AI时代量化交易指南 2：CrawdQuant 让 AI 学会量化编程

文章都写完了，但是觉得没有写下去的必要了，因为我搭建了整个的流程，大家可以自行下载使用，gitee 上搜索 CrawdQuant 就行，或者联系我发送下载链接。

下面的文章依然是概念的介绍，最后是 CrawdQuant 的使用方法，非常方便，30 分钟掌握以后代码不用求人了。 智能时代果然高效了很多，我一边写文章一边就搭建起来软件了

上文我们讲了 AI 的工作流程：

1. 提出需求
2. AI 给出答案
3. 验证答案
4. 反馈

需求与反馈确保了 AI 在约束内知行。

而在量化的情况下，AI 给出的答案就是让 AI 写代码。AI 写代码的能力是我们能实现整个量化交易流程的关键。为什么有人用 AI 能顺利地写代码，有的人用 AI 却像弱智呢？

AI 的能力

AI 本身就会写代码。现在的头部 AI 公司 Anthropic 开发的 Claude Code 就是为了代码而生的。

但是AI 不会写量化代码！如果你用过随便一家（豆包、Kimi）让它帮你实现一个量化策略，多半它会一本正经地胡说八道。

这不怪 AI。想象一个从大学里面走出来的实习生，接受的都是刻板教育，没有听说过交易开拓者，没有使用过 PythonGO（这两款都是量化软件），然后你让他来写策略，他也是一脸懵。

所以我们应该怎么做呢？

建立知识库。AI 很聪明，但是 AI 有很多背景信息不了解。例如你让它写一个 QMT 的股票量化策略：QMT 是什么？QMT 的策略模板应该怎么写？QMT 的持仓应该如何查询？它都不清楚。

所以正确的做法是什么？

理想的做法是训练模型，我们把 QMT 所有相关的资料重新训练模型调参，但是成本太高了。现实的做法是在问 AI 的时候，给出背景资料。

格式是：

我的需求：{xxxxx}
QMT 的资料：{策略模板，函数使用……}

但是新的问题出现了：QMT 的资料像一本书一样，每次问答都要给 AI 整整一本书，AI 也会疯（丢失焦点，不知道该参考什么）。

那怎么解决呢？

最理想的方法是：用到什么就给它什么资料。比如要写策略框架的时候，就查询策略模板；要写仓位控制的时候就查询持仓函数。这个在技术领域叫做 RAG（检索增强生成）。

具体怎么做呢？

有一个简单粗暴的方案：把资料全部放在文件夹内，告诉 AI “资料在文件夹内，请根据你的需求来自行查询”。这种方式虽然不够精细，但是上手简单快速。

那么精细点的做法是什么呢？建立本地知识数据库，用向量查询。这样做的好处就是能模糊查询很多相关的内容。

比如本地查询，一般是软件使用一个全局搜索的函数来搜索关键字。例如搜索”持仓”，它会把持仓两个字的文件全部搜索出来阅读一遍。这肯定会搜索到一些带有”持仓”两个字，但是实际内容和持仓函数说明完全不相干的文件，只能让 AI 自行判断，但是资料太多 AI 往往判断得不准确。

而向量查询，可以通过语义的相似度来精确地判断出来用户想要查询什么，搜索的质量要高很多。向量查询的算法原理以及具体的实现方式，就不展开讲了。

所以现在一个 AI 在接收到需求后写代码的流程是这样的：

1. 分析需求
2. 思考需要查询什么资料
3. 查询资料
4. 给出代码

现在 Claude Code 这些软件都可以轻松地实现上面的流程。

还有更先进的办法吗？

如果你使用上面的流程一段时间，你就会发现一个更高级的办法。我们使用：

需求 → AI 生成 → 反馈

如果 AI 生成后自己先做一遍检查，再给出答案来怎么样？

非常好，这种方式被称为 Self-Reflection（自我反思），原则上你甚至可以让 AI 自己检查无限轮，但是边际效应递减。一次自我反思就足够。

你可以直接给 AI 说：

这个是我的需求：{需求文本}
这个是 AI 的回答：{原来的 AI 生成}
帮我检查代码

AI 就可以自动帮你检查所有的任务。

就这样简单的一步，你会发现你的 AI 又聪明了一大截。

你可能会觉得这麻烦，要问两次。没关系，Claude Code 中的 Skill 帮你解决。你只要在撰写代码的时候告诉它步骤，或者把上面的步骤增加一条就行：

1. 分析需求
2. 思考需要查询什么资料
3. 查询资料
4. 给出代码
5. 检查代码

新的步骤就是这样的。

当然除了让 AI 帮我们写策略，还可以让 AI 帮我们修改策略、发现策略的漏洞等等。

下面的一个关键的问题：怎么做呢？

其实大家不用做了，我在写作的期间，已经做好了一个直接使用的框架。我给它起了个名字叫 CrawdQuant。

大家下载下来直接使用就行了，现在我在里面写入了 TBQuant 的知识，未来我还会让它支持更多的平台。

软件准备清单

• 编辑器：VSCode，用来查看、修改、编辑代码
• AI 代码工具：Claude Code，当前最好用的代码工具，没有之一
• 策略交易平台：任何你使用的交易平台
• 知识库：把策略平台的所有内容下载下来（函数手册、策略模板）

一些 Claude Code 的概念

• CLAUDE.md Rules：编程的规则，每次 AI 都会按照这个规则来编写
• Skills：Claude Code 的技能文档，我们把一些常用的工作流（比如干什么、应该怎么一步一步地干）写在这里，如果遇到相关的任务就会调用
• MCP：Claude Code（或者说所有人工智能）与外部交互的环境，它可以作为人工智能能力的延伸使用，比如网络搜索、行情查询等等。

最佳实践

1. 下载 CrawdQuant 解压缩 网站地址 在 Gitee 搜索 CrawdQuant 即可找到下载地址。

2. 使用本工具前，您需要掌握以下基础技能：

技能	说明
Windows 基础操作	文件管理、命令行基本使用
VS Code	代码编辑器的基本使用
Claude Code	Anthropic 官方 AI 编程助手

不用担心！ 这些技能非常简单，30 分钟即可熟练掌握。

费用说明： Claude Code 本身免费，但需要接入大语言模型。国产模型价格亲民，日常使用成本很低。

Skills 说明

Skill	触发词	功能
策略	“策略逻辑”、“分析策略”	将用户想法转换为结构化的策略逻辑
查询	“查询”、“函数怎么用”	查询知识库获取 API 文档和示例
TBQuant	“TB策略”、“写TB”	生成 TBQuant 平台的策略代码