diff --git "a/docs/tutorial/\346\240\270\345\277\203\345\212\237\350\203\275\346\250\241\345\235\227\346\225\264\347\220\206.md" "b/docs/tutorial/\346\240\270\345\277\203\345\212\237\350\203\275\346\250\241\345\235\227\346\225\264\347\220\206.md"
new file mode 100644
index 000000000..bce7978ef
--- /dev/null
+++ "b/docs/tutorial/\346\240\270\345\277\203\345\212\237\350\203\275\346\250\241\345\235\227\346\225\264\347\220\206.md"
@@ -0,0 +1,1086 @@
+# CZSC 核心功能模块整理
+
+> 本文档深度梳理 CZSC（缠中说禅技术分析工具）库的全部模块与功能函数，帮助用户快速了解整个项目的工具价值，按模块分类索引所有核心功能。
+
+---
+
+## 📋 目录
+
+1. [项目概述](#1-项目概述)
+2. [核心分析模块 czsc/core.py & czsc/py/](#2-核心分析模块)
+3. [交易框架模块 czsc/traders/](#3-交易框架模块)
+4. [信号函数模块 czsc/signals/](#4-信号函数模块)
+5. [工具函数模块 czsc/utils/](#5-工具函数模块)
+6. [研究传感器模块 czsc/sensors/](#6-研究传感器模块)
+7. [可视化组件模块 czsc/svc/](#7-可视化组件模块-streamlit)
+8. [数据连接器模块 czsc/connectors/](#8-数据连接器模块)
+9. [特征工程模块 czsc/features/](#9-特征工程模块)
+10. [探索性分析模块 czsc/eda.py](#10-探索性分析模块)
+11. [策略框架模块 czsc/strategies.py](#11-策略框架模块)
+12. [飞书集成模块 czsc/fsa/](#12-飞书集成模块)
+13. [模拟数据模块 czsc/mock.py](#13-模拟数据模块)
+14. [快速入门示例](#14-快速入门示例)
+15. [按功能查找索引](#15-按功能查找索引)
+
+---
+
+## 1. 项目概述
+
+CZSC 是基于**缠中说禅理论**的综合性量化交易 Python 库，提供从原始 K 线到完整交易策略的全套工具链。
+
+### 核心特色
+
+| 特色 | 说明 |
+|------|------|
+| 🏗️ 缠论自动识别 | 分型、笔、线段、中枢全自动计算 |
+| 🔄 多级别联立分析 | 支持日线、30分钟、5分钟等多周期同时分析 |
+| 📡 信号-事件-交易体系 | 系统化的量化交易方法论 |
+| ⚡ Rust/Python 混合架构 | 关键路径 Rust 加速，Python 灵活扩展 |
+| 📊 多数据源接入 | Tushare、聚宽、天勤、CCXT（加密货币） |
+| 🎛️ Streamlit 可视化 | 丰富的交互式分析组件 |
+| 🧪 完善测试框架 | 统一的模拟数据生成和测试规范 |
+
+### 整体架构
+
+```
+原始K线数据
+    │
+    ▼
+czsc/core.py (核心分析引擎)
+    │  分型识别 → 笔识别 → 中枢识别
+    ▼
+czsc/signals/ (信号计算层 ~200+ 信号函数)
+    │  技术指标 | K线形态 | 缠论信号 | 量价信号
+    ▼
+czsc/traders/ (交易框架层)
+    │  信号聚合 → 事件匹配 → 持仓管理
+    ▼
+czsc/svc/ (可视化层)
+    │  回测报告 | 因子分析 | 相关性分析
+    ▼
+交易决策 / 策略研究
+```
+
+---
+
+## 2. 核心分析模块
+
+> **模块路径**: `czsc/core.py`（Rust 优先）、`czsc/py/`（Python 实现）
+
+### 2.1 核心类与数据结构
+
+#### `czsc/py/objects.py` — 数据对象定义
+
+| 类名 | 功能 | 关键字段 |
+|------|------|---------|
+| `RawBar` | 原始 K 线数据结构 | `symbol`, `dt`, `freq`, `open/high/low/close`, `vol`, `amount`, `cache` |
+| `NewBar` | 去除包含关系后的 K 线 | 同 RawBar + `elements`（原始K线列表） |
+| `FX` | 分型（顶底结构） | `symbol`, `dt`, `mark`(顶/底), `high`, `low`, `fx`, `elements` |
+| `BI` | 笔（完整的升降运动） | `symbol`, `sdt`, `edt`, `direction`, `high`, `low`, `power`, `elements` |
+| `ZS` | 中枢（价格震荡区间） | `symbol`, `sdt`, `edt`, `zstype`, `direction`, `high`, `low`, `power` |
+| `Signal` | 交易信号 | `symbol`, `signal_type`, `signal_level`, `value1`, `value2`, `value3` |
+| `Event` | 交易事件 | `signals_all`（AND）, `signals_any`（OR）, `signals_not`（NOT） |
+| `Position` | 持仓管理 | `symbol`, `direction`, `qty`, `price`, `bid` |
+
+#### `czsc/py/enum.py` — 枚举定义
+
+| 枚举 | 可选值 | 说明 |
+|------|--------|------|
+| `Freq` | `Tick`, `F1~F120`, `D`, `W`, `M`, `S` | K 线频率/周期 |
+| `Mark` | `G`（顶）, `D`（底） | 分型方向 |
+| `Direction` | `Up`, `Down`, `Others` | 趋势方向 |
+| `Operate` | `开多`, `平多`, `开空`, `平空`, `开多加仓`, `平多减仓`, … | 交易操作 |
+
+### 2.2 CZSC 核心分析类
+
+#### `CZSC` — 缠论分析引擎
+
+```python
+from czsc.core import CZSC, format_standard_kline, Freq
