前言¶

做量化分析時，AI 助手常見的瓶頸是”只會查不會算”。問它某個因子的表現，它要麼去翻網絡上的觀點，要麼給出一段看起來合理但沒人驗證過的代碼。要在全市場 5000 多隻股票上跑因子計算、策略回測和 IC 分析，普通對話類 AI 沒有本地計算環境，只能靠人自己寫腳本、裝環境、跑結果。

全A解析（QuantAll）這個 Skill 就是針對這個痛點設計的：它在用戶電腦上建一個本地 Python 環境，讓 AI 直接編寫並執行向量化代碼，幾秒內算出全市場的客觀結果，而不是搬運別人的分析。下面介紹這個 Skill 的具體能力、啓用方式和注意事項。

這是什麼¶

全A解析是發佈在 SkillHub 上的一個社區 Skill，座標 @user_7641c221/quantall，當前版本 1.0.4，由 user_7641c221 發佈維護，分類爲 professional。它的定位一句話概括：一個股市全市場向量化計算引擎，通過 MCP 協議爲 AI 客戶端提供本地 Python 計算能力。

它解決的問題是：AI 在量化場景下從”信息查詢者”變成”數據計算者”。觸發方式明確——用戶提到”回測”“因子分析”“IC分析”“選股策略”“QuantAll”“全A解析”等關鍵詞時才啓用；普通的股市閒聊不會觸發。

頁面信息：評分 100000，下載 849 次，當前安裝數爲 0，標籤 requires_api_key=false（即不需要額外的 API Key 即可使用核心功能）。

核心功能¶

根據官方簡介，這個 Skill 提供以下能力：

1、全市場因子計算。AI 編寫向量化代碼片段，覆蓋 5000+ 只股票，數秒內完成因子計算。
2、策略回測。在同一套向量化框架內執行回測，輸出客觀的數值結果。
3、IC 分析。對因子的 IC 表現做計算，這是因子有效性檢驗的常規環節。
4、GPU 可視化。支持把計算結果通過 GPU 做可視化呈現。

底層是本地的 quantall 庫，AI 生成的向量化代碼在用戶本機的 Python 環境裏執行，計算過程和結果都在本地，不經過第三方服務。

安裝與啓用¶

這個 Skill 的啓用門檻比普通 Skill 高，因爲它要在你的電腦上做一系列環境操作。按官方聲明，完整流程包括：

1、創建 Python 虛擬環境，佔用 300MB 以上空間；
2、在虛擬環境中安裝 quantall 庫；
3、修改 MCP 配置，把客戶端連接到本地的 HTTP 服務（端口 8686）；
4、創建配置文件和啓動腳本；
5、啓動本地 HTTP 服務，等待 AI 客戶端連接。

涉及具體命令的部分說明如下：資料中沒有給出官方的 venv 創建命令、pip 安裝命令或配置文件全文。按通用做法，環境搭建通常是 python -m venv 創建虛擬環境、pip install quantall 安裝庫，MCP 配置中填入指向 http://localhost:8686 的服務地址，但這幾步的確切寫法需要以官方頁面（https://api.skillhub.cn/user_7641c221/quantall 或 SkillHub 頁面）爲準，本文不代爲補全，避免寫出未經覈實的配置。

需要特別說明的是：上述每一步都會改動你的電腦（建目錄、裝包、改配置、起服務），官方聲明要求 AI 在執行前逐一告知並獲得你的同意。啓用時如果客戶端沒有先徵求同意就開始裝東西，屬於不符合該 Skill 使用約定的行爲。

另一個可選組件是 UpdateStock MCP，用於數據庫管理，需要 tushare API。它不是 QuantAll 的核心組件，沒有 tushare 賬號也可以只用主功能。

典型用法¶

這個 Skill 的工作模式是”AI 寫代碼、本地執行、返回數值”。典型流程：

1、你在對話中提出量化需求，例如”對全市場做一次因子分析，看看某個因子的 IC”；
2、AI 識別到關鍵詞後啓用該 Skill，生成一段向量化計算代碼；
3、代碼在你的本地 Python 環境裏執行，幾分鐘甚至幾秒內返回 5000+ 只股票的計算結果；
4、AI 基於返回的數值做解讀，而不是引用網絡上的觀點。

官方簡介中沒有給出可直接複製的示例代碼片段，因此這裏不展示具體代碼。使用前建議先在官方頁面確認示例和環境要求。

適用場景與注意¶

適合誰：有明確量化分析需求、願意在本機維護 Python 環境、能接受 AI 直接在本機執行代碼的用戶。如果你只是想聊聊市場行情，這個 Skill 不會被觸發，也不需要啓用。

需要注意的限制：

1、環境成本高。需要 300MB+ 磁盤空間建虛擬環境，還要裝庫、配 MCP、起本地服務，首次啓用步驟不少；
2、涉及本機權限。AI 要讀寫你的文件系統、執行安裝命令、監聽 localhost:8686 端口，安全上要確認自己信任該 Skill 及其來源；
3、依賴本地環境穩定。Python 版本、依賴庫版本、端口占用都會影響服務能否正常起來；
4、可選組件需要額外憑證。UpdateStock 要 tushare API，沒有的話只用主功能即可；
5、當前安裝數爲 0，屬於社區新發布的 Skill，使用前可以觀察一下社區反饋。

結尾¶

全A解析的價值在於給 AI 補上了”本地計算”這一環：不是讓 AI 去搜答案，而是讓它在你的電腦上把結果算出來。代價是較高的環境搭建成本和本機操作授權。適合有量化分析需求、能接受這些前提條件的用戶。

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