01 / PIPELINE
一条链路，四层边界
采集、数据访问、因子计算与应用分层；单向依赖让每层可以独立替换与测试。
FACTOR PICKLE
PICK THE FACTOR.
KEEP THE ALPHA.
将数据契约、因子物化、Agent 自动因子发现、策略构建、选股、回测与研究报告连成一条可复现链路，并通过 MCP 向 AI Agent 开放全部能力。
12 MODULES
85+ FACTORS
MCP NATIVE
SCROLL TO EXPLORE ↓
WHY FACTORPICKLE
为什么是 Factor Pickle
让 Agent 和你一起挖掘因子：自动提出假设、批量验证，并生成可复核的标准研究报告。
0108
SCROLL TO ROTATE ↓
GET STARTED / DOCKER
开始使用 Factor Pickle
无需安装包。拉取最新代码并启动 Docker，即可进入 Factor Lab。
$ git pull https://github.com/EpocheRan/FactorPickle.git
$ docker compose up -d在仓库目录执行 · 首次运行前请先准备 config.json
FACTOR LAB / DSH RESEARCH LOOP
因子挖掘
把研究命题交给一支可审计的 Agent 队伍：PathFinder 提出假设，Runner 经 data_interface 取数并完成实验，FactorBuilder 固化因子 artifact，Evaluator 与 Supervisor 决定下一轮。
7RESEARCH ROLES
≤ 5ROUNDS / CAMPAIGN
¥3,000MONTHLY BUDGET
150GBDISK QUOTA
01 / ROLES
一支可审计的研究队伍
每个角色只做一件事，并通过 artifact 契约衔接；失败也进入账本，而不是被静默丢弃。
01 / PATHFINDER
PathFinder
围绕 research question 发起多轮 campaign；生成因子 / ML idea，决定继续、换轴或停止。
LLM · CAMPAIGN DRIVER
02 / WEB GATEWAY
Web Gateway
自主扩展搜索、追踪引用、聚类机制，输出 discovery map；只给证据，不替 PathFinder 做判断。
LLM · DISCOVERY
03 / FACTOR BUILDER
FactorBuilder
把 idea 变成版本化、可 import 的 Lab factor artifact；直接写 Lab 库，不碰生产 registry。
CODE + RUNTIME
04 / RUNNER
Runner
只接 factor artifact；经 data_interface 取数、组装 data_bundle、装载 Adapter 并执行研究模块。
LLM · NO DIRECT DB
05 / ML ENGINE
ML Engine
非深度学习实验：模型 / 特征 / 时间序列 CV；OOS 不参与调参，结果与模型卡全部落盘。
PLANNER + RUNTIME
06 / EVALUATOR
Evaluator
解释 Gate 结论，写清 failure mode、caveats 与 next action；不能改写 Gate verdict。
LLM · REVIEW
07 / SUPERVISOR
Supervisor
控制轮次、预算、readiness 与子 Agent 回收；环境不满足时输出 blocker_feedback。
LLM · ORCHESTRATION
02 / LOOP
一轮研究如何发生
多轮不等于无限试错。每轮必须带来新假设、新证据或新输入，campaign 有硬轮次与预算上限。
01
Research QuestionHuman 指定目标、约束与已知死路。02
IdeaPathFinder 生成 factor idea 或 ML idea。03
Data BundleRunner 经 data_interface 取数，检查 PIT 与覆盖。04
ExperimentResearch Module 或 ML Engine 产出结果。05
Gate + Review硬 Gate 判定；Evaluator 解释风险与下一步。06
History摘要、失败模式与预算回流到下一轮。03 / DSH RELATION
Factor Lab 跑在 DSH 里
Factor Lab 不是另一个孤立服务，而是 DSH 工作区内的一套研究运行时。DSH 负责会话、Agent 与工具接入；Factor Lab 负责研究契约、artifact、预算和 Gate。
- AGENTS.md / FACTOR_LAB.md 定义入口、命令与边界，新会话先读 workspace contract。
- 新会话从 session_brief.json 恢复当前状态，不依赖旧上下文。
- 研究角色以 DSH Agent 运行；Supervisor 控制轮次、预算与安全回收。
- 因子、报告与实验记录全部落在 output/factor_lab，可跨会话复现。
DSH WORKSPACEAGENTSSESSION BRIEFPORTABLE
