从一个跑得通的 demo 到真能用，差的是什么

周六晚上你花了三个小时，把一个开源的 AI 投研项目跑起来了。填好接口密钥，敲下示例命令，屏幕上一行行滚过去：它自己去拉了行情、读了几份公告、调了个回测、最后吐出一份结构完整的报告。那一刻的感觉很上头——原来这事儿这么快就能成。

三周之后你打开那个目录，发现自己已经好几天没敢碰它了。前天它跑到一半卡住，日志里有一串你看不懂的报错；昨天它给出的报告里，有个数字明显不对，但你翻不出来那个数是哪一步来的；今天你想再跑一次，发现某个数据接口改了返回格式。

中间发生了什么？什么都没发生。这就是 demo 和「能持续用」之间的全部距离。

这一节讲的就是这段距离。它不好看，没有任何一部分是「新范式」，但它决定了你三个月后手里是一个在干活的东西，还是一个荒废的文件夹。

先说人话：做一顿饭和开一家餐馆

你在家给朋友做过一顿很成功的菜。食材是下午刚买的、最新鲜的那批；灶台是干净的；你有整整两小时，不赶时间；做糊了大不了重来一次，朋友还得夸你。

现在把这件事变成开一家小馆子。

食材要天天有，而且供货商可能今天涨价、明天断货、后天送来一箱不新鲜的。你得在客人点单前就发现那箱不新鲜的，而不是在客人吃到之后。灶台会坏，坏在中午十二点。账要能查——三个月后有人问「上周三那道菜用的哪批肉」，你得答得出来。成本要算清楚，不然生意越好亏得越多。还有最要紧的一条：你得随时能喊停，火大了、菜错了、客人过敏了，得有一个立刻能按下去的开关。

做一顿饭考验的是厨艺，开馆子考验的是厨艺之外的全部东西。

跑通一个 demo 和让一套 AI 流程真的融进你的投资习惯，是同一种关系。demo 考验的是模型聪不聪明，持续可用考验的是聪明之外的全部东西。

对你的投资意味着什么：demo 活在静止的一天里

具体到投资场景，这个差距有个很明确的形状。

你跑 demo 那天，世界是静止的。数据接口那天是好的，你用的那几个标的那天都在正常交易，没有停牌、没有除权、没有临时公告，你有耐心盯着它跑完，出了错你在旁边手动兜住了。

而你真要用它，用的是连续的每一天。周一有个标的停牌了，接口返回一个空表；周三你要跟踪的那家公司分红除权，历史价格整体往下平移了一截，前后的数据接不上；周五你人在开会，它自己跑，跑挂了没人知道，你以为它给你盯着，其实它三天前就已经死了。

最危险的不是它停了，是它在你不知道的情况下继续输出。 数据源挂掉之后返回一张空表，模型不会因为表是空的就闭嘴——它会用记忆里的东西把缺口补上，然后照样给你一份格式漂亮的报告。这个失败模式和 让大模型直接做交易决策，这条路现在走到哪了 里讲的幻觉是同一个根，但在持续运行的场景里它更毒：一次性使用你还会警惕，天天用你就不看了。

下面五件事，就是把「静止的一天」撑成「连续的每一天」所必须补上的。

一、数据要持续可得，而且得是干净的

先说供货。

任何一个认真做过持续运行的项目，数据这一层都不会只接一个源。Vibe-Trading 的行情加载器写成了一个注册表加回退链：几十个数据源各自注册进去，按市场组织成一条链，前一个取不到就自动往后退。这个设计不是为了炫技，是被现实逼的——免费接口会限流、会改字段、会某天早上就不响应了。

比数据取不到更麻烦的，是数据取到了但不对。除权除息之后的价格要不要复权、停牌那几天的价格怎么填、财报数据在什么时点才算「当时能看见」——这些坑在传统量化里已经被反复讲过，一样原样落在 AI 流程上。你可以顺着 回测好看实盘亏，差的到底是哪三件事 里讲的那几类数据陷阱回去看，那里面没有一条会因为换成 AI 就消失。

