AI 量化交易：它让你把形容词换成数字，但没告诉你数字准不准

2026-11-04silcano

微信读书《AI量化交易：零代码打造你的专属金融智能体》· 三章已读：破局 / 提示词进阶 / 智能体架构
逐页翻阅 112 屏 · 2026-11-04
说明：这次读得不全。截图停在第 112 屏、第 3 章 3.3.4 节中间，实战篇（第 4 章及以后）没有覆盖到，所以本文只评前三章，不冒充全书评论。我逐页核对了这些位置：开篇对"硅基合伙人"的定义、ROS/RASCEF 两个框架与"个股闪崩诊断"案例、权重提示词一节与 0.9/0.5 那组权重、老王"智能决策罗盘"的六步与三条禁令、动态资产再平衡智能体的五个 Phase、K 线形态识别的 Workflow、首席分析师智能体的三类工具。以下判断只在这个范围内成立。

先给结论：这本书真正值钱的话只有一句，藏在 2.2 节开头——"把模糊的意图变成可量化的参数"。前面两百多屏的所有框架、模板、案例，都是这一句的展开；而这一句本身，也被作者自己用错了地方。

它举的例子很妙：过去你是在饭店点菜，用语言描述你想吃的味道；现在你是自己当大厨，精确控制盐放几克、辣椒放几颗、火候调到几度。然后它说，在金融这种对精度、一致性、风险控制要求极高的领域，"这种从语言到参数的革命，就是你从散户思维进阶到机构思维的关键映射"。

这个类比是对的，但它只在"执行"这一层对。到了"判断"这一层，它就不成立了——因为盐放几克是可以量的，一只股票该不该买是量不出来的。这本书最大的贡献，和最大的漏洞，都长在这同一句话上。

一、它先立了一个正确的靶子：你根本没在提问

第一章立论，起手就把问题摆得很准：金融领域长期存在两大痛点，信息过载和情绪波动，而且这两个痛点"困扰着从机构专家到普通散户的每一位市场参与者"。

然后它给 AI 金融智能体下了定义。这一段我原样抄下来，因为定义下得比很多同类书干净：

它不是简单的聊天机器人，也不是传统意义上的交易软件，而是一个能够理解你的投资理念、执行你的交易策略，并且不断进行学习和优化的智能系统。它就像是一位不知疲倦的交易员、一位全能的研发分析师，以及一位时刻保持冷静的风控总监——所有这些角色的集合体。

注意这三个角色的排序：交易员、分析师、风控总监。前两个是"帮你赚"，第三个是"帮你别死"。绝大多数 AI 炒股的内容，只讲前两个。这本书至少在定义里把第三个摆上了桌——虽然它后面几乎没再提过风控总监具体干什么，这是后话。

接着第 2 章开始打靶。它说第一代提示词的毛病是"你还在跟 AI 瞎聊天"，然后给了两个经典框架：ROS 和 RASCEF。

ROS 是 Role / Objective / Steps，RASCEF 是 Role / Action / Steps / Context / Example / Format。两个都是任务流导向，后者"更啰嗦一点儿"，把步骤和例子都框进去了。

真正让我停下来的，是它配的那个案例——快速诊断个股闪崩原因。这个案例的写法，比框架本身有用得多：

Role：你是一位事件驱动型交易员，专门捕捉"黑天鹅"事件带来的交易机会。
Objective：诊断目标股票闪崩原因。
Steps：
1. 查询该公司当日公告。
2. 抓取社交媒体上的突发新闻和舆情。
3. 分析同行业其他股票的表现。
4. 检查融资融券数据异动情况。
5. 综合以上信息，给出最可能的原因推断。

这五步，是一份排查清单，不是一句提示词。它的价值全部在"查什么"上，不在"怎么问"上。你可以用任何框架包装它，结果都一样好；你也可以不用任何框架，只把这五步列出来，结果也一样好。

这就是我读这本书的第一个判断：那些被命名为 ROS、RASCEF、CRISPE 的框架，本质上都是同一件事——逼你把隐含的检查项写出来。框架本身不产生知识，它只是防你自己偷懒。作者大概知道这一点，所以他在举例时把五步写得特别具体（当日公告、社媒舆情、同业表现、融资融券），而不是写成"收集相关信息"。

差别在哪？"收集相关信息"是一句正确但没用的话；"检查融资融券数据异动"是一条能执行的动作。框架救不了空话，只有清单能。这一节是全书最有教学价值的地方，恰恰因为它没在讲框架。

二、权重提示词：它把偏好做成了旋钮，这是全书最原创的一招

到了 2.2 节，书开始进入自己的地盘。它把提示词分成两代：第一代是"你在描述它该是什么样"，第二代是"你直接给它调旋钮、设刻度"。

权重的定义很简单：告诉 AI 在思考这个问题时，哪个因素更重要，重要到什么程度，用 0 和 1 之间的小数表示，越接近 1 权重越大。

然后它给了一个真实参数表（这不是我编的，是书里的原文示例）：

- 市场噪声免疫力（Noise Immunity）：0.9（完全忽视短期新闻、分析师评级、股价涨跌等）。
- 情感共鸣（Empathy）：0.5（愿意理解企业文化和管理层，但不被情怀绑架）。

看到这两个数字，我第一反应是"这也能调？"，第二反应是"这确实该调"。

因为它解决的是一个真问题：大模型的默认人格，是"让你满意"，不是"让你正确"。书里这段说得很直接，我抄下来：

因为大模型被训练出来，天生就有一种讨好人类的倾向。你问它问题，它总想给你一个满意、善意且充满希望的答案。这在日常闲聊中是优点，但在金融决策里就是灾难。

接着它给了个很狠的对照：你想让它像浑水公司那样去挑刺、做空找机会，它可能会因为怕你生气，给你来一个……（页面在此截断）

这句没说完的话，其实是全书的核心矛盾。一个天生想让你高兴的模型，被派去做一件必须让你不高兴的事——告诉你这笔仓位错了。权重提示词就是那个"逼它别哄你"的装置：把噪声免疫力拉到 0.9，等于告诉它"我不需要你安慰我，短期涨跌和评级我都不听"。

这个思路是对的，而且比"请你扮演一个严格的分析师"这种话高明得多。为什么？因为"严格"是个形容词，没法验收；0.9 是个数字，可以被复现、被对比、被推翻。形容词进不了工程，数字才进得去。

但这里就埋下了全书最大的问题，我先记着，留到第六节算账。

三、护城河那一段，是它唯一一次真的在讲投资

2.2 节后半段给了一个完整的估值智能体模板。Context 里先设定了边界：假设处在 2025 年，无风险利率约 3.5%，然后要填目标公司名称，以及"可接受的最大买入 PE 区间（例如 15～20 倍）"。

Workflow 只有三步，但三步都问在了点上：

1. 商业模式解码：用一句话说清楚这家公司到底靠什么赚钱的，这种模式 10 年后会变得更好还是更差。
2. 护城河评估：识别并评估其护城河的宽度（竞争对手复制的难度）和深度（抵御行业变革的能力）。
3. 财务健康体检：关注自由现金流是否持续为正，ROE 是否稳定高于 15%，有息负债率……

这三步放在任何一本正经的投资书里都站得住。尤其第二步那个拆分——宽度是"对手能不能抄"，深度是"行业变了你还剩什么"——这个区分比很多畅销投资书讲得清楚。护城河这个词被用烂了，但很少有人把它拆成两个方向：横向的复制难度，纵向的时代耐受度。一家公司的护城河可以很宽但很浅（比如某些靠牌照和渠道的生意，抄不了，但技术一变就归零）。

还有一个细节值得说：第一步要求"用一句话说清楚"。这是个极好的检验。商业模式说不清一句话的公司，通常不是因为它复杂，是因为它自己也还没想清楚钱从哪来。让模型先做这个压缩，本身就是一道筛子。

但也要看到这一节的局限：这三步是"研究流程"，不是"投资决策"。它告诉你该怎么看一家公司，没告诉你 15 倍 PE 该不该买、3.5% 的无风险利率下这个估值算贵还是便宜。整本书在后面反复出现这个模式——把"想清楚"当成了"做对了"。

