一、 流程全记录

1.1 导入json文件

• 下载json文件并导入：相当于是给你一个基础的模板来改;（找了半天导入按钮在哪里hha）
  
• 点进策略代码就可以进入如下界面开始修改策略了;
  

1.2 修改策略文件

• PandaAI助手简直是策略生成工作中的神器，只要你有最基本的Python语法基础（Python很接近自然语言，最基本的东西半天即可学会上手，亲测），就可以把你脑海中的策略想法直接实现~
  
• 还不能完全做到纯小白从零直接上手是因为，你得看得懂策略核心实现部分的代码逻辑，有时候一个符号、小数点的差池就会极大地影响策略结果。不过现在已经几乎做到零基础上手了，很厉害。

1.3 创建仿真账号

• 上一步保存退出后，直接返回首页，点击上方banner中的超级图表，点击下方实盘处创建一个实盘账号，并把刚刚保存好的策略放上来；
• 这里稍微吐槽一下，官网上方的banner设置有一丢丢反直觉了，就是
  
  
• 最后就可以看到启动中的实盘仿真的实时情况了。这里默认采用的是实时推送1minK线，根据信号每过1min展示最新的下单、持仓等的情况。就是不知道在哪调整周期？好像在手册中没有看到相关介绍。
  
• 刷新该界面后出现error，但不影响实盘模拟运行，不知道是什么情况，贴在这了：
  

二、 一点内测使用体验

大的功能架构上已经很完整了，使用的门槛主要有两个：1、基本的Python语法，这个没办法，肯定得会，不然AI搞坏代码结构、策略核心逻辑部分有小的错误看不出来就很影响结果了。2、平台功能的相互联动逻辑，因为实盘仿真功能的使用涉及了网站上多个功能区，新人还是得边看视频边自己全流程串下来才行，不过一旦跑通其实会发现逻辑很清晰。

说实话作为一个主观研究者，试用之前没有抱太大预期，毕竟量化看起来是一个系统性的工程，没想到借助AI和工作流能够把门槛降的这么低。PandaAI做的事基本上等同于一个量化公司里面的IT团队了，给我们解决了大量复杂的工程问题，我们只需要专注策略本身即可，点赞！