因子挖掘能力已经常规化了，工具可以提高效率，和思路上的启发，但长期量化中使用多因子实战下来的经验其实更重要，比如在牛市，振荡市，熊市，因子有效性会有较大的差异，所以我觉得这是一个更大的工程，非一个工作流能完成的，需要构建一个自己的因子库体系，以及因子切换逻辑，评估体系，什么时候该用什么样的因子，因子如何组合。
这个问题应该更多从工程角度上去做这件事情更合适，更灵活。

https://github.com/PandaAI-Tech/panda_factor

所以我的思路是研究panda-factor开源工程，借助当前claudecode，cudebuddy 工具调用大模型的能力，去搭建因子库体系，和学习因子有效性，数据处理这一套流程，能更好的在复杂竞争中取得优势。

目前在初步探索阶段：比如我想丰富panda-factor开源工程中的基本面因子，来生产出大量的基本面因子，并对这些因子打分，排序，给予不同的权重去做回测

大模型在理解了panda-factor工程代码后，新建了panda_fundamental模块，因为我担心大模型改坏原工程所以，让他根据规范把心的逻辑都封装到新模块中，目前大模型已经完成了代码，和部分基本面因子

目前整体功能孩子啊开发测试中，目前已经成功导入了akshare的财务数据做测试