Pandadata：218 个金融数据接口 · 9 大数据域 · 6 大 AI Agent 兼容
PandaAI（pandaaiquant.com）：Qube 自然语言策略 · Evo 深度研投 · OS 多 Agent 协作
自然语言 → 数据调用 → 策略回测 → 多 Agent 决策，全链路 AI 量化
一个以 AI Agent 为中心的量化金融数据技能生态
Pandadata（SDK 名称 panda_data）是一个量化金融数据平台，
通过 Python SDK v0.0.12 提供 218 个中文文档数据接口，
覆盖 A 股、港股、美股、期货、期权、宏观、基金、量化因子等维度。
skill-pandadata-api 将其打包为 Agent Skill——让 Claude Code、WorkBuddy、Cursor 等 AI 编程助手 能够用自然语言精准查询金融数据，无需记忆接口名称和参数。 配合 Quantskills.ai 平台，可完成从数据获取到策略评估的完整量化投研闭环。
| 属性 | 详情 |
|---|---|
| 仓库 | github.com/quantskills/skill-pandadata-api |
| SDK 版本 | panda_data == 0.0.12（Python ≥ 3.10） |
| 接口总数 | 218 文档方法 / 201 SDK 可调用 / 17 仅网关文档收录 |
| 许可证 | GPL-3.0（开源免费） |
| 维护者 | abgyjaguo · QuantSkills 组织 |
| PyPI | panda-data 0.0.12 |
| 注册 | pandadata.pandaaiquant.com（需 86 + 手机号） |
三层产品体系 · 可视化工作流 · 多 Agent 协作决策
PandaAI（pandaaiquant.com） 是一个 AI 驱动的量化交易平台， 致力于降低量化投研门槛。从自然语言生成策略到多 Agent 协作决策，从单兵作战到组建 AI 量化团队， 覆盖「数据→因子→回测→风控→执行」完整链路。与 Pandadata 数据底座和 QuantSkills 技能生态构成三位一体的量化基础设施。
RAG 节点 — 检索增强生成，拉取研报/政策/财报等外部知识 · MCP 节点 — 多 Agent 协调协议，确保有序协作 · Skill 节点 — 封装自定义分析技能（如动态 ATR 止损、市场状态分类器）· Agent Analysis 节点 — 融合多 Agent 输出进行综合研判 · Agent Trading 节点 — 最终执行步，将集体决策转化为交易信号 · Prompt Input 节点 — 定义每个 Agent 的角色、目标和分析逻辑
🎨 可视化工作流编辑器 — LiteGraph 拖拽式节点编排，所见即所得 · 💻 专家模式 — 节点内直接编写 Python 代码，满足高级需求 · 📊 专业回测引擎 — T+1 执行、15bp 手续费、涨跌停过滤、无未来偏差 · 📡 仿真交易 — 实时行情驱动的模拟交易，实盘前验证策略 · 🔗 CTP 实盘通道 — 支持期货实盘交易 · 🌍 TQX 国际版 — 通过 TQX.ai 支持全球市场
从 A 股到宏观、从期货到期权、从港美股到量化因子
📅 日期统一 YYYYMMDD 字符串（如 20250131）·
🏷️ A 股代码带后缀 000001.SZ / 600000.SH ·
🌐 交易所代码 SH · HK · US ·
📋 fields=[] 表示全字段 ·
⚠️ 开始与结束日期间不超过 5 年
四步流程，让 AI 编程助手成为你的量化数据管家
Prefer the bundled reference over memory. 先查文档，再回答。方法名、参数名、字段名严格按文档书写，不发明、不臆造、不猜测。
基于 Pandadata 数据底座 + PandaAI 平台，覆盖数据→因子→回测→风控→执行的完整量化投研栈
从零到真实数据调用，不到 5 分钟
# 克隆 skill 仓库 git clone https://github.com/quantskills/skill-pandadata-api.git pandadata cd pandadata # 创建虚拟环境 & 安装依赖 python3.11 -m venv .venv .venv/bin/pip install -r requirements.txt
# 列出全部 218 个方法 .venv/bin/python scripts/search_api_docs.py --list-methods # 查看 get_stock_daily 的完整参数/字段/示例 .venv/bin/python scripts/search_api_docs.py --method get_stock_daily # 关键词检索（多个词需命中同一行） .venv/bin/python scripts/search_api_docs.py 股票 分红 --context-lines 4
# 交互式配置凭证（隐藏输入密码） .venv/bin/python scripts/setup_runtime.py # 真实 API 调用（自动加载凭证） .venv/bin/python scripts/call_api.py \ --method get_stock_daily \ --params '{"symbol":["000001.SZ"],"start_date":"20250101","end_date":"20250131","fields":[]}' # Python SDK 直接调用 from pandadata_runtime import init_pandadata panda_data = init_pandadata() # 自动加载凭证并登录 df = panda_data.get_stock_daily(symbol=["000001.SZ"], ...)
SDK 0.0.12 通过 init_token(username, password, base_url) 完成认证；
凭证可保存在 ~/.pandadata/pandadata.env（600 权限）或通过环境变量传入：
DEFAULT_USERNAME / DEFAULT_PASSWORD / JAVA_SERVICE_BASE_URL。
传入明文密码，SDK 内部自行哈希；加密凭证持久化到 user.json，token 仅存内存。
了解边界，才能更好地使用工具
| 类别 | 限制项 | 说明 |
|---|---|---|
| SDK | 17 个接口未导出 | 优先股数据及部分公司行为接口在 SDK 0.0.12 中不可通过 get_* 调用 |
| SDK | 6 个方法名变更 | 如 get_stock_competitor → get_stock_competitor_information，call_api.py 自动拒绝旧名 |
| 数据 | 需要注册账户 | 调用真实数据需 pandadata 凭证，非免费开放；技能包代码本身开源 GPL-3.0 |
| 数据 | 非实时数据 | 仅供研究参考，不构成投资建议；无 tick 级别数据 |
| 数据 | 日期范围限制 | 开始与结束日期间不超过 5 年 |
| 最佳 | 先查再答 | API 相关问题先检索文档，不凭 LLM 记忆 |
| 最佳 | 取数与分析分离 | 先获取并验证 DataFrame，再做转换/分析 |
| 最佳 | 空数据先自查 | 返回空时先核对日期范围、代码格式、必填过滤，再判定服务异常 |
在 Claude Code 中输入 $pandadata-api 调用数据技能 ·
访问 pandaaiquant.com 使用 Qube/Evo/OS 平台 ·
配合 WorkBuddy 和 Quantskills 完成完整量化投研工作。