[TOC]

Vibe Trading 的思考：什么时候该用 AI，什么时候不该。

---

最近有个概念叫 Vibe Trading——用自然语言描述交易意图，让 AI 帮你执行。说一句”保守策略，优先低波动资产”，AI 自动帮你配置。听起来很美。

但在聊 Vibe Trading 之前，我想先讲一个最近发生的事，它比任何理论都更能说明”AI 该用在哪”。

3月31日，Anthropic 的 Claude Code 在一次 npm 更新中意外暴露了源码——约 512,000 行 TypeScript（注：这是打包后的总代码量，包含依赖和生成代码）。社区的逆向分析很快铺开，全世界的开发者都在翻代码找新功能。

但最让我意外的发现，跟 AI 没关系。这个发现本身跟交易也没关系，但背后的工程哲学，做量化的人应该会有共鸣。

在一个被分析者标注为 userPromptKeywords 的模块里，有一段用来匹配 shit、wtf、fucking broken 这类脏话的正则表达式——用来快速判断用户是不是在骂人。

全世界最顶尖的大语言模型公司，用正则表达式来检测情绪。

不是调 Claude 来做情感分析。不是训一个分类器。是一个跑在微秒级的字符串匹配。

为什么？

---

一、为什么 Anthropic 不用自己的 AI

这不是偷懒。这是一个深思熟虑的工程决策。

Claude Code 每天处理几十万次用户交互。每次交互都要判断”用户是否表达了挫败感”，以便调整响应策略。如果每次都调用 LLM 来做这个判断：

• 延迟：一次 LLM 推理至少几百毫秒，正则匹配几微秒
• 成本：LLM 调用按 token 计费，正则匹配近乎免费
• 确定性：正则要么匹配要么不匹配，结果 100% 确定；LLM 的输出不具有确定性，同一个输入可能得到不同判断

所以 Anthropic 的选择是：用正则做快速筛选（门槛低、速度快、确定性强），把 LLM 的算力留给真正需要语义理解的决策。

这不是个技术细节。这是一个架构哲学：不是所有问题都值得用 AI 解决。

做量化的人，应该对这句话特别有感。

---

二、量化交易里的同一个选择题

你的策略里有两类决策：

确定性决策——该用”规则”

在 FMZ 上写过策略的人都知道，最核心的交易逻辑往往就是几行确定性代码：

// 均线交叉信号 —— FMZ JavaScript 示例
var records = exchange.GetRecords(PERIOD_D1)
var ma5 = TA.MA(records, 5)
var ma20 = TA.MA(records, 20)
var idx = records.length - 1

// 金叉开多
if (ma5[idx] > ma20[idx] && ma5[idx-1] <= ma20[idx-1]) {
    exchange.SetDirection("buy")
    exchange.Buy(records[idx].Close, 1)
    Log("均线金叉，开多")
}

条件明确、结果确定、不需要”理解”语义。用 if-else 写，100% 可靠，毫秒执行。

和 Anthropic 用正则检测情绪是类似的思路——确定性问题，用确定性工具。 当然，正则是字符串匹配，均线是数学计算，工具不同，但它们在各自系统中扮演的角色类似：都是不需要 AI 介入的确定性判断。

止损这件事，交给 if-else 的可靠性是 100%，交给 AI 的可靠性是”大概率”。你的账户承受不起那个小概率。

模糊判断决策——该用 AI

但有些决策不是 if-else 能写的：

• 新闻情绪分析：美联储声明出来了，是偏鹰还是偏鸽？”维持当前利率水平不变，但委员会将密切关注数据变化”——这句话是利好还是利空？均线告诉不了你，正则表达式也做不了这个判断。
• 异常检测：某个山寨币的社交媒体讨论量在 3 小时内涨了 800%，但价格还没动。这是”聪明钱在建仓”还是”有人在拉盘前造势”？需要结合多维度信息做模糊判断。
• 策略生成：你有一个直觉——”最近这种形态之后经常有一波拉升”。但你说不清楚具体条件。你可以把这个直觉描述给 LLM，让它帮你转化成可回测的量化因子。

