FastExpr → WQ Brain Python Alpha 自动化流水线。
graph TD
Input[FastExpr / Alpha ID] --> Node0[00_auth 前置认证]
Node0 --> Node1[01_fastexpr_parser FastExpr解析]
Node1 --> Node2[02_codegen 代码生成]
Node2 --> Node3[03_validate 静态校验]
Node3 -- 校验通过 --> Node4[04_simulation 平台回测]
Node3 -- 校验失败 & Attempt < 3 --> Node2
Node4 --> Node5[05_diagnosis 诊断自愈]
Node5 -- 自愈次数 < 5 & 未达标 --> Node2
Node5 -- 达到 Sharpe 阈值 --> Approved[Approved 策略上线]
Node5 -- 自愈次数 >= 5 & 未达标 --> BestK[BEST_K_BRANCH 候选留存]
| 节点 | 类型 | 输出 | 说明 |
|---|---|---|---|
| 00_auth | 确定性 | auth_status.json |
WQ Brain 认证 |
| 01_fastexpr_parser | Agentic | strategy_spec.json |
解析 FastExpr 为结构化策略描述 |
| 02_codegen | Agentic | alphas.py |
生成 WQ Brain Python Alpha 代码 |
| 03_validate | 确定性 | validation_results.json |
AST 静态分析验证 |
| 04_simulation | 确定性 | simulation_results.json |
提交回测并轮询结果 |
| 05_diagnosis | Agentic | diagnosis.json |
评估指标，路由自愈或结束 |
# 安装依赖
uv sync
# 初始化 pipeline run
uv run python3 pipeline/scripts/init_run.py
# 手动设置 node_input.json 和 strategy_spec.json 后依次执行节点：
uv run python3 pipeline/nodes/02_codegen/run.py --run-dir pipeline_runs/<run_id>
uv run python3 pipeline/nodes/03_validate/run.py --run-dir pipeline_runs/<run_id>
uv run python3 pipeline/nodes/04_simulation/run.py --run-dir pipeline_runs/<run_id>
uv run python3 pipeline/nodes/05_diagnosis/run.py --run-dir pipeline_runs/<run_id>两种输入模式：
模式 (a) — 直接输入 FastExpr：
{
"fastexpr": "group_neutralize(ts_mean(winsorize(ts_backfill((close / open), 120), std=4), 120), densify(sector))"
}模式 (b) — 输入 Alpha ID：
{
"alpha_id": "Xg150eEb"
}节点从 WQ Brain API 拉取 Alpha 详情，提取 regular.code（FastExpr）。
config.json：
{
"pipeline": { "region": "USA", "universe": "TOP3000", "delay": "1" },
"thresholds": { "min_sharpe": 1.58, "min_fitness": 1.0, "max_turnover": 0.5 },
"budgets": { "max_simulation_count": 10, "max_self_heal_iterations": 5 }
}在 .env 中配置：
[email protected]
BRAIN_PASSWORD=your_password
wqb_cli/ — WQ Brain 平台 API 的 CLI 封装（untuitivist/wqb_cli），作为开发新功能时的 API 导航参考。