+from czsc.mock import generate_symbol_kines
+
+df = generate_symbol_kines('000001', '30分钟', '20240101', '20240105')
+bars = format_standard_kline(df, freq=Freq.F30)
+c = CZSC(bars)
+
+# 分析结果访问
+c.bars_raw      # 原始K线列表 List[RawBar]
+c.bars_new      # 去包含后的K线列表 List[NewBar]
+c.fxs           # 分型列表 List[FX]
+c.bi_list       # 笔列表 List[BI]
+c.zs_list       # 中枢列表 List[ZS]
+c.freq          # 当前K线频率
+
+# 增量更新（实盘/回测中使用）
+c.update(new_bar)
+```
+
+#### 核心算法函数（`czsc/py/analyze.py`）
+
+| 函数 | 功能 |
+|------|------|
+| `remove_include(k1, k2, k3)` | 处理 K 线包含关系，输出合并后的 NewBar |
+| `check_fx(k1, k2, k3)` | 判断三根 K 线是否构成分型 |
+| `check_fxs(bars)` | 对一组 K 线序列识别所有分型 |
+| `check_bi(fxs)` | 根据分型序列判断笔的有效性 |
+
+### 2.3 K线生成器
+
+#### `BarGenerator` — 多级别 K 线合成
+
+```python
+from czsc.core import BarGenerator, Freq
+
+# 创建K线生成器（从30分钟合成日线、周线）
+bg = BarGenerator(base_freq='30分钟', freqs=['日线', '周线'])
+
+# 逐条喂入基础K线
+for bar in raw_bars:
+    bg.update(bar)
+
+# 访问各级别K线
+bg.bars['30分钟']   # 30分钟K线
+bg.bars['日线']     # 合成的日线K线
+```
+
+### 2.4 工具函数
+
+| 函数 | 位置 | 功能 |
+|------|------|------|
+| `format_standard_kline(df, freq)` | `czsc.core` | DataFrame → `List[RawBar]` 数据格式转换 |
+| `freq_end_time(dt, freq)` | `czsc.core` | 计算指定频率K线的结束时间 |
+
+---
+
+## 3. 交易框架模块
+
+> **模块路径**: `czsc/traders/`
+
+### 3.1 核心交易类
+
+#### `CzscSignals` — 多级别信号聚合
+
+多级别 K 线信号实时计算与聚合的核心类。
+
+```python
+from czsc.traders.base import CzscSignals
+
+# 创建信号聚合器
+cs = CzscSignals(
+    bg=bar_generator,          # BarGenerator对象
+    signals_config=[...],       # 信号函数配置列表
+)
+
+# 更新并获取当前所有信号
+cs.update(new_bar)
+signals = cs.s   # 信号字典 {signal_key: signal_value}
+
+# 各级别CZSC对象
+kas = cs.kas     # {freq: CZSC对象}
+```
+
+#### `CzscTrader` — 完整量化交易系统
+
+在 `CzscSignals` 基础上增加持仓管理和交易执行逻辑。
+
+```python
+from czsc.traders.base import CzscTrader
+
+trader = CzscTrader(
+    bg=bar_generator,
+    signals_config=[...],
+    positions=[...],           # 持仓策略配置列表
+)
+
+trader.update(new_bar)
+trader.positions               # 当前持仓列表
+trader.holds                   # 持仓历史记录
+trader.pairs                   # 完整交易对记录
+```
+
+### 3.2 辅助功能
+
+| 模块/函数 | 功能 |
+|----------|------|
+| `generate_czsc_signals(bars, signals_config, ...)` | 批量生成历史信号（回测用） |
+| `check_signals_acc(bars, signals_config)` | 验证信号函数的准确性 |
+| `get_unique_signals(positions)` | 从持仓策略中提取所有唯一信号 |
+| `sig_parse.SignalsParser` | 信号配置解析器，自动推断所需频率 |
+| `sig_parse.get_signals_config(...)` | 从持仓配置自动生成信号函数列表 |
+| `sig_parse.get_signals_freqs(...)` | 提取信号所需的所有 K 线频率 |
+
+### 3.3 回测与绩效
+
+#### `performance.py` — 绩效分析
+
+| 函数 | 功能 |
+|------|------|
+| `PairsPerformance(pairs)` | 交易对绩效分析类（胜率、盈亏比等） |
+| `combine_holds_and_pairs(holds, pairs)` | 合并持仓和交易对数据 |
+| `combine_dates_and_pairs(dates, pairs)` | 合并日期序列和交易对数据 |
+
+#### `weight_backtest.py` — 权重回测
+
+| 函数 | 功能 |
+|------|------|
+| `get_ensemble_weight(dfw, method)` | 多策略权重集成（等权、IC加权等） |
+| `stoploss_by_direction(dfw, ...)` | 方向性止损策略 |
+
+#### `dummy.py` — 模拟回测
+
+```python
+from czsc.traders.dummy import DummyBacktest
+
+bt = DummyBacktest(symbol='000001', positions=[...])
