一导入策略到Ai工作流中  二告诉AI需要增加交易品种 将AI生成的程序应用保存后运行 三部署到实盘中运行  整个过程方便快捷，体现了AI程序化的巨大优势


一【多策略调整与优化】 在前几个星期的基础上进一步在品种和时间上进行学习 1.1新增交易品种 新增白银和棉花的交易品种; 通过AI对话添加代码成功并修改一些潜在风险; 添加到实盘验证  1.2设定时间交易 1.通过AI对话了解代码细节;![4aa1...

一、期货多品种交易策略 1.1导入策略 将教程中json文件导入进来后得到代码节点，点击运行后没有问题  1.2查看策略的回测情况 手动增加回测节点  增加后但是回测结果策略收益是0%，看起来没能完成交易，考虑可能是交易品种的缘故   因为回测时间是25年全年，所以尝试将品种改成2512，但依旧无效且发现没有日志  1.3AI进行改动 首先...


一导入策略并运行  注意保存策略，修改回测频率 二部署实盘绑定仿真账户 

【回测策略实战检验】 1.1下载白银近远期套利代码  链接期货回测和策略回测结果  启动工作流查看回测结果  1.2创建实盘  1.出现异常 Traceback(mostrecentcalllast):File"/app/s...

第三周仿真实盘测试内容：使用了工作流节点的多个作用，工作流中开始回测，挺好的！ 小建议：主体策略逻辑目前还是全部代码实现的，期待也划分成多个节点形式 测试内容如下： 添加回测节点：  回测结果：  进行仿真实盘账号验证： 

一、在程序编辑器里编辑好策略  注意将账户修改为超级图表中的模拟账号上面图中的“1829”，别搞错了，运行，没有错误就可以使用了 二、在超级图表中，增加模拟账户   启动实盘，在列表中设置好策略，绑定的账户，启动即可，超级简单!!

一内测流程 1.1创建并导入工作流 json格式导入导出工作流这个功能真心不错！  1.2使用AI对话并修改功能  1.3创建仿真账号并运行 创建账号后会得到一个ID，这个比较重要  1.4仿真账号出入金功能体验  二内测体会 pandaai真心不错，希望功能可以越来越完善，大力支持！

1任务完成打卡  2产品建议 1.当前策略运行还是一个节点，还是需要写代码，工作流的作用好像没有体现出来 2.工作流这块希望增加两个功能 1.一个是文件夹功能 1.另一个是增加上是因子工作流还是策略工作流的分类 

一测试 1.1二级标题 周日完成，不是交易日，未能跑出实盘结果 xxxx; 1.2二级标题 1.xxxx; 2.xxxx;

模拟盘测试-12月记录【内测心得】 测试流程 工作流的模式、低耦合可视化编辑能很大降低操作门槛；并且和模型交互、回测的功能都已经较为完善；整体体验都还好，可能有微量细节需要打磨，加油！ AI工作流 模型交互也相对便捷；  超级图表&模拟盘测试 整体界面功能完成度也很高，和市场上的盯盘工具的功能已经大体上都做到了，并且本次内测的模拟盘功能也是一个很好的使用点； ![93c1e6cadfeb881584213e4...

AlphaGenRL训练参数说明 概述 `scripts/rl.py`是AlphaGen项目的核心训练脚本，使用强化学习（RL）和大语言模型（LLM）来自动发现和优化Alpha因子。本文档详细说明了`main`函数的所有参数。 参数详解 1.`random_seeds` 类型:`Union[int,Tuple[int]]` 默认值:`0` 作用:设置随机种子，确保实验的可重现性 bash 单个种子 pythonscripts/rl.py--random_seeds42 多个种子（会依次运行多个实验） pythonscripts/rl.py--random_seeds"(0,1,2,...

接上一篇：Alphagen学习笔记（1.Qlib因子生成部分）。接下来尝试简化和重写qlib因子生成（更准确说应该是“因子计算”），即：1.替换成本地parquet文件行情数据2.再按表达式计算出因子值。 行情和因子值在各个模块中传递顺序为从左至右：data—loader—stock_data。  小白编程还是要多用deepseek。我刚开始采用胡乱试的办法，把以上各个模块扔进对话框，先帮我解释一下代码，然后阐明接下来工作目标是要把mongodb行情数据替换成本地c...