经常做策略优化的朋友都知道，如今在“优化”和“研究”这条路上，我们不得不借助AI来辅助。所以，今天的核心是Panda ai内置的AI助手，不同与其他ai助手，它有三种模式可以选择。

• 通用代码助手：用于解决各类编程问题、写代码、改代码和解释代码的综合型助手。
• 回测代码助手：专门帮助你编写、调试和优化量化交易策略回测代码的助手。
• 因子构建代码助手：专注于将金融逻辑转化为可计算的因子公式并实现为代码的助手。
  

1.1 调整后收益

通过panda AI助手的优化和调整后，整体收益得到了显著提升，在一些我忽略的地方，也帮我做了很大的优化。

1.2 多策略进行优化

同样，按照上面的方式对其他策略进行优化和调整。

1.3 总结

总体来看，Panda AI 并不是简单替代人的“写代码工具”，而是把策略研究从低效的反复试错中解放出来：通用代码助手解决工程摩擦，回测代码助手系统性优化策略结构，因子构建助手则提升研究层面的抽象与表达能力。最终结果不是“AI 给了一个更好的答案”，而是让研究者把精力重新聚焦在真正有价值的地方——策略逻辑、风险结构与可扩展性上，这也是未来量化研究效率提升的核心方向。