一、Agent节点功能功能介绍 RAG节点：负责数据收集，检索财报、数据库资料，将外部知识库数据喂给LLM模型，使模型能给出更真实回答。 MCP节点：作为多个智能体的合作协议，确保多个智能体有序工作，明确工作先后顺序和任务分配，解决智能体协作问题。 技能结合节点：用户可自主创建技能，多个技能合成技能库后连接到智能体技能库，为智能体提供更多分析能力。 智能体分析：将多个智能体融合，为智能体做集体决策，可作为分析工具得出分析结果。 智能体交易：是工作流的最后一步，前面智能体完成数据抓取和分析后，...

一、简述 pandaai给大家提供了单因子、多因子、特征工程机器学习等挖掘因子方式。之前的周总结里对多因子有写到，多因子里面最好对个因子做个权重设置。 这周主要尝试下机器学习类别的使用。 二、超参搜索下的XGboost方式 这次主要尝试用这种方式挖掘因子，给大家个例子重点关注连线的方式。  其中公式： ATR(CLOSE,14)。这是14日的平均真实波幅，常用于衡量股价的波动强度。 DMI_ADX(CLOSE,HIGH,LOW,14,6)动向指标系统，用于判断趋势...

一、专家模式初体验 平台除了给大家提供基础的工作流，对于有一定的编程能力的小伙伴，平台也提供了专家模式，可自定义节点，调用其他API，及平台提供的相应的API，来实现自己的交易研究逻辑 1.打开专家模式 2.展开文件列表 3.打开关注的节点查看相应的逻辑  二、来分别看下这三个节点的大体内容 2.1Python代码输入节点 2.1.1主要部分 包引用 输入输出BaseModel 主干BaseWorkNode main代码运行入口  ...

AI期货回测策略 一、回顾 在之前写的内侧记录里[AI助手多样化研究分享-多因子工作流的构建+回测](https://www.pandaai.online/community/article/727)，写了多因子策略作用于股票，想现在放到期货上测试一下效果，动手改起来 二、多因子期货回测工作流  2.1三个因子： StopLossBreakMA5Factor五日风险控制因子 RANK((OPEN/DELAY(OPEN,5)1)(VOLUME/MA(VOLUME,2...

一、多因子工作流的构建 1.1使用模版官网案例3多因子来初始化工作流 1.2简要说明三个因子 1.2.1StopLossBreakMA5Factor language classStopLossBreakMA5Factor(Factor): defcalculate(self,factors): close=factors['close'] 5日均线 ma5=MA(close,5) 当日是否在5日均线之下（True/False→1/0） below_ma5_today=AS_FLOAT(c...

一前言 感谢pandaai的布道，看了好几天，咬咬牙，终于尝试上手摸索跟着视频教程一步步操作。 有种入桃花源豁然开朗的感觉。此为引子，后续会继续尝试其他的各种策略。 二、生成工作流 AI工作流创建工作流创建空白工作流点击右下角[AI助手] 输入：写一个期权或者股票策略+用什么策略（比如双均线）+针对哪个品种（黄金白银或者某一支股票） 分三部分：针对哪一大类+策略+针对的品种  三、工作流运行过程的调试 点击右上角【启动工作流】，输入名称后点击【确认创建】 ...