一、环境准备1.1 系统要求操作系统Windows 11WSL2已安装Ubuntu内存建议16GB以上磁盘建议50GB以上可用空间二、安装RD-Agent2.1 下载源码代码下载GitHub - microsoft/RD-Agent: Research and development (RD) is crucial for the enhancement of industrial productivity, especially in the AI era, where the core aspects of RD are mainly focused on data and models. We are committed to automating these high-value generic RD processes through RD-Agent, which lets AI drive>Research and development (RD) is crucial for the enhancement of industrial productivity, especially in the AI era, where the core aspects of RD are mainly focused on data and models. We are committed to automating these high-value generic RD processes through RD-Agent, which lets AI drive>https://github.com/microsoft/RD-Agent三、安装WSL2需要管理员权限3.1 安装WSL内核以管理员身份打开PowerShell开始菜单搜PowerShell→右键→以管理员身份运行执行安装命令wsl --install重启电脑安装完成后会提示重启重启后会自动弹出Ubuntu终端设置你的Linux用户名和密码密码输入时不会显示正常输入就行如果wsl --install命令报错说明你的Windows版本较老需要手动启用功能dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart重启后再安装WSL2内核更新包下载地址https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi3.2 下载Ubuntu发行版Ubuntu发行版时网络失败。通过Microsoft Store安装最简单打开Microsoft Store微软应用商店搜索Ubuntu选择Ubuntu 22.04 LTS或Ubuntu 24.04 LTS点击「获取/安装」安装完成后点击「启动」设置用户名和密码安装完成后验证打开Ubuntu终端输入wsl -l -v能看到Ubuntu且VERSION是2就说明WSL2装好了。四、安装Docker DesktopRD-Agent运行需要Docker需要安装Docker Desktop下载Docker Desktop浏览器打开Docker Desktop: The #1 Containerization Tool for Developers | Docker点击「Download for Windows - AMD64」下载安装双击安装包运行重要安装时确保勾选Use WSL 2 instead of Hyper-V默认应该是勾上的一路下一步安装完成配置WSL2集成启动Docker Desktop第一次启动可能慢一点接受协议点击右上角齿轮⚙️设置→Resources→WSL Integration找到Ubuntu把开关打开→点击Apply Restart验证Docker是否能用等Docker重启完后回到你这个Ubuntu终端输入docker run hello-world能输出Hello from Docker!就说明成功了。WSL集成的凭证工具报错了在Ubuntu终端里依次执行这两条命令sed -i /credsStore/d ~/.docker/config.json然后再试docker run hello-world原因Docker Desktop默认会用Windows的凭证工具但在WSL里执行会出错。删掉配置里的credsStore就好了不影响正常使用。五、开始装RD-Agent先装conda管理Python环境然后装RD-Agent。跟着一步步来第一步更新系统装必要工具sudo apt update sudo apt install -y wget curl git第二步安装Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -0 miniconda.sh bash miniconda.sh -b -p $HOME/miniconda ~/miniconda/bin/conda init bash source ~/.bashrc执行完后命令行前面会出现(base)说明conda装好了。忘记密码重置打开Windows PowerShell不是Ubuntu终端在开始菜单搜PowerShell打开它输入命令进入root模式wsl -u root进入后修改你的密码passwd syh输入两次新密码输的时候不显示字符正常输退出 rootExit回到Ubuntu后先执行这条命令更新系统sudo apt update sudo apt install -y wget curl git第三步用conda里的pip装RD-Agentconda activate base pip install rdagent验证一下安装是否成功输入rdagent --help如果能看到帮助信息就说明装好了。rdagent --help 正常输出了所有命令都能看到可用的命令fin_factor / fin_model / fin_quant / fin_factor_report - 金融量化相关general_model - 通用模型data_science - 数据科学llm_finetune - 大模型微调health_check - 健康检查ui / server_ui - Web 界面等等...六、配置.env环境变量1. 配置API Key在D:\RD-Agent-main目录下创建.env文件填入你的API KeyOPENAI_API_KEY你的API密钥 #或者用其他模型的配置2. 