Q01
FiClaw 是什么？
FiClaw 是 AI Native 量化策略研发工作站。你只需用一句话描述策略想法，AI 自动完成策略设计、代码生成、因子评估、真实回测、结果诊断和参数优化——把原本数天的研发周期压缩到分钟级。桌面端安装即用，内置量化研究员、风控经理等专业 AI 角色。
FAQ
常见问题
本页集中说明 FiClaw 的下载试用、金融 Agent、模型积分、量化能力、安全边界、适用团队与试点方式，便于快速完成初步评估。
Q02
现在可以直接试用吗？
可以。FiClaw 已提供 macOS Apple Silicon 桌面端下载入口，安装后可以通过短信登录进入主工作台，体验内置金融 Agent、云端模型和会员中心积分记录。
Q03
首次使用应该从哪里开始？
建议先按快速开始流程完成下载安装、短信登录、主工作台体验和 Agent 选择，再根据需要查看模型与积分、金融 Agent、量化能力和产品更新页面。
Q04
FiClaw 和普通 AI 助手有什么区别？
普通 AI 助手只能讨论策略逻辑，FiClaw 能直接执行：自动生成可运行的 Python 代码、提交真实历史数据回测、分析结果并诊断问题、修改代码重新验证。AI 不只是建议者，而是研发链路的执行者。
Q05
FiClaw 内置哪些金融 Agent？
当前 FiClaw Desktop 已围绕投资总监、量化研究员、风控经理、股票分析师、交易员和主工作台预置角色。不同角色适合承担不同任务，减少把所有问题都交给同一个通用助手的混乱。
Q06
模型与积分是怎么工作的？
FiClaw 通过 FiClawCloud 统一路由云端模型，并用积分记录模型调用消耗。不同模型的能力、速度、上下文和消耗不同，桌面端会员中心会展示余额、充值记录、消费记录和当前模型费率口径。
Q07
FiClaw 支持哪些模型？
当前公开页面展示了 Claude、GPT、Gemini、DeepSeek、Qwen、Kimi、GLM、MiniMax 等模型组里的可用模型示例。具体可用集合以 FiClawCloud 和桌面端同步到的当前模型目录为准。
Q08
FiClaw 的量化能力现在到什么阶段？
FiClaw 正在通过 FiClawQuantAPI 将行情、财报、宏观、回测、模拟盘、选股和风控等能力逐步接入 Agent 工作流。公开页面会说明能力范围和边界，避免把内部系统细节或未完成能力提前包装成承诺。
Q09
FiClaw 更适合什么样的用户？
量化研究员、策略开发者、独立交易者，或任何有策略想法但不想花数天编码调试的人。也适合团队负责人评估 AI Native 研发工具的落地效果。
Q10
策略工厂具体能做什么？
输入一句话策略想法（如'基于20日动量因子的月度轮动策略'），AI 自动完成：1) 策略 spec 设计；2) 因子有效性评估；3) Python 代码生成；4) 提交真实历史数据回测；5) 结果诊断（Sharpe、回撤、胜率等）；6) 不达标时自动修改代码重试，最多 5 轮迭代。
Q11
回测用的是真实数据吗？
是的。FiClaw 通过 QuantAPI 对接真实 A 股历史行情数据（支持沪深 300 等），回测区间可达 3 年以上，输出 Sharpe ratio、年化收益、最大回撤、胜率、换手率等专业指标。
Q12
参数优化是怎么工作的？
FiClaw 自动从策略代码中提取可调参数（如动量窗口、选股数量、权重上限等），生成 ±50% 范围的候选值网格，逐一回测找到最优组合。还支持 Walk-forward 稳健性检验，确保策略不是过拟合产物。
Q13
断点续跑是什么意思？
策略工厂的流水线如果在某个阶段失败（如回测超时），不需要从头重跑。点击'断点续跑'会自动跳过已完成的阶段，直接从失败点继续执行。
Q14
FiClaw 会替代研究员、交易员或风控人员吗？
不会。FiClaw 更适合作为协作者和流程放大器，帮助团队减少重复劳动、提升交接效率、增强复核能力。涉及投资判断、风控结论、策略上线、交易执行或对外输出时，仍应保留人工复核和团队内部确认。
Q15
FiClaw 会自动交易或承诺收益吗？
不会。FiClaw 不承诺投资收益，也不替代持牌机构的专业判断、合规审查或风险控制责任。FiClaw 更适合辅助研究、分析、复核和执行前检查，而不是绕过人工确认直接做资金相关动作。
Q16
FiClaw 在风控相关环节能做什么？
更适合做规则检查、异常提示、材料整理、案例关联和复核支持。它不是替风控拍板，而是把前置整理、信息归纳和流程留痕做得更稳，让人工能把精力放在真正需要判断的地方。
Q17
引入 FiClaw 需要一次性改掉原来的流程吗？
不需要。更现实的方式通常是先选一个关键环节切进去，让 AI 先承担清晰角色，再逐步向上下游扩展。这样风险更可控，也更容易判断什么是真正有效的。
Q18
团队试点前需要准备什么？
建议先明确一个真实业务卡点、参与人员、数据来源、权限边界、人工复核节点、模型预算和预期产出。FiClaw 更适合从清晰场景进入，而不是一次性接入所有数据和系统。
Q19
如果团队现在已经在用通用大模型，还有必要看 FiClaw 吗？
有必要。很多团队已经在用通用模型提升个人效率，但团队级问题往往还在，比如结果怎么传、谁来复核、知识怎么沉淀、流程怎么衔接。FiClaw 更关注这些真正影响落地的部分。
Q20
怎么判断 FiClaw 适不适合现在的团队？
可以先判断当前瓶颈属于单点效率问题，还是整个流程衔接问题。如果挑战主要体现在研究到复核无法衔接、结果难以沉淀或多人协作断层，就值得进一步评估试点。