$ python -m factor_lab doctor
$ python -m factor_lab campaign start --objective "研究因子"
# 环境不满足时返回 blocker_feedback
# 不在上一轮会话里猜状态FACTOR EVALUATION / STANDARD REPORT
因子评估
同一套口径回答三个问题：因子是否有信息、信息是否稳定、结论是否经得起样本与时间的复核。报告与评分逻辑同源，可直接归档。
Rank ICINFORMATION
ICIRSTABILITY
5DSCORING
HTMLREPORT
01 / SECTIONS
一份标准报告包含
从收益风险到样本敏感性，全部按固定章节生成，避免“这次换个角度讲”的选择性叙事。
01
收益与风险
多空组合、年化、波动、最大回撤、换手与胜率，统一交易日口径。
02
IC / ICIR
Rank IC 时序、IC 衰减、IC 胜率；按频率与因子方向统一符号。
03
分层 IC
流动性、市值、行业分层，检查信息是否集中在某个子样本。
04
分月稳定性
分月 IC 与收益热力，定位失效窗口，而不是只看全样本均值。
05
样本敏感性
ALL / EX_BSE / INVESTABLE / HIGH_LIQ 四组样本，结论随样本如何变化。
06
结论与归因
五维评分、failure mode、caveats 与 next action 一并归档。
02 / REPORT SAMPLE
评估报告样例
FACTOR REPORT
momentum_20d
ALL · 2018-01-01 → 2026-11-06 · v1.3
RANK IC0.041
ICIR0.57
LONG-SHORT+12.8%
COVERAGE96.2%
示例数值，仅用于展示版式；真实报告由 research.report 生成。
03 / CAPABILITY
评估能力
REPRODUCIBLE
报告可复核
章节、指标与评分同源；同输入可重跑，HTML 可直接归档或分享。
GATE
硬门禁不被改写
Evaluator 只解释 Gate，不把 fail 改成 pass，也不重算指标。
CACHE
Panel 复用
行情与因子面板缓存复用，报告重跑不必重新拉取全量数据。
STRATEGY BACKTEST / A-SHARE RULES
策略回测
用一套内置 A 股规则的账本验证策略：T+1、整手、涨跌停、停牌、佣金与印花税全部进入成交与资金曲线，而不是留在假设里。
T+1SETTLEMENT
LEDGERTRADE TRUTH
RUN_IDREPRODUCIBLE
1 / NSINGLE / CROSS
01 / RULES
规则内置，不是注释
T+1
当日买入不可卖
按交易日推进，持仓与可用数量分开维护。
LOT
整手与零股
买入按 100 股整手；卖出允许零股，资金与持仓同时记账。
LIMIT
涨跌停与停牌
不可成交订单不会悄悄穿透；停牌期间不能假装换手。
COST
佣金与印花税
双边费用进入现金流，净值和换手都扣费后计算。
WEIGHT
权重与再平衡
等权、因子权重、目标权重共用同一套换仓逻辑。
RUN
run_id 可复现
策略、参数、数据快照与规则固化；同输入可重跑对照。
02 / SAMPLE
回测结果样例
BACKTEST RESULT
cross_section_momentum
run_id: bt_20261109_0417 · 2018-01-02 → 2026-11-06
ANNUAL+18.4%
SHARPE1.12
MAX DD-9.6%
WIN RATE63.0%
示例曲线，仅用于展示版式；真实结果由 backtest 运行产生。
03 / RUN
从策略到账本
单标的与横截面共用一套账本；成交、费用与持仓变化都从同一份交易记录推导。
- 策略输出目标权重或单标的信号，回测器只负责执行。
- 成交价、可卖数量、停牌与涨跌停状态逐日检查。
- 每日净值、持仓、成交与费用可导出对照。
$ python -m backtest
# 选择策略 / 权重 / 区间与成本假设
# 输出现金曲线、交易台账与报告MCP SERVER / AGENT INTERFACE
MCP 接入
把行情、财务、因子、选股、持仓与同步能力注册为 MCP 工具。AI Agent 不需要知道数据库在哪里，只需要调用稳定的工具名。
HTTP / stdioTRANSPORT
10TOOL FAMILIES
JSONSERIALIZABLE
FastMCPRUNTIME
01 / TOOLS
能力分类
工具只做入口，不承载业务逻辑；返回值必须 JSON 可序列化。
MARKET
行情工具
OHLCV、交易日历、股票基础信息与市场快照。
FINANCIAL
财务工具
利润表、资产负债表、现金流与估值数据读取。
FLOW
资金工具
资金流、两融、龙虎榜与大宗交易。
FACTOR
因子工具
因子列表、latest 值、长表读取与因子元数据。
SCREENER
选股工具
ScreenSpec 构建、覆盖率检查与选股结果。
POSITION
持仓工具
组合、持仓、交易、盈亏与 ATR / GRID 模式。
02 / PRINCIPLES
工具层不藏业务
- 稳定命名：工具名与参数是 Agent 的公开契约，变更要兼容。
