Qlib（microsoft/qlib）是微软开源的、面向 AI 的量化投资研究平台，目标是用 AI/机器学习支撑量化研究全流程——从探索想法到落地生产。它支持多种 ML 建模范式（监督学习、市场动态建模、强化学习），内置数据处理、因子/特征、模型训练与回测、组合优化等量化研究组件，并已与微软 RD-Agent（LLM 驱动的自动化研发智能体）打通以自动化因子挖掘与模型优化。MIT 许可，约 43,405 stars，主语言 Python，PyPI 包名 pyqlib，文档站 qlib.readthedocs.io。注意：量化投资工具仅用于研究，不构成投资建议。
来源：README.md（描述、What's NEW、Feature 表）；GitHub 仓库元数据（stars=43405、language=Python、license=MIT、topics quant） 查看 GitHub 仓库 →量化研究链路长（数据、因子、建模、回测、组合），自建门槛高。Qlib 由微软开源、把这套流程标准化并面向 AI 建模，支持监督学习/RL/市场动态建模，配套数据集与多种量化模型，近年又接入 RD-Agent 实现 LLM 驱动的「自动量化工厂」（自动因子挖掘与模型优化），契合 AI+量化的热点，因而 star 很高。需明确：它是研究/回测平台，回测表现不代表实盘收益；金融投资有风险，相关产出仅供研究，不构成投资建议。截至数据采集约 43,405 stars。
来源：README.md（描述、What's NEW 的 RD-Agent、Feature 表）；GitHub 仓库元数据（stars=43405、pushed_at 2026-04）覆盖金融数据、因子/特征、模型训练、回测与组合优化的完整量化研究链路。
来源：README.md（描述、Feature 表）支持监督学习、市场动态建模与强化学习，内置多种量化模型。
来源：README.md（描述、Feature 表的 RL/KRNN/Sandwich）提供面向金融的高效数据存储与表达式引擎，便于因子/特征计算。
来源：README.md（topics quant-dataset/quant-models、描述）接入 RD-Agent 实现自动因子挖掘与模型优化的「Auto Quant Factory」。
来源：README.md（What's NEW 的 RD-Agent、Feature 表）Qlib 用 Python 实现，提供端到端的量化研究框架：数据层有高效的金融数据存储与表达式引擎（特征/因子计算）；建模层支持监督学习、强化学习与市场动态建模，内置多种量化模型（如 KRNN、Sandwich 等）；工作流层覆盖训练、回测、组合构建与评估，并有实验管理。它还提供 RL 学习框架，并通过独立的 RD-Agent 项目实现 LLM 驱动的自动因子挖掘与模型优化（「Auto Quant Factory」）。以 pyqlib 包分发，跨 Linux/Windows/macOS。
来源：README.md（描述、Feature 表的 RL/KRNN/RD-Agent、徽章 platform）；GitHub 仓库元数据（language=Python）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
PyTorch 等 ML 框架量化数据存储与表达式引擎RD-Agent（LLM 自动研发，独立项目）适合量化研究者、金融工程师与相关学习者：在统一平台上做因子研究、用 ML/RL 建模做选股/择时、跑回测与组合优化，并复现论文方法；想自动化研发可用 RD-Agent 做因子挖掘与模型优化。也适合作为量化研究教学与原型平台。所有产出仅用于研究，实盘前需自行做严谨验证、风控与合规评估；金融投资有风险。
来源：README.md（描述、topics research/quantitative-trading）本页历史性版本如 v0.9.0（2022-12）；近期重点是接入 RD-Agent（LLM 驱动自动量化，2024-08 起在 RD-Agent 发布）与 R&D-Agent-Quant 论文（2505.15155）。pyqlib 在 PyPI 持续发布。仓库最后更新约在 2026 年 4 月。
来源：README.md（What's NEW、Feature 表的版本时间线）；GitHub pushed_atQlib 是微软开源、面向 AI 的量化投资研究平台：端到端覆盖金融数据、因子、ML/RL 建模、回测与组合优化，内置多种量化模型与高效数据引擎，并接入 RD-Agent 实现 LLM 驱动的自动因子挖掘与模型优化，MIT 开源、文档完善、跨平台，对量化研究者与金融工程师很有价值。务必清楚回测不代表实盘、量化研究需警惕过拟合与数据质量、实盘涉及交易风控与合规、部分自动化能力依赖独立的 RD-Agent；所有产出仅供研究，不构成投资建议。作为 AI 量化研究平台，体系完整、生态活跃。
来源：综合 README.md 的定位、能力、RD-Agent 集成与研究性质