2.2 命令行模式与 AI 智能策略研究

本篇重点：本篇讲 V3 最推荐的用法：用中文把研究任务交给 AI 助手，它通过 kh 命令行下数据、跑回测、汇总结果，你只负责批准和核对。

1 五分钟上手：让 AI 助手替你做研究

下面用一个研究目录 C:\khdemo_ai 举例（Mac、Linux 可以用 ~/khdemo_ai），请换成你自己的路径。所有研究文件都放在这个目录里，不会弄乱你平时的数据和策略。

1.1 确认 kh 能用

装好 V3（见 2.1）后，打开一个新的终端（Windows 用 PowerShell），输入：

kh version

显示版本号就可以了。没反应的话按平台检查：

1.2 装好一个 AI 助手，并在研究目录里打开

用支持 Skill 的 AI 编码助手：Codex、Claude Code、Cursor、DeepSeek harness、WorkBuddy 等，任选一个；其他能读写文件、在终端里运行命令的 AI 编码助手也都兼容。下面的例子用 Codex。安装和登录以各工具官网的说明为准，大致是：

以 Codex 桌面版为例：点「新聊天」，在输入框上方的「选择项目」里点「新建项目」，项目名随意，「源文件夹」点「添加」选 C:\khdemo_ai，再点「创建项目」：

第一次会问是否信任这个文件夹，点「信任文件夹」，AI 才能在里面读写文件、运行命令：

建好后，新对话的标题会写「我们应该在khdemo_ai中做些什么?」，输入框上方显示项目名，之后的对话都在这个目录里进行：

• 没有官方订阅的，可以用 API 中转站接入 Codex（可选），见第 3.2 节。
• 第一次让 AI 运行 kh 时，它会请你批准联网下载数据，以及写入研究目录以外的位置（数据目录、回测结果目录 %LOCALAPPDATA%\KhQuant\backtest_results）。看清命令再批准。Codex 输入框下方可以选批准方式：「请求批准」（编辑外部文件和联网时都会问你）、「帮我批准」（只在检测到有风险时问）、「完全访问权限」（不再询问，截图里用的就是这一项）。新手建议选「请求批准」；它的代价是 AI 每次下载、回测前都会停下来等你点，第 1.5 节那种多组回测要守在旁边，或者按第 1.5 节末尾的办法处理。

1.3 一句话装好 khQuant Skill

khQuant Skill 是一份给 AI 看的说明书，告诉它 khQuant 的命令怎么用、策略怎么写、哪些操作要先问你（详见 3.3）。它公开在 GitHub khscience/khquant-skill，免费。在 AI 助手里直接说：

请从 https://github.com/khscience/khquant-skill 下载 khQuant Skill，
把 skills/khquant 文件夹安装到你自己的用户级 Skill 目录里，
装好后告诉我装在哪里，并提醒我重启。

按提示重启 AI 助手。怎样确认装好了：Codex 里输入 $khq，列表里能看到「看海量化 KhQuant」：

Claude Code 里输入 / 能看到 /khquant；Cursor 等其他工具可以直接问它「你有 khquant 这个 Skill 吗」。之后点名使用（$khquant 或 /khquant），说到「回测」「下载股票数据」这类话时也会自动启用。想手动安装，见第 3.3 节。

1.4 第一次对话：先检查，再初始化

kh config set strategy_dir "$env:USERPROFILE\Documents\KhQuant\strategies"

先不要跑策略。请用 khQuant Skill 检查 kh 能不能用、环境有没有问题，
并用 kh config show 告诉我现在的数据目录和策略目录。
如果还没初始化，就逐项问我这两个目录放在哪里。
Tushare Token 之类的密钥我自己填，你不要碰，也不要直接打开 settings.json。

AI 会先运行 kh version、kh doctor 和 kh config show，再根据结果处理。下面是实拍（已初始化过的电脑，用时一两分钟）：

第二行「用 kh config show」不要省：实测只写「不要打开 settings.json」时，AI 会把它理解成连配置都不能看，结果没去核对数据目录和策略目录。miniQMT 未就绪的警告只是说 miniQMT 客户端没开，用本地数据库回测不受影响。

