内容来源
产品案例
用 QVeris 接入 FMP
把结构化金融数据变成 Agent 可调用能力。
可复制 Prompt
用 QVeris 按质量、动量、估值、流动性、波动和新闻风险筛选 50 只 AI 基建股票。返回前 10、后 5、缺失数据、因子权重、QVeris 调用和预计 credits。
QVeris API 调用
DiscoverInspectCall
预期结果
投研备忘录 · Markdown memo
Official已验证Markets / Financial research
量化因子筛选
by QVeris
当用户让 Agent 筛选多只股票、建立候选池或解释因子排序时使用。它不训练模型，而是用 QVeris 实时调用构建透明因子表，并标注缺失数据。
任务价值
用 QVeris 因子证据对股票池按质量、动量、估值、流动性、波动和新闻风险进行透明排序。
适合对象
投研 Agent、组合监控、金融分析工作流
预期输出
带来源证据、风险提示、QVeris 调用记录和预计积分的研究简报。
支持的 Agent4
工作流案例3
预计积分8-400 credits
FinanceQuantFactorsScreeningRanking
案例工作流
每篇文章或教程都按可复用工作流呈现：内容来源、可复制 prompt、QVeris API recipe 和预期输出。
内容来源
产品案例
Twelve Data 市场能力
为全球研究和筛选工作流补充市场数据覆盖。
可复制 Prompt
用 QVeris 筛选 A 股半导体设备公司。按成长、盈利能力、资产负债质量、流动性、估值和近期催化排序。
QVeris API 调用
DiscoverInspectCall
预期结果
信号扫描表 · Table
内容来源
教程
OpenClaw A 股金融助手
面向 A 股监控和来源证据研究的实用工作流。
可复制 Prompt
用 QVeris 审计这只股票为何在因子筛选中排名靠前。展示原始因子证据、缺失字段和主导分数的因子。
QVeris API 调用
DiscoverInspectCall
预期结果
审计附录 · JSON / appendix
Prompt 模板
把 skill 变成可执行 Agent 工作流的 starter prompts。
主题筛选
按透明因子排序主题股票池。
用 QVeris 按质量、动量、估值、流动性、波动和新闻风险筛选 50 只 AI 基建股票。返回前 10、后 5、缺失数据、因子权重、QVeris 调用和预计 credits。
A 股筛选
建立 A 股候选名单。
用 QVeris 筛选 A 股半导体设备公司。按成长、盈利能力、资产负债质量、流动性、估值和近期催化排序。
因子审计
解释某只股票排序高或低的原因。
用 QVeris 审计这只股票为何在因子筛选中排名靠前。展示原始因子证据、缺失字段和主导分数的因子。
预期输出模板
Agent 跑完工作流后应返回的结构化格式，方便复用和审计。
Markdown memo
投研备忘录
用结论、证据和反证组织成可转发给团队的研究 memo。
章节
- 研究范围
- 核心发现
- 证据表
- 风险与反证
- QVeris 调用与 credits
Table
信号扫描表
把多个 ticker、来源或事件压缩成可排序的表格。
章节
- 对象
- 信号
- 证据强度
- 市场相关性
- 下一步验证
JSON / appendix
审计附录
保留 Agent 调用过的能力、来源、时间窗口和费用估算。
章节
- capabilities_used
- sources
- paid_calls
- estimated_credits
QVeris API Recipe
这个 skill 预期 Agent 执行的 Discover、Inspect、Call 编排链路。
Recipe 步骤 01Discover
POST /search寻找因子输入
寻找行情、OHLCV、基本面、估值、财务报表、新闻和流动性能力。
示例查询: stock factor screening fundamentals OHLCV valuation liquidity API
FMPTwelve Datafinancial data providersnews providers
Recipe 步骤 02Inspect
POST /tools/by-ids检查股票池覆盖
检查每个供应商覆盖多少股票，并在批量调用前估算成本。
Capability schemasProvider metricsBilling rules
Recipe 步骤 03Call
POST /tools/execute调用因子输入
调用选定输入，标准化因子，并返回带缺失数据提示的排序。
Market data providersFinancial data providersNews providers
QVeris 使用量与费用
执行前的规划估算。Discover 和 Inspect 免费；成功执行 Call 时按所选供应商 billing_rule 计费。
典型付费 Call8-40
预计积分8-400 credits
免费动作
DiscoverInspect
付费动作
Call
预计 QVeris 使用量
该工作流通常在免费 Discover 和 Inspect 预检后需要 8-40 次付费 Call。费用取决于供应商、股票数量和时间窗口。
付费 Call 前必须获得明确确认。检查每个选定能力的 billing_rule；如果预计成本过高，先缩小范围。
安装
在目标 Agent 环境安装 skill。Agent 执行命令或修改本地配置前必须先请求确认。
官方 GitHub 源
这是 QVeris skills 的官方可信源。安装到 Agent 环境前，可以先检查或 fork 对应 skill 目录。
源码路径
QVerisAI/open-qveris-skills/qveris-quant-factor-screengit clone https://github.com/QVerisAI/open-qveris-skills.git && cd open-qveris-skills/qveris-quant-factor-screen安装技能OpenClaw
openclaw skills install qveris-quant-factor-screenAgent 执行流程
用户复制 prompt 后，Agent 应该展示的执行链路。
01
定义股票池
设定市场、主题、股票、因子、权重和最大付费调用数。
02
检查批量成本
用 QVeris Inspect 在大范围执行前查看覆盖和计费。
03
建立因子表
调用限定数据，标准化可比字段，并标注缺失数据。
04
排序并解释
返回排序、因子驱动、异常值和下一步验证。
安装策略
先读取 manifest 和 agent.md。说明安装命令、API 动作和可能的积分消耗。等待用户明确确认后再修改本地环境。