已暴露为 MCP 工具：wiki_search + wiki_read —— 在 Claude / Cursor / 任意 MCP 客户端中直接调用。详见 MCP Server 60 秒配置。 它为 Agent 做什么
wiki_search 接收自然语言查询，返回 Quant Wiki 中最相关的条目 —— 概念、公式、因子、策略。它是 agent 的 research 入口：当 agent 在任务过程中遇到金融术语（“Black-Scholes 的假设是什么？”、“什么是配对交易？“）时，先调 wiki_search 拿到 wikiItemId，再用 wiki_read 加载完整 markdown。
混合排序融合向量 cosine similarity、tsvector 词项匹配、以及 RRF 重排 —— 简短术语和长描述查询都能命中。
Agent flow
返回值
wiki_search 返回
按相关性降序排列的 wiki 条目数组。
稳定标识符。传给 wiki_read 加载完整文章。
LLM 生成的 2–3 句摘要。用它判断是否值得花一次 wiki_read 加载完整文章。
主题标签（如 equity、factor、derivatives）。
混合相关度分数。combined 是 RRF 融合后的最终分；semantic 和 lexical 是分项（均 0–1）。
{
"data": [
{
"wikiItemId": "wiki_abc123",
"slug": "momentum-factor",
"title": "动量因子",
"summary": "动量因子刻画近期赢家在 3–12 个月内继续跑赢的现象，是经典 Fama-French 因子之一，也是众多系统化股票策略的基础。",
"tags": ["equity", "factor"],
"scores": { "combined": 0.91, "semantic": 0.88, "lexical": 0.79 }
}
],
"meta": { "creditsUsed": 1, "remainingCredits": 99 }
}
wiki_read 返回
完整的 wiki 条目。
完整文章正文（Markdown）。如指定 maxLength 则截断到该字符数。
可选值：concept（概念）、formula（公式）、strategy（策略）、factor（因子）。
两步检索是 canonical 模式：wiki_search 先用 1 credit 拿一组 ID + summary，agent 据此判断要不要加载全文；再用 wiki_read 免费加载真正需要的那 1–2 篇。默认只读 top-1，summary 模糊时再读 top-2。
长文用 wiki_read 的 maxLength 先做预览，避免把 agent context 烧在不必要的正文上。
超过 2,000 字符 的查询会返回 400。把 agent 上下文里的长文先做摘要再调用。
wiki_search 的 topK 上限是 10，超出会被静默截断。
直接调用
// 1) 搜索
{
"method": "tools/call",
"params": {
"name": "wiki_search",
"arguments": { "query": "动量因子", "topK": 5 }
}
}
// 2) 读 top hit
{
"method": "tools/call",
"params": {
"name": "wiki_read",
"arguments": { "wikiItemId": "wiki_abc123", "maxLength": 1500 }
}
}
完整参数参考
wiki_search 返回的 wikiItemId。
body_markdown 的最大字符数。预览长文档时使用。
相关接口
论文搜索
同样的两步检索模式，作用在学术论文语料上。
MCP Server 接入
60 秒接入 Claude / Cursor / 任意 agent harness。