确认能用后，可以先跑一下自带示例熟悉流程：

用命令行跑一下自带的双均线精简示例，生成 HTML 报告，再给我解释结果。

• 示例的均线参数是随机生成的，每次结果不同。
• 如果 AI 用 tx 下载数据，提醒它加 --adj front，否则示例会一笔交易都没有（见第 4.3 节）。

1.5 交给它一个研究任务

能跑通示例后，就可以用中文提研究问题了。下面这段是我们实测用过的提示词（在原话基础上补了两处：每条 kh run 都显式带 --data-root，并写清哪些文件放进研究目录），复制过去，把目录换成你的就能用：

用 $khquant 帮我做一个小研究：沪深300指数（000300.SH）上的双均线策略，短均线和长均线取多少比较好？

要求：
1. 研究目录是 C:\khdemo_ai：.kh 配置、results.csv、HTML 报告和 DONE.txt 都放这里；原始回测结果目录仍在 kh 默认的结果目录，用 kh result list 查找。先用 tx 源下载 000300.SH 自 2022-01-01 起的日线，加 --adj front（前复权），用 --data-root 存到 C:\khdemo_ai\data；不要因为库里已经有 000300.SH 就跳过下载。不要改 kh 的全局配置。
2. 以内置的双均线案例为基础，改成可以调参数的版本。短均线试 5、10、20，长均线试 30、60、120，回测区间 2023-01-01 到 2026-09-30，全部用 kh run 命令跑，每条都加 --data-root C:\khdemo_ai\data。
3. 把每组参数的收益率、最大回撤、夏普比率整理成 results.csv，按收益和回撤给出排名，用几句话写结论和需要注意的风险。
4. 给表现最好的那组生成 HTML 回测报告。
5. 全部完成后，写一个 C:\khdemo_ai\DONE.txt，里面写上“完成”。

这段提示词好用在几处：指定单独的目录和 --data-root，研究数据不会混进你平时的数据库；明确要求下载前复权数据（自动补的沪深 300 基准只有不复权价，AI 看到「已有数据」就不下的话会零交易）；参数范围和回测区间写死，各组之间才有可比性；要求它写风险，结论不会只报喜；最后写一个 DONE.txt，你不用盯着屏幕，看到文件就知道做完了。

发出去之后要不要守着，取决于批准方式：

• 选的是「请求批准」：它会在下载和每次 kh run 前停下来等你确认，9 组回测就要点很多次。想走开，可以在它第一次请求时，在对话里一次性同意「本次研究用到的 kh data download 和 kh run 都可以直接执行」；或者只在这个专用研究目录里临时放宽权限，做完再改回来。
• 我们实测时用的是「完全访问权限」，所以发出去之后就去忙别的了，看到 DONE.txt 再回来。

结果是什么样的，看下一节。

2 看看结果：一次真实的研究

2026 年 10 月 7 日，我们在 Codex 里装好 khQuant Skill，新建对话，只问了一个问题：「沪深300指数上的双均线策略，短均线和长均线取多少比较好？」，再写清文件放哪、参数范围、回测区间和要哪些指标。之后没有再插手。

Codex 全程只用 kh 命令，约 15 分钟交回：下好的数据、改成可调参数的策略（参数写在 .kh 的 strategy_params 里）、9 组参数的回测、按收益和回撤排名的结果表、结论和风险提示，以及第一名的 HTML 报告。按总收益率排名：

它没有替策略说好话：9 组全部亏损，同期指数本身是上涨的，所以只能说明「在这段历史里哪组相对好一点」，不能证明有超额收益；还主动提醒了过度拟合和交易成本的风险。

这就是命令行 + AI 的价值：重复的命令、改文件、跑一组组回测、整理表格，都交给 AI；你把精力放在提问题和判断结果上。想让 AI 从零写一个新策略并回测验证，见 3.4。

