用一句大白话驱动一整套研究流程，实际是什么体验

你敲了一句话进去：「帮我看看某类均线策略在过去几年表现怎么样，跑个回测，把回撤和收益总结一下，出份报告。」

四十秒后，报告出来了。图、表、结论，齐活。

然后你干了一件很自然的事——你想核一下报告里的某个数字。比如那个最大回撤，是按什么口径算的？用的是哪个数据源的行情？除权那天的价格处理过没有？

你翻了翻聊天记录。往上滚，滚过一堆刷屏的日志，什么都没找着。那个数字就孤零零地待在报告里，前面没有出处，后面没有脚注。

这一刻你面对的，不是「AI 靠不靠谱」的问题，是一个更朴素的问题：这个东西，我怎么复核？

这篇讲的就是一个开源项目对这个问题给出的答案。它叫 Vibe-Trading，做的事情听上去很时髦——用日常语言驱动一整套投研流程。但真正值得你花时间看的，不是「能用大白话指挥它」这个卖点，而是它为了让这句大白话产生的结果能被复核，在设计上付出了什么代价。

那句话怎么说的，你已经在无数产品宣传里见过了。而愿意为「复核」多做几步的产品，很少。

先说人话：两种帮你办事的人

你委托一个朋友替你办一件麻烦事。比方说，你要给家里换一套东西，懒得跑，托他帮你比价、挑一家、定下来。

三天后他回来了。这里有两种回法。

第一种：他往沙发上一坐，说，跑了几家，就选那家吧，性价比最高。你问为什么，他说，反正我看下来就它合适。

第二种：他递给你一个牛皮纸袋。里面是他跑的每一家的原始报价单，日期都在上面；一张他自己手写的比较表，写着他按什么排序、每一项他给了多大权重；还有一张便签，上面列着三条他自己也拿不准的事——某家的售后条款他没看懂，某家的价格是限时的，另一家的现货他没亲眼见着。

这两个朋友花的时间可能一样多，结论甚至可能一模一样。 但它们对你的价值差着一个数量级。

差在哪？差在三件事上。

一是能复核。第二种给的结论你可以自己重看一遍，发现他把某一项的权重给高了，你能就这一项跟他掰扯，而不是笼统地怀疑他这个人。

二是能重来。半年后你要再换一批东西，第二种朋友的比较表你可以直接抄过来改。第一种朋友半年后自己都想不起来当时为什么选那家了。

三是不确定的地方被标了出来。第一种朋友心里其实也有那三条拿不准，但他没说——不是他想瞒你，是「结论」这个形式天然容不下含糊。你逼他给一句话，他就只能把含糊咽回去。

记住第三条。它在后面会变成整篇文章里最要命的那个点。

投资层：为什么在投研里，这个差别是生死线

换到你的投资上，第一种朋友有个更常见的名字：你自己上个月的判断。

你上个月买了点什么，当时你心里是有一套理由的。现在这笔亏了 12%。你回头想，为什么当时觉得它行来着？你想起了三条理由，但你不确定这三条是当时真的想过的，还是现在为了给自己一个交代临时凑的。

这就是「只留结论、不留过程」的代价，而且它不是记性问题。它导致三件具体的坏事。

第一，你没法归因。 赚了不知道为什么赚，亏了不知道为什么亏。一个不能归因的过程，跑一百次和跑一次的信息量是一样的——你什么都学不到。这件事在 业绩归因 里讲得更细。

第二，你分不清「市场变了」和「我换了口径」。 同一个想法你隔半年跑两遍，结果不一样。是这半年市场真的变了，还是你这次不小心换了一段时间区间、换了个数据源、把手续费假设从万三改成了万五？如果第一次的过程没留下来，这两种可能你永远区分不了。而这两件事该做的应对完全相反——一个该改想法，一个该改流程。

第三，也是最隐蔽的：你没法把 AI 的错误和你自己的错误分开。 一份 AI 出的报告，你照着做了，结果不好。到底是它把数取错了、算错了、还是它算得都对只是这个想法本来就不行？如果中间的东西一样都没留下，这三种情况在你眼里长得一模一样，你只会得出一个笼统的结论——「AI 做投研不靠谱」，或者更糟，「这次运气不好」。

一个 AI 给的结论，如果不能被拆开看，它的可信度不是「有点低」，而是根本没法评估。这跟它对不对无关。让 AI 说的话能被核实 那篇讲的是怎么核单个说法，这里讲的是更上一层：整个流程得先有能被核的东西，你才谈得上核。

系统层：把一句话横着切开，每段之间都留个东西

现在看这个项目怎么做。

它的官方文档里，开头位置有一句话，是整套设计的立论基础。大意是：目标不是取代你的判断，而是让每一个研究步骤都变得可运行、可翻查、容易重来——原文里那几个形容词是 "runnable, inspectable, and easy to repeat"。

这句话听着平淡，但它其实是在拒绝一样东西。它拒绝的正是这类产品最好卖的那个形态：你问一句，它答一句，中间发生了什么你别管。

它的做法是把「问一句答一句」这件事，横着切成几段。文档里把这条路径描述成一条大致固定的顺序：先把请求路由到该用的能力上，再去把需要的市场数据和文档拉齐，然后才是生成能跑的策略代码、调用工具、执行回测，接着是验证这一环——加指标、比基准、上蒙特卡洛和滚动前推这类检验——最后才是交付报告和各种可导出的东西。

关键不在于它切成了几段，而在于每两段之间都有一个你能拿在手上的东西。

这跟你想象中的「AI 一口气给你干完」是两种东西。一口气干完的那种，中间是一片黑箱；切成段的这种，中间是一串可以单独打开检查的物件。代价也在这儿：它更慢、更啰嗦，而且经常在中间某一步就停下来告诉你数据不够、条件不明确，让你觉得不如那种一句话就给答案的爽快。

这个代价是主动付的，不是没做好。

它最硬的三个取舍

取舍一：给每次运行留一张「出生证明」

它的回测跑完，除了那些图表，还会额外生成一张运行卡（run card）。

这张卡里记的东西，翻译成投资的语言，大概是这么几类：

• 这次跑的是什么：标的范围、起止时间、周期、初始资金、用了哪套引擎、数据从哪来。
• 两个指纹：一个是这次的全套配置算出来的指纹，一个是这段策略源码本身算出来的指纹。
• 结果：那些标量指标。
• 验证环节的产出：如果做了额外检验，检验结果单独挂在卡上。
• 警告：这次运行过程中系统自己发现的可疑之处，写进卡里。
• 产出清单：这次跑出来的文件都有哪些。

前面那两个指纹，是这张卡最值钱的部分，也最容易被当成技术细节滑过去。

指纹的作用是这样的：三个月后你翻出这次的结果，觉得挺好，想在新数据上再跑一遍。你手上现在的配置和策略代码，跟当时那次是不是同一份？靠记忆是答不了的——你中间改过七八次，每次都觉得是小改。有了指纹，这个问题变成一个可以当场比对的事实。

不一样就是不一样，没有「差不多」这个选项。 这一条，恰恰是绝大多数人自己做研究时最没有的东西。你翻出半年前的表格，第一反应永远是「应该是那版吧」。

那条「警告」也值得单说。系统在跑的过程中发现了什么不对劲——某段数据有缺口、某个假设可能不成立——这些提示跟着产物走，而不是在终端里刷过去两行就没了。这是一个很小的设计，但它对应的是投资里一个很老的毛病：风险提示总是在最容易被忽略的地方出现。把提示钉在产物上，它就没法被时间冲掉。

取舍二：凡是要求「可重复」的部分，从模型手里拿走

这一条是全篇最值得你记住的。

这个项目里有一个研究假设的登记簿——你冒出来的每个想法，可以被登记成一条记录，带着状态往前走。它的代码文件开头有一句自述，说这个登记簿是故意做小的：本地存文件、读出来是确定的、不依赖大模型、也不依赖任何实盘服务。

停下来想想这句话的分量。

这是一个通篇都在用大模型的项目。它的卖点就是大模型。但在「记住你想过什么」这件事上，它把模型排除在外了。

为什么？因为大模型天然给不了确定性。同一段输入问两次，它可能给你两个措辞不同、重点不同、甚至结论不同的回答。这个特性在「帮你想」的环节是优点——你要的就是它换个角度；但在「帮你记」的环节是灾难。一份三个月前的研究档案，如果每次打开长得都不一样，那它就不叫档案。

于是这个系统内部实际上有一条隐形的分界线：

• 需要灵活、需要联想、需要换角度的活，交给模型。
• 需要一字不差、需要每次一样、需要能当证据用的活，交给普通代码。

这条线怎么画，比模型用得多不多重要得多。 你以后评估任何一个 AI 工具，都可以拿这条线去量它：它有没有这条线？画在哪儿？如果一个工具连「你上次说过什么」都要靠模型去回忆，那它给你的任何一致性都是碰运气。

取舍三：一个想法是有状态的，不是一次性的问答

登记簿里的每条想法，带着一个状态。大意是这么几档：还在探索、正在测试、已经验证、已被否决、进入持续观察。（具体怎么命名以你手上版本的说明为准，这里说的是它体现的意思。）

