用 LLM 搭建量化问答助手（一）：从 0 到 1 的踩坑记录
一、量化是什么
先说清楚一件事——量化交易不等于高频交易。
提到量化，很多人脑子里的画面是电影里的场景：一堆屏幕闪烁着实时数据，算法在毫秒级时间内自动下单，高频交易公司用光纤和 FPGA 抢时间。
那不是我们今天要做的。那种游戏门槛太高，也不是普通人能玩的。
我们做的量化，说白了就是"用数据和规则做决策"。
当 5 日均线上穿 20 日均线时买入，这是量化。当 RSI 低于 30 时开始关注，这是量化。甚至每月 1 号定投 BTC，这也是量化。核心就两点：规则是明确的，不是"感觉差不多"；可以回测验证，不是"我觉得应该行"。
那量化问答助手又是什么？
它就是一个帮你梳理量化概念、推荐策略思路、解释指标含义的 AI 工具。你问它"双均线策略的参数怎么设"，它会告诉你常见组合有 MA5/MA20 做短线、MA20/MA60 做中线，参数选择取决于你的交易周期，建议先用历史数据回测验证。
但它不能直接告诉你"买 BTC，明天涨"，不能代替你做决策，更不能保证你赚钱。决策权永远在你手里，它只是帮你梳理信息、减少摸索时间。
二、为什么需要
学量化最难的是什么？
不是概念难懂，不是代码难写。是力不从心。
上了一天班，回到家已经累了。想学点东西，但脑子转不动。打开教程看了 10 分钟，眼皮开始打架。心想明天再学吧，结果明天又是这样。
这不是懒。是人的精力本来就有限。
还有一个问题：信息太多，不知道从哪下手。
你想学"双均线策略"，一搜出来几百篇文章。有的说 MA5/MA20 好，有的说 MA10/MA30 好，有的说均线根本没用。你看了一篇又一篇，越看越迷糊。
最后就是收藏了几十篇教程，但从来没完整跟下来过。不是不想学，是不知道从哪开始。
那我们为什么需要量化问答助手？
因为它能缩短启动时间。
传统学习是你得先搞懂一堆东西：什么是回测、什么是技术指标、怎么写策略代码、数据从哪来。学完这些，一个月过去了，还没开始写第一个策略。
有了助手，你可以直接问："我想回测一个双均线策略，怎么写？"
它会告诉你第一步装什么、第二步写什么、第三步怎么跑。你不用先学完所有前置知识，边做边学就行。
但这里有个取舍。
用助手确实能减缓学习曲线，让你更快上手。但代价是学习时间会放长。因为你不是集中三个月猛学，而是每天学一点、做一点。
今天问一个问题，写几行代码。明天再问一个，改几行。一周下来，你可能才写完一个策略。
听起来很慢。但慢有慢的好处。
慢慢学，反而能养成习惯。
猛学三个月，然后放弃，这种循环你经历过多少次了？每天学 10 分钟，坚持半年，回头看发现自己已经走了很远。
量化问答助手不是让你速成。是让你能在有限的时间里，持续往前走。
它不能替你学，但能让你少走弯路。它不能保证你学会，但能让你学得不那么痛苦。
三、怎么做
好，现在你知道了量化问答助手是什么，也知道了为什么需要它。
那具体怎么做？
这篇文章不教你怎么搭。那是后面几篇的事。
这篇文章只给你一张地图，让你知道这条路怎么走，每一步大概要多久，会遇到什么问题。
整个系列分四篇：
第一篇是选题与设计，就是你现在看的这篇。讲清楚我们要做什么、为什么做。
第二篇是知识库搭建。你要收集量化资料，整理成文档，导入 Dify。这一步的核心是"喂什么"——你喂给 AI 的资料质量，决定了它回答的质量。大概需要 2-3 小时。
第三篇是工作流设计。你要教 AI 怎么回答问题，怎么调用实时行情 API，怎么输出格式化的答案。这一步的核心是"怎么问"——同样的知识库，不同的问法，答案质量差很多。大概需要 3-4 小时。
第四篇是上线与迭代。你把做好的助手用起来，在实际问题中检验效果，然后改进。这一步的核心是"怎么改"——第一版肯定不完美，迭代才是关键。大概需要 2-3 小时。
加起来 10 小时左右。你可以分一周做完，也可以分一个月。没人催你。
会遇到什么问题？
资料不知道从哪找——第二篇会给你一份清单。
Dify 配置不会弄——第二篇会截图每一步。
AI 回答不准确——第三篇会教你调 Prompt。
用起来发现不够好——第四篇会讲怎么迭代。
但有一点得提前说清楚：
这个系列不保证你学完就能写出赚钱的策略。它只教你怎么做一个工具，帮你学量化。
能不能学会，取决于你愿不愿意动手。工具只是工具，用不用得好是你的事。
四、反直觉观点与初衷
写这个系列，有件事得提前说清楚。
我不是大佬，我也是从零开始。
量化是什么？高频交易？自动下单？毫秒级抢时间？说实话，我也不确定。
我只是一个想学量化，但不知道从哪下手的人。上了一天班，回到家想学点东西，但打开教程看了 10 分钟就累了。收藏了几十篇文章，但从来没跟下来过。
那为什么还要写这个系列？
因为我发现了一个可能不一样的学习方式。
传统学习是你得先学完一堆东西，再开始做。Python、统计学、技术指标、回测框架……学完这些，三个月过去了，还没开始写第一个策略。
但我发现，有了 AI 助手，我可以边做边学。
我想回测一个双均线策略，就问 AI"怎么写"。它告诉我第一步装什么、第二步写什么。我遇到问题，再问。这样学到的东西，是长在问题树上的，我记得住。
这个系列记录的就是这个过程。
不是我懂了什么要教你，而是我们一起从零开始，看看能不能走通这条路。我会记录每一步踩了什么坑，怎么解决的，下次怎么避免。
反直觉的一点是：你不需要等"准备好了"再开始。
传统观念是先把基础打牢，再学进阶。但量化的基础是什么？技术指标？统计学？Python 编程？这些东西你学三个月也学不完。
更好的方式是：先有一个具体问题，比如"我想回测一个双均线策略"。然后为了这个问题去学需要的东西。
边做边学，遇到问题再问。这样学到的东西，是长在问题树上的，不是飘在空中的。
最后说点心里话。
这个系列是我和 AI 一起完成的。有问题我问它，它帮我梳理思路、找资料、写代码。但这不意味着我不动脑子——恰恰相反，我得想清楚要问什么，判断它说的对不对，然后自己动手写、自己调试。
AI 帮不了你赚钱，也帮不了你学会。但它能让你学得不那么痛苦。
剩下的，得靠你自己。
就像我一样。
这个系列记录的是从 0 到 1 的过程。有问题欢迎留言，我们一起讨论。