3 细说：AI 助手和 khQuant Skill

3.1 AI 助手能帮你做什么

• 检查环境、初始化 kh，逐项问你路径。
• 按你的描述下载数据，并总结下载了什么。
• 按你的思路写策略文件、生成 .kh 配置、检查语法（写策略的完整做法见 3.4）。
• 把一组参数组合各跑一遍，按收益和回撤排名。
• 解读回测结果，生成 HTML 报告。

它最大的价值是把重复的命令和整理工作接过去，不是替你判断策略好坏。关键结论请自己用 kh result show 或报告复核。

3.2 （可选）用 API 中转站接入 Codex

这一步不是必需的。Codex 可以用官方订阅，也可以通过 API 中转站使用。中转站的好处是不需要复杂的网络环境配置，用多少花多少，可以先小额充值体验。下面以作者在用的中转站为例：

1. 点击这个中转站链接注册，进入后台。
2. 控制台 →「令牌管理」→「添加令牌」：名称随便填（如 codex），令牌分组按中转站文档选择对应 Codex 的分组，其他保持默认；提交后复制密钥。
3. 「钱包管理」里选择充值套餐，付款后拿到兑换码，填入兑换区获得额度。套餐和价格以中转站官网为准。
4. 打开它的 API 快速接入教程，按说明选择系统和工具，下载并安装配置工具。
5. 打开配置工具，粘贴密钥，点「安装」，等待自动配置完成，再打开 Codex 即可。

3.3 手动安装、更新和卸载 Skill

先取得仓库：git clone https://github.com/khscience/khquant-skill.git，或在网页上 Code → Download ZIP 后解压。然后把其中的 skills/khquant 文件夹复制到所用 AI 工具的 Skill 目录。各工具的目录和点名方式见 3.3 第 2 节（那里统一维护）。

Windows PowerShell 示例（Claude Code）：

New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.claude\skills" | Out-Null
Copy-Item -Recurse -Force skills\khquant "$env:USERPROFILE\.claude\skills"

macOS / Linux：

mkdir -p ~/.claude/skills && cp -r skills/khquant ~/.claude/skills/

装好后重启 AI 工具。之后说到「回测」「下载股票数据」之类的话，Skill 会自动启用；也可以用上表的方式点名使用。各工具的 Skill 目录可能随版本变化，以工具当前的说明为准。

• 更新：在仓库目录 git pull 后重新复制，或者让 AI「把 khQuant Skill 更新到 GitHub 上的最新版」。
• 卸载：删除上面对应目录里的 khquant 文件夹。

3.4 Skill 帮你守住的边界

Skill 给 kh 的命令分了三档：查询类直接执行；下载、回测、改配置这类先给你看命令、你同意后才执行；删除结果、修复数据、kh init 这类必须你明确同意。完整的命令分档表见 3.3 第 4.2 节（那里统一维护）。

• 每条命令执行前，AI 会在回复里先写一行 $ kh …，你能看到它要做什么。
• 密钥：让 AI 引导你自己运行 kh config set tushare_token … 或在图形界面里填。设置文件里的 Token 并没有加密，不要让 AI 直接打开 settings.json，看配置用 kh config show（只显示打码后的值）。
• 平时建议 AI 工具保持「执行命令前需要批准」；批量研究要走开时，只在专用研究目录里临时放宽，或在对话里一次性同意这次要用的命令，做完改回来（见第 1.5 节）。
• kh strategy validate 归在「只读」一档，但它会实际执行一遍策略文件的顶层代码；检查来路不明的策略文件前先自己看一眼代码。

3.5 常用的说法

实际的工作循环大致是「写代码 → kh strategy validate → 短区间 kh run → 核对 → 改了再跑」。下面是 3.4 实拍里 Codex 的一段过程：

