从 #216 开始，这是第 11 篇。
前 10 篇写完了一个完整的螺旋： 从 VergeX 产品拆解（#216–#217）、到方案架构（#218–#220）、到 27 条开源策略全景（#221）、到 Studio 5 层设计意图（#222）、到 v0.1 代码骨架（#223）、到 v0.2 Opus 生成流程（#224）、到 v0.3 真实 K 线回测（#225）。
本来下一篇是 v0.4 · 把通过 Paper Trading 的 spec 真正下到 testnet。
但我停下来了。
不是代码卡住了。是我自己被问住了——
"你写了这么多代码、这么多结构、这么多约束。可是回到原点：AI 交易凭什么赚钱？"
停下来想了一天。这一篇把我十几天下来真正沉淀的东西写出来。不讲工具，讲框架。
这是写给自己的，也是写给每一个想"用 AI 交易赚钱"的人。
一、最核心的发现 · AI 本身没有 alpha
先把这件事说透——
AI 不是赚钱的原因。
如果你不用 AI 就赚不到钱，用 AI 也赚不到。
为什么？
因为 AI 是放大器，不是产生器。
- 你有交易纪律 → AI 帮你执行得更稳定
- 你没有交易纪律 → AI 放大你的情绪错误
- 你有独特数据 → AI 帮你更快分析
- 你只有免费 K 线 → AI 分析一堆和所有人一样的东西，没有 edge
先问自己这一个问题：
"如果 AI 从这个世界上消失，我还能靠交易赚钱吗？"
答"能"的人，AI 能让你赚更多。
答"不能"的人，AI 只会让你亏得更快。
这也解释了 #221 里我们看到的数据——VergeX 上 27 条开源策略，78% 从来没人跑。作者发布完就不管了——因为作者自己都不相信能赚钱，所以他们不拿真金白银跑。
你以为你缺的是 AI。你缺的是确信。
二、真正的核心 · 三个同心圆
回到架构。我画一个图：
┌──────────────────────────────────────┐
│ ❸ 技术层 · AI / 工程 / 交易所 API │
│ ┌───────────────────────────────┐ │
│ │ ❷ 系统层 · 规范 / 约束 │ │
│ │ ┌────────────────────────┐ │ │
│ │ │ ❶ 哲学层 · 你是谁 │ │ │
│ │ │ 你信什么 │ │ │
│ │ │ 你不做什么 │ │ │
│ │ └────────────────────────┘ │ │
│ └───────────────────────────────┘ │
└──────────────────────────────────────┘
从内往外，每一层对收益的贡献：
- 第 ❶ 层 · 哲学 · 贡献 60% 的收益差距
- 第 ❷ 层 · 规范 + 约束 · 贡献 30%
- 第 ❸ 层 · 技术 · 贡献 10%
大多数人把精力分配反了——90% 时间研究 AI 怎么用，5% 研究约束，5% 研究自己。
这是 VergeX 用户的通病，也是所有"想用 AI 交易"的人最容易掉的坑。
在 AI 交易这件事上，技术能给你的 edge 最多 10 个百分点——但你的哲学能给你 60 个百分点。
三、提示词的底层逻辑
大家问"怎么写好提示词"——换个问法你会得到更清楚的答案：
"怎么防止 LLM 做我不想让它做的事？"
好提示词的三个公式：
公式 1 · 负向约束 > 正向建议
差的 prompt：
写一条趋势跟随策略
好的 prompt：
写一条策略，必须满足：
- 不能使用杠杆 > 3x
- 不能开仓位 > 本金 10%
- 不能有加仓亏损的逻辑
- 不能交易 meme 币
- 不能省略止损
列出你不想要的，LLM 就不会做。列出你想要的，LLM 会做 80 种你没想到的变体。
VergeX 的多多侠 56 字提示词——
"遇到信号就做多。总名义持仓量每次不超过 100U，不用考虑杠杆，只看名义持仓。请保守的设置止损，降低本金风险。"
没有一条负向约束。"保守设置止损"是形容词，不是约束。LLM 要多保守就多保守。这就是为什么同策略两个 Agent 差 109 个百分点——每个 Agent 的 LLM "保守度"不一样。
公式 2 · 硬数字重复 3 次
LLM 读长 prompt 时中段权重最低。关键数字要放：
- System prompt 头部（权重高）
- Schema 注释里（中段）
- User prompt 末尾的"再次强调"段（权重高）
看我们 v0.2 的 Opus prompt，杠杆上限 5x 出现 3 次——不是啰嗦，是工程。
公式 3 · 结构化输出 > 自由文本
差：
给我你的交易决策和原因
好：
输出 JSON，严格符合以下 schema：
{
"action": "open" | "close" | "noop",
"side": "long" | "short",
"size_usd": number (0-200),
"stop_loss_pct": number (0.5-3),
"reason": string (<= 100 chars)
