trandagnetss-CSDN博客

原创 OpenClaw 多 Agent 协作协议（ACP）深度解析与实战

摘要本文介绍了 OpenClaw 中的多 Agent 协作协议（ACP），该协议通过协调器、工作 Agent 和消息总线实现复杂任务的自动化处理。文章详细阐述了 ACP 的架构设计，包括任务分解、角色分配和状态同步机制，并提供了 Python 实现的代码示例。ACP 支持动态扩展和容错处理，能够有效协调多个 Agent 完成数据分析、客户服务等复杂场景任务。核心组件包括任务状态管理、消息总线和 Agent 角色定义，通过发布/订阅模式实现高效通信。

2026-03-20 00:24:26 270

原创 Tushare 量化实战 09：行业轮动策略

摘要行业轮动策略利用经济周期不同阶段的行业表现差异获取超额收益。美林时钟将经济周期分为复苏、过热、滞胀和衰退四个阶段，各阶段对应不同优势行业。本文介绍了行业数据获取方法（使用Tushare获取申万行业指数数据）和动量计算模型，包括相对价格强度(RPS)和行业排名计算。通过Python代码示例展示了如何批量获取行业数据、计算行业动量及排名，为构建行业轮动策略提供技术实现方案。核心逻辑是利用动量效应，即过去表现好的行业未来可能持续强势。

2026-03-20 00:20:36 275

原创 Text2SQL技术选型

Text2SQL技术

2026-03-18 23:47:04 356

原创 OpenClaw 安全架构深度解析：Token + Nonce 认证机制与技能沙箱隔离

OpenClaw安全架构摘要：本文介绍了AI智能体系统的安全防护方案，重点提出Token+Nonce双重认证机制。系统面临凭证泄露、技能注入、数据外泄等五大风险，采用零信任、最小权限等设计原则。认证流程包含9个步骤，通过Redis存储时效性Nonce并配合Token验证，有效防范重放攻击。核心代码展示了Nonce生成、验证及管理的完整实现，包含加密随机数生成、有效期检查和使用状态标记等功能，为AI系统提供可靠的安全保障。

2026-03-18 23:31:38 326

原创 OpenClaw Context Engine 插件框架深度解析与实战

本文介绍了OpenClaw v2026.3.2中的Context Engine插件框架，该系统专注于AI智能体的上下文管理。该框架包含三大核心功能：上下文构建（整合对话历史、系统提示词和工具描述）、上下文压缩（移除冗余信息）以及状态继承（子Agent继承父Agent状态）。文章详细分析了Context Engine的三层架构设计（ContextBuilder、ContextCompressor和StateInheritance）及其数据流处理流程，并通过配置示例展示了对话历史收集、系统提示词构建等关键功能的

2026-03-17 01:00:02 548

原创 Tushare 量化实战 07：从零开始构建回测框架

本文介绍了一个量化交易回测框架的设计与实现。该框架包含数据模块、策略模块、交易模块和绩效模块四大核心组件，采用面向对象方法构建。文章详细展示了回测引擎的核心代码实现，包括Trade和Position数据类、BaseStrategy策略基类以及BacktestEngine回测引擎类。引擎支持初始化参数配置（初始资金、佣金费率等）、状态重置、运行回测等功能，并提供了单股票回测的交易信号处理逻辑。该框架可实现完整的策略回测流程，包括交易执行、持仓更新和绩效计算，为量化交易策略验证提供了基础工具。

2026-03-17 00:57:02 322

原创 OpenClaw 企业级自动化系统架构设计与实现

本文介绍基于 OpenClaw 构建的企业级自动化系统的完整架构设计、技术选型、实现细节和性能优化方案。

2026-03-16 00:16:08 379

原创 Tushare 量化实战 06：复权数据处理与技术指标计算

本文介绍了量化交易中复权数据处理的关键要点。复权数据对回测准确性至关重要，主要分为三种类型：前复权（适合回测分析）、后复权（适合收益展示）和不复权（用于实盘交易）。文章提供了三种获取复权数据的方案：1）直接获取复权数据；2）使用复权因子手动计算；3）封装复权数据获取类。其中重点演示了如何通过复权因子计算公式：前复权价格=原始价格×当前复权因子/基准复权因子。文中还强调了不复权数据会导致K线跳空、指标失真等问题，建议回测时使用前复权数据以保证策略准确性。

2026-03-16 00:10:53 764

原创 Tushare 量化实战 05：数据库存储与SQL查询优化

本文介绍了股票数据持久化方案，重点解决如何高效存储和查询批量获取的数据。首先对比了SQLite、MySQL等主流数据库的优缺点，建议开发环境使用SQLite，生产环境采用MySQL。详细设计了三个核心表结构：股票基础信息表（stock_basic）、日线行情表（daily_quotes）和股票列表表（index_weight），包含字段定义和索引优化策略。随后封装了基础数据库操作类，提供SQL执行、DataFrame插入/查询等功能，采用单例模式管理数据库连接。该方案实现了从数据获取到持久化的完整链路，为后

2026-03-13 01:01:43 380

原创实用技能大全（二）：10 个进阶级技能，让 OpenClaw 真正自动化

本文介绍了5种自动化工作流进阶技能：1）网页爬虫（监控网站数据）；2）Excel批量处理（自动操作多个文件）；3）定时任务调度（定期执行特定任务）；4）多技能协作工作流（整合多个任务步骤）；5）API集成（调用第三方接口）。每个技能都包含真实使用场景、配置方法和注意事项，能显著提升工作效率。这些技能可单独使用或组合应用，实现复杂的自动化流程。