3.6 让结果更可靠的习惯

• 研究前先让 AI 把随机参数改成固定值，区间也固定下来，不同组之间才有可比性。
• 批量回测时让 AI 用 --json 汇总，并把「参数 → 结果」记录成表（结果文件夹本身区分不出参数，见第 4.7 节）。
• 排名第一的组合，自己打开报告看一遍交易明细，警惕过度拟合；最好换一段没参与挑选的区间再验证一次。
• 不要让 AI 删除回测结果或清理数据。
• 回测结果只反映历史数据，不代表未来收益。

想让 AI 从零写一个新策略并回测验证（写法检查、和自带案例对比、常见错误），见 3.4。

4 附：不用 AI，自己动手用命令行

前面 AI 运行的每一条命令，你都可以自己敲。下面按顺序手动走一遍，适合想弄清楚每一步、写自己的脚本，或者在服务器上排查问题的读者。

4.1 检查环境：kh doctor

kh doctor

逐项检查 Python 依赖、数据目录、数据源配置和策略目录，最后给出「总计: N 通过, M 警告」。OK 表示正常，WARN 是需要留意的项。第一次运行时，「DuckDB 数据目录未配置」「策略目录未配置」这两条警告是正常的，下一步 kh init 会解决。

在 Windows 上还会看到一条「历史行情导入源 miniqmt 未就绪」，它只影响用 miniQMT 下载，不影响 tx、BaoStock 下载和回测，可以不管。

doctor 不需要先初始化。其他大部分命令在初始化前运行会提示 ERR 尚未初始化，请先运行: kh init。

4.2 初始化：kh init

kh init

向导一共 5 步，括号里是直接回车时的默认值：

最后显示「配置已保存到 …\.khquant\settings.json」和配置摘要。中途按 Ctrl+C 退出不会保存配置（已经复制到策略目录的示例文件会留着）。再次运行 kh init 会从头覆盖原有配置，已经填过的 Tushare Token 要重新填。

在图形界面里保存过设置的，kh 会直接用同一份设置（包括数据目录），先运行 kh config show 看当前设置，再按第 1.4 节的提示框补上策略目录。

4.3 下载数据：kh data download

先下两个指数的日线，数据量小、速度快：

kh data download --source tx --stocks 000300.SH,000001.SH --start 20251001 --adj front

• --source：数据源，必填。tx 免费、不用账号；也可以用 baostock（默认就是前复权，速度慢一些）。各数据源的区别见 2.3。
• --stocks：股票代码，逗号分隔。也可以用 --pool hs300 选预设板块，或 --file 读文件。
• --start、--end：日期，格式 YYYYMMDD，不写结束日期就到今天。
• --adj front：同时下载前复权价。tx 默认只下不复权，自带案例要用前复权，不加这个参数的话回测能跑完，但一笔交易都不会有。

输出类似：

  > 数据源: tencent | 股票: 2 只 | 周期: 1d
  > 复权: front | 覆写: 否
  …（tx 数据来源说明、写库模式、区间等几行）
  OK 000300.SH 1d：保存 4067 条 (2010-01-04 ~ …)；回读通过
  OK 000001.SH 1d：保存 241 条 (2025-10-09 ~ …)；回读通过

000300.SH 有 4000 多条，是因为每次下载都会自动把沪深 300 从 2010 年起的日线补齐，作为回测基准。不需要的话加 --skip-benchmark。

查看库里有什么：

kh data list
kh data info 000001.SH

data list 列出所有股票；data info 显示一只股票各周期的条数和起止日期。数据库的结构见 1.4 第 4 节。

4.4 认识策略文件：kh strategy

kh strategy list

列出策略目录里的 .py 策略，以及有没有同名的 .kh 配置。新建一个空白策略：

kh strategy create my_first

会在策略目录生成 my_first.py（带 init、khPreMarket、khHandlebar、khPostMarket 四个空函数）和 my_first.kh。检查一个策略文件的结构：

kh strategy validate C:\CLIstrategies\my_first.py

要写 .py 的路径（完整路径或相对当前目录的路径），它不会到策略目录里找。它会实际执行一遍文件的顶层代码，然后检查 khHandlebar 和 init 是否存在（两个都必须有，init 要带 stock_codes, init_data 两个参数）。它能发现缺函数、语法错误，发现不了逻辑错误。策略怎么写见第 3 部分（3.1 框架介绍起）。

