工具、数据、交流与优质资料

按顺序使用，避免收藏代替练习

• 现在：本站练习 + Python + VS Code + pandas + Git；做出能运行、能解释的小项目。
• 第一个月之后：SQL、Jupyter、统计课的薄弱章节；从数据字典到一个可复现报告。
• 项目稳定后：scikit-learn、Qlib；开发或执行方向再了解 vn.py。
• 以后按需：MLflow、远程Linux、任务调度、数据库服务、Docker、监控工具。是否学习由岗位和项目规模决定。
• Wind、iFinD、RQData 等商业服务可能由学校或雇主提供授权；先核实可用权限，不需要为了开始学习而先购买。

在哪里交流，以及怎么提问

• GitHub Issues：报告具体软件问题，附版本、最小代码、错误信息和预期行为；先搜索已有问题。
• 开源项目官方社区：从 vn.py README 进入论坛与官方群入口；避免使用无法确认来源的群号。
• Quant Stack Exchange：适合公式、模型和统计问题；先搜索，写出你已经尝试的推导。
• Kaggle：学习 notebook、验证与竞赛讨论；复现一个对照实验，不把排行榜分数等同可交易收益。
• 国内求职讨论平台（如牛客）可帮助发现经历和关键词，但面经属于个人叙述。回到公司官网确认招聘，不把匿名内容当公司保证。
• 学校实验室、导师组会和同学代码评审：每周做一次短分享。用可复现结果建立交流，比加入很多群更有帮助。

数据服务和开源库要分清

开源框架负责处理或执行流程，数据服务提供数据与权限，券商/期货接口负责连接交易系统，三者不是一个东西。API就是程序之间按约定交换数据的入口；token相当于账户访问凭据。

AKShare可帮助理解公开接口；Tushare、RQData等涉及各自的权限和使用条件。核验时聚宽首页在研究环境提示地区访问限制，因此没有把它作为必须依赖的入门步骤。真实数据的字段口径和历史可得性需要逐项核对。