附录 名词术语索引

本索引收录本书中出现的主要技术名词、量化概念、工具协议等，按汉语拼音排序。每个词条后括号内的数字表示主要出现的章节号（如“13”表示第13章，“24.2”表示第24章第2节）。解释力求简洁准确。

A

ACP协议（14.2）：Agent Client Protocol，OpenClaw与Hermes之间的标准化通信协议，支持同步/异步调用、流式回调和二进制序列化。

AGENTS.md（3.1）：OpenClaw中定义Agent角色、职责、技能、工作流和约束的Markdown文件，采用YAML frontmatter。

Agent Teams（3.4）：OpenClaw的多Agent协作机制，支持在同一工作区运行多个独立Agent，由Team Lead统一调度。

阿里云百炼（8.4）：阿里云提供的大模型服务平台，支持Qwen3.5等模型的API接入，兼容OpenAI接口格式。

A股市场监管合规（附录J）：中国证监会对程序化交易的要求，包括报告制度、异常交易监控指标、日志保存期限（20年）等。

B

半凯利公式（27.4）：凯利公式的保守版本，将理论最优仓位除以2，用于降低实盘中的估计误差风险。

被动沉淀记忆（9.3）：Hermes记忆系统的特点，Agent在对话中自主判断信息价值并自动写入记忆，无需用户主动触发。

浏览器自动化（11.4）：Hermes通过browser_*工具控制真实浏览器进行网页导航、点击、输入、截图等操作的能力。

C

Cron定时任务（6.2）：OpenClaw和Hermes内置的定时调度机制，支持自然语言、固定间隔和Cron表达式三种触发方式，可跨渠道投递结果。

持仓管理（28.2）：Portfolio Manager Agent的核心职责，包括仓位计算、资金分配、风险预算等。

冲击成本（27.3.2）：大额订单对市场价格的负面影响，本书采用基于订单量占市场成交量比例的动态模型估计。

D

Docker后端（8.3）：Hermes的代码执行隔离方案，将不信任的代码封装在临时容器中运行，提供进程级安全边界。

DVC（24.4）：Data Version Control，用于管理大型数据集和机器学习模型的版本控制工具，与Git配合使用可实现数据回滚。

低代码编排（附录P）：使用n8n、Dify等可视化工具编排多Agent工作流，通过HTTP调用OpenClaw/Hermes API，适合快速原型搭建。

多Agent系统（18）：由多个相互协作的智能体组成的系统，本书聚焦于一人指挥多个AI Agent的架构设计与实现。

多因子模型（25.5）：使用多个因子（如动量、价值、质量）加权合成的量化策略，相比单因子更稳定。

分布式追踪（17.3）：使用OpenTelemetry和Jaeger记录跨Agent、跨服务的调用链，定位性能瓶颈和错误根源。

E

Excel模板（岗位映射）（附录O）：将业务岗位拆解为Agent角色、协作流程和Skill清单的工具表，可导出为CSV或导入项目管理软件。

F

FAQ知识库（20.3.3）：用于客服Agent的常见问题与答案集合，存储在共享记忆中，支持向量检索。

飞书接入（8.7）：Hermes通过WebSocket长连接接入飞书，无需公网回调地址，首次需设备配对。

风控Agent（25.3.5）：独立运行的Hermes实例，只读持仓和行情，可执行止损，但不能开仓或修改策略参数，必须与交易Agent记忆隔离。

