VergeX 策略实验室完整拆解 · 5 层配置 + 设计意图 · 为什么用 Z.ai GLM 不是 GPT/Claude

前面六篇都在讲 VergeX 的用户视角——看板、探索、策略列表、开源策略扫描。

这一篇回到源头——他们写一条策略时，编辑器长什么样。一张策略实验室（/studio）的截图，给出了之前拿不到的关键信息：

• 测试模型是 Z.ai 的 GLM，不是 GPT/Claude
• "市场数据"字段独立于下单交易所
• "输出语言" 暗示他们在解析自然语言，不是 JSON Schema
• "提示示例" + "版本历史" 双按钮（模板库 + 版本控制）

这些细节不是视觉问题，是产品哲学的显影。

---

Studio 的 5 层配置

从上到下 / 从左到右，完整的策略编辑器分 5 层：

Layer 1 · 代币范围（Token Scope）

左侧顶部：

• 范围：AI500 数据源（使用 AI500 智能筛选的热门币种）
• 排除币种：红色 "+添加" 按钮加黑名单

这一层决定策略能看到哪些标的。

设计意图：

• AI500 是平台封装的"候选池"，用户不用自己管理币种列表
• 排除币种是硬过滤（比 prompt 里说"不做 meme"更可靠）
• "范围"字段意味着未来还可能接入 BTC-only / ETH-only / custom-list 等其它候选池

我的观察： 这一层是 VergeX 产品里最被低估的设计。大多数用户把注意力放在提示词上，但其实"你让 AI 看哪些币"比"你让 AI 怎么做"更重要。

Layer 2 · 基本规则（Base Rules）

左侧中部，6 个字段：

设计意图：

① 分类杠杆是关键

把 BTC/ETH 和山寨分开设杠杆上限——这是机构级别的风控思维。因为 BTC 日波动 3-5%、山寨可能 10-20%，统一用一个杠杆值要么太宽要么太紧。分类才对。

② 最大账户杠杆是真正的硬门

单仓 5x + 账户 2x 的组合意味着：

如果你同时持 3 个 5x 仓位（单仓各 1/3 账户），总杠杆 = 5x × 1 = 5x > 2x，会被约束。 实际每仓最多持有 2/3 账户本金 × 5x = 3.3x 有效杠杆。

"最大账户杠杆"才是真正的硬门——单仓数字只是给用户的"心理安慰"。

③ 硬止损 5% 是一道安全网

不管 prompt 里 LLM 怎么算止损，系统层面 5% 是最后一道保险丝。这个设计非常合理。

我的观察： 缺了什么？

• 没有"日最大亏损"字段（单日亏 X% 停一天）
• 没有"组合最大回撤"字段（累计亏 Y% 完全停机）
• 没有"连败后暂停"字段

这三个字段是对 7 日收益率榜单"幸存者偏差"的直接修正工具。VergeX 没做——因为做了会让排行榜不好看。

Layer 3 · 市场数据（Market Data）

界面底部："交易所（市场数据）"下拉，独立于真实下单的交易所。

设计意图：

市场数据源 ≠ 下单交易所。你可以：

• 用 Binance 做市场数据（流动性最好、API 稳定）
• 用 OKX 做真实下单（避开某些地区限制）

这是老派对冲基金才会做的设计——证明 VergeX 团队里有传统量化背景的人。

我的观察：

大多数散户不会在意这个字段。但当你交易的合约交易所和你看的行情不一致时——滑点、价差、延迟都会把你的策略 PNL 往下拉 5-15%。VergeX 明确把这两个解耦，是工程成熟的信号。

