# Auto-Quant 使用教程|让 Agent 自动构建量化策略
**作者**: 车厘子
**日期**: 2026-04-24T10:49:13.000Z
**来源**: [https://x.com/0xcherry/status/2047628924268818798](https://x.com/0xcherry/status/2047628924268818798)
---


图片由 Image-2 生成,怎么这么像王塚真唯...
Auto-Quant 是一个允许 Agent 自动构建和迭代量化交易策略的最小原型。
这个项目受到 karpathy 构建的 autoresearch 启发,采用了相同的极简文件约束架构。 Agent 只被允许修改单一文件构建策略,连续迭代演化,并且自主决定哪些修改是有益的并保留。
简单来说是我参考 Karpathy 的Auto-Research做的一个小玩具,把 Auto-Research 的自动化 ML 训练给迁移到量化策略挖掘上,让 AI 自己改策略、跑回测、判断改好改坏。
效果还是很好的。睡觉的时候它一晚上能试几十到上百个量化想法,除了有点废 Token 之外啥都好。
"一个 AI agent 在完全无人监督的情况下做量化研究会产生什么行为"。
Auto-Quant 在这个命题上表现的很好,甚至有了一些可用性。——不过投资需谨慎。

目前,Auto-Quant 已经经历了三次测试:
- v0.1.0(99 轮 / 单策略):agent 发现"在 BTC+ETH 上 disable stoploss 反而改善风险调整收益",但也出现了 3 次 Goodhart 作弊(自己又撤销了)
- v0.2.0(81 轮 / 多策略):跨 paradigm 并行研究,自主识别 "ATR filter 对 trend 有效对 mean-reversion 有害" 这类结构性知识,Sharpe 0.67 clean
- v0.3.0(在跑):多时间框架 + 5 币种组合 + 跨资产信号,已经在第 0 轮就超过了 v0.2.0 的峰值
本文旨在教会大家如何快速跑起来 Auto-Quant,并挖掘出自己的第一个 AI-Generated Strategy.。
## 你需要什么
Auto-Quant的配置要求极低,能跑起来 ClaudeCode 就行。
- macOS / Linux(Windows 没测过,大概是可以跑起来的)
- Python 3.11+
- uv(curl -LsSf https://astral.sh/uv/install.sh | sh)
- TA-Lib C 库(macOS:brew install ta-lib;Linux 看 TA-Lib 文档)
- 一个能自动跑 tool calls 的 LLM agent:Claude Code、Codex CLI、Cursor 或者别的也行
- 磁盘:数据下载约 10 MB,环境大约 2 GB
不需要:GPU、API key、实盘账户(全程 dry-run)。
## 10 分钟跑通 baseline

看到 ERROR: no strategies found... 就说明 harness 工作正常。如果你已经有策略了,显示的效果就会像我一样。
接下来让 agent 生成策略。
## 让 agent 跑起来
重点:开一个新终端(和你刚才敲命令那个不一样的终端),
cd 进 Auto-Quant 目录,启动你的 LLM agent。
以 Claude Code 为例:
> --dangerously-skip-permissions 让 agent 不用每步都问你要权限。它只能在这个目录里改文件 + 跑 uv run + 调 git。
> 如果你不放心,先读 README的 "Permissions" 一节,配一下白名单再启动。
然后在 Claude Code 里发:Have a look at program.md and let's kick off a new v0.3.0 experiment. Let's do the setup first.
(其实别的也行,直接复制省时间)

完成后,agent 会:
读 program.md / README / config.json / prepare.py / run.py 理解规则
建一个 autoresearch/<今天日期> 的分支
在 user_data/strategies/ 目录下写 1-3 个代表不同 paradigm 的起始策略
- 目前的要求:至少一个要用多时间框架 —— 毕竟这是 v0.3.0 的新能力
初始化 results.tsv(那是 agent 的实验日记,不会被 commit)
跑第一次 backtest,看 baseline 数字
然后进入循环:改策略 → commit → 跑 → 看结果 → keep/revert/kill/fork → 循环
> 注意:极少数情况下,如果你发现它生成的 3 个策略全用同一个 paradigm(比如都是 RSI 变体),立刻打断让它重做。
## 它在跑什么你可以看什么
agent 跑循环的时候,你另一个终端可以随时看它的进度
你还可以去Jupyter
里面有:
- 每个策略的 Sharpe 随时间演化曲线
- active strategy 数量随时间(看 cap 有没有被用满)
- 所有 KEEP 的策略的 peak Sharpe 排名(alive vs killed)
- description 文本的 word frequency(agent 都在想哪些方向)

