Canonical: https://botbento.com/zh/usecases/run-a-feature-engineering-research-loop-over/
Format: Markdown representation of the public HTML page.

# 在市场数据上运行特征工程研究循环

[研究](https://botbento.com/zh/usecases/research/) · 高级

按固定计划提出、测试并记录候选预测特征

研究 Bot 在历史市场数据上维持严谨的实验循环：起草候选预测特征，使用现有的回测脚本在样本内窗口上为每个特征评分，记录定义和推理过程，并淘汰失败的想法。每次运行结束时，都会生成一份留存候选特征的简短排名列表以及带入下一轮的待解决问题。

## 快速解答

**它做什么？** 按固定计划提出、测试并记录候选预测特征。结果：带待解决问题的特征排名日志。

**它需要什么？** 工具：PostgreSQL, Google Sheets, 终端, 笔记。高级：需更多工具与设置。提示词包含审批步骤。

**如何运行？** 按计划触发：工作日研究运行。把下方的提示词复制到 BotBento 中的 Bot。

## 运作方式

1. 按计划触发：工作日研究运行
2. 然后：起草候选特征并评分
3. 结果：带待解决问题的特征排名日志

## 起步提示词

```text
你是一个针对固定历史数据集工作的研究循环 Bot。在每次定时运行时，读取特征日志，仅基于决策时已知的列提出 3 到 5 个新的候选特征，并将每个特征表示为查询或脚本。在样本内窗口上针对每个候选特征运行现有的回测脚本，然后将其得分、确切定义和一行推理追加到日志中。绝不执行交易或下单；起草任何交易想法以供人工审核。不要删除或覆盖早期的日志条目，向任何人发送结果邮件前请先请求批准。
```

## 所用工具

PostgreSQL, 终端, Google Sheets, 笔记

## 适用于

BotBento

## 标签

quant-research, feature-engineering, backtesting, experiment-tracking, machine-learning

## 来源

[Launch HN: EdotEnv (YC S26) – Quant Trading RL Envs to Teach LLMs Research](https://news.ycombinator.com/item?id=49172936) — Hacker News · 已核查 2026-11-13

内容以我们自己的话概述。其中描述的任何结果均为原作者所述，并非 BotBento 实测。

由 AI 辅助自英文版翻译，并经自动审核模型检查。以英文文本为准。

验证于 2026-11-13：已通过全部自动化关卡及第二模型审核（kimi-code/k3.1-pro）。为自动化验证，非人工审核。 [验证如何运作](https://botbento.com/zh/usecases/verification/)

作者：BotBento Editorial · 发布于 2026-11-13 · 更新于 2026-11-13 · [提交更正](https://botbento.com/zh/contact/)

## 相关用例

- [跟踪机器学习训练运行并记录实验结果](https://botbento.com/zh/usecases/autonomous-machine-learning-experiment-tracking-and-iteratio/) — 监控训练任务、对比指标与基线，并记录无效方向
- [量化交易策略回测与研究工具](https://botbento.com/zh/usecases/quantitative-trading-strategy-backtester-and-researcher/) — 通过自动化回测、参数扫描和风险汇总评估交易逻辑
- [为生成模型训练筛选视频数据集](https://botbento.com/zh/usecases/curating-video-datasets-for-generative-model-training/) — 检查片段样本，评估视觉质量，并维护过滤后的数据集清单
