搭建 LLM 驱动的自动化研究闭环,看清缺口指回金融实务。
课程介绍
以微软 RD-Agent 框架源码为对象,解剖 LLM 如何自动完成“提出假设→实现→评估→迭代”的研发闭环;并明确工程侧的执行/风控/衍生品缺口,指回金融实务补齐。
学完你能
- 搭建 LLM 自动化研究闭环
- 解剖前沿自动研发框架的设计与实现
- 看清工程缺口 → 指回金融实务
与其他课程的关系
- 前序:qlib 源码解剖
- 后续:补金融缺口:算法执行与微观结构/定量风险管理/衍生品与量化金融
- 关联:自动化贯穿数据→因子→模型→回测→监控主线
- 总纲:量化投资学习路径图;本分支:量化工程能力知识图谱与学习路线
参考资料
- 教材:微软 RD-Agent 框架源码(LLM 自动化研发)
- 配套代码:每讲配可运行的真实代码,见下方课程目录
在体系中的位置
| 量化金融能力(金融线) | 量化工程能力(工程线) |
|---|---|
| ⑤ RM · EX | ⑤ RD-Agent ←你在这里 |
| ④ ER · AM · IR · FR | ④ MLflow |
| ③ QF | ③ qlib |
| ② FI · QI · AP | ② ML · ML4T |
| ① INV · MB | ① Pandas · OOP4 |
课程目录
- 第01讲_RD-Agent是什么_自动化研发全景与读框架方法
- 第02讲_跑第一个loop_环境配置与命令入口
- 第03讲_研究侧数据结构_Hypothesis与Trace
- 第04讲_实验与工作区_Experiment与Workspace
- 第05讲_Scenario场景抽象_把领域描述给LLM
- 第06讲_三契约_Developer与Evaluator与Feedback
- 第07讲_Loop引擎_LoopMeta元类与断点续跑
- 第08讲_RD-Loop五道工序_一轮研究的完整命运
- 第09讲_Research阶段_LLM怎么提假设
- 第10讲_Feedback与SOTA_反馈驱动下一轮
- 第11讲_进化框架_写评改循环
- 第12讲_CoSTEER深入_把代码改到跑对
- 第13讲_RAG与知识积累
- 第14讲_LLM后端oai_litellm多后端封装
- 第15讲_缓存重试结构化输出
- 第16讲_Prompt工程_yaml与Jinja模板体系
- 第17讲_Coder_LLM生成代码并注入工作区
- 第18讲_执行环境_Docker沙箱隔离执行
- 第19讲_qlib因子场景全链路_自动挖因子闭环
- 第20讲_qlib模型场景与quant联合研发
- 第21讲_数据科学场景Kaggle_自动打比赛
- 第22讲_总结_架构全景与加自定义场景