feat: 完善 QMT 交易模块文档和配置展示功能

- 优化前端仪表盘界面
- 添加配置文件可视化展示
- 编写 QMT 模块配置文档
- 完善项目规则体系（KiloCode）

.kilocode/rules/formatting.md

@@ -0,0 +1,166 @@
+# 代码格式化规则
+
+本项目使用 Python 语言开发，以下是代码格式化规范。
+
+## 缩进
+
+- 使用 **4个空格** 进行缩进
+- 不使用 Tab 字符
+
+## 行长度
+
+- 每行最大长度：**100 字符**
+- 长的表达式可以换行，保持缩进一致
+
+## 空行
+
+- 类定义之间：**2个空行**
+- 函数定义之间：**1个空行**
+- 函数内部逻辑分段：**使用空行分隔逻辑块**
+- 导入语句之后：**1个空行**
+
+## 空格使用
+
+```python
+# 正确的写法
+df = df.sort_values(by=["ts_code", "trade_date"])
+result = (df["close"] - df["open"]) / (df["high"] - df["low"] + epsilon)
+
+# 错误的写法
+df=df.sort_values(by=["ts_code","trade_date"])
+result=(df["close"]-df["open"])/(df["high"]-df["low"]+epsilon)
+```
+
+### 运算符周围
+
+- 运算符两侧各加一个空格
+- 括号内侧不加空格
+
+```python
+# 推荐
+total_buy_vol = df["buy_sm_vol"] + df["buy_lg_vol"] + df["buy_elg_vol"]
+
+# 不推荐
+total_buy_vol=df["buy_sm_vol"]+df["buy_lg_vol"]+df["buy_elg_vol"]
+```
+
+### 函数调用
+
+```python
+# 推荐
+df["atr_14"] = grouped.apply(
+    lambda x: pd.Series(
+        talib.ATR(x["high"].values, x["low"].values, x["close"].values, timeperiod=14),
+        index=x.index,
+    )
+)
+
+# 不推荐
+df["atr_14"] = grouped.apply(lambda x: pd.Series(talib.ATR(x["high"].values, x["low"].values, x["close"].values, timeperiod=14), index=x.index))
+```
+
+## 括号
+
+```python
+# 推荐
+conditions_winner = [
+    (df["close"] > df["cost_85pct"]) & (df["winner_rate"] > 0.8),
+    (df["close"] < df["cost_15pct"]) & (df["winner_rate"] < 0.2),
+]
+
+# 不推荐
+conditions_winner = [(df["close"] > df["cost_85pct"]) & (df["winner_rate"] > 0.8), (df["close"] < df["cost_15pct"]) & (df["winner_rate"] < 0.2)]
+```
+
+## 字符串引号
+
+- 使用 **双引号** `"` 作为字符串默认引号
+- 字符串内部包含双引号时，使用单引号 `'`
+- 多行字符串使用三引号 `"""` 或 `'''`
+
+## 导入顺序
+
+```python
+# 1. 标准库
+import numpy as np
+import pandas as pd
+
+# 2. 第三方库
+import talib
+
+# 3. 本地模块
+from .utils import some_function
+```
+
+## 注释
+
+### 行内注释
+
+- 行内注释与代码之间间隔 **2个空格**
+- 注释以大写字母开头
+
+```python
+epsilon = 1e-8  # 防止除零
+```
+
+### 块注释
+
+- 用于复杂逻辑的说明
+- 使用 `#` 而非 `"""`（后者用于 docstring）
+
+```python
+# 计算每只股票的滚动协方差
+# 使用高成交量窗口和收盘价窗口
+def calculate_rolling_cov(group):
+    return group["high"].rolling(window_high_volume).cov(group["vol"])
+```
+
+### TODO 注释
+
+```python
+# TODO: 这个因子需要优化，可能导致过拟合
+# FIXME: 修复浮点数精度问题
+```
+
+## Docstring
+
+为所有公共函数、类和模块编写 docstring：
+
+```python
+def calculate_risk_adjusted_return(df, days=1, method="ratio", lambda_=0.5, eps=1e-8):
+    """
+    计算单只股票的风险调整收益。
+
+    参数：
+    - df: DataFrame，包含 'ts_code' 和 'close' 列
+    - days: 预测未来多少天的收益
+    - method: 'ratio' 或 'difference'
+    - lambda_: 风险惩罚系数
+    - eps: 防止除零的小常数
+
+    返回：
+    - 添加 'risk_adj_return' 列的 DataFrame
+    """
+    pass
+```
+
+## 数据管道格式化
+
+对于复杂的数据处理链，使用链式调用并适当换行：
+
+```python
+df = (
+    df.sort_values(by=["ts_code", "trade_date"])
+    .groupby("ts_code", group_keys=False)
+    .apply(lambda x: x["close"].pct_change().rolling(window=5).std())
+)
+```
+
+## 异常处理
+
+```python
+try:
+    result = df["close"] / (df["high"] - df["low"])
+except ZeroDivisionError:
+    result = 0
+```