PowerQuant RAG 知识库大更新：更多平台、更多例子，AI 更懂量化了

AI 大脑通过数据流连接到多个交易平台文档——RAG 知识库检索的核心概念

两周前 PowerQuant RAG 上线。

两周后的今天——金字塔的系统公式全导出来了，TBQuant 的实战教程补全了，还新增了一个平台。

这次更新的重心在检索质量。AI 现在能给你”别人跑通的做法”，而不只是”理论上该怎么做”。

先给新读者补个课：PowerQuant RAG 是什么

PowerQuant RAG 覆盖的 12 个量化交易平台，按股票/期货/跨市场分类

老粉跳过这一段。

它是一套统一的、开箱即用的量化知识库，做成了 MCP 工具。你的 AI 客户端（Claude Code、Cursor 等）接入后，能回答”这个平台的 API 怎么用""这个策略怎么写""这里为什么报错”。

工作流程很简单：

你说话 → AI 调用 PowerQuant RAG 检索 → 给出有上下文的回答

跟裸用 AI 的区别：裸用 AI 写量化代码，它给你一堆模板——根本不能用，因为它不知道你用哪个平台、API 长什么样、踩过什么坑。接了 RAG 之后，AI 给的是基于真实平台 API 的可运行代码。

当前覆盖的平台：

股票：PTrade、聚宽、米筐、通达信
期货：TBQuant、天勤、金字塔、无限易、易盛
跨市场：TradingView、文华财经
同花顺
🆕 PowerQuantBacktest（新增）

服务地址：http://pq-rag.powerquant.top/mcp，免费直连、无需申请。详细配置教程见上一篇《PowerQuant RAG 配置教程：四种方式，五分钟接入》。

这次更新了什么

一、金字塔：291 个系统公式全量导入

这是本次最大的一块。

金字塔（PEL 语言）自带一套图表交易系统公式库——官方多年积累的经典策略集合，涵盖日内、趋势、震荡、套利各种类型。过去这些公式锁在软件里，不一个个双击导出根本看不到源码。

我把能打开的全部导出来了——交易系统、技术指标、条件选股、五彩K线，四类加起来 291 个。

代表策略：R-Breaker、双向海龟、超级日内组合、恒温器……

好处很明显：之前你问 AI「金字塔怎么写 R-Breaker」，它给你一个网上抄来的版本——参数可能过时，逻辑可能不完整。现在 RAG 直接有金字塔官方原版源码，带完整的参数定义、突破价计算、反转逻辑、收盘平仓。

额外做了一件事：这些系统公式是完整策略，我在分块逻辑里加了规则——含 PEL 代码块的文件整体不拆分，保持策略完整性。这样 AI 拿到的是一段完整的、能直接加载运行的策略，而不是被切碎拼不起来的片段。

二、TBQuant：编程技巧 + 实战教程补全

TBQuant 之前的文档以 API 参考为主——函数怎么调用、参数什么意思。但编程技巧系列和 TBPY 使用案例一直没入库。

这次补全了：PLOT 代码作图、事件驱动（基础+进阶）、四周规则交易策略及改进版、TB 语法机制、策略管理、算法代理，还有 Python/TBPY 的完整使用案例。

API 参考告诉你”函数叫什么”，编程技巧告诉你怎么用这些函数搭出一个完整策略。比如「四周规则」——经典的唐奇安通道突破策略，TBQuant 官方有完整的实现教程，从基础版到改进版，一步一步教你思路。之前 AI 得自己瞎编，现在直接有官方教程。

三、🆕 新增平台：PowerQuantBacktest

PowerQuantBacktest 是一套 Python 回测框架——BacktestEngine、ArrayManager、BarGenerator、Context 这些核心组件。之前文档抓了但没接入 RAG，等于没有。

现在补上了。如果你用这套框架做回测开发，AI 能告诉你每个组件的用法、参数、返回值。

四、PTrade API 检索增强

PTrade 的 API 文档里有不少函数说明用的是三级标题，之前分块时漏掉了。修复后，每个函数块都带上了函数名、分类、平台的上下文标签——检索精度和回答质量同时提升。

