用途：让 OpenClaw 自主完成交易策略的研究、代码化与历史验证，形成可被 Babata Bot 使用的策略。
主要能力：
- 研究（/research learn）：用 web_search 检索指定策略（如 Vegas Tunnel、Turtle Trading）的教程或 PDF，再用 web_fetch 提取入场、出场与风险等核心逻辑，输出结构化规则摘要。
- 代码化（/research codify）：把上一步的逻辑摘要转成标准 Python 类，形如 class StrategyName(BaseStrategy): ...，兼容 Babata Bot 框架。
- 回测（/research backtest）：输入策略 Python 文件、时间周期与时长（如 3 个月），从 MT5 获取深度历史数据，输出胜率、回撤与盈利因子。
使用方式示例： /research learn "Naked K Price Action Pinbar Strategy" /research codify "Pinbar Strategy" /research backtest "Pinbar Strategy" --duration "90d"
与 Babata Bot 集成：通过回测的策略会被移入主机器人的 strategies/ 文件夹，供 Meta-Strategy 选择器调用。
限制：资料未说明支持的平台范围、数据来源细节、收费方式、准确率或实盘表现；回测依赖 MT5 历史数据，结果不代表未来收益。