还有一层是 demo 阶段完全感受不到的：数据的新鲜度会随时间偷偷腐烂。项目里那个负责往提示词里塞真实行情的模块自己就交代了这一点——它只在任务启动时抓一次快照，跑得久了这份快照就旧了。跑十分钟没问题，跑一整天就有问题。你的 demo 只跑了十分钟。

二、故障要能恢复，但恢复绝不等于重试

程序会崩，这不新鲜。让交易场景特殊的，是崩溃之后不能想当然地重来一次——为什么「自动重连然后继续」是个足以否掉一整套方案的答案、恢复模块该被限成什么样，把下单权交给 AI 之前，先问自己这几个问题 已经整理成一份可以拿去质问方案的清单，这一节不重复态度，只补持续运行这一侧的三块机制：崩在半路会留下什么、你怎么知道它还活着、发现它死了之后该按什么顺序动。

先说崩在半路留下什么，因为后面两块都是冲着这个来的。

一次下单从你的程序发出，到你确认它落定，中间要跨过好几道你控制不了的边界：网络、券商的接单系统、交易所。如果进程正好死在这段路上，事后你打开自己的记录，看到的只会是一条有开头没结尾的痕迹，而它背后至少对应三种完全不同的现实：请求根本没发出去；发出去了、券商已经受理，但回执没能传回来；回执其实收到了，只是还没来得及写进自己的存档。

关键在于，这三种在程序自己的记录里长得一模一样。你翻遍本地文件也分不出来，因为区别不在你这边——它在券商那边。这一条直接决定了恢复流程的第一个动作是什么：不是读自己的存档接着往下跑，是去问券商现在到底是什么状况。 凡是从自己记录出发做恢复的设计，第一步就已经建在一个分不清的前提上了。

再说判活。一个只跑一次的脚本不需要这个东西——你就坐在旁边看着它跑完。一个天天跑的进程需要，而且不能靠「我想起来了就去翻翻日志」，因为你想起来的那一刻通常已经是三天以后。

项目里的做法是心跳：每个持续运行的进程按固定节拍往一个约定位置写一次当前时间戳，写的动作挂在主循环里，循环转一圈就跳一下。外面的检测方只做一件极简单的事——把文件里那个时间戳跟现在比一比，超过阈值没更新，就判定这个进程死了（阈值有默认值，可配置）。

这个设计朴素得几乎有点土，但它的好处正在土里：判定方完全不需要理解被判定方在干什么。 它不用知道进程是卡在模型没返回、还是卡在券商接口超时、还是整台机器睡过去了——这三种情况在外面看是同一个现象：那个数字不往前走了。而对「该不该叫人」这个问题来说，它们本来就该是同一个答案。反过来，如果你的检测逻辑要去理解「它现在跑到哪一步、正不正常」，那这套检测本身就成了一个会出错、会跟着一起挂掉的东西。

真正值得琢磨的是下一步：检测到死亡之后，它只报告，不重启。

这跟一般的服务运维完全相反。普通后台服务挂了，进程守护会立刻把它拉起来，拉起来就算恢复了，甚至没人会收到通知。交易场景不能这么干，理由是一条硬规则：对账没做完之前，不许拉起新进程。

这句话的分量值得展开。进程死掉那一刻，外部世界的状态是不确定的——市场上可能还挂着单，持仓可能已经跟程序记录的不一样了。这时候一个新进程被自动拉起来，它会从自己的存档里读出一个「我认为的状态」，然后基于这个状态继续做决策。如果这份存档和券商那边的实际情况对不上，新进程做的每一个决策都建在一个错的前提上。而它不会报错，它会跑得很顺，日志一片正常。

