引言在个人量化投资日益普及的今天「自动选股」成为许多投资者想解放双手的场景。Sequoia-X 是一个聚焦此场景的开源项目本文从工程化设计、策略体系到边界做内容层面的解析。工程化设计Sequoia-X V2 基于现代 Python 工程化标准从零重构三大设计原则OOP 架构面向对象模块清晰、可维护。向量化计算全市场约 5200 只股票的扫描效率保障。增量数据更新避免重复全量回填。策略体系系统内置多类技术形态策略6-7 类例如海龟交易法则。缠中说禅牛市买点。其他技术形态。每日收盘后自动执行输出符合条件名单并推送飞书。数据管线与效率数据源免费 baostock规避反爬。数据历史 增量日 K后复权。存储本地 SQLite。效率历史回填约 12 分钟日常增量选股 2-3 分钟。定位与边界Sequoia-X 与 vnpy、Backtrader 等全功能量化平台不同它只做选股——不涉及交易执行、风控、实时行情。这是「单一场景专注」的取舍选股环节更轻更专但也要认识到它不提供完整交易闭环。需要说明任何「自动选股」工具都不能保证收益技术形态选股是参考投资决策仍需自己判断、注意风险。结语Sequoia-X 是 A 股自动选股场景的清晰工程实践专注、自动化、工程化。想系统了解其选股逻辑与能力可参考 skill 详情页 Sequoia-X skill 详情页 —— 面向 EasyClaw 场景的能力梳理与封装说明。