嘉宾登场：两年 AI 量化使用史

主持人介绍何文峰做量化交易多年、深度使用 AI，并请他打招呼。何文峰回忆从 GPT 网页版好用时就第一批使用，早期只能让 AI 写零散的功能性代码片段，再粘贴回自己代码里反复调试。

投研、复盘、策略迭代全部交给 AI

何文峰说现在几乎所有日常工作都被 AI 颠覆：一台电脑 7×24 小时挖逻辑、每天出报告，实盘复盘、绩效分析、品种盈亏解释也全部自动化。模型上他推崇 Kimi K3，认为与国外主流差距约「九十五分跟九十分」，代价是烧 token、订阅多个套餐。

AI 量化做得好，取决于三个因素

何文峰提出 AI 量化的三要素：AI 能力、基础设施（数据质量、回撤引擎、策略框架）、人的经验灵感思路。基础设施决定能做什么类型的交易、能挖多深。协作方式是「一半一半」：人给框架方向，AI 去挖具体思路。

十个思路六七个不行，以及最贵的坑

何文峰说 AI 挖出的十个思路里六七个他判断不行，判断靠行业经验；逻辑挖掘阶段以回撤为准，未来函数、数据泄露、交易成本核算已被覆盖，过拟合较难。他讲踩过的坑：AI 给出隐晦 bug 藏在策略前几版，后续版本全部白跑；若未发现直接上实盘，会导致大额资金亏损。

期权交易者最迫切的需求是自动化

何文峰说期权交易员盯一个品种已经很累，多盯几个是灾难，因此最迫切的需求不是复杂策略，而是策略自动化。他以双卖策略为例：看希腊字母变化控制风险、移仓或对冲、风险调整、平仓，这些变量可以交给 AI 维护一套自动化面板，实现预警与自动交易。

从求软件商到一人一 AI

过去交易者有需求只能找软件商，要评估需求靠不靠谱、是不是大客户，等半年未必开发出来；找人开发贵、沟通成本高，且交易细节不方便外传。何文峰自己帮期货公司开发过系统。现在用 AI 画个图、画个圆圈说明要什么按钮，很快就能写出来。

接口选择与无限易 PythonGo

何文峰说接口是开放问题，可以直接向期货公司申请 CTP，也有第三方平台。他留意到大家用得较多的无限易，其 PythonGo 功能适合开发面板，关键优势是交易端和程序在同一个软件里，不用开两个软件，一个人加一个 AI 就能搞定。

最大的误解：把 AI 当神

何文峰用「问豆包怎么样、豆包说非常好、亏了再道歉」的段子说明：不能把 AI 当神，不能把交易决策和风险完全交给 AI。很多人以为买了最强模型就能问明天怎么操作，这是大误区。AI 是过往数据训练的，有幻觉，不能预测未来。主持人补充：技术迭代但交易本质没变，仍是零和博弈，关键在风险偏好取舍。

课程要解决什么痛点

主持人介绍将与何文峰合开课程：陈老师讲期权策略系统化操作与底层盈亏逻辑，何文峰讲怎么用 AI 实现策略与交易系统开发，并附上 skill 与模板。何文峰说课程解决行业痛点——以前做自动化「门都没有」，现在能教不会编程但对交易有想法的人从零开发自己的自动化面板，不用请人、可持续迭代。

像拼积木一样开发，以及技巧的重要性

何文峰说新技术让人又好奇又觉得遥远，课程要把生产力落到实处，学起来像玩积木、像微信聊天，在对话中把功能做好。他强调 AI 应用有很多技巧，技巧没学会能力就受限，像有强武器却不会调试。他提到好的逻辑一层再一层，双卖从构建延伸到移仓、对冲、带不带方向，AI 帮助形成更深理解。节目在感谢与后续直播预告中结束。