读取组合 TOML 配置内容
GET
/research/portfolios/{code}/config在线调试GET https://api.shengkezhi.com/open/v1/research/portfolios/PFO_FUTURE_2CEFD909/config等效 curl
curl "https://api.shengkezhi.com/open/v1/research/portfolios/PFO_FUTURE_2CEFD909/config" \ -H "Authorization: Bearer sk_xxx"
GET /research/portfolios/{code}/config — 读取组合 TOML 配置内容。
返回当前账户组合已保存的 portfolio.toml 原文，保留注释、空白、换行和全部配置字段。每次直接读取最新落盘文件，响应带 Cache-Control: private, no-store；不依赖回测产物或任务状态。配置内容不做 TOML 语法校验，也不从构建产物补全字段。
响应仍为 JSON 信封，TOML 字符串位于 data.toml，并非直接返回 TOML 文件。CLI 使用 skz portfolio config <code>，输出解包后的 {"toml":"..."}；提取原文可用 skz portfolio config <code> | jq -rj .toml。测试环境 Base URL 为 https://tapi.shengkezhi.cn/open/v1。
需在请求头携带 Authorization: Bearer sk_xxx。
业务状态
组合编号无效或路径越界返回 HTTP 400；配置文件不存在返回 HTTP 404、业务码 40400；读取失败返回 HTTP 500，错误信息已脱敏。该接口只读取配置，不触发组合计算或修改状态。
请求参数
| 参数 | 位置 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|---|
code | path | string | 是 | - | 组合编号 |
响应 data
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
toml | string | 是 | 已保存的 portfolio.toml 原文，保留注释、空白和所有配置字段。 |
调用示例
curl -X GET "https://api.shengkezhi.com/open/v1/research/portfolios/PFO_FUTURE_2CEFD909/config" \
-H "Authorization: Bearer sk_xxx"
{
"code": 0,
"msg": "ok",
"data": {
"toml": "schema_version = \"1.0\"\nportfolio_code = \"PFO_FUTURE_2CEFD909\"\ndescription = \"第28次探索：FTS全量策略池 + skfolio MAXIMIZE_RETURN + 回撤口径风险归一化。提供逐策略 max_weights/min_weights 1D 数组、Use radius=0.15 target=0.15，规避标量 0D 数组与 nan 报错。\"\nstatus = \"暂停\"\ncandidate_strategies = [\"FTS_1D_1C6O0SOF\", \"FTS_1D_80DB62JF\", \"FTS_1D_VWDFPMXS\", \"FTS_1D_WVBBRGPN\", \"FTS_1D_XOQQWA4F\", \"FTS_60M_BL8JPD7Q\", \"FTS_60M_GCOAIIN9\", \"FTS_60M_J46XUU16\"]\nrebalance_dates = []\nrebalance_method = \"skfolio\"\nlookback_days = 120\nskip_existing = false\nrebalance_date_rules = [\"每月最后一天\"]\nt_plus_one = false\nlong_only = true\n\n[strategy_selector]\n\n[symbol_selector]\n\n[rebalance_params]\nfallback_method = \"inverse_vol\"\nlookback_days = 252\nmin_observations = 60\noptimizer = \"MeanRisk\"\n\n[rebalance_params.risk_normalization]\nmax_scale = 2\nmethod = \"drawdown\"\nmin_observations = 60\ntarget_drawdown = 0.15\ntrading_days_per_year = 252\n\n[rebalance_params.optimizer_params]\nmax_weights = [0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2, 0.2]\nmin_weights = [0, 0, 0, 0, 0, 0, 0, 0]\nobjective_function = \"MAXIMIZE_RETURN\"\nrisk_measure = \"VARIANCE\"\nsolver = \"SCS\"\n"
}
}```