夜雨聆风我做过一次实验：把量化研究拆成 5 轮对话 + 一份可自动执行的 plan.md，人只定标的、因子逻辑和验收标准，其余交给 AI 写代码、跑回测、做检查。
自动执行那一段，机器跑了大约 22 分钟（6 个阶段、6 次 git commit，中间有 7 次它自己发现并改掉的实现问题——前视偏差、止损逻辑之类，另一篇文章里按条写过）。这 22 分钟不包括你前期想清楚策略、写 CLAUDE.md / plan 的时间；我这边对话定方向大概还要 10–15 分钟。
若按我以前的节奏，从零拉数据、写因子、回测、风控、调参到能看的报告，一个人通常要 1–2 周（复杂一点才会拖到 3–4 周）；这次我没有手写实现代码，但仓库里照样有成百上千行 Python，只是作者换成了 AI。回测做过一次专门挑前视偏差的内审，纸面结果、未实盘——审计前后差异详见《Sharpe 1.74 是假的：22 分钟 AI 量化》。
这套流程能重复，靠的不是运气，而是把 AI 摆在对的位置：它不是替你思考策略的"军师"，是替你写代码的"分析师"。你做决策，它做执行。
整套 SOP 的骨架长这样：
下面拆解这套 SOP，从核心比喻、三个文件的角色分工，到 5 轮对话每一轮该说什么，再到两个最容易踩的坑。
一、你是研究总监，AI 是分析师
把 AI 当军师让它帮你"找一个 Sharpe 大于 2 的策略"，结果只会是一个挖了过拟合数据的垃圾。Alpha 来自人对市场的理解，不是来自 AI 在历史数据里搜索。
更合适的比喻是：你是研究总监，AI 是分析师。
总监的活：
分析师的活：
总监花 10-15 分钟对话定方向，分析师花 22 分钟全自动执行，7 次自修正，0 次人工干预。这是一次完整的分工。
为什么要这么分？因为这两类工作的核心能力差太远了。
研究总监要做的，是判断"什么是好策略"——动量突破在科技股上历史有效、4 层 AND 过滤能压住假信号、追踪止损比固定止损更适合趋势策略。这套判断来自市场认知和经验，AI 没有，而且短期内也学不会。
分析师要做的，是把判断翻译成代码——拉数据、算指标、跑回测、扣成本、做参数扫描。这是确定性工作，规则清晰、有标准答案、能自动验证。AI 在这里是降维打击。
颠倒一下会怎么样？让 AI 当总监，你当分析师——AI 拍脑袋说"我建议你做截面因子策略，配 RSI 和 MACD"，你照着写代码。半个月写完跑出来，赚不赚钱看运气，因为没人为这个策略的内在逻辑负责。
我第一次让 AI 跑量化的时候，它把止损价用了"当天最低价"——而当天最低点是收盘后才能知道的，这就是经典的前视偏差。光这一个 bug 就能让 Sharpe 虚高 70%。5 轮对话不是噱头，是被这种坑教训出来的。
你不需要会写 Python，只需要知道：好策略长什么样、如何系统地找到它。
二、三个文件 = 三个角色
5 轮对话沉淀下来的不是聊天记录，是三份持久化的项目文件。它们是 AI 的外部记忆系统，下次唤醒能精确恢复上下文。
把这三个文件想成一个工地的三种文档：
• CLAUDE.md 是项目宪法——告诉所有人这个工地不许偷工减料 • plan.md 是施工图纸——告诉施工队第几天该砌墙、第几天该浇梁 • progress.md 是工地日报——记录今天砌到哪、出了什么状况、明天接着干
这是全文最重要的一节，因为只要这三个文件分得清，5 轮对话就只是水到渠成的填空题。
为什么不直接靠对话历史？因为长对话会被截断，记忆会漂移。三个文件就是 AI 的外部硬盘——重启一次，加载一次，状态完全恢复。
CLAUDE.md：项目宪法
宪法定边界，不定步骤。它告诉 AI："你能做什么、不能做什么、做到什么程度算成功"。