4.5 跑回测：kh run

用自带的双均线案例。kh run 会到策略目录里找配置，.kh 后缀可以省略。用过界面的，先按第 1.4 节的提示框补好 strategy_dir，否则这里会报「配置文件不存在」：

kh run 【1-MA策略案例】双均线精简_使用khMA函数.kh

这个案例交易的是个股 000001.SZ，我们只下了指数，所以会提示：

  ERR 股票数据不存在: 000001.SZ（DuckDB: …）

可以先下载这只股票，也可以用命令行参数临时换成已经下好的指数（拿指数代替个股，只是为了少下数据）：

kh run 【1-MA策略案例】双均线精简_使用khMA函数.kh --stocks 000300.SH --start 20251201 --end 20260930 --report

• --stocks、--start、--end、-c（资金）、-p（周期）会覆盖 .kh 里的设置，但不修改 .kh 文件本身。--stocks 是整个替换股票池。-p 只改数据周期，不改触发方式；两者不一致时会提示，触发方式请在 .kh 里改（见 1.8）。
• 开始日期放在 12 月，是给长均线留出预热数据：长均线最多要 30 个交易日。
• --report：跑完生成 HTML 报告并用浏览器打开；加 --no-open 只生成不打开。

跑完显示结果摘要：

  回测结果
  ──────────────────────────────────────────────
  交易天数:    204.0 天
  初始资金:      1,000,000.00
  最终资金:        905,083.41
  总收益率:    -9.49%
  年化收益率:  -11.50%
  最大回撤:    10.29%
  ══════════════════════════════════════════════
  结果目录: strategy_5448e98d-…_20251201_20260930_…

案例的均线参数是随机生成的，每次运行结果都不一样，这是正常的。上面的数字只是示例。

运行过程中的详细日志直接显示在终端里（输出到 stderr），结果摘要输出到 stdout。结果保存在回测结果目录（Windows 安装版在 %LOCALAPPDATA%\KhQuant\backtest_results），和图形界面的「回测历史」是同一个地方，在界面里也能看到这次结果。

4.6 看结果：kh result

kh result list
kh result show
kh result report

• result list：最近的回测列表，含区间、总收益、最大回撤和运行时间。
• result show：最近一次的绩效指标；--id 2 看列表里的第 2 条。
• result report：给最近一次生成 HTML 报告并打开。
• result compare --last 3：把最近 3 次放在一起对比。

更多用法见第 5.1 节。

4.7 自己写脚本批量试参数

khQuant 没有内置参数优化。不用 AI 时，做法是：让策略从环境变量读参数，再用脚本循环调用 kh run。下面的文件都放在研究目录 C:\khdemo_ai，请换成你自己的路径。

第一步，把双均线精简案例的 .py 和 .kh 复制到研究目录，改名为 ma_param.py、ma_param.kh。

第二步，用记事本打开 ma_param.kh，把 "strategy_file" 一行改成新的文件名：

"strategy_file": "ma_param.py",

第三步，打开 ma_param.py，在 import random 下面加一行 import os，再把随机生成参数的两行改成读环境变量：

import os
params = {
    'ma_short': int(os.environ.get('MA_SHORT', 5)),
    'ma_long': int(os.environ.get('MA_LONG', 20)),
}

第四步，循环运行。下面用沪深 300 前复权日线（放在 C:\khdemo_ai\data），回测 2023-01-01 到 2026-09-30。没走过第 1 节的，先下载数据：

kh data download --source tx --stocks 000300.SH --start 20220101 --adj front --data-root C:\khdemo_ai\data

