DolphinDB 技能套件 v1.3.5

📘 DolphinDB 数据库套件的入口文件

本技能是 DolphinDB 套件的入口文件，为以下子技能提供统一入口：

dolphindb-basic - 基础 CRUD 操作
dolphindb-docker - Docker 容器化部署
dolphindb-quant-finance - 量化金融场景
dolphindb-streaming - 流式计算

同时提供基础 DolphinDB 读写能力，支持建库建表、数据增删改查等核心操作。

⚠️ 前置依赖：Python 环境检测（必须首先执行）

在任何 DolphinDB Python 操作之前，必须先检测并加载正确的 Python 环境：

# 加载环境检测器（相对路径，技能安装后自动可用）
source scripts/load_dolphindb_env.sh

# 查看环境信息
dolphin_env_info

# 验证 SDK 已安装
dolphin_python -c "import dolphindb; print('SDK 版本:', dolphindb.__version__)"

环境检测逻辑：

扫描 conda 环境列表 → 检查每个环境的 pip list，查找 dolphindb
扫描 Anaconda/Miniconda 路径 → 检查 $CONDA_BASE_1, $CONDA_BASE_2 等
扫描系统 Python 环境 → 检查 $SYS_PYTHON_1, $SYS_PYTHON_2 等
决策：找到已安装 → 导出 DOLPHINDB_PYTHON_BIN；未找到 → 自动安装到 Python 3.13

统一调用接口：

dolphin_python script.py    # 运行 Python 脚本
dolphin_pip install pkg     # 安装包

重要：所有 DolphinDB 脚本在 Python 中的调用方式

import dolphindb as ddb

# 1. 建立连接
s = ddb.session()
s.connect(host="localhost", port=8848, userid="admin", password="123456")

# 2. 执行 DolphinDB 脚本（所有数据库操作都通过 s.run()）
result = s.run('''
    // DolphinDB 脚本
    select * from loadTable("dfs://mydb.mytable")
    where date = 2024.01.01
''')

# 3. 转换为 pandas DataFrame（可选）
df = result.toDF()

# 4. 关闭连接
s.close()

📚 技能导航

快速选择指南

| 需求场景 | 推荐技能 | 说明 | |---------|---------|------| | 快速部署/安装 | dolphindb-docker | Docker 容器化部署 | | 建库建表、增删改查 | dolphindb-basic | 数据库基础操作 | | 因子计算、策略回测 | dolphindb-quant-finance | 量化投研场景 | | 实时计算、流式处理 | dolphindb-streaming | 实时行情/风控 |

技能详情

dolphindb-docker - Docker 部署技能

🔗 技能标识: dolphindb-docker
📦 版本: 1.0.0
🏷️ 标签: dolphindb, docker, deployment, devops

功能概览

| 功能模块 | 能力描述 | |---------|---------| | Docker 检查 | 检查 Docker 安装状态、版本、服务状态 | | Docker 安装 | macOS/Windows/Linux 自动安装 Docker CE | | 镜像管理 | 搜索、拉取官方 DolphinDB 镜像 | | 容器部署 | 单机部署、端口映射 (8848)、数据持久化 | | 高级配置 | Dockerfile 自定义、docker-compose 编排 |

核心示例

# 快速部署（一行命令）
docker run -d --name dolphindb -p 8848:8848 -p 8081:8081 \
    -v dolphindb-data:/data dolphindb/dolphindb:latest

# 使用 docker-compose
docker-compose up -d

# 连接测试（Python SDK）
dolphin_python -c "
import dolphindb as ddb
s=ddb.session()
s.connect('localhost',8848)
print(s.run('select now()'))
"

触发关键词

DolphinDB Docker、Docker 安装、容器化部署、docker-compose、快速部署、一键安装、Docker Hub、镜像拉取、端口 8848

📖 详细文档

查看完整技能：skills/dolphindb-docker/SKILL.md

dolphindb-basic - 基础操作技能

🔗 技能标识: dolphindb-basic
📦 版本: 1.2.0
🏷️ 标签: dolphindb, database, crud, quant

功能概览

| 功能模块 | 能力描述 | |---------|---------| | 创建数据库 | 分布式数据库（VALUE/RANGE/HASH/LIST/COMPO）、内存数据库 | | 创建表 | 分区表、维度表、内存表、流表 | | 插入数据 | INSERT INTO、append!、tableInsert | | 查询数据 | SQL 查询、条件过滤、聚合查询、分区裁剪 | | 更新数据 | UPDATE 语句、条件更新、批量更新 | | 删除数据 | DELETE、DROP 表/数据库、删除分区 |