+bt.run(bars)
+bt.stats   # 回测统计结果
+```
+
+---
+
+## 4. 信号函数模块
+
+> **模块路径**: `czsc/signals/`
+>
+> 信号函数是 CZSC 最核心的功能之一，共约 **200+ 信号函数**，按类别组织。
+>
+> **命名规范**：`{类别}_{描述}_{版本号}` 例如 `tas_macd_base_V221028`
+
+### 4.1 技术指标信号（tas.py）
+
+> 依赖 ta-lib 库，文件名 `tas` = TA-Lib Signals
+
+**缓存更新函数**（在信号函数内部调用，提供增量计算）：
+
+| 函数 | 计算指标 |
+|------|---------|
+| `update_ma_cache(c, ma_type, timeperiod)` | 移动平均线（SMA/EMA/WMA 等） |
+| `update_macd_cache(c, fastperiod, slowperiod, signalperiod)` | MACD |
+| `update_boll_cache(c, timeperiod, nbdevup, nbdevdn)` | 布林带 |
+| `update_kdj_cache(c, fastk_period, ...)` | KDJ 指标 |
+| `update_rsi_cache(c, timeperiod)` | RSI 指标 |
+| `update_cci_cache(c, timeperiod)` | CCI 指标 |
+| `update_atr_cache(c, timeperiod)` | ATR 指标 |
+
+**常用信号函数**：
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `tas_ma_base_V221101` | 当前价格相对均线位置（上方/下方） |
+| `tas_double_ma_V221203` | 双均线交叉（金叉/死叉状态） |
+| `tas_ma_system_V230513` | 均线系统多空排列 |
+| `tas_macd_base_V221028` | MACD 当前状态（红柱/绿柱/零轴上下） |
+| `tas_macd_power_V221108` | MACD 能量对比（背离/顺势） |
+| `tas_macd_bc_V221201` | MACD 背离信号 |
+| `tas_macd_bs1_V230312` | MACD 一买一卖信号 |
+| `tas_boll_power_V221112` | 价格在布林带中的相对位置 |
+| `tas_boll_bc_V221118` | 布林带收缩/扩张 |
+| `tas_kdj_base_V221101` | KDJ 超买超卖状态 |
+| `tas_rsi_base_V230227` | RSI 超买超卖及趋势 |
+| `tas_cci_base_V230402` | CCI 超买超卖 |
+| `tas_atr_break_V230424` | ATR 突破信号 |
+| `tas_vol_base_V230214` | 成交量 MA 比较 |
+
+### 4.2 K线形态信号（bar.py）
+
+> 基于原始 K 线形态的信号，不依赖 ta-lib
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `bar_single_V230506` | 单K趋势因子分层 |
+| `bar_triple_V230506` | 三K加速形态（三连涨/跌） |
+| `bar_accelerate_V221110` | K线加速形态 |
+| `bar_fake_break_V230204` | 假突破形态 |
+| `bar_break_V240428` | 有效突破信号 |
+| `bar_reversal_V230227` | K线反转形态 |
+| `bar_zdt_V230331` | 涨跌停板检测 |
+| `bar_dual_thrust_V230403` | Dual Thrust 策略信号 |
+| `bar_r_breaker_V230326` | R-Breaker 策略信号 |
+| `bar_tnr_V230629` | TNR（趋势强度）计算 |
+| `bar_vol_grow_V221112` | 成交量放大形态 |
+| `bar_big_solid_V221112` | 大实体K线 |
+| `bar_comb_feng_V230226` | K线组合封口形态 |
+
+### 4.3 缠论上下文信号（cxt.py）
+
+> 基于缠论笔、线段、中枢的高级信号
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `cxt_bi_end_V230222` | 笔结束信号（当前笔是否接近结束） |
+| `cxt_bi_end_V230224` | 笔结束信号（另一版本） |
+| `cxt_fx_power_V221107` | 分型力度（顶底分型的强弱） |
+| `cxt_first_buy_V221126` | 一买信号（一类买点） |
+| `cxt_first_sell_V221126` | 一卖信号（一类卖点） |
+| `cxt_bi_status_V230101` | 当前笔的状态（方向、强弱） |
+| `cxt_range_oscillation_V230620` | 区间震荡状态 |
+| `cxt_overlap_V240526` | 笔的重叠分析 |
+| `cxt_decision_V240526` | 综合决策信号 |
+| `cxt_third_bs_V230228` | 三买三卖信号 |
+| `cxt_bs1_V230319` | 笔级别买卖点一 |
+| `cxt_bs2_V230320` | 笔级别买卖点二 |
+
+### 4.4 缠论辅助信号（byi.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `byi_symmetry_zs_V221107` | 对称中枢信号 |
+| `byi_bi_end_V230106` | 笔结束判断（变体一） |
+| `byi_bi_end_V230107` | 笔结束判断（变体二） |
+| `byi_second_bs_V230324` | 二买二卖辅助信号 |
+
+### 4.5 量价信号（vol.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `vol_single_ma_V230214` | 单均线量能判断 |
+| `vol_double_ma_V230214` | 双均线量能判断 |
+| `vol_ti_suo_V221216` | 量能缩量（缩价量特征） |
+| `vol_gao_di_V221218` | 量能高低（放量/缩量） |
+
+### 4.6 指标辅助信号（coo.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `coo_td_V221110` | TD 序列（Tom DeMark 指标） |
+| `coo_cci_V230323` | CCI 超买超卖 |
+| `coo_kdj_V230322` | KDJ 金叉死叉 |
+| `coo_sar_V230325` | SAR 抛物线转向 |
+
+### 4.7 持仓管理信号（pos.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `pos_fx_stop_V230414` | 分型止损信号 |
+| `pos_ma_V230414` | 均线持仓信号 |
+| `pos_holds_V230414` | 持仓状态信号 |
+| `pos_fix_exit_V230624` | 固定时间/条件退出 |
+| `pos_profit_loss_V230624` | 盈亏比动态止损/止盈 |
+| `pos_bar_stop_V230624` | K线形态止损 |
+
+### 4.8 日本蜡烛图形态信号（jcc.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `jcc_san_xing_xian_V221023` | 三星线形态 |
+| `jcc_ten_mo_V221028` | 锤头/吊颈线 |
+| `jcc_two_crow_V221108` | 两只乌鸦 |
+| `jcc_three_crow_V221108` | 三只乌鸦 |
+| `jcc_gap_yin_yang_V221121` | 跳空阴阳线 |
+| `jcc_morning_star_V221028` | 早晨之星 |
+| `jcc_evening_star_V221028` | 黄昏之星 |
+| `jcc_harami_V221028` | 孕线形态（母子线） |
+| `jcc_engulf_V221028` | 吞没形态 |
+
+### 4.9 角度/动量信号（ang.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `adtm_up_dw_line_V230603` | ADTM 动量指标 |
+| `skdj_up_dw_line_V230611` | SKDJ 慢速KDJ |
+| `obv_up_dw_line_V230719` | OBV 能量潮 |