然后循环运行。PowerShell：

$rows = foreach ($p in @(@(5,20), @(10,30), @(20,60))) {
  $env:MA_SHORT = $p[0]; $env:MA_LONG = $p[1]
  $line = kh run 'C:\khdemo_ai\ma_param.kh' --data-root 'C:\khdemo_ai\data' --stocks 000300.SH --start 20230101 --end 20260930 --json 2>$null | Where-Object { $_ -like '{*' }
  $r = $line | ConvertFrom-Json
  [pscustomobject]@{ 短均线=$p[0]; 长均线=$p[1]; 总收益率=[math]::Round([double]$r.total_return,2); 最大回撤=[math]::Round([double]$r.max_drawdown,2) }
}
$rows | Format-Table -AutoSize
$rows | Export-Csv grid.csv -NoTypeInformation -Encoding UTF8
Remove-Item Env:MA_SHORT, Env:MA_LONG

实际输出（每组参数不同，结果也不同，说明参数生效了）：

短均线 长均线 总收益率 最大回撤
------ ------ -------- --------
     5     20   -18.95    24.54
    10     30   -24.10    27.24
    20     60   -28.67    32.34

Linux、macOS 的 bash：

for p in "5 20" "10 30" "20 60"; do
  set -- $p
  echo "== MA $1/$2"
  MA_SHORT=$1 MA_LONG=$2 kh run ~/khdemo_ai/ma_param.kh --data-root ~/khdemo_ai/data --stocks 000300.SH --start 20230101 --end 20260930 --json 2>/dev/null
done

Python（适合参数多、要排序筛选时）：

import json, os, subprocess
CFG = r"C:\khdemo_ai\ma_param.kh"
EXTRA = ["--data-root", r"C:\khdemo_ai\data", "--stocks", "000300.SH", "--start", "20230101", "--end", "20260930"]
results = []
for short, long_ in [(5, 20), (10, 30), (20, 60)]:
    env = dict(os.environ, MA_SHORT=str(short), MA_LONG=str(long_))
    p = subprocess.run(["kh", "run", CFG, *EXTRA, "--json"], env=env,
                       capture_output=True, text=True, encoding="utf-8")
    s = json.loads([l for l in p.stdout.splitlines() if l.startswith("{")][-1])
    results.append((short, long_, float(s["total_return"]), float(s["max_drawdown"])))
for r in sorted(results, key=lambda r: -r[2]):
    print("MA%d/%d 收益 %.2f%% 回撤 %.2f%%" % r)

• .kh 请写完整路径，--json 的输出才是纯 JSON（见第 5.3 节）。kh run --json 输出里的数字是字符串，要自己转换（kh result show --json 里则是数字）。
• 日志输出在 stderr，上面的写法把它丢掉了，排错时去掉 2>$null / 2>/dev/null。
• 结果目录分不出参数：同一个策略跑出来的结果目录名和配置记录都一样，请像上面那样自己把「参数 → 结果」记下来。
• 另一种传参方式：在 .kh 里加一个自定义字段（例如 "strategy_params": {"ma_short": 5, "ma_long": 60}），每组参数一份 .kh，策略里用 data["__framework__"].config.config_dict.get("strategy_params", {}) 读出来。第 2 节 Codex 实测用的就是这种做法。
• 只改日期、股票池、资金的话，直接用 --start、--end、--stocks、-c，不需要改策略。
• 大规模回测的内存、分段加载和 Parquet 缓存见 1.12。

5 附：命令速查

下面是做研究时最常查的几样：结果和报告怎么管、几个通用参数、出错时看哪里。全部命令见附录 A。

5.1 管理回测结果和报告

kh result list --all                        # 默认只列最近 20 个，--all 列出全部
kh result show strategy_b429b43e-123a4b5c_…_194513   # 用文件夹名精确查看
kh result show --id 3 --json                # JSON 输出（数值是数字）
kh result report --id 3 --no-open           # 生成 HTML 报告
kh result report --index --no-open          # 生成当前结果目录的索引页 index.html（不含旧版本位置里的结果）
kh result compare --last 3                  # 对比最近 3 个
kh result clean --keep 10 --dry-run         # 预览：保留最近 10 个，其余删除