自动重启把一次干净的故障，变成了一串建立在错误前提上的正常操作。 前者你一眼能看见，后者你可能几周之后才从对不上的账里发现，而那时候中间已经堆了几十个动作，你连从哪一笔开始错的都要查半天。这就是为什么在这件事上，「它挂了没人管」反而是比「它自己好了」更安全的状态。

所以顺序被固定成这样，而且中间没有一步是程序可以自己跳过的：心跳发现死亡 → 报警给人 → 把程序侧的账和券商侧的实际持仓、挂单逐条对齐 → 对齐了、或者对不上的部分被人明确处理掉了，才允许重新拉起。

对个人用户，这一整套可以缩得非常小，但顺序不能改。你的「心跳」可以就是让流程每跑完一轮往一个文本文件里追加一行时间；你的「检测」可以就是每天早上瞟一眼那个文件最后一行是不是昨天的；你的「对账」可以就是打开券商 App 看一眼持仓和挂单，跟你记录里的对一对。工具有多简陋不重要，重要的是你有没有把「先对账、再重启」变成一个不需要犹豫的习惯——看见程序挂了顺手重跑一次，是这件事上最贵的一个手滑。

三、留痕：一本必须活得比日志久的账

该拿什么标准去验一套留痕算不算数，把下单权交给 AI 之前，先问自己这几个问题 里有现成的判据。这一节讲的是另一半：这本账在工程上是怎么存的，为什么它不能跟运行日志混在一起。

先说为什么要分开。运行日志的设计目的是排查故障，所以它天生是可以被丢弃的——写得很密、涨得很快，于是要按大小滚动、按天数清理，跑上两个月，两个月前的那一行早就被覆盖掉了。而涉及真钱的记录恰恰是越老越值钱：你要查的往往正是几个月前那一笔。两种东西对「保留多久」的要求正好相反，混在一起就意味着按前者的规矩淘汰后者。

所以认真的做法是给后者单开一本账，而且这本账是只追加、不修改的——没有任何一条路径可以改写或删除已经写下的记录。这个限制看着别扭，用意很直接：一份能被改的记录，在需要它作证的时候不作数。

Vibe-Trading 就是这么做的。哪些动作要进这本账，它列得很宽：下了单、被闸门拦下、授权被提交、触发了越界、开关被按下或解除——凡是跟真钱沾边的状态变化都算，不只是「成功下单」那一类。

具体到怎么写，有两个细节值得单独说，也是你自己留档时最容易漏的两处。

一个是授权链。每条记录里都带着两个引用：这次动作是在哪一份授权下发生的，而那份授权又来自用户在界面上的哪一次点击。两者一串，就能从「这笔操作」一路回溯到「是我本人在某个时刻亲手同意的」。这条链是整套问责机制的骨架。

另一个是脱敏。券商接口的请求和返回里会夹着令牌、账号这类东西，所以每条记录在写进任何地方之前，先过一遍清洗，把敏感字段替换掉。写完再想起来擦是来不及的——日志一旦落盘就到处都是了。

对个人用户，这一条可以做得很轻，但不能不做。 哪怕只是每次运行留一个文件夹，把当时用到的原始数据快照、提示词、模型的完整输出各存一份，就已经比绝大多数人强了。判断标准很简单：三个月后你能不能只靠这个文件夹，把当时那个决定完整重建出来。 重建不出来，那份报告就只是当时的一种情绪，不是资产。

四、成本：会自己长大的那部分开销

跑 demo 的成本感知是失真的，因为你只跑了一次。

真跑起来之后，有一笔开销会自己往上长。AI 每次思考时能看见的那段材料叫上下文——你可以理解成它的短期记忆，有容量上限，而且你放进去的东西越多，这一次调用就越贵。一个多步骤的流程里，前面每一步的输出都会累进这段记忆，然后在后面每一步被重新读一遍。步骤越多，滚得越厚，费用不是线性涨的。

