企业官网建设流程全解析

Qbot 快速上手：从源码克隆到启动 AI 智能量化投研平台的完整指南

【免费下载链接】Qbot[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot

本文基于 Qbot 仓库的 quick_start.md 展开，完整覆盖「打开终端 → 克隆源码 → 安装依赖 → 启动程序」四步上手流程，并结合仓库源码解释启动入口main.py到 wxPython 主框架MainFrame的实际调用链路、五大核心功能页与主窗口结构的对应关系，以及官方文档中记录的常见环境问题排查方法。读完本文，你可以独立完成 Qbot 的环境搭建与首次启动，并知道每个功能面板背后对应的源码模块在哪里。

一、环境前提与终端准备

Qbot 是一个完全本地部署的 AI 量化投研平台，官方明确说明：项目仅在 Python 3.8 / 3.9 下测试过，其他版本未测试（见 README.md 与 docs/Install_guide.md 的醒目标注）。因此第一步是确认本机 Python 版本，推荐用 Anaconda/Conda 管理环境：

conda create -n qbot python=3.9 conda activate qbot

仓库提供的 env_setup.sh 脚本正是这一思路的自动化版本：创建名为qbot的 Python 3.9 conda 环境，执行pip install -r requirements.txt，安装完成后在 macOS 上用pythonw main.py、Linux 上用python main.py启动（脚本中明确标注 Windows 暂不支持 GUI 启动，见 env_setup.sh）。

第一步：打开系统终端

各平台终端推荐（对应 quick_start.md 步骤 1 与 docs/Install_guide.md 的终端说明）：

• macOS：推荐使用 iTerm2（下载安装即可），或直接使用系统自带终端；
• Linux（Ubuntu 等）：直接打开系统终端；
• Windows：推荐使用 PowerShell。

终端是所有后续操作的执行入口，克隆代码、安装依赖、启动程序都在其中完成。

二、克隆 Qbot 源码

第二步：下载源代码到本地

quick_start.md原文给出的命令是：

cd ~/ git clone <Qbot 仓库地址>

以本仓库为例，克隆命令为：

cd ~/ git clone https://gitcode.com/GitHub_Trending/qbot/Qbot cd Qbot

说明：原文档中的git clone指向的是qbot_pro专业版仓库；docs/Install_guide.md 中注明 qbot_pro 为付费版本。本文面向的是当前开源仓库（public 开源版），其定位是「提供整个框架的闭环搭建，实现数据获取、策略开发、指标分析等功能」，适合对量化交易感兴趣的开发者自行学习使用（见 README.md 的版本说明表）。

Qbot 倡导「每个交易员都应搭建属于自己的交易系统」，因此采用源代码交付而非二进制包，这也解释了为什么上手流程要求你亲手克隆并安装依赖。

三、安装依赖：requirements 清单与两个需要手动处理的库

第三步：安装程序依赖

原文档给出的命令是：

pip install -r dev/requirements.txt pythonw main.py # 运行起来，缺少什么模块，就安装什么模块。pip install wxpython

这条「缺什么装什么」的策略是有依据的：根目录 requirements.txt（与 dev/requirements.txt 内容基本一致）中，wxPython 和 ta-lib 两行被刻意注释掉了，注释直接指向dev/目录下的预编译 wheel：

# wxPython # use dev/wxPython-4.2.0-cp38-cp38-linux_x86_64.whl ... # ta-lib # use dev/TA_Lib-0.4.28-cp38-cp38-linux_x86_64.whl

原因很简单：这两个库依赖 C 扩展/系统 GUI 库，直接pip install经常失败，所以仓库在 dev/ 目录为 cp38/cp39 分别提供了 linux、win32、win_amd64、macOS 等平台对应的 wheel 文件。安装命令按平台区分（摘自 docs/Install_guide.md）：

# Linux python3.8 -m pip install dev/wxPython-4.2.0-cp38-cp38-linux_x86_64.whl python3.8 -m pip install dev/TA_Lib-0.4.28-cp38-cp38-linux_x86_64.whl # Windows python3.8 -m pip install dev/wxPython-4.2.1-cp38-cp38-win_amd64.whl python3.8 -m pip install dev/TA_Lib-0.4.21-cp38-cp38-win_amd64.whl # macOS brew install wxpython brew install ta-lib && pip install ta-lib

macOS 额外提示：若需要安装tables库，需先安装其 C 依赖（docs/Install_guide.md 注记）：brew install hdf5 && brew install c-blosc，并设置HDF5_DIR=/opt/homebrew/opt/hdf5、BLOSC_DIR=/opt/homebrew/opt/c-blosc。

依赖清单本身也值得看一眼，它勾勒出 Qbot 的技术栈：数据与指标侧有akshare、baostock、yfinance、efinance、tushare（经 dev/environment.yaml 固定版本）与 TA-Lib；回测侧有backtrader、backtrader_plotting、pyfolio、quantstats；AI 策略侧有scikit-learn、tensortrade、tensorboard（对应 TensorFlow/Keras，qbot_main.py 中直接from tensorflow.keras.models import load_model加载 LSTM 模型做价格预测）；GUI 侧则是wxPython。

如果pip install -r requirements.txt报网络错误，官方指南建议先配置国内镜像源再安装（docs/Install_guide.md）：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple pip install -r requirements.txt

另外仓库提供了 Dockerfile（dev/Dockerfile），但 docs/Install_guide.md 中明确标注该方式「还在开发中」，当前仍以 conda + pip 方案为主。

四、启动 Qbot 主程序

启动命令与入口源码

启动方式与平台相关：

python main.py # Linux pythonw main.py # macOS（pythonw 不带控制台窗口）

入口 main.py 只有 12 行，完整流程是：

import wx from qbot.gui.mainframe import MainFrame if __name__ == "__main__": app = wx.App() frame = MainFrame(None, title="AI智能量化投研平台") frame.Show() app.MainLoop()

