我把量化大脑蒸馏进了公众号

深夜的量化工作台：多屏显示交易图表和代码，台灯暖光照亮散落的笔记——三年积累的缩影

去年我认识一个做量化的朋友，他花了三个月，终于把第一个策略跑通了。

中间踩了多少坑？

平台的 API 文档跟实际不一样。回测结果看起来完美，实盘一跑就亏。函数参数明明按文档写的，到实盘环境就报错。

后来他说，如果一开始就知道这些坑，至少能省两个月。

现在公众号后台的 AI，知道这些坑。

我做了什么

过去几个月，我在公众号发了一系列量化教程——Qlib、PowerQuant、TBQuant、PTrade、因子挖掘、回测概率论。

有读者问我：平时怎么用 AI 写策略？

我决定做一件事——把过去三年积累的量化研究经验，装进公众号后台的 AI 里。

现在你在公众号后台问我任何量化问题，AI 调用的不只是通用大模型，还有平台的文档、我的经验积累、我自己踩过的坑。

过去两个月我一直在用它服务客户。它查得了所有平台文档，写得对代码，挖得出因子。现在我把这扇门打开，你也用得上。

蒸馏了什么进去

三类知识：平台文档库（11个平台）、踩坑日志（3年实盘）、方法论碎片（结构化）

平台文档库

11 个量化平台的完整文档（PTrade、聚宽、TBQuant、金字塔、TradingView 等），12 个分类、6350+ 文档块。

还有 291 个金字塔官方系统公式——R-Breaker、双向海龟、超级日内组合、恒温器……过去锁在软件里看不到源码，现在全部导出来了。

AI 现在能调用的，是平台官方原版 + 我的实战解读——网上搜不到的版本。

踩坑日志

哪些函数有坑（TBQuant 的事件驱动注意事项、PTrade 的分钟线取数陷阱），哪些文档是错的（平台文档跟实际 API 不一致的地方），哪些参数在实际实盘中会出问题。

官方文档不会告诉你为什么某个函数在生产环境里报错，但我踩过，我记下来了。踩坑记录是最有价值的部分。

方法论碎片

因子挖掘的思路框架，回测结果怎么看（IC、Sharpe、最大回撤的组合解读），策略优化的优先级判断——这些散落在笔记里多年的东西，现在结构化了。

一个真实的检索过程

读者问：TBQuant 的事件驱动怎么用？我想写一个突破策略，突破 20 日最高价就买入，跌破 20 日最低价平仓。

公众号 AI 的检索路径：

检索”TBQuant 事件驱动” → 找到官方事件驱动基础教程
检索”突破策略” → 找到四周规则策略
检索”事件驱动进阶” → 找到官方进阶示例
检索”踩坑记录” → 找到 TBQuant 实时价确认 bug + 滑点处理方案
把几部分组合，生成完整可运行代码

AI 返回：

# TBQuant 事件驱动突破策略
# 基于官方教程 + 实战踩坑记录

def on_bar(self, bar):
    # 20日高低价（使用前一日确认价，避免当日实时价噪音）
    highest = max(self.history.high(20)[:-1])  # 踩坑提示：不要包含当日
    lowest = min(self.history.low(20)[:-1])

    # 突破买入（含滑点预留）
    if bar.close > highest and self.position == 0:
        self.buy(bar.close * 1.001, volume=100)

    # 跌破平仓
    elif bar.close < lowest and self.position > 0:
        self.sell(bar.close * 0.999, volume=self.position)

读者说：直接就能跑。

这段代码里有两处细节，网上搜的版本不会有：

代码两处细节：[:-1]切片修复实时价bug、*1.001滑点预留——踩坑日志的具象化

[:-1] 这个切片——TBQuant 的 history.high(20) 在事件驱动里会包含当日实时价，导致突破信号提前触发。AI 知道这个坑，所以加了切片。

* 1.001 和 * 0.999——滑点预留，实盘经验。网上抄的代码不会写这个。

为什么比你自己用 AI 有用

对比表：你自己用AI vs 公众号后台AI，知识来源/策略代码/踩坑经验/价格四个维度

核心区别在知识来源。

你自己用 AI 写策略，它给你的是通用大模型训练数据里的内容——可能是网上搜来的碎片代码，可能是几年前的旧版本，可能根本没考虑实盘环境。

	你自己用 AI	公众号后台的 AI
知识来源	通用训练数据	11 个平台文档 + 踩坑记录
策略代码	片段化，需要自己拼	完整可运行版本
踩坑经验	没有	有（三年实盘积累）
价格	免费	免费

这些知识是我自己验证过的。网上搜来的二手货给不了这种东西，只有踩过坑之后记下来的才行。

怎么做到的

知识蒸馏三步：经验变文档 → 向量化+RAG → 公众号交互

知识蒸馏分三步。

第一步：把”脑子里的东西”变成”可读的文档”。 每个策略写清楚逻辑说明 + 完整代码 + 踩坑记录 + 优化方向，每个踩坑记录写清楚场景 + 报错信息 + 解决方案。

第二步：向量化 + RAG。 文档喂进 PowerQuant RAG（powerquant.top），语义检索，不是关键词匹配。AI 能根据问题找到对应的文档块——你问”金字塔 R-Breaker”，它调出的是金字塔官方原版源码，而不是网上抄来的版本。

第三步：公众号作为交互层。 读者后台提问 → AI 调用 RAG → 生成回答 → 返回。不用装软件，不用配置，不用注册——有微信就能用。

这对我意味着什么

过去三年，我写了几十万字的量化笔记、策略代码、踩坑记录。这些内容散落在笔记软件、代码仓库、聊天记录里——它们是死的。除非读者恰好搜到我某一篇特定文章，否则这些知识用不上。

现在我把它们蒸馏进了一个可调用的知识库，通过公众号开放出去。

如果公众号是一间书房——过去读者只能进来翻书架上的书；现在书房里多了一个图书管理员，你知道什么，他能立刻给你什么。

每喂进去一份知识，公众号的 AI 就多一分能力。知识库会越变越聪明，因为它知道的东西越来越多。

你也可以这么做

这个思路不限量化。律师的案例库、医生的诊断思路、程序员的框架经验——只要能结构化，都能蒸馏成自己的 AI 分身。关键在于敢不敢把经验写成”别人能用的形式”，技术反而是次要的。

你已经踩过的坑，是别人还没踩到的坑。

现在可以做的

两种方式，选一个就行：

方式一：去公众号「听雨量化」后台，直接发消息。

方式二：点这个链接，网页直接聊——

https://yuanqi.tencent.com/webim/#/chat/cPZyZa?appid=2081986334331416832&experience=true

试试这些问题：

帮我写一个 TBQuant 的突破策略
金字塔的 R-Breaker 策略怎么写
PTrade 均线策略怎么写
TBQuant 事件驱动怎么用

没有安装步骤，没有配置，没有注册，没有收费——直接问。

如果你问了一个问题，AI 没答对，留言告诉我。我喂知识库，下次它就更准。试完告诉我感受。

🎁 听雨量化 · 服务推荐

代写 — TBQuant / 金字塔 / PTrade / QMT 等国内主流量化平台策略代写（趋势、套利、多因子、跨平台迁移）培训 — PowerQuant 7 天 AI 量化实战课 + RAG 量化知识库

公众号回复「培训」或「代写」获取详情