Stock Strategy Lab：面向A股的多智能体量化策略研究平台

Stock Strategy Lab是专为A股市场设计的多智能体量化策略研究平台，区别于传统固定策略工具，通过信号层、预算层、组合层三层智能体协作，实现从单资产择时到资产配置再到组合融合的全流程自动化策略探索与优化，支持人机协作、自主迭代和标准化研究成果沉淀。

传统量化工具多提供固定策略模板，而Stock Strategy Lab构建了可长期交互、反复运行、持续沉淀的智能体研究系统，旨在帮助量化研究者系统性探索策略空间、快速验证想法，定位为量化研究助手而非自动赚钱机器，明确不构成投资建议。

平台采用信号层、预算层、组合层三层智能体架构：

1. 信号层：解决单资产择时问题，通过数据获取、策略编写、回测评估等闭环流程，利用30余类信号构件探索Alpha切换能力；
2. 预算层：处理资产池资金配置，结合资产池画像与用户偏好生成候选策略；
3. 组合层：融合前两层能力，通过互补修正机制生成最终组合策略。

平台具备五大核心能力：

1. 自主迭代闭环：各层智能体循环优化策略直至达标；
2. 人机协作交互：用户可介入调整偏好、风险等，支持会话保存与恢复；
3. 记忆管理：记录研究进展与历史思路，避免重复探索；
4. 多方式参数搜索：支持网格/随机/遗传算法等，结合滚动验证检验稳健性；
5. 标准化产物：每次任务输出独立目录、报告等，便于比较沉淀。

系统基于DeepAgents和LangChain框架构建，封装复盘、数据等独立智能体模块，采用可扩展策略框架，支持用户自定义引入机器学习、缠论等方法，丰富策略探索空间。

数据方面支持MiniQMT、xtquant等本地数据源（面向Windows QMT环境）；模型方面兼容DeepSeek、Moonshot等OpenAI兼容API，各智能体可独立配置模型参数；采用分层配置管理，支持全局默认与智能体级覆盖。

典型使用流程包括：初始化环境→配置API密钥与数据源→创建研究任务→与智能体交互迭代→查看回测结果与报告→保存会话状态，强调智能体负责策略探索与代码生成，用户把控方向与决策。

项目价值在于为量化研究者提供自动化策略研究流水线，三层架构为多步骤决策问题提供借鉴思路；同时强调风险意识，回测结果不代表未来收益，不构成投资建议，需理性对待。