LLMQuant/quant-mind

What it solves

QuantMind 是一個為量化金融設計的資訊處理器。它將原始、非結構化的金融資料（例如研究論文、新聞報導與申報文件）轉換為可供下游檢索與推理使用的結構化、具型別的知識，且每筆抽取的知識都保留原始引用與時間戳記，因而支援精確的時間查詢與來源追溯。

How it works

QuantMind 透過一系列確定性的前置處理與設定驅動的操作流程運作。它採用「harness engineering」的方式，讓整個 repository 本身即設計給程式碼代理（如 Claude 或 Codex）使用。這些代理會利用 repo‑level 合約、可移植的技能與確定性的驗證腳本來建構與精煉流程。

對開發者而言，QuantMind 提供了以下 Python 函式庫與特定流程：

• PaperFlow：將 arXiv PDF 轉換為結構化的層級（結構樹）或具頁面感知的 chunk 集合，並產生全域摘要（semantic shape）。
• collect_news：在指定時間窗口內，從如 PR Newswire 等來源收集新聞的工具。
• batch_run：可同時對多筆輸入執行操作的實用程式。
• magic：將自由形式的自然語言意圖解析為特定流程輸入與設定的模組。

Who it’s for

• Quantitative Researchers：需要將金融論文與新聞轉換為結構化資料庫以供研究的人員。
• AI Agents/Developers：希望擁有可靠、原生支援代理的框架來建構金融資料管線的程式碼代理與開發者。
• Financial Data Engineers：負責為金融領域打造 RAG（Retrieval‑Augmented Generation）或代理式 RAG 系統的工程師。

Highlights

• Agent-Native Design：此 repository 以「harness」方式建構，透過合約與掛鉤將一般程式碼代理升級為領域專家。
• Source-Faithful Extraction：使用確定性的前置處理，確保來源的完整性與可重現性，且不在迴路中使用模型。
• Typed Knowledge Shapes：產出自包含的工件（Paper、News、Earnings、Factor、Thesis），每個工件皆攜帶自身的中繼資料。
• Deterministic Verification：內含 verify.sh 腳本，強制執行 lint、型別檢查與測試，以確保程式碼品質在部署前符合標準。