AgentSkillsCN

Knowledge Base Search

知识库搜索

SKILL.md

name: knowledge-base-search-skill description: 智能搜索知识库中的内容，支持关键词搜索、语义理解、字段查找和示例推荐，涵盖数据集字段、优化经验、优质示例和平台机制。

知识库搜索 Skill

概述

本 Skill 的目标是：智能搜索并检索 WorldQuant BRAIN Alpha 因子研究知识库中的相关内容，涵盖数据集字段、优化经验、优质示例和平台机制四大领域。

输入可以是以下任一或组合：

  • •关键词查询：如 "turnover"、"hump"、"decay" 等
  • •自然语言问题：如 "如何降低换手率"、"sub-universe sharpe 不达标怎么办"
  • •字段名/类型：如 "close"、"returns"、"VECTOR" 类型字段
  • •因子类型/策略：如 "动量策略"、"均值回归"、"质量因子"

输出必须满足：

  • •相关性：返回与查询最相关的内容片段
  • •可操作性：提供可直接应用的方法、代码或建议
  • •可追溯性：明确标注内容来源（文件路径、章节）
  • •结构化：按相关性排序，便于快速定位

何时使用

  • •你需要查找特定数据集字段的定义、覆盖率、类型和使用统计
  • •你需要查找优化经验（如降低 Turnover、提升 Sub-Universe Sharpe、降低相关性）
  • •你需要查找优质 Alpha 示例以参考设计原则和表达式结构
  • •你需要查找平台机制（如回测原理、权重生成、PnL 计算）
  • •你需要根据经济学逻辑或改进方向快速定位相关知识

输入 / 输出

输入

  • •查询类型：关键词 / 自然语言问题 / 字段名 / 因子类型

输出

  • •相关内容片段：直接引用原文并标注来源
  • •结构化摘要：提取关键点、方法、代码示例
  • •操作建议：基于知识库内容的可执行建议
  • •延伸阅读：相关章节和文档链接

MCP 工具

  • •文件搜索：Glob、Grep（基于 ripgrep）
  • •文件读取：Read
  • •知识库位置：./Resources/

硬性约束（违反任一即判定无效）

  1. •

    来源标注

    • •必须标注每个内容片段的来源文件路径
    • •禁止返回无来源的内容
  2. •

    真实性

    • •禁止编造知识库中不存在的内容
    • •禁止对原文进行过度解读或误导性总结
  3. •

    相关性排序

    • •按相关程度从高到低排序结果
    • •优先返回直接匹配查询意图的内容
  4. •

    完整性

    • •代码示例必须完整且可运行
    • •方法步骤必须清晰且无遗漏

核心搜索策略

1) 关键词搜索

  • •工具：Grep（ripgrep）
  • •策略：
    • •大小写不敏感搜索（-i）
    • •返回匹配行及上下文（-C）
    • •限制结果数量（head_limit）

2) 语义搜索

  • •工具：Grep（多关键词组合） + Read（全文分析）
  • •策略：
    • •提取查询中的关键概念
    • •组合多个关键词进行搜索
    • •读取全文并提取相关段落

3) 字段查找

  • •工具：Glob + Grep
  • •策略：
    • •在 IND_DATASET/ 目录中搜索字段名
    • •返回字段定义、类型、覆盖率、使用统计
    • •关联相关数据集和文档

4) 示例推荐

  • •工具：Read + 内容分析
  • •策略：
    • •根据因子类型（动量/反转/质量/情绪）匹配示例
    • •提取示例的经济学解释和设计原则
    • •禁止直接复制示例代码

知识库结构

code
./Resources/
├── IND_DATASET/                    # 数据集目录
├── good_alpha_examples/             # 优质示例
├── How_WorldQuant_BRAIN_Backtesting_Works.md  # 平台机制
├── alpha_optimization/              # 优化经验
└── regular_operators.csv           # 操作符清单

搜索场景示例

场景 1：查找降低 Turnover 的方法

输入："如何降低换手率" 或 "turnover 优化"

搜索策略：

  1. •关键词搜索：Grep("turnover|换手", path="Resources/alpha_optimization")
  2. •读取相关文件：Read("Resources/alpha_optimization/turnover/如何拯救高turnover因子.md")
  3. •提取核心方法和代码示例

输出示例：

code
### 场景 ：查找特定字段信息
**输入**："close 字段在哪些数据集中" 或 "VECTOR 类型字段有哪些"

**搜索策略**：
1. 关键词搜索：`Grep("close", path="Resources/IND_DATASET")`
2. 提取字段定义、覆盖率、统计信息

**输出示例**：
```markdown
## close 字段信息

**来源**：`Resources/IND_DATASET/IND_1_TOP500_fundamental.csv`

### 字段定义
- **字段名**：`close`
- **类型**：MATRIX
- **数据集**：`fundamental_v2`
- **覆盖率**：99.8%
- **用户数**：1234

### 说明
收盘价字段，可直接作为信号使用，无需聚合。

### 相关字段
- `open`：开盘价
- `high`：最高价
- `low`：最低价
- `volume`：成交量

输出格式规范

1) 结构化输出

markdown
## [查询主题]

**来源**：`[文件路径]`

### [核心要点 1]
[内容片段]

### [核心要点 2]
[内容片段]

### 代码示例
```python
[代码]

质量标准

维度标准
相关性返回内容与查询意图高度相关
准确性内容真实来自知识库，无编造
可操作性提供可直接应用的方法或建议
可追溯性明确标注来源文件路径
完整性代码完整可运行，步骤清晰无遗漏
code