独立设计并开发面向A股研究验证的全栈量化投研平台，将行情、因子、策略回测、研报阅读和AI分析整合为可追溯、可复现的研究闭环。前端采用Vue 3，后端基于FastAPI；以PostgreSQL管理任务与会话，以DuckDB+Parquet存储行情、因子矩阵和回测明细，结合Redis、Celery完成异步任务调度。
设计统一数据Provider，接入AKShare、掘金等数据源，完成股票信息、交易日历及日线/分钟行情的采集、标准化和分层存储。建立OHLC一致性、价格与成交量异常、交易日、复权突变、重复记录和停牌校验，保留来源、批次和时间戳，并提供数据覆盖及质量状态可视化。
设计受控因子DSL与白名单算子，支持动量、均线、波动率、截面排序和时序变换；通过Pydantic完成表达式校验，规避任意代码执行。因子结果按股票—日期矩阵落盘，输出覆盖率、Rank IC、ICIR、分组收益和换手率。实现Top N、分组和规则策略回测，支持调仓、等权、交易成本、停牌/涨跌停剔除及基准对比，生成净值、回撤、Sharpe、年度/月度收益和交易明细；通过区分信号、数据可用与成交时点降低未来函数风险。
搭建研报PDF上传、异步解析、结构化切片、向量索引和问答链路，切片保留报告、页码、章节、行业和标的等元数据。检索采用关键词与向量混合宽召回、问题意图识别和Facet重排，支持多轮对话和追问主题补全；回答携带source_id、page、chunk_id引用，保证结论可核验、可溯源。进一步实现自然语言策略编译：大模型仅输出结构化StrategySpec JSON，经能力目录、Schema和策略校验后交由本地引擎回测，不执行模型生成代码。
工程上按数据、因子、回测、研报和策略等领域拆分模块，统一错误码、请求ID、结构化日志及LLM用量记录；为核心链路编写单元与集成测试，并由GitHub Actions执行测试和静态检查。项目强调研究辅助而非实盘下单，兼顾性能、可靠性、可解释性和AI安全边界。