+| `bias_up_dw_line_V230706` | BIAS 乖离率 |
+| `asi_up_dw_line_V230708` | ASI 累积摆动指标 |
+| `clv_up_dw_line_V230712` | CLV 收盘价定位 |
+| `cmo_up_dw_line_V230713` | CMO Chande动量振荡器 |
+| `amv_up_dw_line_V230720` | AMV 自适应均量 |
+
+### 4.10 自定义信号（zdy.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `zdy_stop_loss_V230406` | 自定义止损逻辑 |
+| `zdy_vibrate_V230406` | 震荡市场特征 |
+| `zdy_macd_bc_V230422` | MACD 背离变体 |
+| `pressure_support_V240222` | 压力支撑位识别 |
+
+### 4.11 扩展长信号（xls.py）
+
+| 信号函数 | 信号内容 |
+|---------|---------|
+| `xl_bar_position_V240328` | 价格在历史区间中的位置 |
+| `xl_bar_trend_V240329` | 长周期趋势判断 |
+| `xl_bar_basis_V240411` | 价差基差信号 |
+
+---
+
+## 5. 工具函数模块
+
+> **模块路径**: `czsc/utils/`
+
+### 5.1 技术分析工具（ta.py）
+
+常用技术指标的纯 Python 实现（无需 ta-lib）：
+
+| 函数 | 功能 |
+|------|------|
+| `SMA(close, timeperiod)` | 简单移动平均 |
+| `EMA(close, timeperiod)` | 指数移动平均 |
+| `MACD(close, fastperiod, slowperiod, signalperiod)` | MACD 指标 |
+| `BOLL(close, timeperiod, nbdevup, nbdevdn)` | 布林带 |
+| `KDJ(high, low, close, fastk, slowk, slowd)` | KDJ 指标 |
+| `RSI(close, timeperiod)` | RSI 相对强弱指标 |
+| `ATR(high, low, close, timeperiod)` | ATR 真实波动范围 |
+| `SAR(high, low, acceleration, maximum)` | 抛物线 SAR |
+
+### 5.2 信号工具函数（sig.py）
+
+| 函数 | 功能 |
+|------|------|
+| `cross_zero_axis(values)` | 判断序列穿越零轴的方向 |
+| `cal_cross_num(values1, values2)` | 计算两序列交叉次数 |
+| `down_cross_count(values1, values2)` | 统计向下穿越次数 |
+| `get_sub_elements(bars, di, n)` | 从K线列表末尾取 n 个元素 |
+| `fast_slow_cross(fast, slow)` | 快慢线交叉状态 |
+| `count_last_same(values)` | 统计末尾连续相同值的数量 |
+| `create_single_signal(k1, k2, k3, v1, ...)` | 创建标准信号字典 |
+| `single_linear(values)` | 单变量线性拟合（返回斜率、R²等） |
+
+### 5.3 交易工具函数（trade.py）
+
+| 函数 | 功能 |
+|------|------|
+| `update_nxb(bars, n)` | 计算未来 n 根 K 线收益 |
+| `update_bbars(bars, n)` | 计算过去 n 根 K 线特征 |
+| `update_tbars(bars, window)` | 时间窗口内特征计算 |
+| `risk_free_returns(sdt, edt, freq)` | 获取无风险收益率 |
+| `resample_to_daily(dfw, ...)` | 权重/收益重采样为日频 |
+
+### 5.4 数据管理（utils/data/）
+
+| 类/函数 | 位置 | 功能 |
+|--------|------|------|
+| `DataClient` | `data/client.py` | 统一数据获取接口 |
+| `DiskCache` | `data/cache.py` | 磁盘缓存，LRU 策略 |
+| `home_path` | `data/cache.py` | 缓存目录路径 |
+| `get_dir_size(path)` | `data/cache.py` | 获取目录大小 |
+| `validate_bars(bars)` | `data/validators.py` | K线数据有效性验证 |
+| `format_standard_kline(df, freq)` | `data/converters.py` | DataFrame → RawBar 转换 |
+
+### 5.5 文件 I/O（io.py）
+
+| 函数 | 功能 |
+|------|------|
+| `dill_dump(obj, path)` | 将 Python 对象序列化保存（支持 lambda 等） |
+| `dill_load(path)` | 从文件反序列化加载对象 |
+| `read_json(path)` | 读取 JSON 文件 |
+| `save_json(obj, path)` | 保存对象为 JSON 文件 |
+
+### 5.6 分析工具（utils/analysis/）
+
+| 函数 | 位置 | 功能 |
+|------|------|------|
+| `cal_break_even_point(pairs)` | `analysis/stats.py` | 计算盈亏平衡点 |
+| `show_correlation(df, ...)` | `analysis/corr.py` | 相关性矩阵计算与可视化 |
+| `event_return_analysis(df, event_col, ret_col)` | `analysis/events.py` | 事件收益率分析 |
+
+### 5.7 可视化工具（utils/plotting/）
+
+| 模块 | 主要函数 | 功能 |
+|------|---------|------|
+| `plotting/kline.py` | `kline_chart(bars)` | 绘制 K 线图（含分型笔中枢标注） |
+| `plotting/backtest.py` | `plot_backtest_stats(dret)` | 回测统计综合图 |
+| `plotting/backtest.py` | `plot_cumulative_returns(dret)` | 累计收益曲线 |
+| `plotting/backtest.py` | `plot_drawdown_analysis(dret)` | 回撤分析图 |
+| `plotting/backtest.py` | `plot_monthly_heatmap(dret)` | 月度收益热力图 |
+| `plotting/weight.py` | `plot_weight_distribution(dfw)` | 权重分布图 |
+
+### 5.8 其他工具
+
+| 模块/函数 | 功能 |
+|----------|------|
+| `backtest_report.py` | 生成完整回测报告（HTML/PDF） |
+| `html_report_builder.py` | HTML 报告构建器 |
+| `features.py` | 特征工程辅助函数 |
+| `cross.py` | 截面分析工具（IC、IR 等） |
+| `bi_info.py` | 计算笔的详细信息 |
+| `kline_quality.py` | K 线数据质量检查 |
+| `weights_convert.py` | 信号权重格式转换 |
+| `mark_czsc_status.py` | 标记缠论状态到 DataFrame |
+| `log.py` | 日志工具封装 |
+| `oss.py` | 阿里云 OSS 存储集成 |
+| `echarts_plot.py` | ECharts 图表生成 |
+
+---
+
+## 6. 研究传感器模块
+
+> **模块路径**: `czsc/sensors/`
+
+### 6.1 CTA 研究框架（cta.py）
+
+#### `CTAResearch` — 商品交易顾问研究工具
+
+提供统一的策略回测、参数优化接口，支持多品种并行处理。
+
+```python
+from czsc.sensors.cta import CTAResearch
+
+research = CTAResearch(
+    symbols=['000001', '000002'],
+    sdt='20230101',
+    edt='20240101',
+)
+
+# 单品种回放
+result = research.replay(symbol='000001', positions=[...])
