夜雨聆风
用 Claude Code · Kronos 大模型 · QMT 实盘 跑通的一套自主交易代理
· · · · · ·
▎ "如果有一台机器, 可以 7×24 小时不睡觉, 看完所有 K 线、所有新闻, 然后还会反思自己的错误—— 你会让它替你交易吗?"
我让它做了。从一行命令都不会写,到跑出一套真实买卖股票的 24 小时自主代理,只用了几个晚上。
这篇文章把整套思路、架构、踩坑全部摊开。 后半段是吸引力,前半段是干货,先看图。
一 / 这套系统到底在干什么
一句话: 让 AI 持续监控市场, 自己决定买什么、卖什么、什么时候止损, 并且每一笔交易做完都会反思一次。
它由四大核心组件构成:
• Claude Code —— 大脑级开发助手, 全程负责写代码、调 API、出策略;
• Kronos —— 一款专门为 K 线设计的开源金融基础模型, 1.02 亿参数;
• QMT (迅投) —— 国内主流券商接入的 Python 量化交易终端, 真正下单的人;
• DeepSeek —— 反思引擎, 平仓、止损、回撤之后, 它扮演一位"基金经理"复盘错在哪里。
它们之间的关系长这样:
图 1 · 系统架构总览。Claude Code 是真正写代码 / 改策略的人, QuantAgent 是 24 小时跑在服务器上的守护进程。
这张图最关键的一点: 每个模块都通过 HTTP / SSH / SQL 解耦。 这意味着:
换一个预测模型? 改 60 行代码。 换一个交易终端? 改 80 行代码。 整个系统的成本在增量上是线性的, 不是指数的。
二 / 真正会预测的, 是 Kronos
很多人提到"AI 量化", 想到的是 LSTM、随机森林、XGBoost。 在 2026 年, 这些都已经过时了。
真正的范式是 —— 把 K 线当成"金融语言", 用 Transformer 训练一个"金融语言模型"。 给它看过去 400 根 K 线, 让它"续写"未来 5 根。 这就是 Kronos 干的事。
图 2 · Kronos 用 Decoder-Only Transformer 把 K 线当语言来预测。 蒙特卡洛采样 3 次取均, 得到一条带置信带的预测曲线。
我用的是它的 base 版本: 1.02 亿参数, 在一张 RTX 3090 上推理一只股票大约 2 秒。
当某只股票未来 5 天的预测涨幅 ≥ 阈值, 它就会被推入"候选池"。 这只是入门券, 真正能不能买, 还要过 AI 风控审查。
三 / 没有止损的策略, 是没有刹车的赛车
我见过太多人, 模型预测得再准, 一笔失控的亏损能把半年盈利全部抹掉。 所以系统里写了三层止损, 任一触发立刻执行, 不解释。
图 3 · 三层止损系统。 硬止损是底线, 追踪止盈是利润保护伞, 时间止损是给"温水煮青蛙"行情的解药。
这三层规则不是我拍脑袋写的, 而是把常年亏损的散户最容易踩的三个坑反过来写成代码:
一、不舍得砍仓 → 硬止损强制执行;
二、贪心不知足 → 追踪止盈锁住高水位;
三、被套到忘了 → 时间止损叫 AI 来重新审一次。
四 / 它不是炒股 ── 它是数学
整套系统看起来像 AI 在"猜涨跌", 但拆开看, 真正决定胜负的是几个 100 多年前就被人写出来的公式:
图 4 · 系统里硬编码的四个核心公式。 任何一个参数的微调都会被记录到 strategy_params 表, 后续可以回测。
凯利公式告诉你"该下多大注", 夏普比率告诉你"这套策略到底好不好", 仓位公式控制单笔风险, 追踪止盈公式锁住已实现的优势。
— 没有这些, AI 只是在赌博。 有了这些, AI 才是在管理风险。
五 / 它真的有效吗?
我把这套系统在模拟盘上挂了起来, 让它自主决策, 自主下单, 完全不干涉。 这是它跑出来的真实成绩单:
图 5 · 区间真实收益率。 系统全程自主运行, 无人工干预。 数据为模拟盘真实成交结果, 不构成投资建议。
几个我自己最在意的细节:
• 21 个定时任务, 全部跑通, 没有一个挂掉;
• 累积反思入库 19 条, 系统自己写下了 19 条经验教训;
• 仅仅 ¥10,000 的自主交易预算 —— 我故意把锅做小, 是为了观察它在小钱上是否能自洽;
• 全程没有一笔"凭感觉"的交易, 每一笔买入背后都至少有: 模型预测 + 新闻分数 + AI 风控 + 仓位计算 四道闸。
▎ 收益不是用来炫耀的, 它只是证明: 一个由代码和数学构成的"非人脑", 在 A 股这种被认为"无效"的市场里, 也能稳定地、可重复地, 赚到一点点钱。
六 / 我学到的三件事
1. AI 的能力边界, 是你给它的上下文边界。
Kronos 不知道明天有什么大新闻, 所以你必须把舆情数据塞进它的决策回路。 只用模型, 不用上下文, 必败。
2. 写代码的不是程序员, 是 Claude Code。
我从头到尾没有手写过一行 Python。 所有 API 接口、数据库表、止损逻辑、调度任务, 全部是用自然语言"说"出来的。 这不是夸张, 是这套系统能在几天内跑起来的根本原因。
3. 反思系统是赚钱的复利引擎。
每一笔失败的交易, 系统都会让 DeepSeek 写下"为什么错"。 这些"教训"被永久存进数据库, 下次遇到类似情况会自动注入到决策提示里。 它会越亏越聪明。
七 / 这套东西能复刻吗
能。 而且不难。
我把整套架构、每一行核心代码、Tushare 接入方式、Kronos 加载流程、QMT 远控配置, 全部写成了一份独立的技术教程。 没有任何隐藏环节。
如果你也想让 AI 替你盯盘 —— 不管是 A 股、美股、还是加密货币 —— 这份教程都能让你少走 3 个月弯路。
文末附赠完整技术文档, 包含:
• 完整的 21 个文件目录结构;
• Tushare API 全部高频接口的调用范例;
• Kronos 模型从 HuggingFace 下载到 GPU 推理的完整命令;
• QMT SSH 远控的配置 + 真实下单代码;
• 8 张 SQLite 数据表的完整 schema;
• 21 个定时任务的源代码;
• 三层止损系统的完整实现;
• AI 反思引擎的 5 个触发点 + 完整 Prompt 模板;
• 一份 5 步快速上手指南。
· · · · · ·
愿你不再熬夜盯盘, 让 AI 替你失眠。
—— END ——
本文所有数据为模拟盘真实运行结果, 仅作技术分享, 不构成任何投资建议。 市场有风险, 入市需谨慎。
教程尽在👇👇