即创建 wxPython 应用实例，实例化主框架MainFrame并进入事件循环。主框架定义在 qbot/gui/mainframe.py：窗口标题为「Qbot - AI智能量化投研平台」，初始尺寸取屏幕的 75%×70%，随后初始化状态栏（含每秒刷新的系统时钟）、菜单栏（「设置 → 参数配置」打开ParamsConfigDialog；「工具」菜单含蛋卷估值、集思录网页和后台监控）以及核心的主 Tab 页。

README 的 Quick Start 中还建议启动前导出PYTHONPATH：

export PYTHONPATH=${PYTHONPATH}:$(pwd) python main.py

五、启动后你会看到什么：五大功能页与源码的对应关系

quick_start.md用「主要功能一览」列出了五个核心功能。结合 qbot/gui/mainframe.py 的init_main_tabs()源码，这五个功能与主窗口的 Tab 页一一对应，其中「可视化股票/基金回测系统」被设为默认选中页（self.tabs.SetSelection(4)）：

1. 回测功能 —— PanelBacktest

对应 Tab「可视化股票/基金回测系统」，实现于 qbot/gui/panels/panel_backtest.py，底层基于 backtrader 事件驱动引擎（pytrader/newbacktest.py、tests/test_backtest.py 等测试可直接验证回测流程）。官方文档给出的回测结果示例：

仓库 docs/tutorials_code/ 下还配有完整的策略回测示例（如 MACD 策略、KDJ+MACD 策略），可与 GUI 回测互为参照。

2. ChatGPT 策略编写 / 智能问答 —— WebPanel

从源码结构看，该 Tab 是一个内嵌WebPanel（qbot/gui/widgets/widget_web.py）的网页容器，加载外置的 AI 策略编写服务页面（qbot/gui/mainframe.py），用于自然语言生成策略代码与智能问答。

3. 智能选股、智能鉴股 —— WebPanel

同样是内嵌网页面板（qbot/gui/mainframe.py），承载 AI 选股/鉴股服务。其算法基础可对照 qbot/strategies/ 策略库：从传统指标策略（boll_strategy.py、adx_strategy.py）到机器学习策略（lstm_strategy_bt.py、rl_strategy_bt.py）再到多因子（multi_strategy_bt.py），README 的策略池章节也按「选股/择时/风控」维度完整列出了这些入口。

4. 基金策略分析、回测分析 —— WebPanel

内嵌网页面板加载基金投研前端（qbot/gui/mainframe.py）。仓库中配套的基金侧实现包括 pyfunds/ 下的fund-strategies、funds等模块，以及基金类经典策略文档 4433法则。

5. 策略模拟交易（掘金仿真）与在线交易 —— TradePanel

对应 Tab「在线交易(实盘/虚拟盘)」，实现于 qbot/gui/panels/panel_trade.py。从源码结构看，交易引擎层位于 qbot/engine/trade/，包含实盘/模拟交易入口（trade_real.py、trade_sim.py）、easytrader 浏览器自动化券商对接、以及engine_apis下的多种柜台 SDK。官方支持的交易平台一览：

README 中对各平台的覆盖范围有明确列表：股票（中泰 XTP、华鑫奇点、同花顺、东方财富等）、期货（CTP/CTPMini/Femas 等，对应仓库 pyfutures/ 与 CTP API 结构）、虚拟货币（OKEX、Binance、Huobi，对应 qbot/engine/backtest/live_trade_binance.py），仿真平台则包括掘金、WonderTrader、TradingView 等。

启动后还可以在菜单栏「工具 → 后台监控」一键拉起股票监控后台进程，源码中该动作执行的是nohup python qbot/plugins/auto_monitor.py > monitoring.log &（qbot/gui/mainframe.py），日志可用tail -f monitoring.log查看。

六、启动失败时的常见问题排查

quick_start.md给出的兜底策略是「运行起来，缺少什么模块，就安装什么模块」，这与 docs/FQA.md 的结论一致——多数问题属于环境问题。FQA 中记录的典型故障与解法（均附 docs/FQA.md 出处）：

另外 docs/Install_guide.md 还建议：若 requirements 批量安装失败，可直接pip install baostock tables -i <清华镜像源>逐个补齐缺失库。启动前可先跑一个最小回测验证环境完整性，env_setup.sh的默认动作即是：

cd pytrader python test_backtrade.py

七、小结与后续路径

回顾快速上手的完整链路：确认 Python 3.8/3.9 环境 → 终端执行git clone→pip install -r dev/requirements.txt并从dev/手动安装 wxPython、TA-Lib wheel →python main.py（macOS 用pythonw）→ 进入以回测系统为默认页的主界面。

启动成功之后，建议按仓库自带资源继续深入：

• 数据获取与清洗：qbot/data/（dump_bin 数据导出）、utils/common/ 的 TuShare/AShareDailyData 数据服务；
• 策略开发：qbot/strategies/ 策略库与 docs/tutorials_code/ 分步教程（从 600519 单只股票到全市场批量回测）；
• 回测与绩效分析：pytrader/newbacktest.py、quantstats 报告插件 qbot/plugins/quantstats/；
• 系统参数与账号配置：主界面「设置 → 参数配置」弹窗（qbot/gui/elements/def_dialog.py），配置文件位于 qbot/common/configs/。

最后重申项目声明：交易策略和自动化工具只是提供便利，并不代表实际交易收益，项目任何内容不构成投资建议；市场有风险，投资需谨慎（README.md Disclaimer 章节）。

【免费下载链接】Qbot[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot