MYOK Quant Intelligence 是一个 AI-native 量化研究实验室原型。核心原则是：先建立可复核证据，再讨论策略故事；先验证机制，再讨论上线。
任何关键结果都应能从固定数据、固定规则和冻结参数重新得到，而不是依赖一次性的人工选择。
研究代理不仅负责“找策略”，也负责寻找反例、数据泄漏、样本重叠和机制不一致。
候选从研究到 Shadow，再到受限执行；生产上线不是研究流程的默认终点，而是额外需要证明的一步。
用于展示量化研究框架、数据层设计和验证思想，后续可以继续加入研究日志、公开论文笔记与非敏感实验展示。
这里不提供账户操作、私有 API、资金控制、订单按钮或内部生产监控。生产控制面与公网展示面保持隔离。
对量化研究而言，一个能主动暴露数据问题、样本偏差与机制失效的系统，比一个只会展示漂亮回测的系统更有价值。