这些场景的共同特点：输入是非结构化的，判断标准是模糊的，需要”理解”而不只是”匹配”。

---

三、一个可以借鉴的分层思路

回到 Claude Code 的架构。社区分析揭示了一个清晰的分层：

层级	Claude Code 中的机制	量化交易中的对应
快速筛选层	正则表达式、关键词匹配	均线交叉、阈值止损、仓位限制
工程基建层	进程管理、消息传递、权限控制	交易所 API、订单管理、风控引擎
语义决策层	LLM prompt	新闻情绪分析、异常模式识别、策略探索

当然，Claude Code 和量化交易是两个完全不同的领域，这里的对应不是精确映射。但设计哲学上的共鸣是真实的——在每个层级选择最合适的工具，而不是一把锤子敲所有钉子。

开源社区也在实践类似的思路。TradingAgents 是最近一个值得关注的多 Agent 量化交易框架（基于 LangGraph 构建，有配套学术论文）。它模拟了真实交易公司的团队结构：技术分析师负责 K 线和指标计算，情绪分析师负责解读新闻舆情，不同风格的交易员综合各方意见做最终决策。不是一个全能 AI 包揽一切，而是不同角色各司其职。

值得注意的是，TradingAgents 是一个研究框架，它解决的是”AI 怎么做交易决策”的问题。但在实盘中，你还需要另一半：交易所对接、订单管理、风控执行、日志审计——这些工程基建的事，恰好是 FMZ 这类量化平台已经帮你做好的。

---

四、Vibe Trading 怎么落地：一个分层架构示例

回到开头的 Vibe Trading。方向是对的，但前提是分层要清楚。

假设今天 BTC 均线金叉了，但新闻全是监管利空。你怎么办？纯看均线，该开多；纯听新闻，不敢动。这就是需要分层的典型场景。

在 FMZ 上，一个简化的分层架构可以这样实现（注：以下为简化示例，实盘请自行完善合约设置和风控）：

/*
策略参数（在 FMZ 策略编辑页面的"参数"栏中添加）：
  OPENROUTER_API_KEY : string类型，填入你的 OpenRouter API Key
  AI_MODEL           : string类型，默认值 "google/gemini-2.5-flash"，可换成其他模型
*/

// 语义决策层：通过 OpenRouter 调用 AI 获取市场情绪
function getAISentiment() {
    var prompt = "分析当前加密货币市场新闻，给出情绪评分（-1到1，-1极度恐慌，1极度贪婪），只返回一个数字"
    var response = HttpQuery("https://openrouter.ai/api/v1/chat/completions", {
        method: "POST",
        body: JSON.stringify({
            model: AI_MODEL,
            messages: [{role: "user", content: prompt}],
            temperature: 0
        }),
        headers: {
            "Content-Type": "application/json",
            "Authorization": "Bearer " + OPENROUTER_API_KEY
        },
        timeout: 15000
    })

    var score = parseFloat(JSON.parse(response).choices[0].message.content)
    // AI 返回异常时，回退到中性值——系统可靠性不依赖 AI 的每次正确输出
    if (isNaN(score) || score < -1 || score > 1) {
        Log("AI 返回格式异常，使用默认值 0")
        score = 0
    }
    Log("AI 情绪评分：", score)
    return score
}

function main() {
    var lastSignalTime = 0  // 记录上次信号触发的K线时间，防止同一根K线重复触发

    while (true) {
        var records = exchange.GetRecords(PERIOD_D1)
        if (!records || records.length < 20) { Sleep(1000); continue }

        var ma5 = TA.MA(records, 5)
        var ma20 = TA.MA(records, 20)
        var idx = records.length - 1
        var curTime = records[idx].Time
        var isBullCross = ma5[idx] > ma20[idx] && ma5[idx-1] <= ma20[idx-1]
        var isBearCross = ma5[idx] < ma20[idx] && ma5[idx-1] >= ma20[idx-1]

        // 查持仓状态
        var pos = exchange.GetPosition()
        var hasPosition = pos && pos.length > 0

        // 第一层：确定性信号做"门槛"，金叉触发 + 无持仓 + 未在本根K线处理过，才去问 AI
        if (isBullCross && !hasPosition && curTime !== lastSignalTime) {
            lastSignalTime = curTime
            var sentiment = getAISentiment()