# CLAUDE.md - Project Constitution## Project Overview- Universe: 15 US tech stocks- Strategy: CTA momentum breakout## Tech Stack- Python 3.12 / uv / pytest## Acceptance Criteria- Sharpe > 0.8 after cost- MaxDD < 30%## Forbidden- 严禁使用未来数据（lookahead bias）- 每个 Phase 必须 git commit宪法的关键组成：项目边界（标的/数据/频率）、技术约束（Python/uv/pytest）、验收标准（Sharpe/DD/交易数）、协作规则（每 Phase commit）、禁忌事项（禁用未来数据）。
没有 CLAUDE.md，AI 会自由发挥——参数漂移、依赖混乱、跑出来的结果下次复现不了。有 CLAUDE.md，AI 每次执行前先读规范，行为一致。
plan.md：施工图纸
宪法说"不能偷工减料"，图纸说"先打地基、再砌墙、最后封顶"。plan.md 把研究拆成 6 个 Phase，每个 Phase 只做一件事，前一步是后一步的输入：
P0 数据获取 → P1 因子实现 → P2 向量化粗筛→ P3 bar-by-bar 精细 → P4 仓位优化 → P5 鲁棒性检验施工图纸的设计原则：
1. 渐进式：每 Phase 单一职责，不混搭 2. 可回溯：每 Phase 完 commit，出问题能 reset 重跑 3. 自验证：AI 自动比对验收标准，不达标自动修正 4. 可中断：任何 Phase 都能暂停，下次断点续传
图纸越详细，返工越少。
progress.md：工地日报
施工队边干边记。progress.md 不是 AI 写给你看的，是 AI 写给"下一次的自己"看的。
Phase 3 完成v5: Sharpe 1.23, MaxDD 44.89%（仓位等权，未优化）v6: Sharpe 1.04, MaxDD 27.08%（C3 波动率加权）踩坑：止损价用了当天最低价，已修复为预设止损线当前最优参数：MA50, ATR×3, T+15它记录当前 Phase、踩过的坑、最优参数、中间结果。等你回头看回测演变史，progress.md 就是完整的审计日志。
这套"宪法 + 图纸 + 日报"的组合，是 Harness Engineering 的核心实践——用结构化外部文件替代会被截断的对话记忆。
三、5 轮对话拆解
知道了三个文件的角色，5 轮对话就是按顺序把它们填出来。
第 1 轮：定项目宪法（输出 CLAUDE.md）
你给一段约束，AI 写出 CLAUDE.md。
你的输入大概长这样：
项目: 一个实验性的量化项目标的: AMD,AMZN,AVGO,GOOGL,IBM,INTC, LSCC,MSFT,NVDA,NXPI,QCOM,TSLA,TSM,BIDU,CSCO策略类型: CTA momentum breakout数据源: futu-api daily OHLCV因子逻辑: 4-layer AND entry验收: Sharpe > 0.8, MaxDD < 30%工具链: Python 3.12 + uv + pytestAI 接过这些约束，扩写成完整的 CLAUDE.md，包括项目边界、验收标准、禁忌事项、协作规则。这一轮的关键是把"什么算成功"写死，后面 AI 自己评判达没达标，就靠这条标尺。
经验：验收门槛一定要写具体数字，不要写"表现要好"。我吃过一次亏——只写了"Sharpe 高一点"，AI 默认 Sharpe > 1.5 才算达标，跑出来不达标就反复加规则、套滤镜，最后做出一个明显过拟合的版本。改成 "Sharpe > 0.8" 之后，第一轮就能跑出干净的策略，其余时间都用在审计和优化上。
第 2 轮：固化因子池（输出 factors.md）
你不需要会写 Python，只要把因子讲清楚——大白话、数学公式、伪代码都行：
因子 1：收盘价连续 5 日站上 MA50，确认中期趋势
因子 2：当日 High 突破过去 63 日最高价，3 个月新高
因子 3：成交量大于 20 日均量的 1.2 倍，确认资金参与
因子 4：当日涨幅大于 ATR14 × SMA3，波动突破
描述越清晰，AI 产出质量越高。AI 接到这些描述会做三件事：判断歧义（如果有，反过来追问你）、补充工程细节（warmup、NaN 处理）、生成单元测试。
