echolon
Echolon
一个原生支持 LLM 智能体的期货研究回测框架。 提供 MCP 服务器、22 个内置技能、32 个编目错误代码以及类型化的 Pydantic 配置——智能体调用结构化工具,而不是从文档中猜测 API 形状。支持上期所(SHFE)日线期货的端到端回测。
这是 Qorka(DolphinQuant 的 AI 原生策略生成产品)的核心生产引擎。每个交易日都在上期所进行实盘验证。
快速入门
三个命令涵盖了新手的自然学习路径:
命令 | 用途 | 时间 |
| 快速演示。通过 akshare 下载上期所铝(过去 2 年)数据,搭建策略脚手架,运行回测。需要网络。 | ~30秒 |
| 启动真实项目。通过 akshare 下载市场数据(免费,无需注册),从模板搭建策略脚手架,写入工作区标记。 | ~1–5 分钟 |
| 编辑后迭代。向上遍历以从工作区标记恢复上下文,重新计算指标,运行回测。无需标志。 | ~5–10秒 |
pip install echolon
mkdir -p ~/echolon-playground && cd ~/echolon-playground
echolon hello # 30-second demoecholon hello 会下载约 2 年的铝数据,搭建 momentum_breakout 模板,写入 .echolon-workspace.json,并运行回测。打开 ./echolon-hello/strategy/baseline/entry.py,调整参数,然后使用 echolon backtest single ./echolon-hello/strategy/baseline/ 重新运行,查看夏普比率的变化。
包内附带三个模板 — minimal、momentum_breakout、rsi_mean_reversion。echolon examples --list 可以查看它们;将 --template <name> 传递给 echolon init / echolon hello 即可从选定模板开始。
如果
pip install在 Linux ARM64 / Alpine / FreeBSD 上失败,请运行echolon doctor— 它会诊断 ta-lib 的 C 库,这是唯一可能需要在非标准预构建轮子平台(Linux x86_64, macOS x86_64+arm64, Windows x86_64; Python 3.11–3.12)上从源码构建的依赖项。
从你的智能体驱动它
pip install echolon # 1. install
claude mcp add -s user echolon -- echolon-mcp # 2. register MCP server (user-wide)
# 3. restart Claude Code to load mcp__echolon__* tools然后询问:
“在铜上建立一个趋势跟踪策略,回测 2018–2024 年。”
在后台,智能体会调用 list_skills → 选择 patterns 和 quick_start → load_template("momentum_breakout") → list_indicators(has_lookback=True) → 编辑 entry.py 和 exit.py → 循环执行 validate_strategy_full(strategy_dir) 直到全部通过 → 运行回测。如果出现任何错误,它会从回溯信息中解析 [CODE-NNN] 并调用 get_error_doc(code)。它完全不需要猜测。
运行时 | 设置 |
Claude Code |
|
Cursor | 在 |
OpenAI Codex CLI |
|
OpenAI Agents SDK (Python) |
|
LangChain / LangGraph |
|
任何其他 MCP 兼容 客户端 (CrewAI, AutoGen, …) | 将其配置为 stdio 服务器, |
对于 Claude Code:-s user 使注册应用于你所有的项目(仅限当前项目可去掉此参数);-- 将注册名称与启动命令分开。运行一次后,claude mcp list 应显示 echolon 为已连接的 stdio 服务器。智能体的指南是 llms.txt — 它也会由 echolon init / hello 放置在工作区根目录,以便进入项目的智能体无需包即可找到它。
当前范围
已完成端到端(生产级,每日运行):
上期所日线期货研究 — 数据摄取、214 个指标目录、Backtrader 执行、Optuna TPE 优化(单目标 + 多目标)、具备部署就绪评分的向前行走分析、基于 KMeans 的稳健试验选择。
智能体界面 — 23 个 MCP 工具,22 个技能,32 个错误代码,3 个工作模板。
尚未完成(如果你想推动某部分进展,请提交 issue):
上期所日内回测 — 数据流水线已就绪,引擎管道正在加固中。
通过 MiniQMT 进行实盘交易 — 干净的公开版本正在制作中。
加密货币永续合约(CCXT 适配器已搭建)、CME 期货、股票。
Optuna 替代方案(无网格、无随机、无贝叶斯预算搜索)、分布式编排、Python ≤ 3.10。
1.0 之前 — 公共 API 可能在次要版本之间发生变化。重大变更记录在 CHANGELOG.md 中。
使用你自己的数据
如果你已经有原始的上期所 XLS 文件(从 shfe.com.cn 下载),请直接运行 SHFEFileDayExtractor 而不是使用 akshare。对于其他格式(券商 CSV、tushare、自定义数据库),必须在 {workspace}/workspace/data/market_data/SHFE/{instrument}/ 下准备三个文件:
文件 | 模式 |
|
|
| 相同的列,所有行连接并按日期排序。 |
|
|
此外,在 {workspace}/data/SHFE/{instrument_code}/ 下(注意短代码,例如 al 而不是 aluminum):
文件 | 模式 |
|
|
Echolon 不会从原始 OHLCV 自动推导 main_contract.csv — 这是用户输入,编码了你的展期惯例(基于成交量、持仓量或到期天数的规则)。对于通过 akshare 获取的上期所数据,echolon init 会为你推导;否则请自行生成并放入指定位置。
项目信息
Apache 2.0 — 见 LICENSE。可自由用于商业或其他用途。活跃开发中,v0.1.2 beta。由 DolphinQuant 构建和维护 — 同一团队在上期所运行 Qorka。欢迎在 github.com/dolphinquant/echolon 提交问题和拉取请求。
@software{echolon,
title = {Echolon: AI-native quantitative trading engine},
author = {DolphinQuant},
year = {2026},
url = {https://github.com/dolphinquant/echolon},
}Maintenance
Latest Blog Posts
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/DolphinQuant/echolon'
If you have feedback or need assistance with the MCP directory API, please join our Discord server