ARTICLE · 1017970
我让 AI 搭量化系统,它先给我画了张目录
我让 AI 搭量化系统,它先给我画了张目录我让 AI 搭量化系统，它先给我画了张目录 
我盯着输入框里那行字看了几秒，手指停在回车键上，没急着发。那是我第一次认真跟 AI 聊量化，背景是我一个写 Linux 和中间件十年的运维，对选股这事儿基本是白纸。我要的不是一段能跑的策略代码，是一张能把整件事装下的目录，加上每一层之间怎么对话。 我第一句话要的是目录，不是策略 为什么说目录，不先说策略。干运维的都明白一个理：接口和边界先定，里面怎么填，后面可以慢慢换。策略会变，今天用涨停板五维评分，下个月可能换成均线交叉，但"数据进来、因子算完、信号转指令、回测验过、风控卡一道、再出报告"这条主干不会变。AI 很擅长按你给的边界填实现，边界得你画。我见过太多 AI 一上来就吐几百行能跑的代码，跑通那一刻很爽，过两个月想改个打分逻辑，发现它把取数和策略揉在一起，牵一发动全身。第一句话给的是策略，它大概率给你一坨能跑但半年后没人敢动的代码；给的是分层和接口，它给你一套骨架，里面空着的地方明明白白写着"这里该填什么"。这种契约先行的做法，跟我们上线前先定配置格式、再写处理逻辑是一个路数。说直白点，就是先约定"你给我什么格式、我吐什么格式"，两边的代码才不会因为一方改了字段就一起炸。 （我当时没想这么细，只是本能觉得先别让它写业务逻辑。） 落下来是这五层 那张目录实际落地的样子，是五层。 为什么是五层，不是塞进一个脚本。干运维的看系统，最怕一处改了别处跟着炸。把取数和策略分开，哪天 akshare 限频凶了，我只动数据层或者切到 mootdx，选股那套逻辑一个字不用碰；把回测和执行分开，实盘通道没下来之前，回测照跑，不影响前面选股。分层不是为好看，是给以后留改动的空间，哪一层要换，关掉那一层的门就行。 数据层我让它接 akshare 和本地通达信（mootdx），落盘用 Parquet，查询走 DuckDB，复权在清洗阶段做一次，做早了，后面因子算出来的收益率才不会被分红送转带歪。这一层是地基，我花力气把接口卡死，因为上面的策略、回测全都假定"喂进来的日线长一个样"。策略层只放纯 pandas 写的因子和评分，刻意不碰任何会联网的东西。回测层把成交假设钉死：T+1 开盘撮合、双边各 15bp 手续费、涨跌停那天剔除。执行层我先要模拟盘（本地按协议撮合的那套），实盘通道留着；日常真正要买要卖，我走的是券商App自带的模拟炒股，单子落在模拟账户上，全流程不碰真钱。风控层埋事前规则和告警出口。报告层专门交代了一句红涨绿跌，A 股惯例，不交代 AI 会按欧美习惯给你绿涨红跌。 入口就一条命令 run_pipeline.py 一共 349 行，把数据、选股、回测、风控、委托、报告、告警七件事串成一条命令： 参数我一个一个跟它磨过。--date 默认 auto，取最近交易日；--top 控制候选数量；--history-days 我最中意，设 0 就跳过回测，只跑当日选股，调试时省一大截时间；--min-score 是评分门槛；--paper 跑模拟盘撮合；--push 推钉钉或 Server 酱；--workers 并发取数线程数，代理环境下我一般压到 2，开高了 akshare 的连接会被掐；--no-cache 强制重拉。一条命令管住整条链路，比"打开三个 notebook 各点一遍"稳当得多，这也是运维的惯用法，能脚本化的别手点。 把整条链路收进一条命令，对我这种人意义不只是省事。上机器前先在本地跑通，确认每一层都正常出数，我才敢信它吐出来的选股结果；哪天结果不对，我能沿着这一条命令的日志一级级往回查，而不是对着三四个散着的脚本猜哪里炸了。出事怎么止损也清楚：参数写错顶多是当天选不出股，不会像手点那样漏一步还浑然不觉。 调参数这事儿也一样。数据源限频就缩 --workers，要重跑就 --no-cache，都是一行的事，不用重新排一整套流程。平时调因子我就用 --history-days 0 只跑当日选股，几分钟看一遍输出对不对，再开回测，迭代不用每次都等历史重算。真要出问题，日志会先告诉我卡在哪一环，是取数被限频，还是回测里某只票复权没对上，翻 logs/{YYYYMMDD}.log 一目了然，不用去翻代码猜。 换数据源，只改一行配置 数据源切换是个更硬的证据。我在 data/datasource/factory.py 里让它写了个 build_data_source(cfg)，按配置里的一行 source 切四类实现：akshare（免费主源，独家有涨停池接口）、mootdx（本地通达信，快但不含涨停池）、composite（日线走通达信、涨停池走 akshare）、pandadata（账号还没下来）。切换只改配置一行，上面取数、选股、回测的调用代码一行都不用动。这就是接口抽象落地的样子：上层只认 get_daily / get_pool 这几个方法，底下换成谁无所谓。这事儿看着普通，但真到要换数据源的那天，你省下的是把取数、选股、回测三处调用全改一遍的功夫，那个改动最容易漏。 （我印象里通达信本地数据快，但缺涨停池，所以 composite 是折中。） 