所以你会看到项目里有个专门用来「压缩对话历史」的工具，让模型在觉得上下文太长时主动把前面的内容摘要掉，腾出空间。这是个很朴素但必要的设计。

除了钱，还有两笔容易被忽略的成本：时间（一个跑二十分钟的流程，你一天能跑几次？）和你自己的注意力（每份输出都需要你核对关键数字，输出越多你越核不过来，最后就变成不核了，那才是真危险）。什么活值得用最贵的模型、什么活便宜的就够，是可以逐环节拆开算的，什么活值得用最贵的模型 那一节专门讲这笔账。

这里只说一个判断：如果一套流程的运行成本高到让你不舍得重跑，它就已经不可用了。 因为投研的价值恰恰来自反复跑、反复对照，一次性的昂贵输出，你连它稳不稳定都验不了。

五、人要能随时把手伸进去

最后一条，也是唯一一条没有商量余地的。前面四节讲的都是程序侧该有什么，这一节换个视角，讲你本人这一侧：假设现在就出事了，你要怎么在三秒之内把它按停，以及停完之后手上还剩什么没收拾。

程序那一侧的急停该做成什么样——为什么它必须是一个跟模型状态无关的开关、连读坏了也得按「已停止」算——从一句话到一张委托单 里已经拆开讲过，把下单权交给 AI 之前，先问自己这几个问题 则把它整理成了质问别人方案时的判断标准。这一节不碰实现，只谈你本人这一侧，因为再好的开关也得有人按得到。

你现在打开手机，最快能在几秒内让你那套东西停下来？ 请真的在脑子里走一遍，别停在「应该可以吧」。常见的答案经不起走这一遍：

• 「我去把终端窗口关掉。」——前提是你人在那台电脑前。你在外面呢？它跑在云主机上呢？
• 「我登上去把进程杀掉。」——你手忙脚乱的时候，记得住地址、记得住密钥放哪儿吗？中间但凡卡一步，三秒就变成三十分钟。
• 「我给它设了阈值，到了会自己停。」——那是它替你判断，跟「你能不能叫停」是两回事。它出问题的时候，那个阈值往往就长在出问题的那套判断里。

所以正确的做法是在没出事的时候，先给自己备一条真能在三秒内按下去的路，而且它必须是不需要现场思考的：一条存在便签里可以直接粘贴的命令、一个放在桌面上双击就跑的脚本、一个手机上点一下就执行的快捷方式。判断标准只有一个——这条路能不能在你慌乱、在半夜、在你手上只有手机的情况下执行完。 任何需要你临场回忆什么的方案，都不算数。顺手再补一句：这条路你得每隔一阵子真的按一次试试，一个从没被按过的开关等于没有开关。

还有一层多数人没想过：「停」其实有三个档，你得知道自己按的是哪一档。 最轻的一档是让它别再产生新动作，程序还活着，你随时能看它的状态，代价最小；中间一档是把整个进程结束掉，好处是彻底，坏处是它手上那些没跑完的东西连同状态一起消失，你事后要靠外部记录重建；最重的一档是去券商那边把权限本身关掉或者把钱划走，这一档不需要你的程序配合任何事，也是唯一在「你的电脑压根打不开」时还能用的一档。平时把这三档按从轻到重排一遍、各写下具体怎么执行，出事那一刻你就不用一边慌一边挑了——慌乱的时候人不做选择题，只做已经排好序的动作。

然后是更容易被跳过的后半段：停完之后，你手上还剩什么没收拾？

按下停止那一刻，你停掉的只是「继续产生新动作」这一件事。别的东西一样都没消失：

• 挂在市场上还没成交的委托。 你按下的那个停止跟它们没关系，它们照样可能在下一秒成交。
• 已经持有的仓位。 停止不等于清仓，行情该怎么走还怎么走。
• 一堆状态不明的中间结果。 最后那一轮跑到哪儿了？有没有哪个动作正好卡在发出去和收到回执之间？
• 你自己的判断。 你刚刚到底是因为什么按的停？这个理由三小时之后你还说得清吗？

