禄得AI：mcp+skill 测试及聚宽ETF策略迁移禄得策略的实践

一个量化回测初学者的记录。本文记的是我一天之内做完的两件事：给 WorkBuddy 装上禄得的 MCP 和官方 Skill，然后把一个在聚宽（JoinQuant）上写的 ETF 轮动策略，迁移成禄得网可以直接执行、直接回测的策略。过程不算复杂，但踩的坑不少，写下来给自己复盘，也给和我一样刚入门的朋友参考。

〇、背景：我为什么折腾这个

我在聚宽上抄过、也改过几个 ETF 动量轮动策略。聚宽的玩法是写 Python：initialize() 里设全局参数，handle_data() 或者定时函数里写选股和下单逻辑。好处是自由，坏处是对我这种初学者太自由——回撤控制、手续费、滑点、调仓逻辑全要自己一行行写，写错了还不容易发现，往往是回测收益很漂亮，一查才发现某个分支从来没被执行过。

后来看到禄得网（lude.site）的思路完全不同：不是写代码，而是填规则。策略由标的池、过滤因子、排序因子、调仓方式这些结构化配置组成，平台按配置跑事件回测。一开始我是怀疑的——不写代码还能叫量化吗？直到发现它提供了 MCP（Model Context Protocol）接口和配套的官方 Skill，可以直接接进我的 AI 助手 WorkBuddy 里，让 AI 帮我查因子、建策略、跑回测。这就有意思了：等于把"写策略"这件事从"写代码"变成了"讲清楚规则"。

于是决定做个完整测试，一天两个任务：

1. 任务一：安装禄得 MCP 与官方 Skill，验证链路通不通；
2. 任务二：把我聚宽上的 ETF 动量轮动策略，完整迁移成禄得可执行的策略，并跑回测对比。

   一、任务一：安装禄得 MCP 与官方 Skill

   1.1 先搞清楚两个概念

   MCP 和 Skill 我一开始是分不清的，先按我自己的理解说清楚：
   • MCP（Model Context Protocol）：一个让 AI 助手调用外部工具的标准协议。禄得把"查因子、查标的池、跑筛选、跑回测、存策略"这些能力做成了 MCP 工具，AI 通过 HTTP 调用禄得的 API，就像调用本地的函数一样。
   • Skill：给 AI 的