            // 第二层：AI 情绪做"参考"，影响仓位但不独立触发交易
            if (sentiment > 0.2) {
                exchange.SetDirection("buy")
                exchange.Buy(records[idx].Close, 1)
                Log("金叉 + AI看多，全仓开")
            } else if (sentiment > -0.3) {
                exchange.SetDirection("buy")
                exchange.Buy(records[idx].Close, 0.5)
                Log("金叉 + AI中性，半仓开")
            } else {
                Log("金叉但 AI 看空，跳过本次信号")
            }
        }

        // 死叉平仓：确定性规则，不经过 AI
        if (isBearCross && hasPosition) {
            exchange.SetDirection("closebuy")
            exchange.Sell(records[idx].Close, pos[0].Amount)
            Log("均线死叉，平仓")
        }

        // 第三层：止损是"铁律"，不经过 AI
        if (hasPosition) {
            var curPrice = records[idx].Close
            var entryPrice = pos[0].Price
            if (curPrice < entryPrice * 0.97) {  // 跌破开仓价 3%
                exchange.SetDirection("closebuy")
                exchange.Sell(curPrice, pos[0].Amount)
                Log("止损触发，无条件平仓，亏损", ((curPrice/entryPrice - 1)*100).toFixed(2), "%")
            }
        }

        Sleep(60 * 1000)
    }
}

这段代码的核心逻辑值得展开说：

1. 均线金叉是”门槛”。 只有确定性信号先触发，才会去调用 AI。不会每根 K 线都去问大模型——既省钱（大模型 API 按 token 计费），又避免噪音。这和 Anthropic 的思路一致：正则先过滤，匹配到了才启动更重的处理。

2. AI 情绪是”参考”。 它影响仓位大小和是否跳过信号，但不独立触发交易。注意代码里对 AI 返回值做了异常处理——如果大模型返回了不可解析的内容，直接回退到中性值 0。系统的可靠性不应该依赖于 AI 的每一次正确输出。

3. 止损是”铁律”。 跌破开仓价 3% 无条件平仓，不问 AI 的意见。AI 可能说”长期看好”，但你的账户等不到长期。这里用价格百分比做硬止损，不经过任何模糊判断。

这就是 Vibe Trading 的正确打开方式：用自然语言让 AI 帮你”感知”市场氛围，用确定性代码帮你”执行”交易动作。 两者的边界不能模糊。

实操建议：在 FMZ 的回测系统里，先跑一遍纯均线策略作为基准线，然后加上 AI 情绪层，对比收益和回撤。如果 AI 加进来反而变差了——说明分层有问题，可能 AI 在不该干预的地方干预了。每次 AI 返回的结果，用 Log() 记下来，方便事后复盘每一次决策。

---

五、带走一句话

最先进的 AI 公司用正则表达式检测情绪，不是因为它们造不出更好的 AI。

是因为它们知道：选对工具比选强工具更重要。

均线策略不性感，正则表达式不高级。但它们在自己的领域里，比任何 AI 都可靠。

反过来，当你需要从一份 5000 字的宏观研报里提取出”这篇对 BTC 是偏多还是偏空”的判断时——均线帮不了你，正则也帮不了你。这才是 AI 该上场的时候。

不是”用不用 AI”的问题，是”在哪一层用”的问题。

Claude Code 源码里那个不起眼的正则表达式文件，替我们回答了一个常被忽略的问题。而 FMZ 给你的，是一个现成的分层基建——交易所接口、指标计算、实盘管理、日志审计都帮你做好了，你只需要想清楚：哪些决策交给 TA.MA()，哪些决策交给 AI。

---

参考来源： - Alex Kim - The Claude Code Source Leak — 正则表达式挫败感检测分析 - FMZ - Building an AI-Powered Automated Trading System — AI 大脑 + FMZ 双手架构 - TradingAgents - Multi-Agents LLM Financial Trading Framework — 多 Agent 量化交易开源框架 - TradingAgents 论文 — 多 Agent 金融交易框架学术研究 - VentureBeat - Claude Code Source Code Leak