- 任务提交：同步类工具优先“提交任务”，而不是阻塞等待全量数据。
- 单一入口：MCPserver 只注册工具，业务逻辑仍在各模块。
- 可审计：返回值 JSON 可序列化，调用与结果进入会话记录。
MCP NATIVEREAD-ONLY TOOLSAGENT READY
{
"name": "get_factor_values",
"arguments": {
"factor_id": "momentum_20d",
"universe": "ALL"
}
}03 / CONNECT
接入方式
HTTP远程 Agent、工作流与后端服务通过 HTTP 调用。
stdio本地 Agent / DSH 子进程通过 stdio 连接，无需暴露端口。
工具边界只暴露能力，不暴露 QuestDB；数据读取仍经 data_interface。
POSITION / PORTFOLIO / RISK
仓位管理
组合、持仓与交易流水是同一本账。仓位模块负责把成交写实、成本刷新、盈亏汇总与 ATR / GRID 风控串起来。
3CORE TABLES
ATR / GRIDMODES
逐笔TRADE LEDGER
PM_*MCP TOOLS
01 / MODEL
一本可追溯的账
PORTFOLIO
组合
现金、总资产、市值与策略归属；组合是持仓的聚合根。
POSITION
持仓
标的、数量、成本、可用数量与止损位；模式决定加减仓规则。
TRADE
逐笔成交
买卖方向、数量、价格与费用；交易记录才是台账真相来源。
02 / REFRESH
行情刷新与风险位
按最新行情刷新市值、成本与盈亏，再根据模式更新 ATR 止损或 GRID 网格。
- 组合汇总：总资产、现金、市值、当日盈亏。
- 单标的盈亏：成本、浮动盈亏、收益率与仓位占比。
- 止损位：ATR 模式按波动更新；GRID 模式按网格价位执行。
- 所有变更可通过 MCP pm_* 工具查询或提交。
› pm_create_portfolio
› pm_execute_trade
› pm_refresh_positions
› pm_portfolio_summary03 / MODES
两种执行模式
ATR 模式按波动率调整风险预算与止损距离，适合趋势 / 波段持仓。
GRID 模式按价格网格分批成交，记录每一格的数量与成本。
人工确认组合创建与执行可由 Human 审批；Agent 只准备交易意图。
DATA ACQUISITION / SINGLE WRITER
数据采编
把外部数据源变成可审计的 QuestDB 表：增量同步、断点续跑、快照调度与 DataWritten 事件，一次只经过一个写入口。
7+DATA INTERFACES
增量SYNC MODE
断点续跑CHECKPOINT
WALDEDUP UPSERT
01 / PIPELINE
从接口到唯一事实源
采集层负责增量与重试；data_interface 负责归一化与业务语义；数据库只接受幂等写入。
01
Scope市场、日期、频率与数据集范围。02
Orchestrator调用 REAL_SYNCERS 与快照调度。03
Sync增量拉取、断点续跑、失败重试。04
DataWritten写入事件触发下游派生。05
Normalize字段归一、复权、PIT 对齐。06
QuestDB唯一事实源，WAL + DEDUP UPSERT。02 / SOURCES
多源接入
外部接口不是系统内部契约。采集层把不同供应商的字段、频率与异常统一成可消费的数据集。
Tushare ProBaoStock东方财富同花顺腾讯财经新浪财经zzshare
03 / GUARANTEES
数据边界
- 所有 raw 表只有采集 + data_interface 写入口。
- Runner 只能读 data_interface，不直接连数据库。
- 缺失字段与覆盖不足转成 data gap，不硬取。
- 快照与 checkpoint 保证长任务可恢复。
04 / DOMAINS
核心数据域
MARKET
行情
ohlcv_1d / ohlcv_1m / trading_days / stock_basic_info
FINANCIAL
财务
利润表 / 资产负债表 / 现金流 / 估值
FLOW
资金
资金流 / 两融 / 龙虎榜 / 大宗交易
CONCEPT
板块
概念目录 / 板块日线 / 成分快照
FACTOR
因子
factor_registry / factor_value_daily / factor_daily_wide
POSITION
组合与状态
portfolios / positions / trade_records / screener_build_state
在复杂业务
与人工智能
之间。
关于 EPOCHE RAN
AI与数字化产品专家，长期在复杂业务、AI 工程与产品架构的交界处工作。在复杂的场景中定义需求，把模糊、非标的业务问题，翻译成可计算、可验证、可演进的系统；也把大模型，带入真实业务流的深处。
PROJECT / 004
从业务约束出发，构建能沉淀长期价值的系统。
01 / FINANCE
LUMINATION Management System投资全周期管理平台
MULTI-ASSET · MULTI-ENTITY · FINANCIAL ACCOUNTING
