你上一次打开行情软件是为了查什么？
查一个股票价格？看一下期货合约的昨收？还是确认某数字货币的实时报价？
如果我说，现在你可以直接对着 AI 说「帮我看看英伟达今晚盘后的报价，以及台积电最近一根小时K的高低点」，然后得到结构化的数据回复——整个过程不需要你记住任何 API endpoint，不需要拼装 HTTP 参数，也不需要写一行 Python。
这不是在描述未来。这是 TickDB SKILL 协议今天就能做到的事。
一、为什么自然语言查行情是个工程问题
自然语言查询听起来很直觉，但它的实现链路远比想象中复杂。
一个 AI 助手要「听懂」你的查询并返回准确数据，需要跨越三重鸿沟：
语义鸿沟：用户的「刚才」「最近一根」「今晚盘后」在时间维度上表达模糊，AI 需要将这些口语化表述映射到精确的时间区间和交易时段。
知识鸿沟：AI 模型本身并不知道 TickDB 有哪些接口、每个接口的参数是什么，它需要一个标准化的描述体系来「学会」调用正确的工具。
数据鸿沟：即便 AI 生成了正确的调用请求，数据源是否支持低延迟的实时查询？历史数据的时间范围够不够？不同资产类别的数据格式是否统一？
前两重鸿沟的交汇点，就是 SKILL 协议要解决的问题。
二、SKILL 协议：让 AI 学会调用你的 API
2.1 协议的核心设计思想
http://skill.md/ 定义了一套标准协议，用于将外部 API 的能力描述为 AI Agent 可理解的「技能清单」。它的核心逻辑非常简洁：
API 不是给 AI 用的。SKILL 描述才是。
开发者为每个 API 端点编写一份 SKILL 描述文档（通常是一个结构化的 Markdown 或 JSON Schema），这份文档精确描述了：
- 这个接口叫什么（自然语言名称）
- 它能做什么（功能描述）
- 需要哪些参数（参数名、类型、约束、示例值）
- 返回什么数据（字段说明、单位、格式）
- 有什么使用限制（频率限制、错误码含义）
AI 助手在加载 SKILL 描述后，就拥有了「调用这个 API 的知识」，而不需要事先在模型权重中记忆这些细节。
2.2 SKILL 描述的结构示例
以下是一个简化后的 TickDB 行情查询 SKILL 描述片段，用于展示协议的核心结构：
# SKILL: TickDB Market Data Query
## identity
name: tickdb_market_data
version: 1.0.0
description: 查询全球多个市场的实时行情、历史K线和订单簿深度数据
## tools
### get_realtime_quote
description: 获取指定交易品种的实时行情快照，包括最新价、涨跌幅、成交量等
parameters:
symbol:
type: string
required: true
description: 交易品种代码，如 AAPL.US、BTC.USDT、GC.CMD
examples:
- AAPL.US
- BTC.USDT
- GC.CMD
fields:
type: string[]
required: false
description: 需要返回的行情字段，默认返回全部字段
examples:
- [last, change, change_pct, volume]
这份描述的作用等价于为 AI 提供了一份「API 使用说明书」，但用 AI 能理解的自然语言和结构化字段编写。
2.3 SKILL 协议与传统 API 文档的本质区别
| 维度 | 传统 API 文档 | SKILL 描述 |
|---|---|---|
| 目标读者 | 开发者（人类） | AI Agent（机器可读+人可读） |
| 参数描述 | 偏技术（类型、格式） | 偏语义（这个参数做什么、怎么用） |
| 示例值 | 偏代码片段 | 偏自然语言（AAPL.US 而不是 "AAPL.US"） |
| 错误处理 | 代码级异常 | 业务级错误含义（用户该怎么响应） |
| 上下文感知 | 无 | 支持关联描述（接口之间的关系） |
三、Function Calling：AI 调用工具的标准协议
3.1 Function Calling 是什么
Function Calling（函数调用）是主流大语言模型在 2023 年下半年普遍支持的一种能力。它的本质是：
当 AI 判断用户的请求需要执行某个动作时，它生成一个结构化的调用请求，而不是直接输出文字。
这个请求包含函数名、参数名和参数值，外部系统接收后执行真实的计算或查询，然后将结果返回给 AI，AI 再将结果转译为人类可读的回答。
整个过程形成了经典的「工具调用循环」：
用户自然语言查询
↓
AI 理解意图，选择工具（SKILL 描述提供知识）
↓
AI 生成 Function Calling 请求 { tool: "get_realtime_quote", args: {...} }
↓
外部系统执行 API 调用，获取真实数据
↓
数据返回给 AI
↓
AI 将结构化数据转译为自然语言回复
3.2 Function Calling 的关键设计
一个典型的 Function Calling 请求结构如下：
{
"tool_calls": [
{
"id": "call_abc123",
"type": "function",
"function": {
"name": "get_realtime_quote",
"arguments": "{\"symbol\": \"NVDA.US\"}"
}
}
]
}
关键设计点：
参数约束：通过 SKILL 描述中的 required 和 type 字段，AI 生成严格类型正确的参数。模型不会凭空捏造一个不存在的股票代码——如果用户输入了无效代码，AI 会基于 SKILL 描述中的 examples 提示用户修正。
意图判断：AI 并不是每次都调用工具。当用户的问题可以直接基于模型知识回答时（如「什么是K线」），AI 不会触发 Function Calling。工具调用是「有需要才触发」的。