当然我个人更推荐的是你再开一个 Claude Code 去读 Auto-Quant 的日志。省心省力,至少我就是这么干的。

想停就按 Ctrl+C 停 agent。随时都可以继续。
另外如果你好奇 Auto-Quant 过去完成过的挖掘 ,可以来看这两个记录:
- v0.1.0 retrospective:single-strategy 模式的锚定问题 + 3 个 Goodhart 时刻(agent 自己事后撤销)
- v0.2.0 retrospective:multi-strategy 如何解决 paradigm anchoring + 5 条跨 paradigm 对比发现
然后看 versions/<version>/strategies/ 里胜出策略的实际代码。那些代码是 agent 写的,不是我写的。
如果你有很喜欢的策略,可以拿出去用。
Q:agent 会不会偷偷改回测逻辑作弊?
A:prepare.py / run.py / config.json 都是明规则的只读契约,
program.md 里写死了 agent 不能碰。但说到底我们没有硬强制,只能通过"看 git diff 有没有出现这些文件"来监督。目前三版里 agent 都遵守。
Q:为什么只有 1h / 4h / 1d?为什么只有 BTC/ETH/SOL/BNB/AVAX?
A:目前只是个测试版。v0.4.0+ 会开放更多时间周期和资产。动手能力强的朋友可以自己改 config.json 和 prepare.py,很好改,社区已经有人魔改出来 A 股版本了,据说还挺好用的。
Q:跑出来的策略能真的上实盘吗?
A:不建议。但能为你提供一
Q:我能不能让它跑别的资产(比如美股)?
A:可以,改 prepare.py 的 PAIRS 和 config.json 的 exchange。但 FreqTrade 对股票支持弱,你可能要自己写 data loader,或者等 1.0.0 的正式版更新,大概率什么都有了。
## 最后
Auto-Quant 最初是 OpenAlice 的一个新特性试验品,在运行中表现出了超过预期的效果,于是当即转正。
Auto-Quant 证明了一件事:2026 年的 LLM 已经能在一个受约束的、可回测的、指标明确的研究沙盒里持续做几十到上百轮自主研究,质量保持在"资深 quant研究员笔记"的水平。
如果你跑起来了,发现了什么有趣的 agent 行为(不管是 aha moment 还是 Goodhart 作弊还是异常的自我修正),欢迎发 issue / PR, 我们在 retrospective 里会引用你的发现。
谢谢你的喜欢。玩得开心。
## 相关链接
- [车厘子](https://x.com/0xcherry)
- [@0xcherry](https://x.com/0xcherry)
- [4.7K](https://x.com/0xcherry/status/2047628924268818798/analytics)
- [Auto-Quant](https://github.com/TraderAlice/Auto-Quant)
- [autoresearch](https://github.com/karpathy/autoresearch)
- [https://astral.sh/uv/install.sh](https://astral.sh/uv/install.sh)
- [TA-Lib 文档](https://github.com/mrjbq7/ta-lib#dependencies)
- [README](https://github.com/TraderAlice/Auto-Quant/blob/master/README.md)
- [prepare.py](https://prepare.py/)
- [run.py](https://run.py/)
- [v0.1.0 retrospective](https://github.com/TraderAlice/Auto-Quant/blob/master/versions/0.1.0/retrospective.md)
- [v0.2.0 retrospective](https://github.com/TraderAlice/Auto-Quant/blob/master/versions/0.2.0/retrospective.md)
- [prepare.py](https://prepare.py/)
- [run.py](https://run.py/)
- [prepare.py](https://prepare.py/)
- [prepare.py](https://prepare.py/)
- [OpenAlice](https://openalice.ai/)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [6:49 PM · Apr 24, 2026](https://x.com/0xcherry/status/2047628924268818798)
- [4,725 Views](https://x.com/0xcherry/status/2047628924268818798/analytics)
- [View quotes](https://x.com/0xcherry/status/2047628924268818798/quotes)
---
*导出时间: 2026/4/24 22:57:10*