Quant Oral To Code

quant-oral-to-code

这个 skill 的目标是把自然语言策略描述整理成一条清晰链路：

1. intake 收集策略口述、数据条件和输出预期。
2. dsl 把口述压缩成结构化策略规格。
3. guardrails 审查前视、过拟合、样本外缺失和乐观成交假设。
4. codegen 生成策略代码骨架与回测入口。
5. report 输出交付说明、限制和下一步建议。

当前阶段只提供最小可运行骨架，重点是把模块边界和验证入口搭起来，供后续任务继续填充脚本、模板、schema 和例子。

固定口径

• 标准数据归一化目标固定为 DuckDB；后续导入 CSV/Parquet/JSON/SQLite 时，也要先落到 DuckDB 再进入统一回测路径。
• claim level 的基础枚举至少包含 demo_only、portable_backtest、research_grade_local。
• 缺少真实数据、字段映射或关键定义时，必须进入 cutoff / DATA_REQUIRED 路径，而不是伪装成正式回测完成。

使用顺序

默认按以下顺序读取模块：

• modules/preflight.md
• modules/intake.md
• modules/dsl.md
• modules/guardrails.md
• modules/data.md
• modules/codegen.md
• modules/onboarding.md
• modules/report.md

当前交付约束

• 只承诺生成骨架，不承诺已经具备完整回测能力。
• 没有真实数据时，必须明确说明不能伪装成研究级回测结论。
• 输出中要显式标记假设、缺口和需要用户补充的数据。
• 当前默认链路已经接入 Task 2 的权威模块：preflight、DuckDB 数据契约、claim gate 和 onboarding 文案。

验证

结构验证脚本：

python "skills/quant-oral-to-code/scripts/validate_quant_oral_to_code.py"

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: 2033121
• Source: 2033121/quant-oral-to-code
• License: MIT

Install and usage instructions live in the source repository linked above.