运行健康检查rdagent health_check七、启动Web界面在Ubuntu终端里输入cd /d/RD-Agent-main conda activate rdagent rdagent ui然后等它启动完成会显示类似 Running on http://0.0.0.0:19899 的提示打开你的浏览器访问http://localhost:19899就能看到RD-Agent的Web界面了注意启动后Ubuntu终端不能关掉关掉的话Web服务就停了。需要用的时候让它在后台跑着就行。八、RD-Agent的general_model场景基于已有的研究论文/报告做迭代改进的conda activate rdagent rdagent general_model Reasoning as Gradient Scaling MLE Agents Beyond Tree Search.pdf1. 先找到日志文件位置在终端里输入新开一个终端窗口ls -lt /d/RD-Agent-main/logs/会显示最新的日志文件夹复制那个路径。2. 在Web界面设置log path左边Control Panel里有个log path输入框把日志路径粘贴进去比如/d/RD-Agent-main/logs/xxx按回车界面就会显示研究内容了3. 停止按CtrlC就能随时终止九、RD-Agent的金融量化研究场景第一步配置Docker镜像加速打开Docker DesktopWindows端点击右上角设置图标⚙️左边找到Docker Engine在右边的JSON配置里添加registry-mirrors{ registry-mirrors: [ https://docker.m.daocloud.io, https://dockerproxy.com, https://docker.mirrors.ustc.edu.cn, https://hub-mirror.c.163.com ] }改完后点右下角的Apply Restart按钮Docker会重启。重启完后测试一下在WSL终端里输入docker pull hello-worldStatus: Image is up to date for hello-world:latest说明Docker能正常拉取镜像了怎么把Docker镜像改到D盘减少C盘内存消耗第1步打开Docker Desktop设置打开Docker Desktop点击右上角的⚙️设置图标第2步找到Resources左边菜单找到Resources资源点击展开第3步找到Advanced点击Advanced高级第4步修改Disk image location找到Disk image location磁盘镜像位置这一项点击Browse或者Change选择D盘的一个文件夹比如D:\Docker\wsl或者直接输入路径D:\Docker\wsl\docker-desktop-data第5步应用并重启点击右下角的Apply Restart注意事项会自动迁移现有镜像Docker会把现有的镜像自动移到新位置需要等一会儿迁移时间取决于镜像大小可能需要几分钟迁移过程中不要关闭Docker第二步尝试跑fin_quant1. 进入RD-Agent目录激活环境2. 运行金融量化研究rdagent fin_quant --loop-n 5第一次运行会比较慢需要拉取PyTorch基础镜像几个 GB安装各种依赖包克隆Qlib代码编译安装Docker镜像构建时安装xgboost失败解决方案给Docker里的pip换国内源Edited D:\RD-Agent-main\rdagent\scenarios\qlib\docker\Dockerfile.RUN python -m pip install --upgrade cython -i https://pypi.tuna.tsinghua.edu.cn/simple RUN python -m pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple RUN pip install catboost -i https://pypi.tuna.tsinghua.edu.cn/simple RUN pip install xgboost -i https://pypi.tuna.tsinghua.edu.cn/simple RUN pip install tables -i https://pypi.tuna.tsinghua.edu.cn/simple给所有的pip install都加上清华源Qlib的股票数据没有正确下载下来 / ModuleNotFoundError: No module named qlib.run第1步下载Qlib源码GitHub - microsoft/qlib: Qlib is an AI-oriented Quant investment platform that aims to use AI tech to empower Quant Research, from exploring ideas to implementing productions. Qlib supports diverse ML modeling paradigms, including supervised learning, market dynamics modeling, and RL, and is now equipped with https://github.com/microsoft/RD-Agent to automate RD process. · GitHub第2步解压源码解压zip得到qlib-2fb9380b342556ddb50a4b24e4fe8655d548b2b8文件夹然后把它重命名为qlib。最后目录结构应该是D:\RD-Agent-main\rdagent\scenarios\qlib\docker\ ├── Dockerfile └── qlib\ ├── setup.py ├── qlib\ └── ...第3步修改Dockerfile改Dockerfile让它直接用本地的源码不用git clone。第4步安装Qlib在WSL里cd /mnt/d/RD-Agent-main/rdagent/scenarios/qlib/docker/qlib pip uninstall -y pyqlib SETUPTOOLS_SCM_PRETEND_VERSION0.9.0 pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple第5步Qlib数据下载原始GitHub下载地址https://github.com/chenditc/investment_data/releases/latest/download/qlib_bin.tar.gz或者Qlib官方的数据下载地址https://github.com/SunsetWolf/qlib_dataset/releases/download/v2/qlib_data_cn_1d_0.9.zip第6步把文件放到D盘根目录把下载好的qlib_bin.tar.gz文件移动到D:\目录下。