Skills 架构

hbmodelstore 将不同模型的使用方法组织在一个 hbmodelstore-query Skill 中。MCP 为 Agent 提供数据查询与文档检索工具，Skill 指导模型选择、结果解释、分析和绘图；底层仍使用同一套只读 API 与网站文档。

目录结构

Skills 采用渐进式披露的方式组织目录。每个模型放在 models/ 下，按统一结构组织查询说明、分析指引、执行脚本和绘图资源；其中 analysis/ 专门承载模型的文字分析工作流。

基金搜索、份额解析和更新属于共用能力；模型专属的查询、计算与分析指引留在各自目录。共用的 references/mcp.md 集中说明 MCP 连接、数据与文档查询和错误处理。 agents/openai.yaml 声明 MCP 依赖，但不同客户端是否自动引导连接，以其实际支持为准。

capabilities.json 将能力 ID、MCP 工具、功能说明、网页预览地址和绘图入口关联起来，帮助 Agent 找到相应能力。具体工具与参数以连接 MCP 后发现的定义为准。

分层说明与按需读取

总入口负责选择模型，模型入口再按任务指向两类说明：references/ 与 analysis/。两者并列、按需读取。

Agent 先读取总入口与目标模型的 MODEL.md，再按任务加载相应说明。查询、计算和绘图使用 references/；需要形成研究判断时，再读取 analysis/ 中的分析指引。已有数据与图表可以复用，无需加载其他模型的全部文档。

工作流总览

查询结果保存为原始快照；需要派生计算时，分析结果另行保存，再用于绘图、解读或后续工作流。

原始快照、派生结果与 HTML 分开保存。已有快照可以离线复算，已有结果可以离线重绘，也可以直接进入用户自己的工作流。

数据查询

MCP 提供固定、只读的数据查询工具，负责参数校验并调用已有 API。基金搜索、份额解析、模型列表和可用区间也通过对应工具查询。用户无需连接数据库或运行生产模型。

MCP 的结构化结果可直接用于回答问题，也可通过客户端导出或取数脚本保存为 JSON 快照，供后续分析和绘图复用。接口说明见 API 参考。

分析工作流

references/ 说明计算方法与使用边界，scripts/ 执行计算，analysis/ 指导证据组织与文字解读。每个模型根据任务提供不同的分析场景，Agent 按用户问题选择对应场景，结合模型数据开展分析并形成结论。

可视化

图表渲染器接收已有数据，不负责查询。数据查询、派生计算与绘图可以独立执行，也可以由便捷命令串联完成。调整图表不必重新请求数据。

对应图表由网页预览与 Skill 共用 ECharts 渲染代码，让配色、图例和字段展示保持一致。

默认交付交互式 HTML，推荐在 Agent Harness 的侧边栏或内置网页预览中打开，直接使用缩放、图例开关和区间选择。不支持侧边栏的客户端可在浏览器中打开；静态图片按用户需要另行导出。

与网站文档的衔接

Skill 中的 Reference 保存字段、计算方法与使用说明，analysis/ 保存研究与解读指引，日常使用不必为了这些内容跳转网页。模型构建逻辑、验证与消融实验则由网站文档承载。

数据查询与文档检索共用一个 MCP 服务。Agent 需要了解模型方法时，通过 search_docs 定位、 get_doc 读取正文；验证结果按实验与参数组合提供可检索的数值表或摘要，便于读取相关证据。

运行依赖

普通查询只需连接远程 MCP，无需安装 Python、Wind 或本地 MCP 服务，也无需 API Key。安装 Skill 与连接 MCP 是两个步骤，Agent 可按开始使用中的提示一起完成。

本地取数、派生计算、绘图和自助更新脚本需要 Python 3.11+，使用标准库，不必安装模型运行环境。

版本与更新

version.json 记录安装包的公开版本，与 API 返回的模型版本、内部部署修订号分别管理。前者描述用户获得的能力与使用方式，后两者分别追踪模型口径和实际部署代码。

用户要求更新时，更新工具从官网下载版本清单和 ZIP，校验后替换当前 Skill，并保留一个旧目录用于撤回。更新不会在每次查询前自动执行，也不会修改其他 Skills、已有 MCP 配置或服务端模型。安装与更新方式见 开始使用，公开版本变更见 更新历史。