复权因子（24.2.2）：Tushare提供的用于计算后复权价格的系数，后复权价格=实际价格×复权因子。

G

Git版本控制（共享记忆）（16.5.3）：将共享记忆目录初始化为Git仓库，实现记忆变更的完整审计日志和回滚能力。

过拟合（29.3.2）：策略参数过度适应历史数据中的噪声，导致样本外或实盘失效。本书提供了稳定性检验和人工审批两重防范机制。

H

Hindsight（9.5）：外部记忆提供商，采用知识图谱结构，支持跨记忆洞察（reflect操作），本地PostgreSQL存储。

后复权（24.2.2）：以当前价格为基准，向前复权历史价格，使价格序列真实反映资产长期回报，本书统一采用后复权。

滑点（27.3.2）：信号价格与实际成交价格之间的差异，本书回测中采用0.1%基础滑点+冲击成本模型。

黄金交叉（金叉）（25.1）：短期均线上穿长期均线，视为买入信号。

J

Jaeger（17.3）：开源的分布式追踪系统，与OpenTelemetry集成后可可视化呈现多Agent调用链。

技能记忆（9.4）：Hermes三层记忆之一，将成功的工作流自动固化为可复用的SKILL.md，遵循agentskills.io标准。

记忆蒸馏（16.6）：从个体Agent的经验中提炼出团队共享的高阶知识，形成群体智能，可使用hivememory或魔搭Ultron实现。

记忆冻结快照（9.2.5）：Hermes在会话启动时将MEMORY.md/USER.md“冻结”为系统提示词，会话中的修改需新会话才能生效。

渐进式披露（10.1.2）：Hermes Skill的加载策略，先加载名称和描述，匹配后再加载正文，最后按需加载references/和scripts/，降低Token消耗。

交互式配置向导（8.2.5）：hermes setup命令提供的交互式配置界面，引导用户完成模型、后端和渠道设置。

K

凯利公式（27.4）：f = (p*b - q)/b，用于计算最优仓位比例，本书建议实盘使用半凯利（f/2）或分数凯利。

K线图（附录插图描述）：第25-31章插画中出现，红绿蜡烛图表示股票价格走势。

卡玛比率（30.3.2）：年化收益率与最大回撤的比值，衡量策略的风险调整后收益，对极端回撤敏感。

L

流动性风险（28.4）：回测中未考虑订单量超过市场成交量一定比例（如1%）时的执行困难，本书要求回测中加入流动性约束。

LLM（大语言模型）（8.4）：Hermes和OpenClaw调用的模型，本书支持OpenAI、Anthropic、DeepSeek、Qwen3.5、本地Ollama等。

M

MCP协议（11.2）：Model Context Protocol，标准化的Agent与外部工具通信协议。Hermes支持MCP Client（调用外部服务）和MCP Server（暴露自身工具）。

MEMORY.md（9.2）：Hermes存储客观事实和项目规范的文件，如服务器配置、部署路径、常用命令等。

MessagePack（14.2.1）：ACP协议的二进制序列化格式，相比JSON可减少30%~50%传输大小。

Mem0（9.5）：外部记忆提供商，自动提取事实，支持零延迟预取和语义搜索。

N

n8n（附录P）：开源的低代码自动化工具，可通过HTTP节点调用OpenClaw API，实现可视化工作流编排。

内置工具集（Hermes）（11.1）：Hermes预装的47个工具，分属terminal、file、web、browser、delegation、cron等11个工具集。

