页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 71 条 · 数据分析
清除筛选开源社区
ml4t-backtest 是 Machine Learning for Trading 生态中的事件驱动回测引擎，由 Stefan Jansen 相关生态维护。它面向机器学习交易策略，强调真实执行建模、无未来函数、仓位和风险约束、订单行为导出与审计。项目仍处于 beta，但设计理念非常现代。 与轻量级回测框架相比，ml4t-backtest 更关注“研究结果是否可审计、是否接近真实执行”。它支持事件驱动架构、point-in-time correctness、先处理退出订单
事件驱动回测 / 机器学习交易生态
开源社区
exchange_calendars 是一个用于定义和查询全球证券交易所交易日历的 Python 库，支持 50+ 交易所，包括纽约、伦敦、香港、东京等市场。它可以查询交易日、开盘收盘时间、午休、节假日、早收盘等信息，是金融时序分析中容易被忽视但非常关键的基础设施。 很多金融 AI 项目会犯一个基础错误：把自然日当作交易日，或者用统一的 252 天年化假设处理所有市场。但真实市场有节假日、半日交易、午休、不同时区和交易所特殊安排。exchange_calendars 解决的就
证券交易日历 / 全球市场时序基础设施
开源社区
pandas_market_calendars 是另一个常用的交易日历库，目标是在 pandas 生态中提供交易所假期、开盘、收盘、早收盘和有效交易时间序列。它最初从 Quantopian trading_calendars 衍生而来，长期用于量化研究和回测。 该库的使用方式非常直观：先获取某个市场日历，例如 NYSE，然后查询某段日期的 schedule，或生成仅包含有效交易时间的 DatetimeIndex。这对于高频数据重采样、收益率对齐、交易信号时间戳过滤都非常有用。
交易日历 / pandas 金融时序工具
开源社区
py-sec-xbrl 是一个用于解析 SEC EDGAR XBRL 文件的 Python 工具，目标是把上市公司提交给 SEC 的 XBRL XML 财报数据解析成更容易被程序访问的结构化结果。它不是一个完整的公告下载平台，而是专注在“拿到 XBRL 文件之后，如何把其中的财务事实、标签和上下文抽取出来”。 XBRL 是财报机器可读化的关键标准。很多金融 AI 项目会直接对年报 PDF 或 HTML 做 RAG，但如果问题涉及收入、净利润、资产负债、现金流等数字，直接从文本
SEC XBRL 财报解析 / 结构化数据底座
开源社区
wraquant 是一个较新的综合量化金融工具箱，项目自称包含风险管理、制度状态识别、波动率建模、衍生品定价、回测、机器学习和技术分析等模块，并通过 MCP server 将 200+ 工具暴露给 AI Agent 调用。它的定位是“AI-native quant research lab”。 与传统量化库不同，wraquant 从一开始就强调 Agent 可用性：工具函数、工作流 prompt、DuckDB 工作区和 MCP 接口被组织在一起，使 Claude 或其他 MC
AI-native 量化金融工具箱 / MCP
金融数据源、行情与情绪数据连接
数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
金融数据源、行情与情绪数据连接
金融数据源、行情与情绪数据连接
数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
金融数据源、行情与情绪数据连接
金融数据源、行情与情绪数据连接
数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
金融数据源、行情与情绪数据连接
金融数据源、行情与情绪数据连接
数据源类 skill 关注如何接入行情、基本面、情绪或专业数据接口。它适合学习金融 AI 的数据底座：没有稳定数据源，就很难让 agent 形成可复核输出。
金融数据源、行情与情绪数据连接
财富顾问业务与客户经营流程
这一类关注顾问日常经营：客户 onboarding、CRM 生命周期、客户检视、proposal、收费、订单管理、next-best-action 和仪表盘。它更接近财富顾问/客户经理的工作台设计。
财富顾问业务与客户经营流程
证券合规、反洗钱与监管要求
这一类集中在美国证券和投资顾问合规，包括 KYC、AML、Reg BI、受托责任、广告合规、记录保存、隐私和监管检查。它适合作为“合规知识如何写进 skill”的优秀样本。
证券合规、反洗钱与监管要求
证券合规、反洗钱与监管要求
这一类集中在美国证券和投资顾问合规，包括 KYC、AML、Reg BI、受托责任、广告合规、记录保存、隐私和监管检查。它适合作为“合规知识如何写进 skill”的优秀样本。
证券合规、反洗钱与监管要求
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。