这几档状态背后是一个很朴素但很少有人真做到的观念：一个投资想法不是「问一次、得一个答案、然后结束」，它是一个会在时间里移动的东西。

尤其注意「已被否决」这一档。被否决的想法留在册子里，不删。

这一条太反人性了，值得展开。人做研究的默认动作是：验证成功的留下来当经验，验证失败的悄悄扔掉。结果就是你的经验库里全是成功案例，你对自己判断力的印象被系统性地抬高了。而真正能让你进步的信息，恰恰在被你扔掉的那一堆里——你以为会有效但实际没有的那些想法，才是你认知偏差的分布图。

还有「持续观察」这一档也有意思。它承认了一件事：验证通过不等于永久有效。一个当时成立的规律，过几年可能就不成立了。把它放在观察态而不是完成态，等于在流程里预留了「它会失效」这个假设。这跟 策略为什么会失效 讲的是同一件事，只不过这里是把它固化成了一个状态位。

别把「可复现」当成「正确」

这套东西的价值真实存在，但它的边界也必须说清楚，否则就变成了另一种迷信。

可复现不等于正确。 指纹对得上，只说明你这次跑的和上次跑的是同一个东西。如果上次那个东西本身就错了——数据源有偏、假设不成立、想法根本不成立——那你现在能做的只是精确地重现同一个错误。这就像一台校准过的秤，它保证每次称同一袋米读数一样，但它不保证这袋米没发霉。

大白话降低的是操作门槛，不是判断门槛。 你不用学编程就能让它跑出一条曲线，这是真的。但那条曲线好不好、值不值得信，需要的判断力一点没少。这件事在 用大白话让 AI 写策略，它替你猜掉的正好是最要命的部分 里被拆得很细——那篇讲的是「你没说的部分它替你填了」，跟本篇是一枚硬币的两面：本篇讲这套系统怎么努力把「它替你填了什么」留下痕迹，那篇讲哪些痕迹哪怕留下来了你也看不懂。

步骤多了，人反而更容易只看最后一页。 这是个很真实的反效果。一份带完整过程的报告，比一句结论长十倍，绝大多数人的实际行为是直接翻到末尾。如果你是这么用的，那前面所有的可复核设计对你来说等于不存在——你付出了慢的代价，没拿到任何好处。相关的失真机制在 多个智能体一起干活，怎么不打架 里有更完整的讨论。

最后，涉及真钱的那一段要单独说。 这个项目本身把定位讲得很直白：它是给研究、模拟、回测用的；任何接触真实账户的能力都是你自己主动开启、通过你自己授权的券商通道走的，有你自己设的限额，随时可以叫停，而且它不托管任何资金，也不构成投资建议。这个边界是它自己划的，划得算清楚——关于这条边界具体怎么设计，本站另有一篇 一个 AI 交易项目的边界是怎么划的 专门讲。

这里只强调一句：一套流程做得再规整，也不改变自动交易本身的风险。 流程规整意味着你出的错更容易被查清楚，不意味着你更不容易出错。这两件事经常被混为一谈，而混淆的代价是真金白银的。

顺带说明：本篇读的是这个项目某个时间点的源码与文档快照，不是一次跑通的实际运行；它的迭代非常频繁，你现在看到的形态很可能和这里描述的有出入。所以本篇通篇讲的是设计思路，不涉及任何具体的安装与配置——那些东西的保质期以周计。

你能从这个标本上拿走的三个问题

就算你这辈子不装任何一个这类工具，下面这三个问题也能直接用在任何一份别人（或者 AI）给你的研究结论上。

第一问：这个结论能重跑吗？ 不能重跑的结论，本质上是一个观点，不是一个研究成果。观点也有价值，但你得知道你手上的是哪一种。

第二问：重跑一遍，我能确认用的是同一套输入吗？ 这就是指纹那件事的日常版。别人给你一份表格，你问一句「这用的是哪天更新的数据、什么口径」，如果对方要想一会儿才能答上来，那这份表格的可重复性大概是零。

第三问：它自己标出来的不确定，在哪儿？ 一份通篇没有任何「这里我不确定」的研究报告，不是因为它做得完美，是因为它把不确定藏了。你要主动去找那张便签。找不到，就自己动手补一张——把你觉得最没底的三条列出来，写在结论旁边。

这三问的共同点是：它们都不需要你懂技术，只需要你不接受「就这样，你信我」。

---

说到底，这篇讲的那个项目，最值得学的不是它能用大白话驱动，而是它选择了一条更慢的路：宁可让你多等一会儿、多看几页，也不给你一个干干净净、无从查起的答案。

一个能追着问的答案，哪怕是错的，也比一个查无对证的正确答案对你更有用。 因为错的那个你能改，查无对证的那个，你连从哪儿改都不知道。