从策略想法到结构化策略 spec
FiClaw 先把自然语言描述拆成股票池、因子、信号、调仓、风控和参数约束，避免直接生成难以复核的代码片段。
Methodology
FiClaw 如何组织可复核的量化策略研发流程
方法论页面用于说明 FiClaw 的工作边界：AI 可以提高策略研发效率，但每一次回测、参数优化和策略结论都应能被团队复核。
生成代码后必须进入回测验证
策略代码只有经过历史数据回测和指标复核才有研发意义。FiClaw 将代码生成、回测提交和结果诊断放在同一流程里。
参数优化关注稳健性而不是单点最优
参数搜索会同时观察收益、回撤、Sharpe、胜率、换手和邻域稳定性，避免只追求某一次回测的最高收益。
关键结论需要人工复核
FiClaw 输出用于研发评估和团队复盘，不构成投资建议，也不能替代风控审批和实盘前验证。
Risk Boundary
风险与边界
- 历史回测不承诺收益，也不能保证未来表现。
- 模型生成的代码、诊断和参数建议可能存在错误或遗漏。
- 策略上线前应经过样本外验证、交易成本敏感性分析和人工风控复核。
- 涉及交易执行、资金或客户资产的动作，不应由 AI 直接自动完成。