批量调用：在复杂场景下，单次回复可能需要调用多个工具（如「帮我比较英伟达和苹果的今日行情」会触发两次 get_realtime_quote），AI 可以并行生成多个 tool_calls。
四、实战：构建一个 TickDB 自然语言行情助手
接下来进入工程环节。我将展示一个完整的实现：从 SKILL 描述的定义，到 AI Agent 的接入配置，再到自然语言查询的端到端运行流程。
4.1 定义 TickDB 的 SKILL 描述
首先，我们需要为 TickDB 的核心能力编写 SKILL 描述。以下是一个针对行情查询和K线获取的完整描述：
# SKILL: TickDB Market Intelligence
## identity
provider: TickDB
version: 1.0.0
description: >
TickDB 提供全球多个市场的实时行情和历史K线数据。
支持美股、港股、数字货币、期货、外汇、贵金属六大类资产。
通过自然语言接口，可以查询实时价格、历史走势和订单簿深度。
## capabilities
- 实时行情快照（价格、涨跌、成交量、买卖盘口）
- 历史K线查询（1m/5m/15m/1h/4h/1d/1w 多周期）
- 多品种批量查询
- 支持中文品种名称和代码混用查询
## tools
### get_realtime_quote
description: 获取一个或多个交易品种的实时行情数据
parameters:
type: object
properties:
symbols:
type: array
items: type: string
description: 交易品种代码列表
examples:
- AAPL.US
- [NVDA.US, TSLA.US]
- BTC.USDT
required: true
fields:
type: array
items: type: string
description: 返回字段，缺省返回全部字段
enum: [symbol, last, open, high, low, close, volume, amount, change, change_pct, bid, ask, timestamp]
required: false
required: [symbols]
### get_historical_kline
description: 获取指定交易品种的历史K线数据，用于策略回测和技术分析
parameters:
type: object
properties:
symbol:
type: string
description: 交易品种代码
examples: [AAPL.US, BTC.USDT, GC.CMD]
required: true
interval:
type: string
description: K线周期
enum: [1m, 5m, 15m, 30m, 1h, 4h, 1d, 1w]
required: true
start_time:
type: string
format: unix_timestamp
description: 起始时间戳（Unix 秒）
required: true
end_time:
type: string
format: unix_timestamp
description: 结束时间戳（Unix 秒），缺省为当前时间
required: false
limit:
type: integer
description: 数据条数上限，最大 1000
default: 100
required: false
### get_orderbook_depth
description: 获取订单簿深度数据，分析买卖盘结构和流动性
parameters:
type: object
properties:
symbol:
type: string
description: 交易品种代码
examples: [AAPL.US, BTC.USDT]
required: true
depth:
type: integer
description: 深度档位数，1-50，默认10
default: 10
required: false
4.2 接入 AI Agent：完整 Python 实现
以下是接入主流 AI 平台（以 OpenAI 兼容接口为例）的完整生产级代码：
import os
import json
import time
import random
from typing import Optional
from dataclasses import dataclass, field
from datetime import datetime
import requests
@dataclass
class TickDBConfig:
"""TickDB 配置"""
api_key: str = field(default_factory=lambda: os.environ.get("TICKDB_API_KEY", ""))
base_url: str = "https://api.tickdb.ai/v1"
max_retries: int = 3
timeout: tuple = (3.05, 10) # (connect_timeout, read_timeout)
def __post_init__(self):
if not self.api_key:
raise ValueError(
"未设置 TICKDB_API_KEY 环境变量。"
"请运行: export TICKDB_API_KEY='your_key_here'"
)
class TickDBSkill:
"""
TickDB SKILL 协议实现。
提供 SKILL 描述注册、Function Calling 路由和执行能力。
"""