输出是一份 factors.md 注册表：
### Factor_01_MA50_Standdesc: 收盘价连续 5 日站上 MA50impl: factors/ma50_stand.pytest: ✓ unit_test passed### Factor_02_3M_Highdesc: 当日 High 突破 63 日最高impl: factors/high_3m.pytest: ✓ unit_test passed这一轮的核心理念：你提供金融逻辑，AI 负责工程实现。专业壁垒在你对市场的理解，不在你会不会写 Python。
实战提醒：因子描述里的"模糊表达"要主动消除。比如"放量"——多少倍算放？"突破"——突破谁？"持续向上"——多少天算持续？这些含糊的词在你的脑子里有默认值，但在 AI 那里没有。第二轮的输入越精确，第二轮就越短；输入糊弄过去，AI 写出来的因子和你想的就是两回事，等到 Phase 5 才发现就晚了。
第 3 轮：对齐计划（7 个决策点）
这是最关键的一轮。AI 列出它理解的执行计划，你逐项 approve 或 modify，形成"执行合同"。
| modify：追加成本压力测试 |
7 项确认 ≈ 2 分钟阅读 + 一条"approved with D7 modification"消息。
为什么必须要这一轮？因为 AI 跑偏的代价是返工 22 分钟。先对齐 2 分钟，等于给后面的全自动执行上一道保险。
我自己最容易在这一轮发现 AI 理解偏差——比如它把"3 个月新高"理解成了"过去 90 自然日"，我会改成"过去 63 个交易日"。或者它默认了向量化回测就够了，我会要求加上 bar-by-bar 精细验证。这种细节对齐，越早做越省事。
D7 那个 modify 标记是个真实例子。AI 第一版给的验收门槛只有"Sharpe + MaxDD + Trades"三条，我加了一条"成本压力测试必须过基准成本一档"——后来事实证明这一条救了命，因为初版策略在零成本下 Sharpe 1.14，加完佣金滑点掉到 1.04，再往上一档就只有 0.96 了。如果验收门槛里没有这条，AI 跑完会自信地报"达标"，但实际上策略对成本相当敏感。
第 4 轮：固化 plan.md（6 阶段路线图）
7 个决策点 approve 完，AI 把它们编织成一份 plan.md——6 个 Phase 的执行路线图：
总计 22 分钟，0 人工干预，7 次自修正。
plan.md 审批通过后，AI 不再问你"我下一步该做什么"——它有图纸了。
这一轮要看 AI 写出来的 plan.md，重点检查三件事：每个 Phase 的输出物是否具体可验收（比如"产出净值曲线 PNG"而不是"完成精细回测"）、Phase 之间的依赖是否正确（P3 必须在 P2 之后）、回退方案是否清晰（某个 Phase 失败了怎么办）。
第 5 轮：发执行 Prompt（你的最后一条消息）
最后一条消息约 500 字，规则细到 AI 想跑偏都没空间：
请按 plan.md 从 Phase 0 开始执行，规则：1. 每个 Phase 完成后 git commit（commit message 含 Phase 编号）2. 每个因子必须有 pytest 单元测试3. 回测扣减佣金 5bp + 滑点 3bp4. 不得使用未来数据（strict no-lookahead）5. Phase 3 必须实现追踪止损：highest - 3×ATR(14)6. Phase 5 跑 5 项鲁棒性测试： - 参数网格（MA30-70 × ATR2-5） - 期间拆分（3 段） - 成本压力（0/基准/中等/高） - 滑点敏感度（0-10bp） - 持仓天数扰动（T+10/15/20）最终验收：Sharpe（基准成本）> 0.8 且 MaxDD < 30%发送出去。AI 立即开始 Phase 0，22 分钟自动执行，逐 Phase commit，遇错自动修正。你要做的，就是等 22 分钟，回来看完整的 Python 项目和 HTML 报告。
