用 Claude Code 交易900+ 小时，我悟出的血泪教训

这是我在超1000小时的AI量化投研中，学到的所有东西。

学着用AI搞交易，最坑爹的一点在于：你犯的每一个错，都要拿大把的时间来买单。工作流没搞对，几个小时打水漂；提示词写得烂，一个下午就白干了；要是中途全盘推翻重来，那就是一整个礼拜白白浪费。这些坑，我全踩过。

下面是我真希望自己第一天上手时就能知道的全部干货，我把它们浓缩成了这篇短文。

一共六点。全是实操经验。且绝对不是你刚接触AI时能凭空想到的废话。

1.动手敲代码前，先想清楚你要什么

我见过大多数交易员，用一段话草草描述完自己的策略，就直接让AI去跑回测。然后AI甩出200行代码，一跑就报错，接着修Bug，接着报新的错。三个小时过去，连一次干干净净的回测都没跑通。

问题根本出在代码上。问题在于你没做规划。

在让AI写任何代码之前，你得先告诉Claude你的策略思路，然后让它反过来盘问你。别说“帮我写个回测”，你要说：“我想在标普500成分股上建一个均值回归系统。在咱们写哪怕一行代码之前，把你所有需要知道的细节，全给我问清楚。”

接下来它甩给你的，会是一份你压根还没考虑过的决策清单：

• 你的数据源是哪家？

• 看什么时间周期的K线？

• 入场信号到底怎么定义？

• 止盈止损怎么设置？是固定止损、时间止损，还是反转出场？

• 遇到财报日、停牌、跳空缺口，你怎么处理？

这里的每一个细节都关乎成败。在规划阶段敲定这些，几乎不花什么成本；但如果是在300行屎山代码堆完之后再来改，你得搭进去整个下午。

AI跑得很快。但如果你没有清晰的蓝图，跑得快反而是一场灾难。

2.用“语音输入”来写提示词

听起来像是一句废话，其实不然。

用键盘打出来的交易指令，通常都很简短。“给我搭个动量选股器”、“加个止损代码”。人在打字的时候，潜意识里是会自我删减的。你会把那些你觉得“理所当然”的上下文统统省略掉。

但当你大声把你的交易策略说出来时，奇妙的事情发生了。你会极其自然地补充各种细节。你会说：“……但前提是成交量必须大于平均水平，因为只有在那种情况下，交易信号才是真正干净有效的。”这种细节，你打字时是绝不会写进去的。

语音提示词通常比打字的长度长两到三倍，而且极其具体。AI收到的指令越清晰，写出来的代码就越贴近你的真实意图。

如果你是在家里弄这玩意儿，强烈建议你试一次。

3.用MCP服务器，把Claude直连实盘数据

很多交易员甚至都没听说过MCP（模型上下文协议）服务器。你可以把它简单理解为：给Claude插上一个连接外部数据源的USB接口。

在交易场景下，最实用的接口就是实时行情数据、券商API以及金融数据供应商。以后别再干“下载CSV、本地清洗、再复制粘贴给Claude”这种蠢事了。你直接把Claude指向数据源即可，它会把抓取数据作为整个工作流的一部分。

举个实战例子：接通你的券商API，然后直接下令：“去拉SPY（标普500 ETF）过去90天的价格数据，并把所有单日跌幅超过前一日收盘价1.5%的日子全给我标记出来。”

Claude会自动抓取数据、跑逻辑、并返回结果。没有繁琐的文件管理，不需要重新排版格式。

输进去的上下文越干净，吐出来的结果就越惊艳。就这么简单。

4.把AI当作一个“有过多动症的初级Quant

和Claude合作开发交易工具，最好用的心智模型就是：把它当成一个初级量化研究员。

它能力很强。干活飞快。能帮你造出你花一个礼拜也造不出来的轮子。

但如果你只给它一个模糊的需求，它就会开始瞎猜，而且还猜得贼自信。

如果你说“给我写个回测代码”，它会丢给你200行大概率和你的真实策略毫不相干的废纸。

但如果你这么说：

“写一个名为calculate_signals的Python函数。它需要接收一个包含[date, close, volume]（日期、收盘价、成交量）三列的DataFrame数据。当某只股票10日涨幅超过5%，且当日成交量达到它20日均量的1.5倍以上时，返回一个名为signal的布尔值列，值为True。其他什么乱七八糟的功能都别加。”

它绝对会给出完美契合你要求的代码。

你的工作不是去敲代码。你的工作是把指令卡得死死的，让AI只能在正确的道路上“瞎猜”。

5.给你的AI装上“永久记忆”

每次开启一个新对话，绝大多数交易员都要把所有的规矩重新立一遍。数据格式是什么、券商API怎么调、买卖信号的定义是什么、仓位管理的规矩又是啥。Claude每次都像是被清除了记忆，导致你每天开局的前15分钟都在帮它找回状态。

在你的项目文件夹里，建一个名为CLAUDE.md的文件。Claude每次开启新会话时，都会自动且优先读取这个文件。

把所有你需要反复强调的东西全扔进去：

• 你的数据格式（日线级别、开高低收格式、不需要复权调整）

• 你的券商配置（用Alpaca，仅限模拟盘交易）

• 你的进出场定义

• 你的风控铁律

• 你偏好的Python库

• 你的数据集中任何奇葩的格式问题

一次建好，随时补充。

有了这个文件，你的代码库会随着每次对话变得越来越聪明。到了第二个月，你连一个字都不用敲，Claude已经完全摸透了你的整个系统架构。这就叫复利工程（Compound engineering）——把复利思维应用到AI的上下文管理上。

总结

真正能用AI跑通自动化交易的人，并不是那些敲代码经验最丰富的人。

而是那些看透了本质的人：人类的任务，是通过前置规划、极其精确的指令、打通实盘数据上下文，以及建立一套能自我记忆的系统，来无限逼近并框死AI的“正确猜测”。

这篇阅读只需5分钟，但我背后实打实砸进去了900个小时。没有魔法，全是硬核经验;)