📚
powerquant-rag

PowerQuant RAG

让 AI 看懂所有量化平台的函数与文档

让 AI 精准实现你的量化思想

PowerQuant RAG —— 量化知识库 MCP 服务:把文华、TBQuant、通达信、天勤、金字塔、TradingView 等 11 个平台的官方文档向量化索引(共 12 分类、6350+ 文档块),AI 一查就懂,精准命中各平台接口。

👤用 Claude / Cursor 等 AI 工具写量化代码的开发者 · 📦开源 / 自托管 · 📊11 平台 · 12 分类 · 6350+ 文档块 · 🎁当前免费
想系统学某个平台的语法 / 函数?看资料中心的中文手册;想直接接入 AI?往下看配置文档。
01

让 AI 帮你自动配置

把下面这段内容完整复制给你的 AI 助手(Claude / Cursor / ChatGPT),它会自动完成 MCP 配置、Key 申请说明与验证测试

⚡ 推荐
📋 配置 Prompt(已含完整步骤与工具说明)
你是 PowerQuant RAG 接入助手,请帮我完成 MCP 服务接入。

## 服务简介
PowerQuant RAG 把 11 个主流量化平台的官方文档向量化索引(共 12 分类、6350+ 文档块),通过 MCP 协议让 AI 精准回答函数语法、参数说明、示例代码等问题——让每一次回答都对应平台真实接口,把你的量化思想完整落地。

## 服务信息
- 域名:http://pq-rag.powerquant.top
- MCP 端点:http://pq-rag.powerquant.top/mcp
- 协议:MCP streamable-http(HTTP + SSE)
- 鉴权:Bearer Token
- 计费:免费(限流 60 RPM / 20000 RPD / 并发 8)

## 接入步骤

### 第一步:申请 API Key
当前我还没有 API Key。请告诉我申请渠道(公众号 / 邮箱 / 微信群),拿到 Key 后替换下方 <YOUR_API_KEY>。

### 第二步:配置 MCP 客户端
编辑 ~/.claude.json(Cursor 用户:Settings → MCP → Add new MCP Server),加入:

{
  "mcpServers": {
    "powerquant-rag": {
      "type": "http",
      "url": "http://pq-rag.powerquant.top/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_API_KEY>"
      }
    }
  }
}

### 第三步:验证连接
请帮我依次调用:
1. list_categories — 应返回 12 个分类
2. list_platforms — 应返回 11 个平台
3. search("MACD 金叉") — 应返回相关文档

### 第四步:开始使用
配置成功后我可以这样提问:
- "TBQuant 的 Buy 函数怎么用"
- "通达信里 MACD 金叉公式怎么写"
- "把这段文华财经麦语言翻译成 TradingView Pine Script"
- "天勤 TqSdk 怎么订阅行情"

## 可用工具(5 个)
- search(query, category?, platform?, tags?, mode?, limit?) — 语义搜索
- list_categories() — 列出分类
- list_platforms() — 列出平台
- resolve_entity(query, platform?) — 概念 → 平台函数名
- list_entities(category?) — 跨平台实体映射

请现在确认你能读懂这份配置,然后引导我完成第一步。
✓ 已复制到剪贴板,现在粘贴给你的 AI 助手即可
1
点击「一键复制」
2
粘贴到 AI 对话窗
3
按 AI 引导完成接入
02

核心价值

为什么 AI 编写量化策略时需要 RAG

🔢

全平台知识向量化

11 个平台、12 个分类、6350+ 文档块已向量化入库。基于 BAAI/bge-m3 嵌入模型与 bge-reranker-v2-m3 重排序,召回精度远超关键词检索。

🔍

精准函数查询

用自然语言提问即可拿到函数签名、参数说明、示例代码。AI 调用前先查后答,每一次回答都对应平台真实接口,不再因不熟悉平台 API 而卡壳。

🔁

策略跨平台迁移

把文华麦语言翻译成 TradingView Pine、把通达信公式改写成天勤 Python——AI 同时检索双边文档,函数对应关系一一映射。

🎁

免费开放

当前完全免费,限流 60 RPM / 20000 RPD / 并发 8,个人研究与策略开发完全够用。联系客服即可申请 API Key。

03

覆盖平台

11 个主流量化平台 · 持续扩充中

文华财经麦语言
TBQuantPython
天勤 TqSdkPython
易盛极智Python
通达信公式
PTradePython
同花顺公式
金字塔 PELPEL
聚宽Python
米筐Python
无限易 PythonGoPython
TradingViewPine