四、老王的罗盘：真正的智能体，边界写在"严禁"里

第 3 章是我认为全书最实用的部分。它给了两个完整案例，一个是"老王的智能决策罗盘"，一个是"动态资产再平衡智能体"。

老王这个案例的 Workflow 有六步，我按原书顺序记：Step 1 之后是 Step 2 新闻抓取与去重（删除重复信息，保留原始来源）、Step 3 题材识别与定级（按 Phase 1 到 Phase 4 评估）、Step 4 决策判断（如果题材评级为 A 级或 S 级，且题材强度评分 > 70 分，则进入预警状态）、Step 5 自动推送（调用微信推送插件，把完整预案推送给老王）、Step 6 待命。

然后是这个案例最有价值的地方，我原样抄：

Constraints
- 严禁主动与老王聊天。
- 严禁推送 B 级以下题材。
- 严禁在非交易时间推送。

Step 6：待命。等待老王回复确认或放弃。如果在 30 分钟内无回复，则视为放弃。

这三条禁令，比我读过的绝大多数"Agent 设计原则"都实在。

第一条解决的是骚扰。一个能主动说话的智能体，会忍不住每天找你聊三次。它不是恶意，它只是把"有事找你"和"没事也想证明自己有用"混在了一起。禁掉主动聊天，等于逼它只在有货的时候出现。

第二条解决的是噪声。B 级以下不推，等于给它划了一条"低于这个标准的话别说"的线。这条线比任何"请给出高质量建议"的提示词都有效，因为它可执行、可计数——今天推了几条、几条是 B 级，事后能查。

第三条解决的是时机。非交易时间推送的信息，第二天开盘时可能已经失效，或者更糟：它让你在半夜做决定。这条禁令保护的不是模型，是人。

而 Step 6 的 30 分钟超时视为放弃，是我认为整本书写得最漂亮的一句。它明确禁止了"自主执行"。智能体可以看、可以算、可以推，但不可以在人沉默的时候替他下单。这条设计背后的判断很冷静：沉默不等于同意，超时不等于授权。

对比一下市面上大量"全自动交易机器人"的宣传，就知道这句话有多难得。它没有把"自动化"当成目标，它把"人在环里"当成了硬约束。

另一个案例"动态资产再平衡智能体"是同一套思路的展开。Identity 写得很短："你是资产配置专家，专注于投资组合的动态再平衡。你信奉系统化投资，避免情绪化操作。" Workflow 第一句是"每周一早上 9:00 自动触发组合健康检查"。

后面分五个 Phase：Phase 3 是市场环境评估，调用联网搜索插件，检查"是否是财报季、有无重大政策变化、市场情绪如何"；Phase 4 生成具体方案，对"急需调整"的资产直接生成交易指令，对"建议调整"的资产提供多种备选方案供用户选择，所有方案都要充分考虑交易成本和税收影响；Phase 5 生成《组合再平衡建议报告》并通过消息推送插件发出。

注意 Phase 4 那个二分：急的给指令，不急的给选项。这其实就是"人在环里"的具体实现——不是所有决策都要人点头（那样自动化没意义），也不是所有决策都能机器定（那样风险失控）。分界线画在"紧急程度"上。

这个设计我不完全认同：用"紧急"来划分人机权限，方向可能反了。真正紧急的时候，恰恰是最需要人确认的时候——因为紧急意味着信息不全、时间不够、容易出错，这时候让机器直接下指令，风险最大。更合理的分界也许是"可逆性"：能撤回的交给机器，不能撤回的必须过人。书里没讨论这个，它默认了"急事快办"的直觉。

五、三样工具，各有各的纪律

3.3 节讲工具调用，案例是"首席分析师智能体"。它列了三类工具，每一类都带了调用时机和限制，这部分写得比大多数工具调用教程细致：

1. 【联网搜索插件】：必须调用。调用时机是，当用户输入中带有"今天""最新""刚刚""突发"等时间敏感词时；当用户请求分析任何新闻、政策、事件时。搜索范围限定在最近 24 小时内，优先抓取证监会、发展改革委、工业和信息化部等官方网站中的信息，其次是四大证券报。