第7步在WSL里解压cd /mnt/d mkdir -p qlib_data/cn_data tar -zxvf qlib_bin.tar.gz -C /mnt/d/qlib_data/cn_data --strip-components1解压完后测试一下python -c import qlib; qlib.init(provider_uri/mnt/d/qlib_data/cn_data); print(Qlib 数据加载成功)第8步让RD-Agent用本地Qlib不用Docker1. 修改.env文件把CODE_EXECUTION_BACKEND改成localcd /mnt/d/RD-Agent-main sed -i s/CODE_EXECUTION_BACKENDdocker/CODE_EXECUTION_BACKENDlocal/ .env2. 试运行fin_factorCODE_EXECUTION_BACKEND配置对它不起作用修改Dockerfile加上版本号环境变量改Dockerfile加上SETUPTOOLS_SCM_PRETEND_VERSION删除旧镜像重新运行docker rmi local_qlib:latest cd /mnt/d/RD-Agent-main rdagent fin_factor --loop-n 5RD-Agent找不到数据直接修改Dockerfile在容器里创建一个软链接让/mnt/d/qlib_data指向数据目录修改DockerfileRUN mkdir -p /mnt/d RUN ln -s /root/.qlib/qlib_data /mnt/d/qlib_data然后重新构建镜像重新运行docker rmi local_qlib:latest cd /mnt/d/RD-Agent-main rdagent fin_factor --loop-n 5还是不行的话可能是软连接循环本地的~/.qlib/qlib_data/cn_data是个软链接指向/mnt/d/qlib_data/cn_data又在Dockerfile里创建了/mnt/d/qlib_data指向/root/.qlib/qlib_data的软链接这样就形成了循环把Dockerfile里的软链接删掉CtrlK删除行CtrlO保存CtrlX退出重新构建镜像重新运行docker rmi local_qlib:latest cd /mnt/d/RD-Agent-main rdagent fin_factor --loop-n 5然后运行命令删除旧的软链接复制真实数据删除旧Docker镜像运行fin_factorrm -rf ~/.qlib/qlib_data/cn_data cp -r /mnt/d/qlib_data/cn_data ~/.qlib/qlib_data/ docker rmi local_qlib:latest cd /mnt/d/RD-Agent-main rdagent fin_factor --loop-n 5qlib successfully initialized数据路径完全正确AssertionError: daily_pv_debug.h5 is not generated.debug部分前100只股票有点小问题股票代码对不上改一下debug部分的代码直接从all数据里取Edited D:\RD-Agent-main\rdagent\scenarios\qlib\experiment\factor_data_template\generate.py.import qlib qlib.init(provider_uri/root/.qlib/qlib_data/cn_data) from qlib.data import D instruments D.instruments() fields [$open, $close, $high, $low, $volume, $factor] all_data D.features(instruments, fields, freqday).swaplevel().sort_index().loc[2008-12-29:].sort_index() all_data.to_hdf(./daily_pv_all.h5, keydata) # Debug 数据直接从 all 数据里取前 100 只股票2018-2019 年 top100 all_data.reset_index()[instrument].unique()[:100] debug_data ( all_data .swaplevel() .loc[top100] .swaplevel() .sort_index() .loc[2018-01-01:2019-12-31] .sort_index() ) debug_data.to_hdf(./daily_pv_debug.h5, keydata)重新运行cd /mnt/d/RD-Agent-main rdagent fin_factor --loop-n 5十、利用UI界面查看运行状况1. 打开一个新的控制台2. 先激活rdagent环境再运行UIconda activate rdagent rdagent uiUvicorn server started on :::19899Web UI启动成功1. 打开浏览器访问http://localhost:198992. 找到日志路径在左边的Control Panel控制面板里找到log path日志路径输入框。填入当前任务的日志文件夹路径。日志一般在这个目录下/d/RD-Agent-main/log/里面有按时间命名的文件夹选最新的那个就行。或者控制台直接看日志里的因子列表ls -lt /mnt/d/RD-Agent-main/log/ | head -3因子代码在D:\RD-Agent-main\git_ignore_folder\RD-Agent_workspace\3. 选择要查看的内容在Web UI里填入完整路径在左边的log path输入框里填入例如/mnt/d/RD-Agent-main/log/2026-08-05_08-07-37-694348然后按回车界面就会加载出这次运行的所有记录了可以看到每一轮的因子提出代码实现回测结果迭代过程注意Web UI的终端就是运行rdagent ui的那个终端不要关关了界面就没了fin_factor在另一个终端里跑两个同时运行互不影响