}
VergeX 犯的错就是让 LLM 输出"简体中文决策文本"然后 parse 自然语言——这是不确定性源头。
我们用 JSON Schema + zod 双层校验——LLM 输出不符合就拒绝重写（v0.2 的反馈循环）。字段写死，语义固化，可复现性才能立起来。
四、约束清单 · 按破坏力排序
这是我给 AI 交易系统设计的硬约束优先级。P0 和 P1 不可协商——任何策略违反 = 系统拒绝启动。
| 优先级 | 约束 | 为什么最重要 |
|---|---|---|
| P0 | 组合 drawdown 硬停机（如 20%） | 所有其它约束失效时的最后保险丝 |
| P0 | 单仓杠杆上限（推荐 ≤ 5x） | 高杠杆 × AI 快速决策 = 爆仓加速器 |
| P0 | 账户总杠杆上限（推荐 ≤ 1x） | 防止多仓叠加有效杠杆失控 |
| P1 | 单笔亏损上限（≤ 2% equity） | 连败 10 次也只亏 20% |
| P1 | 日亏损上限（≤ 5% equity） | 防止一天情绪化爆仓 |
| P1 | 72h Paper Trading 强制 | 新策略先证明"能跑" |
| P2 | 连败 N 次暂停 M 小时 | 防止"扳本"心态 |
| P2 | 重大事件窗口禁入（FOMC / OPEX / 流动性枯竭期） | 很多回测在这些时段不适用 |
| P2 | 标的黑名单（meme / 市值 < $50M / 新上线 < 30 天） | 非流动性资产不适合算法交易 |
| P3 | 最大持仓时长（如 7 天） | 防止"套牢策略"把短线变中线 |
| P3 | 最大并发仓位数（≤ 3） | 分散但不过度 |
你发现了吗——这份清单和 AI 完全无关。
它是 bwjoke、老恶魔、Bit浪浪、brucelinda 这些交易员几十年摸索出来的硬规则。AI 只是让它们更容易被机械执行——但规则本身不来自 AI。
这就是为什么"约束的价值 > 信号的价值"。信号你从交易员那里学来，约束你从交易员的亏损里学来。
五、工程设计的六大能力
做一套真正能跑 AI 交易系统的产品，工程上要过这 6 关：
1. 可复现性（Reproducibility）
同输入 → 同输出。
没有这个，回测没意义、审计没可能、事故没法定位。
实现：LLM 只在生成期介入，执行期是纯函数 TS 代码。spec 冻结之后行为完全确定。
这是我们和 VergeX 最本质的不同——VergeX 的 LLM 每 15 分钟推理一次，每次结果都可能不同。我们的 Executor 是 if-else，跑 10000 次给 10000 个相同答案。
2. 可审计性（Auditability）
每一单都能回答"为什么下的"。
实现：每单带 clientOrderId = -，完整保存 entry conditions 的瞬时值。
出事能回溯到："14:15 时 RSI=72 / ADX=28 / EMA20 两根前 cross above EMA50 → 触发 entry.all[0] + entry.all[1]"。
VergeX 的 LLM chain-of-thought 不可审计——出事没法复盘，这是监管级别的硬伤。
3. 可回滚性（Rollback）
策略版本化，v5 出事能一键回到 v4。
实现：每次改 spec 存新 version（v1、v2…），实盘配置只指向一个 version。出事改版本号即可。
4. 可观测性（Observability）
实时 equity / drawdown / position / margin 可查。
实现：每 60 秒拉一次账户状态，写入 time-series DB（或 CSV），画一张 equity curve 实时图。
5. 可停机性（Kill Switch）
一个命令或一个信号能让整个系统停下。
实现：
- 自动停机：drawdown 超限 → 立即强平 → 等待审批
- 手动停机：一个 HTTP endpoint POST /emergency-stop
- 告警停机：异常订单（连续 10 次被交易所拒）→ 自动停
6. 可灰度性（Canary Deploy）
不能从 Paper 直接跳大资金。
实现：
- Stage 1 · Paper Trading 72h
- Stage 2 · $100 实盘，跑 2 周
- Stage 3 · $1,000 实盘，跑 1 月
- Stage 4 · 正常资金
任何 stage 失败 = 回到上一 stage。
VergeX 在 Stage 1 和 Stage 4 之间没有中间层。他们的用户要么 $100 试试要么 $10k 搏一把，没有稳定的灰度路径。我们必须把这个做出来。
六、学习优先级栈（从下到上）
想靠 AI 交易赚钱，学习顺序不能颠倒：
6. MCP / 交易所 API ← 最简单、1 周
5. LLM 应用工程 ← 1-2 周
4. 回测框架 ← 2 周
3. 数据工程 ← 1 月
2. 资金管理数学 ← 1 月