+
+# 多品种并行优化
+results = research.batch_replay(positions=[...], n_jobs=4)
+```
+
+| 方法 | 功能 |
+|------|------|
+| `replay(symbol, positions)` | 单品种策略回放 |
+| `batch_replay(positions, n_jobs)` | 多品种并行回放 |
+| `grid_search(positions, params)` | 参数网格搜索 |
+| `save_results(path)` | 保存回测结果 |
+
+### 6.2 工具函数（utils.py）
+
+| 函数 | 功能 |
+|------|------|
+| `max_draw_down(returns)` | 计算最大回撤及回撤区间 |
+| `turn_over_rate(holds, freq)` | 计算组合换手率 |
+| `holds_concepts_effect(holds, concepts)` | 分析持仓概念板块效果 |
+
+---
+
+## 7. 可视化组件模块（Streamlit）
+
+> **模块路径**: `czsc/svc/`
+>
+> 提供基于 Streamlit 的交互式可视化组件，在数据分析 Web 应用中使用。
+
+### 7.1 收益率可视化（returns.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_daily_return(dret, ...)` | 日收益率柱状图 |
+| `show_cumulative_returns(dret, ...)` | 累计收益曲线（支持基准对比） |
+| `show_monthly_return(dret, ...)` | 月度收益热力图 |
+| `show_drawdowns(dret, ...)` | 回撤期间分析图 |
+| `show_rolling_daily_performance(dret, window)` | 滚动绩效指标曲线 |
+
+### 7.2 因子分析（factor.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_feature_returns(df, feat_col, ret_col)` | 特征-收益关系分析 |
+| `show_factor_layering(df, factor_col, ret_col, n)` | 因子分层回测（N 层） |
+| `show_factor_value(df, factor_col)` | 因子值分布统计 |
+| `show_event_return(df, event_col, ret_col)` | 事件驱动收益分析 |
+| `show_event_features(df, event_col, feat_cols)` | 事件特征分布分析 |
+
+### 7.3 相关性分析（correlation.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_correlation(df, ...)` | 相关性矩阵热力图 |
+| `show_sectional_ic(df, factor_col, ret_col)` | 截面信息系数（IC） |
+| `show_ts_rolling_corr(s1, s2, window)` | 时序滚动相关性 |
+| `show_ts_self_corr(series, max_lag)` | 序列自相关分析 |
+| `show_cointegration(s1, s2)` | 协整关系检验 |
+| `show_corr_graph(df)` | 相关性网络图 |
+| `show_symbols_corr(dfw, symbols)` | 多品种相关性矩阵 |
+
+### 7.4 回测可视化（backtest.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_weight_distribution(dfw)` | 持仓权重分布 |
+| `show_weight_backtest(dfw, ...)` | 权重策略回测结果 |
+| `show_holds_backtest(holds, ...)` | 持仓记录回测结果 |
+| `show_stoploss_by_direction(dfw)` | 分方向止损分析 |
+| `show_backtest_by_thresholds(dfw)` | 阈值敏感性分析 |
+| `show_backtest_by_year(dfw)` | 分年度回测统计 |
+| `show_long_short_backtest(dfw)` | 多空分离回测 |
+| `show_comprehensive_weight_backtest(dfw)` | 综合权重回测报告 |
+
+### 7.5 权重可视化（weights.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_weight_ts(dfw)` | 权重时间序列 |
+| `show_weight_dist(dfw)` | 权重分布直方图 |
+| `show_weight_cdf(dfw)` | 权重累积分布 |
+| `show_weight_abs(dfw)` | 绝对权重分析 |
+
+### 7.6 统计分析（statistics.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_splited_daily(dret, freq)` | 按频率拆分的日收益统计 |
+| `show_yearly_stats(dret)` | 分年度绩效统计表 |
+| `show_pairwise_stats(pairs)` | 交易对统计分析 |
+| `show_holds_stats(holds)` | 持仓统计分析 |
+| `show_turnover_rate(dfw)` | 换手率分析 |
+
+### 7.7 策略分析（strategy.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_strategy_positions(trader)` | 策略持仓可视化 |
+| `show_position_detail(position)` | 单持仓策略详情 |
+| `show_czsc_chart(czsc_obj)` | CZSC 分析图表 |
+
+### 7.8 价格敏感分析（price_analysis.py）
+
+| 函数 | 功能 |
+|------|------|
+| `show_price_sensitivity(df, ...)` | 价格敏感性分析 |
+| `show_slippage_analysis(df, ...)` | 滑点影响分析 |
+
+### 7.9 表单组件（forms.py）
+
+| 函数 | 功能 |
+|------|------|
+| `date_range_selector(...)` | 日期范围选择器 |