核心示例

import dolphindb as ddb

s = ddb.session()
s.connect(host="localhost", port=8848, userid="admin", password="123456")

# 创建数据库（通过 s.run 执行 DolphinDB 脚本）
s.run('''
    db = database(
        directory="dfs://valuedb", 
        partitionType=VALUE, 
        partitionScheme=2023.01.01..2023.12.31, 
        engine='TSDB'
    )
''')

# 创建表
s.run('''
    schema = table(1:0, `date`time`sym`price`volume, [DATE,TIME,SYMBOL,DOUBLE,LONG])
    pt = createPartitionedTable(
        dbHandle=db, 
        table=schema, 
        tableName=`stock_data, 
        partitionColumns=`date, 
        sortColumns=`sym`time
    )
''')

# 插入数据
s.run('INSERT INTO stock_data VALUES (2024.01.01, 09:30:00, `AAPL, 150.5, 1000000)')

# 查询数据
result = s.run('select * from stock_data where date=2024.01.01')
print(result.toDF())

s.close()

触发关键词

DolphinDB 建库、创建数据库、建表、插入数据、写入数据、查询、SELECT、更新、修改数据、删除、DROP、CRUD、分布式数据库、内存表、分区表

📖 详细文档

查看完整技能：skills/dolphindb-basic/SKILL.md

dolphindb-quant-finance - 量化金融技能

🔗 技能标识: dolphindb-quant-finance
📦 版本: 1.1.0
🏷️ 标签: dolphindb, quant, factor, backtest, finance

功能概览

| 功能模块 | 能力描述 | |---------|---------| | 因子计算 | 日频/分钟频/高频因子、Alpha101、TA-Lib 技术指标 | | 策略回测 | 股票/期货/期权回测、模拟撮合引擎 | | 行情处理 | K 线合成、Level-2 数据、订单簿、复权计算 | | 绩效归因 | Brinson、Campisi、因子归因分析 | | 投资组合 | MVO 均值方差优化、SOCP 约束优化 | | 实时计算 | 实时因子、资金流、涨幅榜、波动率 |

核心示例

import dolphindb as ddb

s = ddb.session()
s.connect(host="localhost", port=8848, userid="admin", password="123456")

# 因子计算（通过 s.run 执行）
result = s.run('''
    use mytt
    // 计算 RSI 因子
    def getRSI(close, N=24){ return RSI(close, N) }
    
    // 批量计算因子
    select 
        sym,
        getRSI(close, 24) as rsi,
        mavg(close, 5) as ma5
    from loadTable("dfs://bars_db.bars_minute")
    where date = 2024.01.01
    context by sym
''')

# 回测配置
s.run('''
    config = dict(STRING, ANY)
    config["startDate"] = 2024.01.01
    config["cash"] = 10000000.0  // 1000 万初始资金
    config["commission"] = 0.0005
''')

# Brinson 绩效归因
s.run('use brinson')
brinson_result = s.run('''
    result = brinsonAttribution(portfolioRet, benchmarkRet, portWeights, benchWeights)
''')

s.close()

触发关键词

量化因子、因子计算、策略回测、backtest、K 线合成、OHLC、Level-2、订单簿、绩效归因、Brinson、Campisi、投资组合、MVO、Alphalens

📖 详细文档

查看完整技能：skills/dolphindb-quant-finance/SKILL.md

dolphindb-streaming - 流式计算技能

🔗 技能标识: dolphindb-streaming
📦 版本: 1.1.0
🏷️ 标签: dolphindb, streaming, realtime, quant

功能概览

| 功能模块 | 能力描述 | |---------|---------| | 流数据表 | 创建、持久化、发布/订阅 | | 流计算引擎 | 响应式状态引擎、聚合引擎、订单簿引擎、OHLC 引擎 | | 实时因子 | 分钟频/高频因子、Level-2 指标 | | 实时行情 | K 线合成、订单簿合成、涨跌停监控 | | 实时风控 | 持仓监控、盈亏计算、风险指标 |

核心示例

import dolphindb as ddb

s = ddb.session()
s.connect(host="localhost", port=8848, userid="admin", password="123456")