1. 交易基本功 ← 3-6 月 ← 最难但最关键
0. 你是谁 · 哲学 ← 一辈子
大多数人从 6 开始倒着做：
学 AI → 写提示词 → 接交易所 → 上实盘 → 爆仓 → 回来学风险
→ 爆仓 → 怀疑 AI → 放弃
正确路径：
先手动交易 200-500 单 → 搞清楚自己是什么类型的交易者
→ 写下哲学 YAML → 学 Kelly 和波动率 → 搭回测
→ 再 AI → 再 MCP
200-500 单不是随便说的数字。那是"认识自己"的最小样本——
- 你的真实胜率
- 你的真实盈亏比
- 你在亏损时的真实反应
- 你在盈利时的真实反应
没有这个数据，你填不出 philosophy.yaml 的 risk 和 avoid 字段。瞎填出来的哲学等于没哲学——等于让 AI 帮一个陌生人交易。
所以"能用 AI 赚钱"的人，大概率已经是"不用 AI 也能赚钱"的人。AI 只是让他们赚得更稳、更快、更可持续。
七、最容易被忽略的核心 · 迭代循环
前面 6 件事都做到了还不够。
真正决定你长期能不能赚到钱的，是你能不能持续迭代。
市场是活的。策略是会衰减的。
没有一条策略能"写完就一直赚钱"——回看 #225 的回测——
趋势跟随策略 + 正确 sizing + Kelly + Paper Trading 都通过了 → 还是在 2 年 BTC 牛市里亏了 3.7%
为什么？因为策略和市场状态错配——牛市里趋势跟随被洗盘。
AI 的真正价值在这里：
不是"替你交易"。是"替你迭代"。
具体循环：
- 每月回看 · 过去 30 天，哪些 entry 条件命中了但没赚钱？哪些没命中但走出了大行情？
- AI 辅助诊断 · 把交易日志喂给 Opus 4.7，让它找 pattern——"你在 RSI < 30 时入场的 8 笔里 7 笔亏钱"
- 生成 spec v6 · 基于诊断调整——可能是加一条过滤条件，可能是改时段
- Paper Trading 72h · 验证
- 灰度上实盘
每 30 天跑一次这个循环——12 次一年，策略就被迭代 12 次。
这也是为什么 VergeX 做不到——他们的策略是 LLM 实时推理的 prompt，改 prompt 等于换策略，没法做版本控制。
我们的方案里策略是冻结的 spec——可以 A/B、可以版本管理、可以自动化诊断。
这是 AI 交易真正能打败"纯人手操作"的地方——不是在某个瞬间比人聪明，是在 12 个月里迭代比人快 5 倍。
你的交易员同行一年复盘两次、改一次策略。用 AI 的你一年改 12 次，每次都带诊断数据。复利下来差距会拉开。
八、给你的现在 action
基于这些，我给每一个读到这里、想靠 AI 交易赚钱的人的行动建议——
近 2 周
- 写一份你的 philosophy.yaml——花一个下午，用我们 v0.1 的模板
- 回看你过去 200 单（或 100 单、50 单，有多少是多少）算：
- 胜率
- 盈亏比
- 最大回撤
- 最大连败次数
- 最大 drawdown 发生在什么行情
- 把这些真实数字填进 philosophy.yaml 的 risk 段
接下来 1-2 个月
- 不用 AI，纯手动按这份哲学交易 30-50 单
- 每天记录：这单是哲学要求的吗？我有没有违反？
- 发现哲学里不合理的地方（太激进 / 太保守），迭代一次
- 如果手动都跑不好，先别搞 AI
3 个月后
- 跑 v0.3 的回测，用你的真实哲学 + spec
- 对比手动 vs 回测的胜率、盈亏比、drawdown
- 只有两者接近时，才说明哲学和策略是一致的
- 这时候才有资格考虑让 AI 接管执行
这个节奏慢吗？
慢。但快的人基本都死了。
你看 VergeX 排行榜上的 "7 日 +258%"——有几个能活到第 30 天？没人知道，因为平台不展示死掉的。
九、写在最后
这个系列从 #216 到 #226，一共 11 篇。如果你只记一句话，我希望你记：
AI 交易的核心不是 AI，是你。
约束的价值大于信号的价值。
迭代的速度决定了长期回报。
这也是为什么 dingdingtao 的主叙事从来都是"真实交易战绩 + 方法论"，而不是"我们有 AI 你没有"。
- 我们先做到了交易纪律
- 然后用 AI 放大纪律
- 战绩是真金白银跑出来的
- API 直连不可伪造
这个顺序不能反。
接下来
v0.4 之后做什么，我暂时不急着承诺。
下一步更可能是——写一份《给想用 AI 交易的人的 philosophy.yaml 填写指南》，帮读者真正填出自己那份哲学。代码可以慢，哲学必须清楚。
再次感谢每一位读完这 11 篇的人。这是我最严肃认真写的一个系列——因为 AI + 交易这条路，走得不慎会真的让人爆仓。我们有责任把这事说清楚，再去做工具。
慢即是快。
声明：本文不给任何交易建议、不推荐任何产品、不承诺任何收益。全文所有观点基于 2026-04 的市场观察和我们自己的回测数据。dingdingtao 仓库里的代码全开源、零外部依赖、没有真实下单能力（到 v0.3 为止）。任何人基于本系列做的交易决策，后果自负。