+| `symbol_selector(symbols)` | 品种选择器 |
+| `freq_selector(freqs)` | 频率选择器 |
+| `position_config_form(...)` | 持仓策略配置表单 |
+
+---
+
+## 8. 数据连接器模块
+
+> **模块路径**: `czsc/connectors/`
+
+### 8.1 Tushare 连接器（ts_connector.py）
+
+```python
+import czsc.connectors.ts_connector as ts
+
+ts.pro_api.set_token("your_token")
+df = ts.get_kline_period(symbol='000001.SZ', freq='30分钟', sdt='20240101', edt='20240131')
+```
+
+| 函数 | 功能 |
+|------|------|
+| `get_kline_period(symbol, freq, sdt, edt)` | 获取历史 K 线数据 |
+| `get_symbols_daily(symbols, sdt, edt)` | 批量获取日线数据 |
+| `get_index_weights(index_code, date)` | 获取指数权重 |
+| `get_bar_generator(symbol, freq, sdt, edt, freqs)` | 获取初始化好的 BarGenerator |
+
+### 8.2 天勤连接器（tq_connector.py）
+
+```python
+from czsc.connectors.tq_connector import get_kline_period
+
+# 获取期货K线数据
+df = get_kline_period(symbol='SHFE.rb2501', freq='30分钟', sdt='20240101', edt='20240131')
+```
+
+| 函数 | 功能 |
+|------|------|
+| `get_kline_period(symbol, freq, sdt, edt)` | 获取期货/股指K线数据 |
+| `symbols_performance(symbols, ...)` | 多品种绩效分析 |
+
+### 8.3 CCXT 连接器（ccxt_connector.py）
+
+> 用于加密货币市场数据接入
+
+```python
+from czsc.connectors.ccxt_connector import get_kline_period
+
+# 获取 BTC 数据
+df = get_kline_period(symbol='BTC/USDT', freq='1h', sdt='20240101', edt='20240131')
+```
+
+### 8.4 研究数据接口（research.py）
+
+| 函数 | 功能 |
+|------|------|
+| `get_raw_bars(symbol, freq, sdt, edt, ...)` | 获取 `List[RawBar]` 格式数据 |
+| `get_symbols(market)` | 获取市场全部品种列表 |
+| `get_kline(symbol, freq, sdt, edt)` | 获取 DataFrame 格式 K 线 |
+
+---
+
+## 9. 特征工程模块
+
+> **模块路径**: `czsc/features/`
+
+### 9.1 工具函数（utils.py）
+
+| 函数 | 功能 |
+|------|------|
+| `normalize_feature(series)` | 特征标准化（Z-Score/分位数） |
+| `rank_feature(df, factor_col)` | 截面因子排序 |
+| `neutralize_feature(df, factor_col, industry_col)` | 因子中性化（行业/市值） |
+
+### 9.2 量价因子（vpf.py）
+
+| 函数 | 功能 |
+|------|------|
+| `calculate_vpf(bars)` | 计算量价综合因子 |
+| `vwap(bars)` | 成交量加权平均价格 |
+
+### 9.3 收益特征（ret.py）
+
+| 函数 | 功能 |
+|------|------|
+| `get_future_returns(df, periods)` | 计算未来 N 周期收益 |
+| `get_momentum_features(df, lookback)` | 动量特征计算 |
+
+---
+
+## 10. 探索性分析模块
+
+> **模块路径**: `czsc/eda.py`
+
+```python
+from czsc import eda
+```
+
+| 函数 | 功能 |
+|------|------|
+| `vwap(df)` | 成交量加权平均价（VWAP） |
+| `twap(df)` | 时间加权平均价（TWAP） |
+| `remove_beta_effects(df, factor_col, beta_col)` | 去除 Beta 效应（因子正交化） |
+| `cross_sectional_strategy(df, factor_col, ...)` | 截面策略分析（分层回测） |
+| `judge_factor_direction(df, factor_col, ret_col)` | 判断因子有效方向 |
+| `monotonicity(series)` | 检验序列的单调性 |
+| `turnover_rate(df, date_col, symbol_col)` | 计算策略换手率 |
+| `make_price_features(df)` | 从价格序列生成常用特征 |
+| `daily_performance(returns)` | 计算日频绩效指标集合 |
+
+---
+
+## 11. 策略框架模块
+
+> **模块路径**: `czsc/strategies.py`
+
+### `CzscStrategyBase` — 策略抽象基类
+
+```python
+from czsc.strategies import CzscStrategyBase
+
+class MyStrategy(CzscStrategyBase):
+    @property
+    def symbol_params(self):
+        return {'000001.SZ': {'lot': 100}}
+
+    @property
+    def freqs(self):
+        return ['30分钟', '日线']
+
+    @property
+    def signals_config(self):
+        return [...]
+
+    @property
+    def positions(self):
+        return [...]