P

Parquet（24.4.2）：列式存储格式，适合量化历史数据的存储，支持按需读取列和高效压缩，本书推荐替代CSV。

配对（设备配对）（8.7.2）：飞书/Telegram接入时的首次授权流程，需在终端执行配对命令完成设备批准。

Q

前视偏差（23.6）：回测中使用了当时未知的未来数据（如收盘价预测当日收益），本书要求使用shift()等函数严格避免。

情绪Agent（31.2.2）：通过NLP分析财经新闻，生成市场情绪打分，作为策略信号的辅助因子。

QMD插件（3.4.1）：OpenClaw的RAG方案，基于BM25关键词+向量语义双重检索，本地运行WASM，即插即用。

Qwen3.5（8.4）：阿里云通义千问系列模型，本书演示了通过百炼平台接入Qwen3.5 Plus的方法。

R

RAG（检索增强生成）（3.4）：OpenClaw通过向量检索从知识库中查找相关内容，增强Agent回答质量。本书介绍了QMD、向量数据库和Mem0三种方案。

Redis（16.2.2）：共享记忆L2层的推荐存储，支持高性能读写和自动过期，适合高频共享数据。

容量限制（记忆）（9.2.1）：MEMORY.md上限2200字符，USER.md上限1375字符，超出后需手动或自动清理。

任务队列（6.4.5）：OpenClaw的请求排队机制，支持collect（合并）和followup（顺序）模式，避免并发冲突。

S

SKILL.md（4.2）：Skill的核心定义文件，包含YAML frontmatter和Markdown指令，遵循agentskills.io标准。

SQLite（9.3）：Hermes会话记忆的底层存储，通过FTS5全文检索引擎实现毫秒级历史检索。

设备配对（5.2.2）：OpenClaw WebUI的首次认证流程，LAN访问需终端批准设备ID。

深度学习因子（31.2.1）：使用LSTM、Transformer等深度神经网络挖掘的因子，能捕捉非线性关系。

胜率（27.4.1）：盈利交易次数占总交易次数的比例，凯利公式的输入参数之一。

双均线策略（25.1）：最经典的量化策略，使用5日和20日移动平均线的金叉/死叉产生买卖信号。

止损（29.2.3）：风控Agent的硬止损机制，当回撤超过阈值（如8%）时自动平仓并暂停交易。

T

Tushare（24.1）：国内免费金融数据接口库，支持股票日线、财务指标、交易日历等，本书作为主要数据源。

Tailscale Serve（5.5.2）：OpenClaw官方推荐的安全远程访问方案，基于Tailscale的零信任网络。

Telegram接入（8.7.3）：通过BotFather创建Bot，获取Token后配置Hermes Gateway，无需配对。

触发条件（Skill）（4.2）：SKILL.md中定义的关键词或模式，用于激活Skill。

U

USER.md（9.2.5）：Hermes存储用户偏好和习惯的文件，如沟通风格、称呼、工作习惯等。

Ultron（魔搭）（16.6.2）：阿里开源的多Agent群体智能框架，支持自动经验蒸馏和团队技能沉淀。

W

Web UI（Control UI）（5）：OpenClaw的图形化管理界面，支持聊天、会话管理、工具监控、配置热更新。

外部记忆提供商（9.5）：Hermes支持的7种外部记忆方案（Hindsight、Mem0、Honcho等），用于突破内置记忆的容量限制。

X

夏普比率（29.3.1）：（年化收益-无风险利率）/年化波动率，衡量风险调整后收益。

心跳机制（Heartbeat）（6.2.4）：OpenClaw的周期性巡检机制，默认每30分钟触发，执行HEARTBEAT.md清单中的批量任务，适合高频轻量检查。

信息系数（IC）（27.2.1）：因子值与下期收益的相关系数，衡量因子的预测能力。

信息比率（IR）（27.2.1）：IC均值与IC标准差的比值，衡量因子稳定性。

压力测试（29.6）：模拟闪崩、流动性枯竭、数据中断等极端行情，检验量化Agent系统的风控能力和恢复能力。

样本外验证（29.3.2）：将数据集划分为训练集（2018-2022）、验证集（2023）和测试集（2024），仅在测试集上评估最终策略绩效。

Y

一人多Agent公司（18）：本书核心理念，由单人指挥多个AI Agent（OpenClaw负责入口与调度，Hermes负责执行与进化）组成的虚拟企业。

异步委托（delegate）（14.4）：OpenClaw将任务提交给Hermes后立即返回任务ID，Hermes执行完成后通过回调推送结果，适合长耗时任务。

因子挖掘（27.2）：从历史数据中自动发现与未来收益相关的信号的过程，包括因子表达式生成、IC计算和分组收益检验。

因子库（26.4.1）：共享记忆中的因子集合，因子挖掘Agent将有效因子写入，策略Agent从中读取使用。

盈利比（27.4.1）：平均盈利与平均亏损的比值，凯利公式的输入参数之一。

用户画像（9.2.5）：USER.md中存储的用户偏好，如“喜欢简洁回复”“偏好Python”。

原子写入（10.2.4）：Hermes在创建Skill时先将内容写入临时文件，再原子移动到目标位置，防止写入中断导致残缺Skill。

Z

知识图谱（9.5）：Hindsight采用的记忆结构，提取离散事实、命名实体及其关系，支持高阶推理。

止盈（29.2.3）：达到目标收益率后自动卖出，本书风控Agent中作为可选功能。

中证500（第24章示例）：Tushare数据获取的示例指数之一。

主动学习（第7章）：Hermes的闭环学习机制，Agent在任务执行中主动判断值得记忆的信息并沉淀为Skill。

注意力机制（31.2.1）：Transformer模型的核心组件，用于深度学习因子时捕捉时间序列的长距离依赖。

自然语言调度（Cron）（12.3.2）：使用“每天上午9点”等自然语言描述创建定时任务，Hermes自动解析并调度。

子Agent（6.1）：从主Agent会话中动态派生的临时任务型Agent，拥有独立上下文和工具集，任务完成后自动归档。

最大回撤（29.3.1）：净值曲线从最高点到最低点的最大跌幅，衡量策略的风险暴露。