Prompt 写得越具体，AI 返工越少——这就是为什么前 4 轮要把约束写清楚。
四、避坑：两个最常见的误解
跑完几次以后我发现，新手翻车的姿势惊人地一致，永远是这两个。
误解 1："AI 帮我找 alpha"
错误姿势：「帮我找一个 Sharpe 大于 2 的策略」。
AI 收到这个 Prompt 会怎么干？它不会拒绝，它会过度拟合历史数据，挖出一个 Sharpe 3.0 的"纸面策略"。你拿去实盘跑，第一周就爆亏。
正确姿势：你定逻辑（动量突破 + 4 层过滤），AI 负责实现 + 验证 + 优化参数。Alpha 来自你对市场的认知，不是 AI 在数据里的搜索。
把 AI 当军师，它会把你带沟里。把 AI 当分析师，它能帮你节省 99% 的实现成本。
这是一个特别反直觉的点：AI 越强，越要克制对它的"信任范围"。你越愿意让它替你想策略，它就越乐意拿历史数据反向工程一个看上去漂亮的答案给你。这不是 AI 在骗你，是它的优化目标和你的真实目标错位了——它在追求"在你给的数据上表现好"，你在追求"在未来的市场里能赚钱"。
误解 2："回测好 = 能赚钱"
我第一版跑出来的策略，Sharpe 1.74、年化 54.66%，看上去封神。审计完之后剩多少？Sharpe 1.04，年化 31.82%——直接砍掉 40%。
为什么差这么多？因为 v1 里藏着两个看不见的 bug：
1. 未来数据泄漏：止损用了当天最低价，等同于先看了答案再答题 2. 执行差异：向量化回测的"理想成交"和 bar-by-bar 的"真实成交"对不上 3. 成本缺失：佣金和滑点没扣干净，高换手策略虚高严重
第一版生成完立刻审计，不要等到觉得"差不多了"再审。审计后掉到 1.04 才是真实表现，没有审计的回测等于自欺欺人。
更重要的是养成一个反射：看到漂亮的回测结果，第一反应不是"我赚了"，是"哪里出了 bug"。Sharpe 1.74 在日频策略里已经是优秀级别的数字，能轻松跑出这种结果，大概率是回测引擎里偷偷开了"上帝视角"。养成这个反射，比多写 100 行代码都管用。
黄金法则
你负责"策略逻辑是否合理"，AI 负责"代码实现是否正确"。
两者不能互相替代——即使 AI 写的代码完美，策略逻辑错了照样亏钱。
每跑完一轮，你的审查清单就 6 条：
1. 策略逻辑是否符合我的市场认知？ 2. 入场/出场规则是否清晰无歧义？ 3. 参数范围是否符合常识？ 4. 有无使用未来数据的风险？ 5. 成本假设是否接近真实？ 6. 样本外表现是否稳定？
全过 → 讨论实盘。有疑问 → 追加对话修正。逻辑错 → 回第 3 轮重来。
写在最后
5 轮对话 + 22 分钟，跑出 Sharpe 1.04 的策略，听上去很酷。但这套 SOP 真正的价值不是"快"，是"分工"。
你把时间花在该花的地方——想清楚要做什么、好策略长什么样、不能踩什么坑——而不是在 pandas 文档里翻 rolling().apply() 的用法。AI 把它擅长的事做好——读规范、按图纸、自我修正、commit 历史——而不是替你想策略逻辑。
这套 SOP 的可复用性也不错。换标的：把 CLAUDE.md 里的 universe 列表改一下；换策略类型：把因子描述改一下；换市场：换数据源 SDK。骨架不动，5 轮对话的节奏不变。第一次跑要 30 分钟磨合，第二次跑可能 15 分钟就能搞定。
更深一层的价值是它给"AI Agent 协作"提供了一个具体可见的范式：宪法管边界、图纸管步骤、日报管状态、对话管对齐。这套范式不止用在量化，写代码、写文章、做调研、做 RPA，都能套——你只要想清楚"什么是宪法、什么是图纸、什么是日报"，剩下的就是把对话拆成 5 轮往里填。
下一篇会讲这 22 分钟里到底发生了什么：7 次自修正每次修了什么、回测审计怎么砍掉 40% 的 Sharpe、5 项鲁棒性检验跑出来什么、最后是怎么决定能不能上实盘的。预告一句：审计完的 Sharpe 才是真表现，没审计前的 1.74 是幻觉。