# SKILL 描述（来自 http://skill.md/ 规范）
SKILL_MANIFEST = {
"name": "tickdb_market_data",
"version": "1.0.0",
"description": "查询全球多个市场的实时行情、历史K线和订单簿深度数据",
"tools": [
{
"type": "function",
"function": {
"name": "get_realtime_quote",
"description": "获取一个或多个交易品种的实时行情数据",
"parameters": {
"type": "object",
"properties": {
"symbols": {
"type": "array",
"items": {"type": "string"},
"description": "交易品种代码列表，如 AAPL.US、BTC.USDT"
},
"fields": {
"type": "array",
"items": {"type": "string"},
"description": "返回字段，缺省返回全部字段",
"enum": ["symbol", "last", "change", "change_pct", "volume", "timestamp"]
}
},
"required": ["symbols"]
}
}
},
{
"type": "function",
"function": {
"name": "get_historical_kline",
"description": "获取指定交易品种的历史K线数据，用于策略回测和技术分析",
"parameters": {
"type": "object",
"properties": {
"symbol": {"type": "string", "description": "交易品种代码"},
"interval": {
"type": "string",
"description": "K线周期",
"enum": ["1m", "5m", "15m", "30m", "1h", "4h", "1d", "1w"]
},
"start_time": {"type": "string", "description": "起始时间戳（Unix秒）"},
"end_time": {"type": "string", "description": "结束时间戳（Unix秒）"},
"limit": {"type": "integer", "description": "数据条数上限", "default": 100}
},
"required": ["symbol", "interval", "start_time"]
}
}
},
{
"type": "function",
"function": {
"name": "get_orderbook_depth",
"description": "获取订单簿深度数据，分析买卖盘结构和流动性",
"parameters": {
"type": "object",
"properties": {
"symbol": {"type": "string", "description": "交易品种代码"},
"depth": {"type": "integer", "description": "深度档位数，默认10", "default": 10}
},
"required": ["symbol"]
}
}
}
]
}
def __init__(self, config: Optional[TickDBConfig] = None):
self.config = config or TickDBConfig()
self._tool_map = {
"get_realtime_quote": self._fetch_realtime_quote,
"get_historical_kline": self._fetch_kline,
"get_orderbook_depth": self._fetch_orderbook,
}
# ─── Tool Handlers ───────────────────────────────────────────────────────
def execute_tool(self, tool_name: str, arguments: dict) -> dict:
"""AI Agent 的 Function Calling 入口"""
handler = self._tool_map.get(tool_name)
if not handler:
return {"error": f"Unknown tool: {tool_name}"}
return handler(arguments)
def _fetch_realtime_quote(self, args: dict) -> dict:
"""获取实时行情"""
symbols = args.get("symbols", [])
fields = args.get("fields")
params = {"symbol": ",".join(symbols)}
if fields:
params["fields"] = ",".join(fields)
data = self._request("GET", "/market/ticker", params=params)
return {"content": [{"type": "text", "text": json.dumps(data, ensure_ascii=False)}]}
def _fetch_kline(self, args: dict) -> dict:
"""获取历史K线"""
params = {
"symbol": args["symbol"],
"interval": args["interval"],