Layer 4 · 逻辑（Logic）· 提示词编辑器

右侧大面积区域：Monaco Editor（VSCode 内核） 装自然语言提示词。

• "提示示例" 按钮：模板库
• "版本历史" 按钮：策略版本控制

设计意图：

为什么用 Monaco Editor？ 因为：

1. 语法高亮（可以给"关键词"如 做多 / 做空 / 止损 标色）
2. 多行编辑体验好
3. 暗示这是"代码"——给用户一种"我在写程序"的心理投射

但其实内容只是自然语言——这是重要的产品心理学：让用户用 Code Editor 的庄严感去写中文 prompt，让他们觉得自己在做严肃的事。

这招巧妙但有潜在问题：用户会高估自己 56 字 prompt 的严肃程度。

Layer 5 · 运行时配置

界面最底部：

关键发现：

① 为什么用 Z.ai 的 GLM，不是 GPT/Claude？

我的推测（无内部信息）：

• GLM 在中文 prompt 上成本比 Claude/GPT 低 10-20 倍
• GLM 由国内团队维护，不存在 Claude/OpenAI 对"交易/金融"主题的拒答模式
• 中国用户不需要翻墙
• 地缘风险低（不依赖被制裁的美国公司）

这是商业决策，不是技术决策。理性。

② "输出语言" 字段意味着什么？

如果他们用 JSON Schema 结构化输出（像我们方案里设计的那样），根本不需要"输出语言"——JSON 没语言。

字段存在 = 他们在解析自然语言文本。LLM 输出："我建议做多 BTC，原因是..."，他们用某种文本解析规则提取"做多 / BTC / size=..."。

自然语言解析是不确定性源头。这解释了为什么同策略不同 Agent 表现悬殊——LLM 的语言输出本身就不稳定，哪怕 prompt 和数据完全一样。

这是 VergeX 架构的根本性弱点。

③ "提示示例" 按钮暗含的产品设计

存在模板库意味着：

• 团队认识到新手写 prompt 写不好
• 提供参考模板降低启动门槛
• 模板库本身是平台的引导机制——你学的是 VergeX 官方风格

但模板越多，策略多样性越低。所有人从同一堆模板出发，最终写出的东西会严重同质化。

---

dingdingtao 四层架构 vs VergeX 五层

我们比 VergeX 多了：

• Philosophy 层（用户哲学前置）
• 结构化 entry/exit conditions（不解析 LLM 文本）
• SYSTEM_LIMITS（系统级硬上限，任何用户都不得突破）
• Paper Trading 72h 强制门

我们少了：

• 模板库（故意不做——强制用户先写哲学）
• 排行榜（故意不做——避免幸存者偏差）

我们和 VergeX 都有的：

• 市场数据与下单交易所解耦
• 分类杠杆上限（BTC/ETH vs 山寨）
• 组合总杠杆上限
• 硬止损

---

他们为什么这样设计 · 我的最终总结

VergeX 的产品定位是"普惠 AI 交易"——让不会代码的人能快速上手。基于这个定位，他们的每个设计选择都理性：

• 用 GLM → 降本
• 用 Monaco + 自然语言 → 让用户觉得庄严但门槛低
• "输出语言"字段 → 证明他们选了"简单实现优先于确定性"
• 不做 Paper Trading 强制 → 排行榜滚动更快，新用户留存更好
• 不做组合 drawdown 停机 → 用户"忍不住"了会加金，不会离开

但这套定位对"有经验的交易者"不适合。

• 有经验的人要确定性，VergeX 给的是 LLM 随机性
• 有经验的人要可审计日志，VergeX 的 LLM chain-of-thought 不可审计
• 有经验的人要严格 drawdown 停机，VergeX 只做单笔止损

所以 dingdingtao 版不是"做得比 VergeX 好"——是做得不一样。VergeX 是入门级玩具，我们是专业级工具。两者并存，互不替代。

---

下一篇

下一篇 #223，我们真的把 v0.1 代码骨架发布出来——

• lib/strategy/types.ts · 完整类型系统
• lib/strategy/validator.ts · 校验器（跑起来能拦住违反哲学的 spec）
• lib/strategy/executor.ts · 纯函数执行器
• lib/strategy/examples/ · philosophy + spec 示例
• scripts/demo-strategy-paper-trading.ts · 可跑的 Paper Trading 演示

代码不抽象，真的能跑、能输出 KPI、能拦下违规。下一篇给运行截图和完整日志。

---

声明：本文分析基于一张 VergeX 策略实验室的截图（用户账户创建"多多侠 (Copy)"时的编辑器），没有抓取任何私有数据。设计意图部分全是我的推测，不代表 VergeX 团队的真实考量。本文是独立评测视角，不构成投资建议。