签名先定，实现后补 最硬的证据在 pandadata_ds.py。那时候 PandaData 的账号还在券商流程里，这条我没验过，具体哪天能接我不清楚，但我要求它先把这一层的三个方法签名写出来： 注释里写着"账号就绪后把 TODO 换成真实 SDK 调用"。签名先定，实现后补，这就是我第一句话要求它的直接产物。它没因为实现没写就卡住整条链路，因为上层调的是接口，不是具体数据源。等账号真下来，我只填里面的实现，调用方一行都不用改，这也正是先定接口省下的后续功夫。 几条琐碎但要命的约定 基类那层还有几条约定我也逼它写死：DAILY_COLUMNS 和 POOL_COLUMNS 把列名定下来，所有数据源出来的表都对得上；normalize_code 把 sh600000、600000.XSHG 这类前后缀统一成 6 位纯数字；standardize_board 把市场归一成 SH/SZ/BJ。这些东西单看琐碎，缺了上层就会各写各的，后面接数据对接对到怀疑人生。举个实际的，akshare 给的是 sh600000，mootdx 给的是 600000，不归一成 6 位纯数字，选股和回测两边对不上号，选出来的票回测里找不到，查半天才知道是代码格式在打架。 报告层我让它零第三方依赖，权益曲线用手写 SVG 画。技术因子那块也刻意用纯 pandas 实现 MA、MACD、RSI、ATR、BOLL、量能、动量，死活不装 talib，Windows 上编译那玩意儿是另一场噩梦，我可不想在装依赖上耗一个下午。这两处"不装"都是有意的：依赖越少，这台 Windows 机器上能跑的概率越高，真要挪到别的机器跑也少一道编译坎。 目录定太细的代价 写这段时我犹豫过一件要不要在文章里摊开的事。目录定得太细有个真实副作用：strategy/factors/technical.py 那个技术因子文件确实写好了，但选股主链路根本没 import 它。我是翻 selection 主文件时才发现 technical 从来没被引用，那个因子文件孤零零躺在 factors 目录里，import 列表里一个字没有。框架先铺了一圈，链路没接上。这不是编的漂亮话，是我这套"先定目录"做法会真实发生的坑，你把骨架画得越满，越容易先交出一堆看着齐整、其实没通电的房间。我现在的做法是反过来逼自己：每层建好当天，就让它在这条 run_pipeline.py 里被真正调到一次，跑不通就别往下写，宁可贵一点时间，也不攒一堆"文件在、没人用"的摆设。这一条我现在每天开工前都过一遍，看有没有建了没接的层。 落到磁盘上的东西 落到磁盘上的规模是实在的：182 个 parquet 文件，168 个日线、14 个涨停池快照，日线那批加起来 2.2MB，池子 256KB。产出物我让它固定六类：reports/report_{date}.html 是可视化日报，早上打开就能看昨天的选股和回测；reports/plan_{date}.csv 是次日委托计划，直接给执行层用；out/ptrade/DRYRUN_orders_{date}_pending.csv 是 PTrade 格式的待发单，现在还是模拟，权限下来能直接喂；两个 parquet 是落盘数据，复用时不重复拉；logs/{YYYYMMDD}.log 是全链路日志，哪层慢了、哪只票被风控拦了，翻它最准。有回 akshare 限频，我就是靠日志里那一串超时把 --workers 从 4 调到 2 的，没它我只能瞎猜。L4 那条实盘通道得等券商开通交易权限，走的是券商那边的流程，我催不动，所以现在执行层是模拟盘先跑着，权限下来再接 PTrade。权限没批的这段日子我要练手，就拿着系统出的计划去券商模拟炒股里下单，账户是模拟的，输赢也是模拟的，所以后面那些数字你当研究看就行，别当战绩。 下一步我想把 technical 那几个因子接进评分，再拿回测看看加权方式合不合理。这套骨架最大的好处是，因子换了不用动别的层，跑一遍 run_pipeline.py 就能看到新结果落在日报第几行。technical 那块我还在接，接上了我另写一篇。你要是手头有现成的纯 pandas 因子库，或者更顺的分层接法，在评论区留一句，我照着试。
data/ 取数 → Parquet 落盘 + DuckDB 查询 → 清洗复权strategy/ 纯 pandas 技术因子 + 涨停板五维评分 + 信号转指令backtest/ T+1 开盘成交 / 双边 15bp / 涨跌停剔除 + 绩效评估execution/ 模拟盘先行 + PTrade 通道（等券商权限）+ 订单生命周期risk/ 事前风控 + 全链路日志 + 钉钉/Server酱告警python run_pipeline.py --date 20260909 --top 20 --history-days 20def get_daily(self, code, start, end): raise NotImplementedError("PandaData 数据源待账号就绪后接入")def get_pool(self, date): raise NotImplementedError("PandaData 数据源待账号就绪后接入")