QuantDinger:把 AI 写策略、回测和实盘塞进同一个量化平台

你不是先打开 ChatGPT 写思路，再切到本地 IDE 改 Python，然后跑一个回测脚本，最后再去接交易机器人。

它想把这几步放在同一个界面里。

这事对做量化研究的人来说，挺容易有感觉。

很多时候，真正耗人的不是策略本身多复杂，而是工具链太碎。一个窗口看行情，一个窗口问 AI，一个目录里堆着策略代码，回测结果又在另一个地方。等你改了两轮参数，前面那版想法已经忘得差不多了。

QuantDinger 的设定就是从这里切进去的。

它是一个开源、自部署的 AI 量化交易平台。仓库里把它叫做 “Private AI Quant Operating System”，主要覆盖 AI 市场分析、Python 策略生成、回测、实盘执行、组合监控和告警这些环节

我更在意的不是“AI 量化”这几个字。

现在什么工具都能接 AI，单独搞一个聊天框并不稀奇。QuantDinger 有意思的地方是，它把 AI 放在策略工作流里面。

比如你先用自然语言描述一个交易想法，让 AI 生成 Python 指标或者策略代码。代码不是生成完就结束，而是可以继续改，继续跑回测，再把回测结果拿回来做复盘和调整。仓库里也提到，它支持 backtest outputs feed into AI-generated suggestions，用来辅助参数和风险假设的迭代。

这个链路比较像真实研究状态。

想法通常不是一次成型的。

先写一个粗糙版本，跑一下，发现信号太密，或者胜率看起来还行但回撤不舒服，再回来改。以前这些动作散在不同工具里，QuantDinger 试图把它们串成一个闭环。

它支持的市场也不只加密货币。

项目说明里写到，覆盖 crypto spot and derivatives，美股通过 IBKR，外汇通过 MT5。也就是说，它不是只做一个交易所接口外面套个 AI 壳，而是想往多市场研究台的方向走。

当然，这也会带来另一个问题：东西多了，平台就容易变重。

我翻到架构部分时，大概能看出来它不是一个轻量脚本项目。前端是 Vue，经 Nginx 提供服务；后端是 Flask API 和 Python services；状态、用户、策略、历史记录放在 PostgreSQL；Redis 负责 worker 和运行协调。部署方式走 Docker Compose。

这类设计适合的不是“我就想随手跑个网格机器人”的人。

更像是你想搭一个自己的研究和执行环境：策略代码、交易 API 密钥、分析历史、运行日志都放在自己控制的基础设施里。QuantDinger 也明确强调 self-hosted 和 local-first，凭证、策略代码、市场工作流、运营数据都由自己掌控。

还有一个细节我没想到。

它不只是单用户工具，还塞进了多用户、角色、会员、积分、后台管理、USDT 支付、Telegram / Email / SMS / Discord / Webhook 通知这些东西。

这会让它看起来有点“过满”。

但换个角度，如果是小团队、工作室，或者有人想做一个私有化的量化研究平台，这些运营层能力就不是多余的。开源量化项目里，很多会把策略和回测讲得很细，到了用户、权限、通知、部署健康检查这些地方就断掉。

QuantDinger 补的是后半段。

我不会把它理解成一个拿来就能赚钱的 AI 交易神器。量化里最贵的部分，永远不是让 AI 写出一段 Python，而是数据质量、假设边界、风控、执行滑点，以及你愿不愿意反复验证一个策略为什么会失效。

但把“想法—代码—回测—复盘—执行”放进一个可自部署的平台里，这件事本身是有吸引力的。

尤其是对那些已经被一堆脚本、表格、机器人和聊天窗口折腾过的人。

GitHub地址：brokermr810/QuantDinger