对个人用户，这四样各对应一个动作，值得提前写成一张纸条贴在手边。一、去券商 App 里亲眼确认挂单列表是空的——别信你自己程序的显示，它已经不可信了你才按的停。二、看一眼当前持仓，再决定留着还是手动处理——注意手动平仓本身也是一次交易决定，别在刚受惊的状态里做。三、把日志和当时的界面原样存一份，不要一边排查一边改文件，你会把现场毁掉。四、马上把「为什么停」写下来，三句话就够，这是事后你唯一靠得住的现场记录。

「能停下来」和「停完之后知道自己在哪儿」，是两种不同的能力，而多数人只准备了第一种。

落到你自己的流程上：六件今天就能补的事

上面五件事讲的是机制该长什么样，这一节把它们翻成你这周就能动手补的东西。注意这不是一份用来审别人的问卷——要不要把权限交出去、该拿什么标准去质问一套自动交易方案，是 把下单权交给 AI 之前，先问自己这几个问题 的活儿，这里只管你自己那套已经在跑的流程怎么从 demo 变成能用的东西。

• 给数据加三行检查。 每次拿到数据先看最新一条是哪天、总共几条、有没有空值，任一项不对就终止。写起来十分钟，能挡掉后面九成的莫名其妙。
• 给数据备一条退路。 你现在依赖的那个接口，如果明天早上不响应了，你有没有第二个能取到同样东西的地方？没有的话，先花半小时找出来记下来，不用现在就接。
• 让流程自己报个到。 每跑完一轮往一个文本文件追加一行时间，早上瞟一眼最后一行是不是昨天的。这是最省事的心跳。
• 把「先对账、再重跑」变成肌肉记忆。 看见它挂了，第一个动作永远是对一遍账，不是重启。
• 每次运行留一个文件夹。 原始数据快照、你问的问题、模型的完整输出、你最后的判断，各存一份。判断标准是三个月后能不能只靠它重建当时的决定。
• 给自己备一条三秒能按下去的停止路径，并且真的按过一次。

这六件事有个共同的特点：它们全都不需要你写多少代码，也全都不会让你的流程变聪明一点。 它们只决定三个月后你手上是一个还在干活的东西，还是一个荒废的文件夹。

算笔账：投研和自动交易，性价比差在哪

这一节收口，说一个我认为很重要、但很少被明说的判断：对个人投资者，把 AI 用在投研上的性价比，远远高于用在自动交易上。

理由有四条，都跟聪不聪明无关。

第一，失败的代价完全不同。 读错材料你损失半小时，下错单你损失的是不可撤销的真钱——同样一个错误率，两边后果差着量级。这一条为什么足以否掉「我先小仓位试试」之类的自我说服，把下单权交给 AI 之前，先问自己这几个问题 里推得更完整。

第二，上面那五件事的负担完全不同。 用在投研上，你是坐在屏幕前主动发起的——数据错了你当场看得见，跑挂了你重跑一次就是，成本花在明处，随时可以关掉。用在自动交易上，你签下的是一份「无人值守、连续运行、涉及真钱」的责任，前面五条一条都不能省。同样一个模型，放在两个位置上，工程负担差着一整个量级。

第三，投研的产出会积累，交易的产出会归零。 这一条我觉得是四条里最被低估的，值得说到具体。

「积累」不是一句鸡汤，它有实物形态。你把 AI 用在投研上认真做三个月，手上会沉下来三样看得见的东西：

• 一份固定动作清单。 看一家公司先看什么后看什么、财报出来先核哪三个数、管理层的承诺记在哪儿、下一期怎么回头对。这份清单一开始是 AI 帮你整理出来的，用过几轮之后它就长到你自己身上了——换个标的照样能用，哪天不用 AI，你也比三个月前强。
• 一个留存文件夹。 每次研究把原始材料、你问的问题、模型的完整输出、你最后的判断各存一份。半年后回头翻，你能看见自己在哪些地方判断错了、错的是同一种模式还是各不相同。这东西市面上买不到，因为它只关于你一个人。
• 一份可复用的核查表。 哪些数字模型最容易搞错、哪类说法必须回原文核、哪个数据源在什么情况下不能信。这份表是你踩过的坑结晶出来的，而且它会越用越短，因为坑会被你一个个堵掉。