# 创建流数据表（通过 s.run 执行）
s.run('''
    share streamTable(10000:0, `time`sym`price`volume`bsFlag, 
        [TIMESTAMP,SYMBOL,DOUBLE,LONG,CHAR]) as tickStream
''')

# 创建 OHLC 引擎（实时 K 线合成）
s.run('''
    ohlcEngine = createOHLEngine(
        name=`minuteOHLC,
        streamTableNames=`tickStream,
        freq=60000,  // 1 分钟 K 线
        metrics=`open`high`low`close`volume
    )
''')

# 创建订单簿引擎
s.run('''
    obEngine = createOrderBookEngine(
        name=`orderBookEngine,
        streamTableNames=`tickStream,
        level=10,  // 10 档行情
        bsFlagColumn=`bsFlag
    )
''')

# 实时因子计算
result = s.run('''
    def calcRealtimeFactors(tickData){
        return select 
            sym,
            wap(price, volume) as vwap,
            price / last(price, 10) - 1 as momentum
        from tickData
        group by sym, time_bar(60000, time) as minute
    }
''')

s.close()

触发关键词

实时计算、流式计算、streaming、实时行情、tick 数据、实时因子、流数据表、streamTable、流计算引擎、实时风控

📖 详细文档

查看完整技能：skills/dolphindb-streaming/SKILL.md

🔗 技能组合使用

复杂任务可能需要多个技能协同：

场景 1: 快速搭建量化投研环境

用户需求："帮我快速搭建一个 DolphinDB 量化投研环境"

涉及技能:
1. dolphindb-docker: 快速部署 DolphinDB 容器
2. dolphindb-basic: 创建数据库和表结构
3. dolphindb-quant-finance: 因子计算和策略回测

场景 2: 实时因子计算系统

用户需求："帮我搭建一个实时因子计算系统，能计算分钟频因子并实时回测"

涉及技能:
1. dolphindb-docker: 部署 DolphinDB 容器
2. dolphindb-streaming: 创建流数据表、流计算引擎
3. dolphindb-quant-finance: 因子计算公式、回测配置
4. dolphindb-basic: 创建存储结果的数据库表

场景 3: 量化投研平台

用户需求："搭建量化投研平台，需要因子库、回测、绩效分析"

涉及技能:
1. dolphindb-docker: 容器化部署
2. dolphindb-quant-finance: 因子计算、策略回测、绩效归因
3. dolphindb-basic: 数据库管理、数据存储

场景 4: 实时行情监控系统

用户需求："实时监控行情，合成 K 线和订单簿，检测异常波动"

涉及技能:
1. dolphindb-docker: 快速部署
2. dolphindb-streaming: OHLC 引擎、订单簿引擎、实时监控
3. dolphindb-basic: 存储历史数据

📖 官方参考文档

基础文档

| 主题 | 文档链接 | |------|----------| | DolphinDB 官网 | https://www.dolphindb.cn/ | | 文档中心 | https://docs.dolphindb.cn/zh/ | | Docker 部署 | https://docs.dolphindb.cn/zh/deploy/docker/docker_deployment.html | | 建库建表 | https://docs.dolphindb.cn/zh/db_distr_comp/db_oper/create_db_tb.html | | 插入数据 | https://docs.dolphindb.cn/zh/db_distr_comp/db_oper/insert_data.html | | 查询数据 | https://docs.dolphindb.cn/zh/db_distr_comp/db_oper/queries.html |

量化金融文档

| 主题 | 文档链接 | |------|----------| | 量化金融范例 | https://docs.dolphindb.cn/zh/tutorials/quant_finance_examples.html | | 因子计算最佳实践 | https://docs.dolphindb.cn/zh/tutorials/best_practice_for_factor_calculation.html | | 股票回测案例 | https://docs.dolphindb.cn/zh/tutorials/stock_backtest.html | | Brinson 绩效归因 | https://docs.dolphindb.cn/zh/tutorials/brinson.html | | MVO 投资组合优化 | https://docs.dolphindb.cn/zh/tutorials/MVO.html |

