量化经验分享：该如何正确使用AI工具

分享使用AI的经验时提到，一开始也把AI当成普通聊天框使用，想到什么就问什么，回答不满意就换说法重新提问。后来发现，真正需要改变的不是提示词，而是使用认知，要把AI当成需要设计的系统来对待。

在量化实盘操作中，确定模型从来不是第一步。从业者会先定义运行环境和边界，明确适配行情、开仓条件、最大风险敞口、强制止损条件这些内容。把底层规则确定后，模型才有运行的意义，使用AI也遵循相同的顺序。

提出任何具体需求前，要先把三类约束确定下来，整理成一段固定的系统提示词，每次调用AI都要附带。首先要明确AI的工作场景，不同场景下合理输出完全不同，省略这一步会导致后续输出模糊。

其次要明确AI绝对不能做的事：遇到不确定内容必须停下说明自己不知道，不能自行脑补假设；需要推导必须给出中间步骤；同时严格锁死输出格式。其中最核心的要求是不能自行补充信息，模型不会主动说明它替用户做了决定，补充内容通常看起来和上下文衔接自然，很难第一时间发现。

最后要明确AI的思考标准。给AI设定角色不是让它演戏，而是决定它遇到歧义内容时的判断方向。对延迟高度敏感的架构师，和专门排查问题的审计员，对同一段代码给出的修改方向完全不同。

把所有前置约束设置完成后，才轮到提出具体的提示词指令。具体指令只相当于量化交易里的单次执行动作，本身不是系统框架。

如果没有提前设置好约束，提示词写得再细致，只能让这一次输出效果稍好，下一次使用还是要重新调整。这和没有完整交易框架、全凭感觉下单一样，单次结果的好坏没有参考意义。

做量化策略时，不会先写完代码再设计回测方法，回测和对账框架在编写策略前就会搭建完成。但使用AI时，人们通常习惯生成结果后再检查对错。现在可以把流程反转，先想清楚要用什么方式校验本次输出。

校验方式包括反向提问、更换方案对照、故意插入错误让AI识别。想不出校验方式的任务，不要交给AI处理。格式约束只是事前检查，和运行时的熔断机制不是一回事；只要输出通不过校验，就直接作废本次结果，重新生成或转人工处理，不能把错误带到后续流程中。

如果整套经验只能保留一条，会选择这一条。AI出错通常不是计算错误，而是在用户没说清的地方，悄无声息替用户做了决定，再继续往下推进。用户往往要到后续环节发现结果不对，回头反复排查，才能找到问题出在哪里。

现在的使用原则是，宁可让AI频繁停下来报错、提问，也不要一份流程顺畅但经不起推敲的输出。