这三样的共同点是：它们不依赖任何一个模型、任何一段行情、任何一套策略继续有效。 换模型它们还在，行情变了它们还在，你换个市场它们大部分还能用。

自动交易那一侧的产出是什么？一条净值曲线。策略失效那天，曲线归零，你手上什么都没留下——更麻烦的是你连它当初为什么有效、现在为什么不行都说不清，因为那部分知识从来没进过你的脑子，它在参数里。而策略会失效这件事本身没有悬念，模型衰减 那篇讲得很清楚。

第四，投研这一侧，是模型真正的优势区。 它擅长的是处理已经存在的大量文字，不擅长的是生成还不存在的未来。让它去读一百份公告帮你挑出值得细看的五份，是顺着它的能力用；让它去判断明天涨跌然后自己按按钮，是逆着它的能力用。

所以更划算的路径其实是往回走一步：与其花三个月把一个能自动下单的东西做稳，不如花三个月把自己的研究流程固定下来。做投研，别让 AI 一个提示词问到底 那一节讲的分角色办法，一分钱工程都不用做，今天就能开始用，而且用坏了最大的损失是浪费一个下午。

决定权留在你手上这件事，不是因为技术还不成熟，将来就能交出去。它本来就不该交出去。 上面那些开源项目里最讲究的那几处设计——不可重试、失败朝安全倒、授权链可回溯、急停不依赖模型配合——全都是在反复确认同一件事：机器负责把材料准备好，人负责拍板。

小结

• demo 和「能持续用」之间隔着五件不性感的事：数据持续可得且干净、故障能恢复、结果可审计、成本可控、人能随时接管。它们和模型聪不聪明毫无关系。
• 持续运行时最危险的不是程序停了，是它在数据已经坏掉的情况下继续输出——模型不会因为拿到空表就闭嘴。
• 崩在半路留下的是一条有开头没结尾的痕迹，它背后至少三种现实（没发出去／已受理但回执丢了／收到了没写下），在自己的记录里长得一模一样，所以恢复的第一动作是问券商，不是读存档接着跑。
• 持续运行要靠心跳判活：进程按节拍写时间戳，外面只比时间戳、不理解它在干什么。而发现死亡之后的正确动作是只报告、不自动重启——对账没做完就拉起新进程，等于让一串「正常操作」全建在错误的前提上，比一次干净的宕机难查得多。
• 可审计的判断标准只有一句：三个月后你能不能只靠留存的文件，把当时那个决定完整重建出来。重建不出来，那就不是资产。
• 你个人这一侧要提前备好一条三秒内按得下去的路，把「停」按轻重排成三档（只停新动作／结束进程／去券商关权限），并且清楚停完还剩挂单、持仓、状态不明的中间结果、以及「为什么停」这四样没收拾。
• 对个人投资者，AI 用在投研上性价比远高于用在自动交易上：失败代价小、工程负担小、成果能积累、而且正好落在模型的优势区。

一句话记住这篇：能做出一顿好菜，和能天天开门做生意，是两码事；而对绝大多数人来说，真正划算的是把菜谱练熟，不是急着开店。

本文所述机制均来自上述源码快照的阅读，是对代码与文档的说明，不是运行结果，也不构成任何工具推荐。本文不提供自动交易方案，不评价任何方法的盈利能力。回 量化与 AI 投研概念库 看各个概念在说什么；本站内容为投资教育，不构成任何投资建议。