流式计算文档

| 主题 | 文档链接 | |------|----------| | 流数据教程 | https://docs.dolphindb.cn/zh/stream/str_intro.html | | 金融因子流式实现 | https://docs.dolphindb.cn/zh/tutorials/str_comp_fin_quant_2.html | | 实时高频因子 | https://docs.dolphindb.cn/zh/tutorials/hf_factor_streaming_2.html | | 订单簿引擎 | https://docs.dolphindb.cn/zh/tutorials/orderBookSnapshotEngine.html |

📦 安装与使用

从 ClawHub 安装

# 安装单个技能
clawhub install dolphindb-docker
clawhub install dolphindb-basic
clawhub install dolphindb-quant-finance
clawhub install dolphindb-streaming

# 或安装整个套件（推荐）
clawhub install dolphindb-skills

技能版本

| 技能 | 当前版本 | 发布时间 | |------|---------|---------| | dolphindb-docker | 1.0.0 | 2024-03-24 | | dolphindb-basic | 1.2.0 | 2024-03-24 | | dolphindb-quant-finance | 1.1.0 | 2024-03-24 | | dolphindb-streaming | 1.1.0 | 2024-03-24 | | dolphindb-skills | 1.3.4 | 2026-03-28 |

📝 更新日志

v1.3.4 (2026-03-28) - 路径安全修复

✅ 修复：将所有绝对路径 ~/.jvs/.openclaw/workspace/skills/dolphindb-skills/scripts/ 改为相对路径 scripts/
✅ 安全：避免暴露本地文件系统路径结构
✅ 兼容：技能安装后可在任何环境中正常工作

v1.3.3 (2026-03-26) - 入口文件定位优化

✅ 修订：明确 dolphindb-skills 为套件入口文件
✅ 修订：说明为子技能（basic/docker/quant-finance/streaming）提供入口
✅ 修订：说明同时提供基础 DolphinDB 读写能力

v1.3.0 (2026-03-26) - 去重优化版

✅ 删除：dolphindb 独立技能（内容已整合到套件和其他组件）
✅ 整合：环境检测脚本移至 dolphindb-skills/scripts/
✅ 增强：明确所有 DolphinDB 脚本通过 Python s.run('<脚本>') 调用
✅ 增强：每个组件开头添加统一的前置依赖说明
✅ 去重：删除重复的官方文档链接，统一在套件索引中维护

v1.2.0 (2024-03-24)

✅ 新增：dolphindb-docker 技能（Docker 容器化部署）
✅ 增强：套件索引更新为 5 个技能
✅ 增强：添加 Docker 部署相关的组合使用场景
✅ 修复：将所有本地路径替换为 DolphinDB 官方文档链接

v1.1.0 (2024-03-24)

✅ 修复：将所有本地路径替换为 DolphinDB 官方文档链接
✅ 增强：basic 技能增加完整的建库建表两种方法说明
✅ 增强：套件索引提供完整的技能导航和组合使用指南
✅ 新增：技能组合使用场景示例

v1.0.0 (2024-03-24)

🎉 初始发布：DolphinDB 技能套件

🤝 贡献与支持

问题反馈: 在 ClawHub 技能页面留言
技能更新: 关注 ClawHub 上的最新版本
官方文档: https://docs.dolphindb.cn/zh/

Dolphindb

DolphinDB 技能套件 v1.3.5

⚠️ 前置依赖：Python 环境检测（必须首先执行）

📚 技能导航

快速选择指南

技能详情

dolphindb-docker - Docker 部署技能

功能概览

核心示例

触发关键词

📖 详细文档

dolphindb-basic - 基础操作技能

功能概览

核心示例

触发关键词

📖 详细文档

dolphindb-quant-finance - 量化金融技能

功能概览

核心示例

触发关键词

📖 详细文档

dolphindb-streaming - 流式计算技能

功能概览

核心示例

触发关键词

📖 详细文档

🔗 技能组合使用

场景 1: 快速搭建量化投研环境

场景 2: 实时因子计算系统

场景 3: 量化投研平台

场景 4: 实时行情监控系统

📖 官方参考文档

基础文档

量化金融文档

流式计算文档

📦 安装与使用

从 ClawHub 安装

技能版本

📝 更新日志

v1.3.4 (2026-03-28) - 路径安全修复

v1.3.3 (2026-03-26) - 入口文件定位优化

v1.3.0 (2026-03-26) - 去重优化版

v1.2.0 (2024-03-24)

v1.1.0 (2024-03-24)

v1.0.0 (2024-03-24)

🤝 贡献与支持