为跨国投资管理平台设计核心投管与多主体账务架构。以扎实的财务会计功底统一多主体科目与核算口径，打通多资产逐日核算、数据穿透与自动报告；同时以项目管理能力统筹复杂 B 端交付，并以 Design System 的构建能力保障系统体验的一致性。
2025—26
02 / AI
XIAOMENG ROBOT企业级保险 RAG
GLM-3 · INTENT ROUTING · GUARDRAILS
主导企业知识问答从 0 到 1：15% 重叠分块保障上下文，三级意图路由连接大模型直答、FAQ 缓存与快捷操作，前置审核与人工兜底形成容错闭环；在业务验收前提下降低 23% Token 推理成本。
2022—23
03 / DIGITAL
BMW Insurance Business System宝马保险数字化营销与业务管理矩阵
MOTOR INSURANCE · B-SIDE ARCHITECTURE · C-END FUNNEL
主导宝马保险多业务线的信息架构重组：解读复杂业务场景，构建可演进的业务管理系统；重排 C 端车险报价与投保路径；从 0 到 1 设计 E 端移动展业工具，首月关键页面访问量提升 90%，周留存率从 21% 提升至 63%。
2021—26
04 / RESEARCH
FACTORPICKLEAgent 原生因子研究系统
DSH · MULTI-AGENT · MCP · EVALUATION
正在构建面向量化研究的 Agent 原生基础设施：多角色研究闭环、因子挖掘与评估、A 股规则回测、MCP 工具层与 DSH 工作区。目标不是自动生成一个因子，而是让研究过程本身可审计、可复现、可积累。
NOW
CAPABILITIES / 004
四层能力栈。
从业务建模到 AI 工程，再到产品架构与复杂项目治理。每一层都为了把系统真正落地。
01 / COMPLEX SYSTEM ARCHITECTURE
复杂系统架构
理解账务、合规与多主体差异，把业务规则建模成可维护的软件结构。
- 投管 / 多资产核算
- 财务核算 / 合并报表 / 科目体系
- 保险福利 / 理赔 / 合规
02 / ENTERPRISE AI ENGINEERING
企业 AI 工程
把 LLM 放进真实流程：检索、路由、评测、缓存、兜底与成本控制。
- RAG / Agent / MCP
- Prompt & evaluation
- Token 成本与容错设计
03 / PRODUCT & SYSTEM DESIGN
产品与系统设计
在模糊需求中建立秩序，用信息架构与 Design System 降低复杂系统的协作成本。
- 0 → 1 产品架构
- 复杂 B 端交互 / Design System
- SOP 与需求规范
04 / COMPLEX PROJECT GOVERNANCE
复杂项目治理
把多团队、多时区、多约束的项目拆成可推进的节点，并对最终交付负责。
- 跨国 / 跨部门协同
- 研发资源规划
- 从需求到上线闭环
CREDENTIALS / BASE
技术底色与工具箱。
工程背景让产品判断更接近实现，也让 AI 方案不悬空。
EDUCATION
新南威尔士大学 · 硕士
Information Technology (AI)
Data Structures & Algorithms · Machine Learning & Data Mining · Computer Vision · Artificial Intelligence
中北大学 · 本科
微电子学 · 信号与系统、半导体物理与器件、硬件描述语言
STACK
AI / LLM
LangChain · LangSmith · n8n · Dify · MCP · Prompt Engineering · SKILLS · Vibe Coding
RAGAgentDIFYMCP
Design / Data
Python · SQL · Docker · scikit-learn · Figma · Axure · Design System
PYTHONSQLDOCKERSKLEARN
Architecture · System Map
系统架构与数据流
自上而下：数据源 → 采集编排 → 数据访问 → 统一存储 → 计算/应用 → 工具出口。虚线表示事件、派生或无强耦合的读取。
同步调用
事件 / 派生 / 弱耦合读取
所有 DB 访问仅限 data_interface 与 factor_engine
持仓表非 WAL（支持原地 UPDATE）
12 Modules · Responsibility & Public API
系统模块：职责、核心函数与依赖
每个模块只做一件事，并用明确的读写边界与相邻模块连接。点击底部的表名可直接跳转到数据模型并打开字段详情。
系统模块卡片
函数名为代码中的真实入口（类名 + 方法名），不是概念描述。
Entity Map · 7 Data Domains
数据模型与表关系
按数据域分列布局。连线是逻辑关系（存储层无外键约束），虚线表示派生 / 投影。点击任意表查看字段、读写方与上下游。
滚轮缩放 · 拖拽平移 · 点击表看字段 · 点击数据域聚焦
逻辑外键
派生 / 投影
状态 / 作业
其余表以
code 关联主数据；ts 为 designated timestamp