• list 和 --id 的序号按文件夹的修改时间排列，最近改动的排第 1。给旧结果生成一次报告，它就会跳到第 1 位，序号随之变化。
• 结果默认存在：Windows %LOCALAPPDATA%\KhQuant\backtest_results，macOS ~/Library/Application Support/khQuant/backtest_results，Linux ~/khquant/backtest_results。
• list --strategy 名字 过滤后会重新从 1 编号，这个序号不能直接用在 show --id 上，请用文件夹名查看。它也只在最近 20 个里找，找旧结果要加 --all。
• compare 里不完整的结果会显示成 +0.00%，不代表真的零收益。
• clean 不加 --dry-run 时直接删除，没有确认，不完整的结果和旧位置的结果也会被删。务必先预览。

5.2 HTML 报告

用 kh result report 或 kh run … --report 生成的 report.html 是一个独立文件，图表脚本都嵌在里面，不联网也能打开，可以直接发给别人。文件一般 1MB 多。

• 顶部三个页签：「回测结果」「策略源码」「策略配置」。注意源码和配置也在文件里，分享前确认可以公开。
• 「回测结果」里依次是：总收益、年化、最大回撤、夏普比率四张卡片；16 项关键指标；净值、回撤、持仓、日盈亏的联动图；日收益分布；月度收益；交易记录、日收益、个股分析；个股行情和交易位置。
• 成交股票超过 100 只时，个股 K 线只放 100 只，页面上会注明。
• kh result report 每次都重新生成并覆盖；换过数据目录后给老结果生成报告，个股 K 线默认仍从当时的数据目录读，可以用 --data-root 指定。
• 索引页 index.html 列出当前结果目录里所有结果的区间、收益、回撤，点击可以跳到各自的报告（只有生成过报告的才有链接）。

结果存在哪里、一个结果文件夹里有哪些文件、在图形界面里怎么管理和清理，见附录 A 第 12 节；Web 工作台的历史结果页见 2.6。

5.3 几个常用参数

这些参数都要写在子命令后面：kh result list --json 可以，kh --json result list 会报错。

给脚本用 kh run --json 时，.kh 请写完整路径。只写文件名、由 kh 到策略目录里找到时，输出第一行会多一句「使用策略目录中的配置」，不是纯 JSON。全部命令和参数见附录 A。

5.4 出错时看哪里

常见问题

问：Skill 好像没起作用？
答：确认装在正确的目录，重启 AI 工具；Claude Code 里用 /khquant、Codex 里用 $khquant 点名使用。

问：AI 要我把 Tushare Token 发给它？
答：不要发。自己在图形界面的设置里填，或在自己的终端运行 kh config set tushare_token …。

问：我用的是 V2，能用吗？
答：V2 没有 kh 命令，本篇的流程用不了。V2 也能让网页版 AI 帮你写策略代码，再在界面里加载回测，见 3.3、3.4。

问：改了参数跑了好几次，结果文件夹名几乎一样，怎么区分？
答：文件夹名只由策略文件名和时间决定，不包含参数。批量试参数时请自己（或让 AI）记录参数和结果，见第 4.7 节。

问：kh result list --strategy 过滤出的第 1 条，show --id 1 看到的却是别的？
答：两边的序号不是一套。用 kh result show 文件夹名。

下一步

• 让 AI 从零写策略并回测验证：3.4；Skill 里有什么：3.3；自己动手写策略：3.1、3.2。
• 想在浏览器里操作：2.6 Web 端（kh web）。
• 每天收盘后自动补数据、各数据源的区别：2.3（kh data sync --schedule）。
• 全部命令和参数：附录 A；排错：附录 B。

本篇基于 V3.4.1.10 和 khQuant Skill v1.3.3 编写，示例输出为实际运行结果（部分路径已省略）。