同一款AI做量化策略，结果差距来自提问者的思考深度

同一款AI，两个人用它做量化交易策略，最终产出的结果可能天差地别。差距的根源不在AI本身，而在提问的人自己提前想清楚了多少问题。

大模型的运行逻辑，是根据你给出的上下文，输出概率最高的下一段内容。你没有明确说明的部分，它不会留空，会自动用最常见的通用做法填上。

如果你只说“帮我写一个BTC趋势策略，回测一下，把夏普比率优化到2以上”，它给出的大概率是均线交叉、价格突破、RSI指标这类经典组合，再配一组调好的参数。这些是网上出现频率最高的答案，放到真实市场里，往往也是交易最拥挤、早就没有超额收益的策略。

换一种问法：“做BTC永续合约的一小时级别策略。我的假设是，当资金费率连续为正、同时持仓量上升时，多头仓位过于拥挤，之后24小时出现回撤的概率更高。先不要直接写策略，先按资金费率分位数和持仓量变化分组，统计未来24小时的收益分布。2024年之后的数据留作样本外测试，不要纳入训练。交易成本按吃单加滑点计算。”

在后一种问法里，交易假设、盈利机制、检验顺序、样本切分规则、成本计算标准，全都是提问的人提前带进去的。AI只负责执行计算，最终的判断权始终在人这边。

人和人用AI做策略的第二个核心差别，在于验收环节的标准不同。