共 12 个分类、6350+ 文档块,涵盖函数参考、语法说明、策略示例、Python 接口。

04

典型使用场景

接入后你可以这样用

场景一 · 函数查询
「TBQuant 的 Buy 函数怎么用?需要哪些参数?」
AI 调用 search("TBQuant Buy 函数"),返回函数签名、参数说明、示例代码
场景二 · 公式编写
「通达信里 MACD 金叉的选股公式怎么写?」
AI 调用 search("MACD 金叉 通达信"),给出完整公式代码与变量说明
场景三 · 跨平台迁移
「把这段文华财经麦语言翻译成 TradingView Pine Script」
AI 同时检索双边文档,函数一一映射,输出等价 Pine 代码并标注差异
场景四 · 概念解析
「'止损单'在不同平台分别对应哪个函数?」
AI 调用 resolve_entity("止损单"),返回各平台对应函数名清单
05

手动配置方法

习惯自己动手的工程师,可选以下两种方式

适用于 Claude Code、Cursor、Cline、Continue 等支持 MCP 协议的 AI 工具。

Claude Code

编辑 ~/.claude.json,在 mcpServers 下添加:

{
  "mcpServers": {
    "powerquant-rag": {
      "type": "http",
      "url": "http://pq-rag.powerquant.top/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_API_KEY>"
      }
    }
  }
}

Cursor

  1. 打开 Settings → MCP
  2. 点击 Add new MCP Server
  3. Type 选择 http
  4. URL 填 http://pq-rag.powerquant.top/mcp
  5. Headers 添加 Authorization: Bearer YOUR_API_KEY

验证

重启客户端后,让 AI 调用 list_categories 工具,应返回 12 个分类。

基于 MCP streamable-http 协议,所有请求发送至 http://pq-rag.powerquant.top/mcp,需 Bearer Token 鉴权与 session 管理。

curl 示例(完整 MCP 流程)

# 1. 初始化握手(拿 session id)
curl -X POST http://pq-rag.powerquant.top/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -H "Authorization: Bearer <YOUR_API_KEY>" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize",
       "params":{"protocolVersion":"2025-06-18","capabilities":{},
                 "clientInfo":{"name":"test","version":"1.0"}}}'
# 响应头里取 mcp-session-id

# 2. 后续请求都带 mcp-session-id
curl -X POST http://pq-rag.powerquant.top/mcp \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <YOUR_API_KEY>" \
  -H "mcp-session-id: <SESSION_ID>" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/list"}'

Python 示例

import requests

API_KEY = "<YOUR_API_KEY>"
URL = "http://pq-rag.powerquant.top/mcp"
HEADERS = {
    "Content-Type": "application/json",
    "Accept": "application/json, text/event-stream",
    "Authorization": f"Bearer {API_KEY}",
}

# 初始化
init = requests.post(URL, headers=HEADERS, json={
    "jsonrpc": "2.0", "id": 1, "method": "initialize",
    "params": {"protocolVersion": "2025-06-18", "capabilities": {},
               "clientInfo": {"name": "pq-client", "version": "1.0"}}
})
session_id = init.headers["mcp-session-id"]
HEADERS["mcp-session-id"] = session_id

# 搜索
result = requests.post(URL, headers=HEADERS, json={
    "jsonrpc": "2.0", "id": 2, "method": "tools/call",
    "params": {"name": "search",
               "arguments": {"query": "MACD 金叉", "limit": 5}}
})
print(result.text)
06

工具清单

MCP 协议暴露的 5 个工具

🔎 search

语义搜索知识库,返回相关文档块

query category? platform? tags? mode? limit?
📂 list_categories

列出所有分类及文档数

无参数
🏗️ list_platforms

列出所有平台及文档数

无参数
🔗 resolve_entity

把交易概念解析为平台函数名

query platform?
🗺️ list_entities

列出跨平台实体映射

category?
07

申请 API Key

三步开通 · 当前免费

1
联系客服

微信公众号「听雨量化」 / 客服微信 / 用户群,任一渠道均可

2
说明用途

简单说明你的目标平台与策略类型,便于我们评估配额

3
收到 Key 即可使用

格式形如 kr_live_xxxxxxxx,按上方任一配置方法接入

限流策略 60 请求/分钟 · 20000 请求/天 · 最大并发 8
08

常见问题

接入前的疑问,先在这里找答案

RAG 数据多久更新一次?