"start_time": args["start_time"],
"limit": args.get("limit", 100),
}
if "end_time" in args:
params["end_time"] = args["end_time"]
data = self._request("GET", "/market/kline", params=params)
return {"content": [{"type": "text", "text": json.dumps(data, ensure_ascii=False)}]}
def _fetch_orderbook(self, args: dict) -> dict:
"""获取订单簿深度"""
params = {
"symbol": args["symbol"],
"depth": args.get("depth", 10),
}
data = self._request("GET", "/market/depth", params=params)
return {"content": [{"type": "text", "text": json.dumps(data, ensure_ascii=False)}]}
# ─── HTTP Layer ─────────────────────────────────────────────────────────
def _request(self, method: str, path: str, params: Optional[dict] = None) -> dict:
"""带重试和限频处理的 HTTP 请求"""
headers = {"X-API-Key": self.config.api_key}
url = f"{self.config.base_url}{path}"
last_error = None
for attempt in range(self.config.max_retries):
try:
response = requests.request(
method,
url,
headers=headers,
params=params,
timeout=self.config.timeout
)
# 限频处理（code: 3001）
if response.status_code == 429 or (
response.headers.get("Content-Type", "").startswith("application/json")
and response.json().get("code") == 3001
):
retry_after = int(response.headers.get("Retry-After",
response.headers.get("X-RateLimit-Reset", 5)))
print(f"[限频] 等待 {retry_after} 秒后重试...")
time.sleep(retry_after)
continue
response.raise_for_status()
result = response.json()
# 业务层错误处理
if result.get("code") != 0:
raise RuntimeError(f"TickDB API 错误: {result}")
return result.get("data", result)
except requests.exceptions.Timeout:
last_error = f"请求超时（尝试 {attempt + 1}/{self.config.max_retries}）"
delay = min(1.0 * (2 ** attempt), 8.0) + random.uniform(0, 0.5)
time.sleep(delay)
except requests.exceptions.RequestException as e:
last_error = f"网络错误: {e}"
delay = min(1.0 * (2 ** attempt), 8.0) + random.uniform(0, 0.5)
time.sleep(delay)
raise RuntimeError(f"请求失败，已重试 {self.config.max_retries} 次: {last_error}")
4.3 AI Agent 核心：自然语言理解层
SKILL 描述和 API 调用层就绪后，现在需要接入大语言模型来实现自然语言理解。以下是一个完整的 Agent 实现：
import openai
class MarketDataAgent:
"""
基于 SKILL 协议的自然语言行情查询 Agent。
支持 OpenAI 兼容接口（GPT-4o、Claude 等）。
"""
SYSTEM_PROMPT = """你是一个专业的金融市场数据助手。
你拥有以下工具（SKILL）可供调用。当你需要查询实时数据时，
必须使用工具调用来获取最新信息，而不是凭记忆回答。
关于 TickDB：
- 支持美股（如 AAPL.US、NVDA.US）、港股、数字货币、外汇等
- 所有代码格式为「代码.市场」如 BTC.USDT、GC.CMD
- 行情时间均为 UTC 时间
- 品种查询支持中文名称（如「英伟达」→ NVDA.US）
重要原则：
1. 只调用工具，不捏造数据
2. 用户问「刚才」「最近」等模糊时间，你需要转换为具体时间戳
3. 返回数据后，用简洁的自然语言总结关键数据
4. 不提供任何投资建议"""
def __init__(self, skill: TickDBSkill, model: str = "gpt-4o"):
self.skill = skill
self.model = model
self.client = openai.OpenAI()
