作为上一次期货仿真盘的内测用户，panda ai进步了非常多，不仅推出了自定义代码的专家模式，可供熟悉cta策略的交易者有自我发挥的空间，同时还上线了ai助手，能通过自然语言一键生成节点以及代码，非常有创新性。

先说内测的心得体会

一 Panda A 内测任务第一周：从零上手 AI 工作流并利用历史数据进行策略研究

1.1 任务背景与目标
本次内测旨在带领大家快速熟悉 Panda A 平台的核心功能，重点解决量化投研中的三个痛点：

如何利用历史数据进行策略研究；

如何利用平台搭建自己的交易系统；

如何通过AI 助手辅助策略开发与因子分析。

第一周任务分为基础任务与进阶任务，本文聚焦基础任务，手把手教您完成第一个 AI 驱动的期货策略回测。

1.2 基础任务核心路径
进入工作流模块
登录平台后，点击左侧导航栏「工作流」，这是所有策略构建与因子研究的起点。

创建空白工作流
在工作流页面选择「创建空白工作流」，进入可视化画布界面。

唤醒 AI 助手
画布右下角即为 AI 助手交互框——这是本次任务的核心工具。很多新用户不清楚如何与它协作，记住一个原则：明确目的，简洁表达。

1.3 AI 助手使用要点
第一步：说清策略类型
例如：“我要做一个期货的交易策略回测。”——直接限定资产类别。

第二步：给出核心逻辑
例如：“运用双均线交叉逻辑。”——逻辑越具体，生成的代码越贴近您的想法。

第三步：补充必要参数（可选）
合约、时间范围、K线周期等可以后续迭代，初次交互不必写全，避免信息过载。助手会根据主流默认参数先生成可运行版本。

第四步：提交并迭代
发送指令后，助手会自动在画布生成回测代码块+可视化结果。您可以在对话中继续追加要求，例如“修改均线周期为20和60”“加入手续费滑点”，由简入繁，逐步逼近自己的交易系统。

1.4 实战案例：期货双均线策略
在 AI 助手输入框键入：

“写一个期货的交易策略，利用双均线以及量价因子的逻辑，在白银主力合约上进行测试，时间是2025年01----2025.12”

助手响应：

自动生成 Python 策略代码（基于平台内置回测引擎）；

在画布输出累计收益率曲线、多空信号分布；

附带关键绩效指标（年化收益、最大回撤、夏普比率）。

后续优化方向：

调整均线参数；

添加过滤条件（如成交量确认）；

对接实盘模拟接口，体验从研究到交易的完整闭环。

第一周基础任务不求策略复杂，重点在于跑通“人机协作”流程。无论您是做股票因子挖掘，还是期货 CTA 策略，都可以先用上述方法在 AI 工作流中快速验证想法。下一期我们将详解进阶任务——多因子组合优化与实盘信号推送。

建议以及相关error

笔者在使用专家模式会遇到

This cell wasn’t run because it has errors
line 1 SyntaxError: Importing symbols with import * is not allowed in marimo.

Why can’t I use import *?

但是panda ai内部的自定义python节点是没有报错的，可见这两个ide是分开的，这个问题与之前内测遇到的相似，即panda_backtest.api.api 或者使用 panda ai的内部框架以及数据库与现有python library 之间的协同协调没有一个很好的使用说明才导致的。

希望panda ai 越做越好