前言¶

做量化分析时，AI 助手常见的瓶颈是”只会查不会算”。问它某个因子的表现，它要么去翻网络上的观点，要么给出一段看起来合理但没人验证过的代码。要在全市场 5000 多只股票上跑因子计算、策略回测和 IC 分析，普通对话类 AI 没有本地计算环境，只能靠人自己写脚本、装环境、跑结果。

全A解析（QuantAll）这个 Skill 就是针对这个痛点设计的：它在用户电脑上建一个本地 Python 环境，让 AI 直接编写并执行向量化代码，几秒内算出全市场的客观结果，而不是搬运别人的分析。下面介绍这个 Skill 的具体能力、启用方式和注意事项。

这是什么¶

全A解析是发布在 SkillHub 上的一个社区 Skill，坐标 @user_7641c221/quantall，当前版本 1.0.4，由 user_7641c221 发布维护，分类为 professional。它的定位一句话概括：一个股市全市场向量化计算引擎，通过 MCP 协议为 AI 客户端提供本地 Python 计算能力。

它解决的问题是：AI 在量化场景下从”信息查询者”变成”数据计算者”。触发方式明确——用户提到”回测”“因子分析”“IC分析”“选股策略”“QuantAll”“全A解析”等关键词时才启用；普通的股市闲聊不会触发。

页面信息：评分 100000，下载 849 次，当前安装数为 0，标签 requires_api_key=false（即不需要额外的 API Key 即可使用核心功能）。

核心功能¶

根据官方简介，这个 Skill 提供以下能力：

1、全市场因子计算。AI 编写向量化代码片段，覆盖 5000+ 只股票，数秒内完成因子计算。
2、策略回测。在同一套向量化框架内执行回测，输出客观的数值结果。
3、IC 分析。对因子的 IC 表现做计算，这是因子有效性检验的常规环节。
4、GPU 可视化。支持把计算结果通过 GPU 做可视化呈现。

底层是本地的 quantall 库，AI 生成的向量化代码在用户本机的 Python 环境里执行，计算过程和结果都在本地，不经过第三方服务。

安装与启用¶

这个 Skill 的启用门槛比普通 Skill 高，因为它要在你的电脑上做一系列环境操作。按官方声明，完整流程包括：

1、创建 Python 虚拟环境，占用 300MB 以上空间；
2、在虚拟环境中安装 quantall 库；
3、修改 MCP 配置，把客户端连接到本地的 HTTP 服务（端口 8686）；
4、创建配置文件和启动脚本；
5、启动本地 HTTP 服务，等待 AI 客户端连接。

涉及具体命令的部分说明如下：资料中没有给出官方的 venv 创建命令、pip 安装命令或配置文件全文。按通用做法，环境搭建通常是 python -m venv 创建虚拟环境、pip install quantall 安装库，MCP 配置中填入指向 http://localhost:8686 的服务地址，但这几步的确切写法需要以官方页面（https://api.skillhub.cn/user_7641c221/quantall 或 SkillHub 页面）为准，本文不代为补全，避免写出未经核实的配置。

需要特别说明的是：上述每一步都会改动你的电脑（建目录、装包、改配置、起服务），官方声明要求 AI 在执行前逐一告知并获得你的同意。启用时如果客户端没有先征求同意就开始装东西，属于不符合该 Skill 使用约定的行为。

另一个可选组件是 UpdateStock MCP，用于数据库管理，需要 tushare API。它不是 QuantAll 的核心组件，没有 tushare 账号也可以只用主功能。

典型用法¶

这个 Skill 的工作模式是”AI 写代码、本地执行、返回数值”。典型流程：

1、你在对话中提出量化需求，例如”对全市场做一次因子分析，看看某个因子的 IC”；
2、AI 识别到关键词后启用该 Skill，生成一段向量化计算代码；
3、代码在你的本地 Python 环境里执行，几分钟甚至几秒内返回 5000+ 只股票的计算结果；
4、AI 基于返回的数值做解读，而不是引用网络上的观点。

官方简介中没有给出可直接复制的示例代码片段，因此这里不展示具体代码。使用前建议先在官方页面确认示例和环境要求。

适用场景与注意¶

适合谁：有明确量化分析需求、愿意在本机维护 Python 环境、能接受 AI 直接在本机执行代码的用户。如果你只是想聊聊市场行情，这个 Skill 不会被触发，也不需要启用。

需要注意的限制：

1、环境成本高。需要 300MB+ 磁盘空间建虚拟环境，还要装库、配 MCP、起本地服务，首次启用步骤不少；
2、涉及本机权限。AI 要读写你的文件系统、执行安装命令、监听 localhost:8686 端口，安全上要确认自己信任该 Skill 及其来源；
3、依赖本地环境稳定。Python 版本、依赖库版本、端口占用都会影响服务能否正常起来；
4、可选组件需要额外凭证。UpdateStock 要 tushare API，没有的话只用主功能即可；
5、当前安装数为 0，属于社区新发布的 Skill，使用前可以观察一下社区反馈。

结尾¶

全A解析的价值在于给 AI 补上了”本地计算”这一环：不是让 AI 去搜答案，而是让它在你的电脑上把结果算出来。代价是较高的环境搭建成本和本机操作授权。适合有量化分析需求、能接受这些前提条件的用户。

官方地址：https://api.skillhub.cn/user_7641c221/quantall
SkillHub 页面：https://www.skillhub.cn/skills/user_7641c221/quantall