self.messages = [{"role": "system", "content": self.SYSTEM_PROMPT}]
# 注册 SKILL 清单（用于 AI 理解可用工具）
self.available_tools = skill.SKILL_MANIFEST["tools"]
def chat(self, user_query: str, max_turns: int = 5) -> str:
"""
处理自然语言查询的完整流程。
支持多轮工具调用（AI 可能在一次回答中多次调用工具）。
"""
self.messages.append({"role": "user", "content": user_query})
turns = 0
while turns < max_turns:
turns += 1
# Step 1: AI 决定是否调用工具
response = self.client.chat.completions.create(
model=self.model,
messages=self.messages,
tools=self.available_tools,
tool_choice="auto",
temperature=0.1, # 低温度确保工具选择稳定性
)
assistant_message = response.choices[0].message
self.messages.append({
"role": "assistant",
"content": assistant_message.content,
"tool_calls": assistant_message.tool_calls
})
# Step 2: 如果没有工具调用，说明 AI 已有最终回答
if not assistant_message.tool_calls:
final_text = assistant_message.content or ""
self.messages.append({"role": "user", "content": "[对话结束标记]"})
return final_text
# Step 3: 执行所有工具调用
for tool_call in assistant_message.tool_calls:
tool_name = tool_call.function.name
arguments = json.loads(tool_call.function.arguments)
print(f"[工具调用] {tool_name} → {json.dumps(arguments, ensure_ascii=False)}")
try:
result = self.skill.execute_tool(tool_name, arguments)
tool_result = json.dumps(result, ensure_ascii=False, indent=2)
except Exception as e:
tool_result = json.dumps({"error": str(e)}, ensure_ascii=False)
# 将工具结果反馈给 AI
self.messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": tool_result,
})
return "[对话达到最大轮次限制]"
4.4 运行示例
# 初始化
agent = MarketDataAgent(skill=TickDBSkill())
# 查询一：实时行情
print(agent.chat("英伟达和苹果现在的股价是多少？涨了多少？"))
# 输出：
# [工具调用] get_realtime_quote → {"symbols": ["NVDA.US", "AAPL.US"], "fields": ["last", "change", "change_pct"]}
# 英伟达（NVDA.US）当前报价 875.32 美元，日涨幅 +3.45%，上涨 29.22 美元。
# 苹果（AAPL.US）当前报价 189.84 美元，日涨幅 +1.12%，上涨 2.10 美元。
# 查询二：历史K线
print(agent.chat(
"看一下比特币最近24小时的1小时K线，收盘价最高的是哪根？"
))
# 输出：
# [工具调用] get_historical_kline → {"symbol": "BTC.USDT", "interval": "1h",
# "start_time": "1745347200", "limit": 24}
# 最近24小时（UTC）比特币1小时K线中，收盘价最高的是 2026-04-22 18:00 那根，
# 收盘价为 97,234.50 USDT，当日最高触及 97,890.00。
# 查询三：订单簿深度
print(agent.chat("给我看看苹果的订单簿，买卖盘压力大不大？"))
# 输出：
# [工具调用] get_orderbook_depth → {"symbol": "AAPL.US", "depth": 10}
# 苹果当前买一~买十档合计 23,450 股，卖一~卖十档合计 18,920 股，
# 买卖压力比约为 1.24，买盘略占优势。买卖价差 0.02 美元（0.01%），
# 市场流动性正常，未见明显失衡。
五、从 SKILL 到 AI Native：协议设计的深层价值
5.1 为什么 SKILL 协议比普通 Plugin 更适合 API 提供商
目前主流 AI 平台提供的 Plugin/Tool 扩展机制主要分为两类：OpenAI 的 Tool Use 和 Anthropic 的 Tool Use。二者在底层都依赖 Function Calling，但 SKILL 协议在 API 提供商侧提供了额外的结构化保障：