+```
+
+### `CzscJsonStrategy` — JSON 配置化策略
+
+```python
+from czsc.strategies import CzscJsonStrategy
+
+# 从 JSON 配置加载策略
+strategy = CzscJsonStrategy.from_json('strategy.json')
+strategy.to_json('strategy_copy.json')
+```
+
+| 方法 | 功能 |
+|------|------|
+| `from_json(path)` | 从 JSON 文件加载策略 |
+| `to_json(path)` | 将策略序列化为 JSON |
+| `validate()` | 验证策略配置合法性 |
+
+---
+
+## 12. 飞书集成模块
+
+> **模块路径**: `czsc/fsa/`
+>
+> 用于将策略信号和研究结果推送到飞书（Lark）平台。
+
+| 类/函数 | 位置 | 功能 |
+|--------|------|------|
+| `FeishuApiBase` | `fsa/base.py` | 飞书 API 基础封装 |
+| `BiTable` | `fsa/bi_table.py` | 飞书多维表格操作（读写数据） |
+| `send_message(webhook, content)` | `fsa/im.py` | 发送飞书 IM 消息 |
+| `SpreadSheets` | `fsa/spreed_sheets.py` | 飞书电子表格操作 |
+| `push_strategy_latest(...)` | `fsa/push_strategy_latest.py` | 推送策略最新信号卡片 |
+
+---
+
+## 13. 模拟数据模块
+
+> **模块路径**: `czsc/mock.py`
+
+用于测试和开发，生成可重现的模拟 K 线数据。
+
+```python
+from czsc.mock import generate_symbol_kines
+
+# 生成模拟K线数据
+df = generate_symbol_kines(
+    symbol='000001',
+    freq='30分钟',
+    sdt='20240101',
+    edt='20240201',
+    seed=42    # 随机种子，确保可重现
+)
+```
+
+| 函数 | 功能 |
+|------|------|
+| `generate_symbol_kines(symbol, freq, sdt, edt, seed)` | 生成单品种模拟K线 DataFrame |
+| `generate_klines(n, freq, seed)` | 生成指定数量的模拟 K 线 |
+
+---
+
+## 14. 快速入门示例
+
+### 示例 1：缠论分析基础
+
+```python
+from czsc.core import CZSC, format_standard_kline, Freq
+from czsc.mock import generate_symbol_kines
+
+# 1. 生成测试数据
+df = generate_symbol_kines('000001', '30分钟', '20240101', '20240201')
+
+# 2. 转换格式
+bars = format_standard_kline(df, freq=Freq.F30)
+
+# 3. 创建CZSC分析对象
+c = CZSC(bars)
+
+# 4. 查看分析结果
+print(f"K线数量: {len(c.bars_raw)}")
+print(f"分型数量: {len(c.fxs)}")
+print(f"笔数量: {len(c.bi_list)}")
+print(f"中枢数量: {len(c.zs_list)}")
+```
+
+### 示例 2：多级别信号计算
+
+```python
+from czsc.core import BarGenerator, Freq, format_standard_kline
+from czsc.traders.base import CzscSignals, generate_czsc_signals
+from czsc.signals.tas import tas_macd_base_V221028, tas_ma_base_V221101
+from czsc.mock import generate_symbol_kines
+
+# 1. 准备数据
+df = generate_symbol_kines('000001', '5分钟', '20240101', '20240201')
+bars = format_standard_kline(df, freq=Freq.F5)
+
+# 2. 信号配置
+signals_config = [
+    {'name': tas_macd_base_V221028, 'freq': '5分钟', 'di': 1},
+    {'name': tas_ma_base_V221101,   'freq': '5分钟', 'di': 1, 'timeperiod': 20},
+    {'name': tas_macd_base_V221028, 'freq': '30分钟', 'di': 1},
+]
+
+# 3. 批量生成历史信号
+results = generate_czsc_signals(bars, signals_config, freqs=['30分钟'])
+print(results.head())
+```
+
+### 示例 3：完整策略回测
+
+```python
+from czsc.core import format_standard_kline, Freq
+from czsc.traders.base import CzscTrader
+from czsc.py.objects import Position, Event, Signal, Operate
+from czsc.mock import generate_symbol_kines
+
+# 1. 数据准备
+df = generate_symbol_kines('000001', '30分钟', '20230101', '20240101')
+bars = format_standard_kline(df, freq=Freq.F30)
+
+# 2. 定义持仓策略
+long_position = Position(
+    name='MACD多头策略',
+    symbol='000001',
+    opens=[
+        Event(
+            name='开多',
+            operate=Operate.LO,
+            signals_all=[
+                Signal('30分钟_D1_MACD多空_多头_任意_任意_0'),
+            ]
+        )
+    ],
+    exits=[
+        Event(
+            name='平多',
+            operate=Operate.LE,
+            signals_all=[
+                Signal('30分钟_D1_MACD多空_空头_任意_任意_0'),
+            ]
+        )
+    ],
+    interval=3600,   # 开仓间隔（秒）
+    timeout=20,      # 超时K线数
+    stop_loss=0.05,  # 止损比例 5%
+)
+
+# 3. 运行回测
+trader = CzscTrader(bg=..., signals_config=[...], positions=[long_position])
+for bar in bars:
+    trader.update(bar)
+
+print(f"总交易次数: {len(trader.pairs)}")
+```
+
+### 示例 4：权重回测与可视化（Streamlit）
+
+```python
+import streamlit as st
+from czsc.svc.backtest import show_weight_backtest
+from czsc.svc.returns import show_cumulative_returns
+
+# 在 Streamlit 应用中展示回测结果
+# dfw: DataFrame with columns [dt, symbol, weight, price]
+show_weight_backtest(dfw, fee_rate=0.001)
+
+# 展示收益曲线
+show_cumulative_returns(dret)  # dret: DataFrame with datetime index
+```
+
+---
+
+## 15. 按功能查找索引
+
+### 数据处理