2. 【代码解释器 / 计算插件】：必须调用。调用时机是，当需要计算板块平均涨幅、统计概念股数量、分析龙虎榜数据时。优先使用 Python 的 pandas 库进行数据处理。

3. 【知识库】（历史数据—历史妖股复盘库）：在识别出某个题材后，必须查询此知识库，对比历史上（2021—2025 年）相似题材（如元宇宙、ChatGPT、低空经济等）的炒作路径、龙头股特征、持续周期，判断当前题材的级别和潜力。

这三条合起来，其实是在解决三个不同层面的问题，值得分开说。

第一条解决"时间"。"限定 24 小时内"这个约束很关键。模型的知识有截止日期，但它自己不知道。给它一个搜索工具，它会搜；但你如果不限定时间窗，它可能拿三个月前的新闻当今天的事讲。而"优先部委官网、其次四大证券报"这个顺序，等于给它排了信源优先级——先看原始文件，再看二手解读。这是个专业习惯，不是技术细节。

第二条解决"算术"。"计算板块平均涨幅"这种事，模型的天然做法是心算，而心算会错，且错得很自信。强制走 pandas，等于承认一件事：语言模型不该负责算数。这条规则看起来笨，但它是整个系统可信度的地基。一个数字错了，后面所有判断都白搭。

第三条最有意思：它在教模型"看历史"。遇到题材，先查 2021–2025 年的相似案例——元宇宙、ChatGPT、低空经济——对比它们的炒作路径、龙头股特征、持续周期。这三个维度选得很内行。散户判断题材最常犯的错，是拿"这个故事有多大"来估"这波能走多远"；而老手看的是路径（谁先动、谁跟、谁最后补涨）、特征（龙头是不是真的有业务，还是只是名字像）、周期（历史上这类题材平均走几周）。

把这三个维度做成一个必须查询的知识库，本质上是把"经验"从人的脑子里搬出来，变成模型必须过的一道关。这是全书唯一一处，我觉得它真的做到了"参数化"这件事的深层含义：不是把形容词换成数字，而是把老手脑子里的检查顺序，变成系统绕不过去的流程。

还有一个小地方，我很喜欢。首席分析师的周报 Constraints 里写着：严禁使用"学习了很多""收获很大"等模糊描述；所有成果必须用数字说话，如"整理数据 XX 份，撰写纪要 XX 字"；风险点必须用红色加粗标出。

这条规则管的不是模型，是使用模型的人。它借着给 AI 立规矩，顺手把职场里那套空话也禁掉了。一个由 AI 生成的周报，如果只允许写数字，那写周报的人也就没法糊弄了。这大概是这本书里唯一一处"AI 反向改造人"的地方，作者可能没意识到。

六、它的短板：数字有了，可数字是拍的

好话说完了，说问题。这本书的问题不在写得不好，在于它用一个很硬的方法论外壳，包了一个很软的内核。

第一，那组权重没有出处。市场噪声免疫力 0.9、情感共鸣 0.5——这两个数字是怎么来的？书里没有说。是按什么标定的？不同市场（A 股、美股、期货、数字货币）该不该用同一组？如果把噪声免疫力从 0.9 调到 0.6，结论会变多少？这些一个都没答。

这不是吹毛求疵。既然你主张"从语言到参数"，那参数的合法性就是全部。一个没有标定过程、没有敏感度分析、没有回测的数字，和一句"请你严格一点"没有本质区别——它只是看起来更科学。精度不等于准确，小数点后面那位数，很容易骗人。

第二，全书没有一次样本外验证。它给了大量"实战案例"：闪崩诊断、题材预警、K 线形态识别、组合再平衡。但所有案例展示的都是提示词文本，不是结果。没有一个案例说"这套流程在 50 只股票上跑过，方向判断对了 31 次"。

对交易类系统来说，这等于跳过了唯一重要的一步。提示词写得再漂亮，也不能证明它在样本外有效。而这恰恰是量化交易和"用 AI 聊股票"的分水岭：前者的一切都要过回测，后者的一切只要读着顺就行。