语义层与传输层分离。API 的技术实现（HTTP 请求格式、鉴权方式、错误码体系）不需要暴露给 AI。SKILL 描述只描述「做什么」和「怎么用」，AI 基于这个描述生成调用请求，由 SKILL 协议的运行时负责将请求翻译为正确的 HTTP 调用。
渐进式能力扩展。当 TickDB 新增接口时，只需在 SKILL 描述中注册新的工具定义，AI Agent 无需重新配置即可理解并调用新接口。这比传统的 Plugin 热更新更灵活。
5.2 时间语义理解：自然语言查询的技术难点
在所有自然语言查询中，时间是最复杂的语义维度。「最近」「刚才」「今天」「开盘以来」这些表述在不同资产类别、不同交易所规则下含义完全不同：
| 自然语言时间 | 美股（UTC-5/-4） | 数字货币（24h） | 期货（有结算日） |
|---|---|---|---|
| 「今天」 | 最近一个交易日 | 当日00:00 UTC至今 | 合约所在交易日 |
| 「最近」 | 通常指最近1根K线或5分钟 | 最近1根K线 | 最近1根K线 |
| 「开盘以来」 | 盘前+盘中所有成交 | 00:00 UTC起 | 合约开盘至今 |
SKILL 描述中通过 examples 字段提供的时间示例，帮助 AI 建立「时间表述 → 时间戳」的映射能力。但更准确的时间解析，通常需要在 Agent 层增加一个「时间预处理」环节：
from datetime import datetime, timezone
def normalize_time_reference(text: str) -> tuple[str, str]:
"""
将自然语言时间引用转换为 Unix 时间戳。
实际生产中建议接入专门的 timeNL 解析库。
"""
now = datetime.now(timezone.utc)
text_lower = text.lower()
if "最近1小时" in text_lower or "最近一根" in text_lower:
start = int((now.timestamp()) - 3600)
end = int(now.timestamp())
elif "最近24小时" in text_lower:
start = int((now.timestamp()) - 86400)
end = int(now.timestamp())
elif "今天" in text_lower:
start = int(datetime.combine(now.date(), datetime.min.time()).timestamp())
end = int(now.timestamp())
else:
# 默认返回最近100条K线
start = 0
end = int(now.timestamp())
return str(start), str(end)
5.3 多工具协作：复杂查询的路由策略
在更复杂的场景中，单次用户查询可能需要调用多个不同来源的工具。例如：「帮我看看英伟达的股价，再查一下期权市场的隐含波动率」——这需要同时调用 TickDB（股价）和另一个期权数据源（IV）。
SKILL 协议支持在同一 SKILL 清单中注册多个不同提供商的工具：
# 扩展 SKILL 清单，支持多数据源
agent = MarketDataAgent(skill=TickDBSkill())
agent.available_tools.extend(OptionsDataSkill().SKILL_MANIFEST["tools"])
agent.available_tools.extend(EconomicCalendarSkill().SKILL_MANIFEST["tools"])
AI 在收到查询后，会自动分析用户意图，将请求拆分为多个工具调用，并按依赖顺序执行（如先获取股价，再查相关期权链）。
六、部署方案
| 场景 | 推荐配置 | 说明 |
|---|---|---|
| 个人研究 | 单 Agent 实例 + GPT-4o mini | 成本最低，适合学习和小规模验证 |
| 量化研究 | Agent 集群 + 本地模型（Llama3） + TickDB 历史数据 | 数据不出本地，适合策略保密需求 |
| 机构应用 | 多 Agent 协作 + 专业模型 + 企业级 TickDB 方案 | 支持高并发，有 SLA 保障 |
结语
SKILL 协议的核心价值，不是「让 AI 能查行情」，而是将数据能力从代码层抽象到语义层。
一旦你的 API 有了 SKILL 描述，它就不再是一个需要程序员编写的工具，而是一个 AI Agent 可以理解、选择和调用的技能。这种转变的意义远超过「省几行代码」——它意味着数据的消费方式正在从「程序员调用 API」进化到「AI 理解意图后调用数据」。
对于量化开发者，这意味着你的策略回测框架、市场监控系统甚至风控仪表盘，都可以用自然语言来驱动。对于数据平台而言，这意味着每一个 SKILL 都是一个 AI Native 的分发渠道——用户不需要记住你的 API 文档，只需要「会说话」。
价格是结果，数据是原因。而自然语言，是连接原因与结果的最短路径。
下一步行动
如果你是个人开发者：
- 访问 tickdb.ai 注册，获取免费 API Key
- 在 AI 助手中搜索并安装
tickdb-market-dataSKILL - 直接开始用自然语言查询行情
如果你希望接入 SKILL 协议开发自己的 Agent：
- 参考
http://skill.md/完整协议规范 - 使用本文的
TickDBSkill类作为起点 - 接入 OpenAI/Anthropic/本地模型的 Function Calling 接口
如果你是量化团队负责人，希望基于 TickDB 构建机构级的 AI 行情分析系统：
- 联系 [email protected]，获取企业级 API 方案（更高频率限制、10 年历史数据、专属技术支持）
本文不构成任何投资建议。市场有风险，投资需谨慎。