工具链执行，实现了策略定义与运行环境的完美解耦。此外，混合因子引用机制（内联定义 + 外部文件）支持策略的模块化复用，便于构建个人因子库。
潜在缺点主要集中在工具链依赖和交互体验上。该技能本身仅为文档型指导工具，策略的实际回测、数据获取和选股执行完全依赖外部 quantcli 命令行工具，这意味着用户需要额外配置 Python 环境并处理可能的依赖冲突。作为纯文本交互技能，它缺乏可视化的因子分析、策略回测曲线预览和选股结果展示功能，用户无法实时验证策略效果。此外，因子权重配置和表达式编写需要一定的量化金融和编程基础，对绝对新手存在学习门槛。
适合的目标群体主要是具备基础金融知识的量化投资爱好者、专业交易员、策略研究员以及金融工程专业的学生。特别适合需要快速将多因子想法转化为可执行策略配置的中小投资者，希望系统学习 WorldQuant Alpha 因子体系的教育场景，以及追求策略代码化、可版本控制的严谨型投资者。对于需要频繁调整策略参数、进行多因子组合优化的研究人员尤为适用。
使用风险方面，用户需关注以下几个层面：首先是策略风险，多因子策略在不同市场周期（牛熊切换、风格轮动）表现差异巨大，历史因子有效性不代表未来收益；其次是数据质量风险，策略执行依赖 quantcli 提供的数据源，数据延迟、复权处理或财务数据修正可能影响选股结果；第三是技术依赖风险，quantcli 作为个人维护的开源项目，其长期更新维护、API 兼容性和文档完整性存在不确定性；最后是执行风险，该技能仅生成配置文件，不包含交易执行和风控模块，实际投资需结合完整的交易系统和风险管理。