这些例子到底有什么好处

更新前后对比：AI 自由发挥 vs 金字塔官方原版源码

可能有人会问：文档多就一定好吗？

这次新增的重点在”例子”，不在”文档”。

量化开发里有两类知识：

API 参考——函数叫什么、参数怎么传。这是”字典”，查一下就行。
策略示例——完整的、能跑的、经过验证的策略代码。这是”范文”，你照着学、照着改。

API 参考，之前的 RAG 已经很全了。但策略示例一直是短板——用户问”金字塔怎么写一个完整的日内策略”，AI 只能给你 API 名字，拼不出完整策略。

这次更新补的就是策略示例这个短板。

举个真实的例子。假设你想在金字塔上实现 R-Breaker 策略——经典的日内突破策略，逻辑涉及观察买入价、反转卖出价、突破买入价等多个价位计算。

更新前，AI 的回答可能是这样的：

R-Breaker 需要计算几个关键价位，你可以用 CALLSTOCK 取昨日高低收数据，然后根据公式计算突破价……

——方向对，但细节全靠你自己填。你得自己查 CALLSTOCK 的参数、自己算突破价公式、自己处理时间判断。

更新后，RAG 直接有金字塔官方的 R-Breaker 源码：

{ R-Breaker 日内策略 - 官方版本 }
INPUT:SS(1,1,10000,10);
手数:=SS;
昨高:=CALLSTOCK(STKLABEL,VTHIGH,6,-1);
昨低:=CALLSTOCK(STKLABEL,VTLOW,6,-1);
昨收:=CALLSTOCK(STKLABEL,VTCLOSE,6,-1);
今高:=VALUEWHEN(TODAYBAR>1,HHV(H,TODAYBAR));
今低:=VALUEWHEN(TODAYBAR>1,LLV(L,TODAYBAR));

观察卖出价:昨高+0.35*(昨收-昨低);
反转卖出价:(1.07/2)*(昨高+昨低)-0.07*昨低;
反转买入价:(1.07/2)*(昨高+昨低)-0.07*昨高;
观察买入价:昨低-0.35*(昨高-昨收);
突破买入价:(观察卖出价+0.25*(观察卖出价-观察买入价));
突破卖出价:观察买入价-0.25*(观察卖出价-观察买入价);

——完整的、官方验证过的、可以直接加载到金字塔里跑的。

这就是策略示例的价值：直接给你”别人已经跑通的做法”，你在这个基础上改参数、加过滤、调仓位就行。

TBQuant 的四周规则、事件驱动，PTrade 的 14 个官方策略，金字塔的 291 个系统公式——全是这个逻辑。RAG 知道的例子越多，AI 给你的起点就越高。

怎么开始用

四步接入 PowerQuant RAG：装 VSCode → 装 AI 客户端 → 配置 MCP → 直接说话

如果你已经接入过 PowerQuant RAG——什么都不用做，直接用就是了。知识库已经更新，你下一次提问就是新版。

如果还没接入：

第 1 步：装 VSCode（code.visualstudio.com）

第 2 步：装 Claude Code（或 Cursor / Continue 等任何支持 MCP 的客户端）

第 3 步：配置 MCP，接入 PowerQuant RAG。服务地址 http://pq-rag.powerquant.top/mcp，免费直连、无需申请。详细配置看上一篇《PowerQuant RAG 配置教程：四种方式，五分钟接入》。

第 4 步：直接说话。比如「金字塔的 R-Breaker 策略怎么写」「TBQuant 怎么用事件驱动写四周规则」。

写在最后

RAG 这件事，上线只是第一步，持续喂例子才是核心。

一个只有 API 文档的 RAG，AI 给你的还是半成品。一个塞满了经典策略、官方示例、实战案例的 RAG，AI 才能真正当一个”有经验的老手”来用。

这次新增的金字塔系统公式、TBQuant 编程技巧、PowerQuantBacktest 框架文档，等于给 AI 喂了几百个”别人跑通的做法”。下次你问任何一个经典策略，AI 的起点，就是这些官方原版代码。

RAG 会越来越聪明。因为它知道的东西，越来越多。

🎁 听雨量化 · 服务推荐

代写 — Pine Script / Python / TB / PEL 全平台策略代写（跨平台迁移、套利、趋势、多因子）培训 — PowerQuant 7 天 AI 量化实战课 + RAG 量化知识库

公众号回复「培训」或「代写」获取详情

👉 留言告诉我：你最想看到哪个平台、哪类策略的例子被加入 RAG？

我按需求优先级排期，下一篇可能就是你想要的。