1、Skill简介 ：
这是一个帮助小白入门A股量化交易的 Skill，名叫A股量化培训大师，效果是小白只需要与这个skill对话就可以最终成为一名A股量化研究员，有包括教用户写量化代码，将用户的模糊炒股想法转化为精确的量化策略，评测用户当前的量化水平来决定接下来教给用户什么量化知识（采用苏格拉底教学法，优先教学用户最有可能感兴趣的内容），教学用户去AKSURE获取历史行情数据，评估用户的量化策略逻辑上是否合理，根据回测结果指出可能的优化方向，指导用户对接QMT开启实盘等功能，适合想要系统学习A股量化的同学使用。
2、使用场景：
我想系统性地学习量化，但是我觉得看视频或看书的效率都太低了。效率低主要体现在，我没办法总是学到我最感兴趣的那一部分内容。这样我非常容易走神，无法坚持下去。所以我认为交互式学习是学习任何一个陌生领域最好的方式。
那么如何去交互式学习量化呢？体现就是与这个量化教学 Skills 不断地对话。
做出来之后，就没必要去看那些又臭又长的教学视频和量化书籍了。我就不断地与之对话，相当于拥有了一个私人定制的一对一量化家教。我觉得这是最快、最好的学习方法。
3、创作过程 ：
4、使用步骤：
可以这样用：
- 直接对话
◦ 直接说你的问题，比如：
■ “我完全不懂量化，先带我入门”
■ “帮我把这个炒股想法变成策略”
■ “为什么我回测很好但实盘不行？” - 用命令触发
◦ /qtlearn：开始学习诊断
◦ /qtpath：生成学习路径
◦ /qtcheck：测评/批改
◦ /qtstrategy：策略设计
◦ /qtbacktest：回测分析
◦ /qtrisk：风控专项
◦ /qtlive：实盘专项
◦ /qtproject：项目训练 - 操作步骤
◦ 第一步：先说你的当前水平/目标
◦ 第二步：Skill 会判断你该学什么
◦ 第三步：它会把你路由到对应子 skill
◦ 第四步：你按它给的小任务继续回答或实操
◦ 第五步：它再检查、纠错、升级下一步 - 最推荐的起手式
◦ 直接发：/qtlearn 我想系统学A股量化，但我现在是零基础
◦ 这样它会先诊断，再给你路线
5、效果展示：
调用前：回答泛、散，没有个性化路径
调用后：先诊断、再路由、再给学习闭环
6、Skill 链接：
7、总结与思考：
从"看视频学不会"到"对话式学会" 以前学量化，要么啃书、要么看视频，最大的问题是：内容太多、节奏固定、没法跳到自己最感兴趣的部分。做这个 Skill 的过程中，我最大的收获是确认了一件事——交互式学习是学习陌生领域最高效的方式。你不需要看完一整本书才能开始动手，你只需要和 Skill 对话，它会根据你当前的水平，只给你最需要的那一小步。
AI 不是答案机，而是训练教练 这个 Skill 让我重新理解了 AI 在学习场景中的角色。它不是帮你"回答问题"的，而是帮你"诊断—路由—练习—纠错—进阶"的。这个闭环才是核心。一个好的教学 Skill，应该像一个好的教练：先看你哪里弱，再给你练什么，再检查你练得对不对，再决定下一步。
从模糊想法到可执行策略，效率提升巨大 以前脑子里有一个模糊的炒股想法，要花很久才能把它变成一个可以回测的策略。现在只需要一句话，Skill 就能帮你拆成筛选条件、买入规则、卖出规则和风控约束。这个从"感觉"到"规则"的转化过程，效率至少提升了 5 倍。
这个 Skill 目前最满意的地方
- 总 Skill + 子 Skill 的路由结构。用户不需要知道有哪些子模块，一句话进来，Skill 自动判断该去哪里。这个体验非常自然。
- 苏格拉底式教学闭环。不是一口气灌输知识，而是先提问、再教学、再练习、再测评。每一步都有反馈。
- 接入真实策略案例。不是空泛教学，而是用项目里真实的小市值策略、因子库做教学样本，学完就能上手。
- L1-L6 成长等级体系。让用户有清晰的目标感和成就感，知道自己在哪、要去哪、还差什么。
后续还想怎么优化
• 增加代码执行能力：让 Skill 不只是讲，还能直接帮用户跑回测、看结果、改参数
• 增加更多行业案例：比如医药、新能源、消费等行业的量化策略 - 如果你是零基础，建议直接输入 /qtlearn，让它先诊断你的水平，再给你一条最短学习路径。如果你已经有经验，可以直接告诉它你的策略想法，看它怎么帮你拆解和优化。
我最想收到的建议是：
• 哪些地方讲得太快或太慢？
• 哪些子 Skill 的触发不够准确？
• 成长等级的解锁条件是否合理？
• 你希望增加什么我没想到的功能？
这个 Skill 的目标不是"完美"，而是"越用越好"。每一次对话、每一条反馈，都会让它变成更好的量化教练。