从2月26日到4月14日，一个半月的技术折腾与真实收益复盘

一、缘起：一个国企人的量化梦

作为一个在国企朝九晚五的打工人，我一直有个“躺赚”的梦想。看着市面上各种量化交易、AI炒股的宣传，我心想：既然AI这么厉害，能不能让它帮我盯盘、分析、甚至自主决策？

2月26日，我正式踏上了这条“AI量化”的探索之路。目标很明确：搭建一个能实时盯盘、自主搜索策略、学习进化、模拟交易、每天复盘，并在发现好策略时及时通知我的智能系统。

理想很丰满：AI实时盯盘 → 自主搜索策略 → 学习进化 → 模拟交易 → 每日复盘 → 及时通知

二、折腾：腾讯云+飞书的“基建”之路

线上搭建OpenClaw，听起来简单，做起来却花了我不少功夫。最终选择了腾讯云+飞书的组合方案，整个过程可以说是“踩坑无数”。

2.1 模型选择：Minimax vs Kimi

一开始我尝试了Minimax，但很快发现问题：

• “思考不是很智能”——每次调用skills都有问题

• “对定时执行任务有矛盾”——经常出现调度混乱

后来切换到Kimi，情况确实好了不少。Kimi的思考深度和回答质量明显更胜一筹。但即便如此，“也经常出现各种错误”——这是原话，也是真实体验。

三、落差：AI只会“执行流程”

一个半月下来，我逐渐意识到一个残酷的事实：

OpenClaw能做的：根据你安排的时间节点，统计一下收益、亏损情况。OpenClaw做不到的：实时盯盘、自主搜索策略、自主学习、自主模拟交易、及时通知...

我原本期待的是一个“智能交易员”——能看懂市场、能学习进化、能主动决策。但实际得到的，更像是一个“定时报表生成器”——到点了统计数据，推送到飞书。

3.1 “执行流程” vs “领会精神”

这让我想到国企里常说的一句话：“要领会精神”。

什么意思呢？就是不仅要按要求做，还要理解背后的意图，根据实际情况灵活调整。但目前的AI，显然还停留在“执行流程”的阶段：

• 你让它每天15:00统计收益，它就15:00统计

• 你让它推送消息到飞书，它就推送

• 但你说“帮我盯盘，有异常告诉我”——它听不懂

“领会精神”需要的是理解意图、判断情境、灵活应变的能力。而“执行流程”只是机械地按照预设步骤操作。现在的AI，显然还跨不过这道鸿沟。

四、收益：一个半月的“成绩单”

说了这么多，来看看实际的收益情况吧。以下是我4月14日午盘收到的机器人推送：

【午盘数据】(2026-04-14 11:30)

【各ETF盈亏情况】(以2026年2月26日收盘价为成本)

★ 组合整体盈亏：约 +226.3元 ★

一个半月，盈利226.3元。这个数字，怎么说呢——如果是一个“智能交易员”，我可能会失望；但如果只是一个“定时报表生成器”，好像也还能接受？

五、反思：不如一个APP通知？

说实话，现在的体验，“感觉就跟一般的APP通知一样，但是又不如一般的APP通知那么及时，因为错误很多”。

券商APP的推送，虽然功能简单，但至少稳定、及时、不出错。而我折腾了一个半月的AI量化系统，却经常遇到：

• 定时任务没触发

• 数据获取失败

• 消息推送延迟

• 各种莫名其妙的报错

这让我开始思考：我想要的到底是什么？

六、结语：AI量化的“最后一公里”

回顾这一个半月的折腾，我最大的收获不是那226.3元的收益，而是对AI能力边界的更清晰认知。

目前的AI Agent技术，确实还处在“执行流程”的阶段。它能很好地完成你明确告诉它的任务，但很难“领会精神”、理解你的真实意图、并根据情境灵活应变。

或许，真正的“AI量化交易”，还需要等待技术的进一步突破。在那之前，我们还是要靠自己的大脑——以及券商APP的推送通知。

最后，给同样想尝试的朋友一个建议：如果你只是想定时看看收益，券商APP就够了；如果你真的想搞AI量化，先想清楚——你想要的是一个“执行者”，还是一个“思考者”？