第三，"人机协同"的论据是立场，不是数据。第一章用了不小篇幅讲 AI 操盘手赛事——Panda AI 期货对抗赛、Alpha Arena 的数字货币与美股对抗赛，然后做横向对比，结论是"为什么我们看好中国人机协同模式"。

问题是：赛事成绩不能外推到日常交易。比赛有明确的起止时间、固定的初始资金、公开的排名压力，参赛策略会为了名次做极端选择；而真实交易要面对申赎、流动性、回撤容忍度、税务。用比赛结果论证"人机协同更强"，逻辑上跨了一大步。何况"看好"本来就是个态度词，它不需要证据，只需要信心。

第四，也是最根本的一条：它把"整齐"当成了"正确"。

RASCEF、ROS、Identity/Workflow/Constraints/Tools/Output Format——这一整套东西的作用，是让模型的输出结构稳定、格式统一、可被程序接着处理。这是工程价值，非常重要。

但它不提高判断的准确性。一个结构完美的错误答案，比一个混乱的错误答案更危险，因为它看起来更像结论。

这本书里所有案例都长这样：Identity 写得很专业，Workflow 编号清晰，Output Format 规定了输出字段，置信程度分高中低三档。唯独没有一处告诉你：如果这套流程判断错了，你怎么知道它错了。

而金融市场最残酷的地方就在这里——它不给你"看起来对"的分数，它只给赚和亏。一份格式完美的研报，和一份手写的便条，在市场面前是平等的。

第五，一份诚实的说明：我没读完。截图停在第 112 屏（第 3 章 3.3.4 节中途），实战篇没读到。所以上面这些批评，只针对前三章的方法论部分。有可能后面的实战章节补上了回测和验证——如果是这样，我这条批评就要收回一半。但在读到的部分里，它确实一次都没提过。

七、那它到底该不该读

该读，但要带着一个前提读：把它当"怎么把话说清楚"的书，不要当"怎么赚钱"的书。

它在这件事上确实有一套：把"严格一点"变成 0.9，把"别烦我"变成"严禁主动聊天"，把"别乱下单"变成"30 分钟无回复视为放弃"，把"记得看历史"变成"必须查询妖股复盘库"。这些转换，每一个都是把一句正确的废话，翻译成一条能执行、能检查、能追责的规则。

这个能力比提示词技巧值钱得多。它适用于任何领域——写代码、做客服、审合同、跑运营——只要你想让 AI 替你干活而不是陪你聊天，你都得做这件事：把"我希望它好一点"翻译成"具体禁止什么、超过多少就停、没回复怎么办"。

但如果你真想拿它去交易，我建议先做一件书里没做的事：拿它自己的参数，去跑一遍历史数据。把噪声免疫力设成 0.9，跑 100 个标的，看看它的判断和后来的走势对得上几次；再把 0.9 改成 0.5，再跑一遍。如果两组的准确率没有显著差别，那这组权重就是装饰品。

这一步不浪漫，也不好写进书里，但它是唯一能把"提示词工程"和"量化交易"分开的动作。

这本书最有用的一句话是"把模糊的意图变成可量化的参数"，最危险的地方也在这里：它让你以为，只要把形容词换成了数字，判断就变准了。实际上，数字只让判断变得可复现；准不准，还得拿样本外的东西来还。

阅读记录：《AI量化交易：零代码打造你的专属金融智能体》· 微信读书网页版逐页翻页截图 · 已读 112 屏 / 前三章（至第 3 章 3.3.4 节）· 阅读用时约 6.5 分钟 · 2026-11-04
核对页：P0006（开篇与"硅基合伙人"定义）、P0036（ROS/RASCEF 与闪崩诊断案例）、P0044（权重表与估值 Workflow）、P0060（老王罗盘 Step 2–6 与三条禁令）、P0078（再平衡五阶段）、P0086（K 线形态识别 Workflow）、P0098（两代提示词总纲）、P0108（周报 Constraints）、P0111（首席分析师三类工具）