2026-03-13 00:39:28 404

原创 Tushare 实战：批量数据获取与并发控制

批量数据获取优化方案本文探讨了高效获取全市场5000+支股票数据的解决方案。

2026-03-11 20:33:01 422

原创 Openclaw实用技能大全：10 个入门级常用技能实战

OpenClaw 10个高效使用技巧

2026-03-11 20:30:56 1692

原创 Tushare 实战：开发环境与第一个脚本

本文详细介绍了如何从零开始搭建Python量化开发环境，并编写第一个完整的数据获取脚本。主要内容包括：环境选择：推荐Python 3.10作为稳定性和新特性的平衡点，建议使用venv+pip作为包管理工具组合。环境搭建步骤：创建项目目录结构建立虚拟环境安装核心依赖（tushare、pandas等）配置环境变量设置Git版本控制实战开发：基础版本（20行代码）实现股票列表获取功能进阶版本封装为可复用的TushareClient类包含数据获取、保存和错误处理等功能最佳实践。

2026-03-10 00:14:58 408

原创聊聊 Claw 家族：“龙虾“该怎么选？

摘要： OpenClaw生态在3个月内发展出5款产品，分为自托管（OpenClaw、ZeroClaw、PicoClaw）和云端托管（MaxClaw、KimiClaw）两派。OpenClaw功能全但资源占用高；ZeroClaw以Rust重写，性能极致优化；PicoClaw专为IoT设计，轻量离线。云端版MaxClaw和KimiClaw分别依托MiniMax和Moonshot AI模型，提供零配置方案，后者附赠40GB存储。建议根据需求选择：技术爱好者选OpenClaw，低配置环境选ZeroClaw，IoT场景

2026-03-10 00:06:34 558

原创 Tushare量化数据 + AI 智能体 + OpenCLAW：构建全渠道量化数据系统

在 AI Agent 火爆的 2026 年，量化数据获取方式正在发生变革。这篇文章展示如何将 Tushare、AI 智能体与最新的 OpenCLAW 框架结合，实现自然语言查询、多通道推送、自动化数据采集等功能

2026-03-09 00:56:22 1099

原创 Tushare 量化数据接口技术选型

对比了量化交易数据源的四种方案：Wind（昂贵但全面）、Choice（中等价位）、聚宽（免费但受限）和Tushare（性价比高）。最终选择Tushare作为个人开发者的最优解，因其开源、支持数据导出且成本低廉（200-500元/年）。技术实现方面：采用Python封装Tushare API，统一处理异常和数据清洗提供股票列表和日线数据获取的示例代码建议SQLite用于开发。

2026-03-09 00:20:27 907

基于PyTorch的ResNet图像分类（含架构设计/源码/文档/迁移学习）

基于 PyTorch 的 ResNet 图像分类项目【项目概述】一个基于 PyTorch 和 ResNet 的图像分类完整解决方案，采用模块化架构设计，代码规范，文档齐全。适合毕业设计、课堂大作业，或作为深度学习入门实战项目。【技术栈】 - PyTorch 2.0+：深度学习框架 - ResNet：深度残差网络架构 - torchvision：数据加载与增强 - Python 3.8+：编程语言 - CUDA：GPU 加速（可选）【核心特性】 - 支持 ResNet18/34/50 多种模型 - 迁移学习，使用 ImageNet 预训练权重 - 完整的数据增强 pipeline - 训练过程可视化（tqdm 进度条） - 模型检查点自动保存 - 单张/批量推理支持 - Top-K 预测结果输出【使用方法】 1. 下载解压 2. 安装依赖：`pip install -r requirements.txt` 3. 准备数据：按目录结构组织图像 4. 训练模型：`python train.py --epochs 50` 5. 预测：`python predict.py --model checkpoints/best_model.pth --input test.jpg`

2026-03-08

停车场管理系统完整实现

【使用方法】 1. 下载解压 2. 安装依赖：pip install -r requirements.txt 3. 初始化数据库：python run.py --init 4. 启动服务：python run.py 5. 浏览器访问：http://localhost:5000 MVC 三层架构： ├── Model（数据层） │ ├── ParkingSpot（车位表） │ ├── Vehicle（车辆表） │ ├── ParkingRecord（停车记录表） │ ├── PricingRule（收费规则表） │ └── MonthlyCard（月卡表） ├── View（显示层） │ ├── 仪表盘统计卡片 │ ├── 车位状态可视化 │ ├── 车辆入场/出场表单 │ └── 数据表格展示 └── Controller（控制层） ├── ParkingService（停车服务） ├── PricingService（收费服务） └── MonthlyCardService（月卡服务）

2026-03-08

毕业设计HTML5 Canvas 贪吃蛇游戏完整源码（MVC 架构设计/详细文档）

基于 HTML5 Canvas 和 JavaScript ES6+ 实现的经典贪吃蛇游戏完整项目，代码规范，文档详尽。【技术栈】 - HTML5 Canvas：游戏渲染 - JavaScript ES6+：面向对象实现 - CSS3：UI 样式 - Web Audio API：音效生成 - localStorage：数据持久化代码结构清晰，适合二次开发。架构设计语言无关，可轻松移植到其他语言

2026-03-08

2025科创板50ETF分钟级数据 - 量化回测专用

2025年科创板50ETF（588000.SH）完整1分钟级交易数据，包含开盘价、收盘价、最高价、最低价、成交量和成交额，适合量化交易策略研发、技术分析和高频交易研究。

2026-03-08

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人