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 生成模拟K线数据 | `generate_symbol_kines()` | `czsc.mock` |
+| DataFrame 转 RawBar | `format_standard_kline()` | `czsc.core` |
+| 多级别K线合成 | `BarGenerator` | `czsc.core` |
+| 获取历史K线（Tushare） | `ts_connector.get_kline_period()` | `czsc.connectors` |
+| 获取期货K线（天勤） | `tq_connector.get_kline_period()` | `czsc.connectors` |
+| 获取加密货币K线 | `ccxt_connector.get_kline_period()` | `czsc.connectors` |
+| K线数据质量检查 | `kline_quality` 模块 | `czsc.utils` |
+
+### 缠论分析
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 分型识别 | `check_fx()`, `check_fxs()` | `czsc.py.analyze` |
+| 笔识别 | `check_bi()` | `czsc.py.analyze` |
+| K线包含处理 | `remove_include()` | `czsc.py.analyze` |
+| 完整缠论分析 | `CZSC` 类 | `czsc.core` |
+| 笔详细信息 | `bi_info` 模块 | `czsc.utils` |
+
+### 技术指标计算
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 均线（不依赖ta-lib） | `SMA()`, `EMA()` | `czsc.utils.ta` |
+| MACD（不依赖ta-lib） | `MACD()` | `czsc.utils.ta` |
+| MACD 信号（带缓存） | `update_macd_cache()` + `tas_macd_base_V221028()` | `czsc.signals.tas` |
+| 均线信号 | `update_ma_cache()` + `tas_ma_base_V221101()` | `czsc.signals.tas` |
+| K线形态 | `jcc_*` 系列函数 | `czsc.signals.jcc` |
+| 量价信号 | `vol_*` 系列函数 | `czsc.signals.vol` |
+
+### 策略回测
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 批量生成历史信号 | `generate_czsc_signals()` | `czsc.traders.base` |
+| 实时信号计算 | `CzscSignals` 类 | `czsc.traders.base` |
+| 完整回测框架 | `CzscTrader` 类 | `czsc.traders.base` |
+| 简单模拟回测 | `DummyBacktest` 类 | `czsc.traders.dummy` |
+| 交易对绩效 | `PairsPerformance` 类 | `czsc.traders.performance` |
+| 权重策略回测 | `get_ensemble_weight()` | `czsc.traders.weight_backtest` |
+| 参数优化 | `OpensOptimize`, `ExitsOptimize` | `czsc.traders.optimize` |
+| CTA 研究框架 | `CTAResearch` 类 | `czsc.sensors.cta` |
+
+### 因子/特征分析
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 因子分层回测 | `show_factor_layering()` | `czsc.svc.factor` |
+| IC 分析 | `show_sectional_ic()` | `czsc.svc.correlation` |
+| 因子正交化 | `remove_beta_effects()` | `czsc.eda` |
+| 特征标准化 | `normalize_feature()` | `czsc.features.utils` |
+| 截面策略 | `cross_sectional_strategy()` | `czsc.eda` |
+
+### 可视化
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| K线图（含缠论标注） | `kline_chart()` | `czsc.utils.plotting.kline` |
+| 累计收益曲线 | `show_cumulative_returns()` | `czsc.svc.returns` |
+| 回撤分析 | `show_drawdowns()` | `czsc.svc.returns` |
+| 月度收益热力图 | `show_monthly_return()` | `czsc.svc.returns` |
+| 相关性矩阵 | `show_correlation()` | `czsc.svc.correlation` |
+| 权重分布 | `show_weight_distribution()` | `czsc.svc.backtest` |
+| 综合回测报告 | `show_weight_backtest()` | `czsc.svc.backtest` |
+| 分年度统计 | `show_yearly_stats()` | `czsc.svc.statistics` |
+
+### 数据存储/缓存
+
+| 需求 | 工具 | 位置 |
+|------|------|------|
+| 磁盘缓存 | `DiskCache` | `czsc.utils.data.cache` |
+| 对象序列化 | `dill_dump()`, `dill_load()` | `czsc.utils.io` |
+| JSON 读写 | `read_json()`, `save_json()` | `czsc.utils.io` |
+| 清理缓存 | `empty_cache_path()` | `czsc` |
+| 查看缓存大小 | `get_dir_size(home_path)` | `czsc.utils.data.cache` |
+
+---
+
+## 附录：重要约定和规范
+
+### 信号函数命名规范
+
+```
+{类别}_{描述}_{版本号}
+例：tas_macd_base_V221028
+    │    │       │
+    │    │       └─ 版本号（年月日）
+    │    └─────── 描述（macd_base）
+    └──────────── 类别（tas = TA-Lib Signals）
+```
+
+### 信号值格式
+
+```
+信号键："{freq}_{di标识}_{描述}_{版本}"
+信号值："{value1}_{value2}_{value3}_{count}"
+例：('30分钟_D1MACD多空_V221028', '多头_任意_任意_0')
+```
+
+### 频率枚举说明
+
+| 值 | 说明 |
+|----|------|
+| `Freq.F1` | 1分钟 |
+| `Freq.F5` | 5分钟 |
+| `Freq.F15` | 15分钟 |
+| `Freq.F30` | 30分钟 |
+| `Freq.F60` | 60分钟（1小时） |
+| `Freq.D` | 日线 |
+| `Freq.W` | 周线 |
+| `Freq.M` | 月线 |
+
+### 环境变量配置
+
+```python
+import os
+
+# 强制使用 Python 实现（跳过 Rust 版本）
+os.environ['CZSC_USE_PYTHON'] = '1'
+
+# 查看当前配置
+from czsc import envs
+print(envs.get_min_bi_len())    # 最小笔长度
+print(envs.get_max_bi_num())    # 最大笔数量
+```
+
+---
+
+> 📚 **更多学习资源**
+> - [项目文档（飞书）](https://s0cqcxuy3p.feishu.cn/wiki/wikcn3gB1MKl3ClpLnboHM1QgKf)
+> - [API 文档](https://czsc.readthedocs.io/en/latest/modules.html)
+> - [B站视频教程](https://space.bilibili.com/243682308/channel/series)
+> - [信号函数编写规范](https://s0cqcxuy3p.feishu.cn/wiki/wikcnCFLLTNGbr2THqo7KtWfBkd)