目前手动更新,每次有重大平台文档变更会重新向量化入库。计划后续开放「平台文档更新订阅」。

支持本地部署吗?

暂不支持。RAG 服务依赖 LanceDB 向量库 + 嵌入 API,本地部署需要自备 SiliconFlow / OpenAI key。后续会开源核心代码。

支持英文文档吗?

当前以中文文档为主(11 个平台官方文档大多为中文)。TradingView Pine 文档保留英文原文,搜索支持中英文混合查询。

查询会被记录吗?

查询日志仅用于排查错误与限流统计,不会保存查询内容到数据库,也不会用于训练。API Key 哈希存储,明文不落盘。

09

实际调用示例

真实请求与响应(2026-07-13 实测,未做任何修饰)

真实数据
🙋 用户提问
通达信里 MACD 金叉的选股公式怎么写?
1 AI 识别意图,调用 search 工具
2 RAG 服务向量检索 + 重排,返回 3 条文档块
3 AI 基于真实文档生成准确回答,精准命中平台接口
📤 请求 · HTTP JSON-RPC over streamable-http
POST /mcp HTTP/1.1
Host: pq-rag.powerquant.top
Authorization: Bearer kr_live_xxxxxxxx
mcp-session-id: 53709bae6cc14346844d225beddb0fe1
Content-Type: application/json

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "search",
    "arguments": {
      "query": "MACD 金叉",
      "platform": "通达信",
      "limit": 3
    }
  }
}
📥 响应 · 3 条结果 按相关性排序,bge-reranker 精排后得分
#1 通达信 函数参考 score 0.855
{
  "score": 0.855,
  "platform": "通达信",
  "category": "函数参考",
  "source_path": "tdx/functions/cross.md",
  "content": "CROSS(A, B) { A 上穿 B }
判断 A 是否从下向上穿越 B。

示例 1:均线金叉
  金叉:=CROSS(MA(C, 5), MA(C, 10));

示例 2:MACD 金叉(DIF 上穿 DEA)
  DIF:=EMA(C, 12) - EMA(C, 26);
  DEA:=EMA(DIF, 9);
  MACD金叉:=CROSS(DIF, DEA);
  // 选股条件:今日刚刚发生金叉
  金叉今日:=CROSS(DIF, DEA);"
}
#2 通达信 指标公式 score 0.768
{
  "score": 0.768,
  "platform": "通达信",
  "category": "指标公式",
  "source_path": "tdx/indicators/macd.md",
  "content": "MACD 指标完整公式:
  DIF:=EMA(CLOSE,12)-EMA(CLOSE,26);
  DEA:=EMA(DIF,9);
  MACD:=2*(DIF-DEA);
  // 金叉信号:DIF 上穿 DEA
  金叉信号:=CROSS(DIF,DEA);
  DRAWICON(金叉信号, LOW, 1);  // 在 K 线下方画图标"
}
#3 无限易 PythonGo 策略示例 score 0.706
{
  "score": 0.706,
  "platform": "无限易 PythonGo",
  "category": "策略示例",
  "source_path": "pythongo/strategies/macd_signal.py",
  "content": "def calc_macd_signal(close, fast=12, slow=26, signal=9):
    '''计算 MACD 金叉/死叉信号'''
    dif = ema(close, fast) - ema(close, slow)
    dea = ema(dif, signal)
    golden_cross = crossover(dif, dea)   # 金叉
    death_cross = crossunder(dif, dea)   # 死叉
    return golden_cross, death_cross"
}
🤖 AI 最终回答 基于上方真实文档,精准命中平台接口
通达信里 MACD 金叉选股公式:

DIF:=EMA(C, 12) - EMA(C, 26);
DEA:=EMA(DIF, 9);
金叉:=CROSS(DIF, DEA);    { CROSS 函数:A 上穿 B 时返回 1 }

选股器直接把「金叉」作为条件即可——CROSS 是通达信内置函数,
表示今日 DIF 从下向上穿越 DEA。

↑ 完整链路:用户提问 → AI 调用 search → 拿到 3 条真实文档块 (含 score、平台、分类、源文件路径、原文内容)→ AI 综合输出。
所有内容来自 pq-rag.powerquant.top 线上服务,未做任何裁剪或修饰。

不想自己折腾?
回到顶部点「一键复制」按钮,把整段 Prompt 发给你的 AI 助手,让它帮你一步到位。
↑ 回到一键配置