AI助手多样化研究分享(一次失败的尝试)
简单说下这次测试
今天主要想看看它用AI帮忙做工作流,结果发现了一些问题,写下来给大家参考。
测试过程记录
第一次尝试:让AI自动生成简单工作流
自动生成无法运行
遇到的问题:刚用AI生成工作流,就提示"负载超荷,建议优化工作流!",直接跑不起来。
我的感受:按理说AI生成的工作流,就算粗糙点,至少应该能跑起来吧?一开始就跑不了,体验确实不太好。
截图:
改成python代码输入
解决办法:我认为可能是因为使用了公式输入,改成代码输入。
截图:
两次简单的线性因子构建都成功了:
第二次尝试:两个因子合成
我试着使用拖拽的方式,将两个因子合并,使用平台提供的节点拖拽功能来构建工作流。
新问题:在因子合成这一步卡住了。
截图:
打开右下角的AI助手尝试解决
打开右下角的AI助手,输入报错情况,结果是没能解决:
截图:
在Python代码输入端尝试解决
在两个Python输入端分别尝试让AI修复,结果还是不能解决:
截图1:
截图2:
最终结果
结论:试了各种方法,问题还是没解决。
截图1:
截图2:
遇到的问题总结
主要不顺畅的地方
- AI工作流构建不稳定: 初始AI构建的工作流无法正常运行
- 因子合成环节卡顿: 在关键的计算环节出现性能问题
- AI解决方案效果有限: 平台内置的AI辅助功能未能有效解决问题
对用户的影响
- 用户需要花费额外精力解决平台技术问题
- 无法专注于量化研究本身
- 增加了学习成本和使用门槛
一些建议
技术方面
- 提升AI工作流构建的稳定性: 确保自动生成的工作流能够基本运行
- 优化因子合成性能: 解决计算环节的卡顿问题
- 增强AI解决方案的有效性: 提高内置AI辅助功能的实用性
用户体验方面
- 降低使用门槛: 让用户能够更专注于量化研究而非技术问题
- 提供更清晰的错误提示: 帮助用户快速定位和解决问题
最后说几句
PandaAI这个平台想法挺好的,想用AI让量化变得更简单。但实际用下来,感觉还有很多地方需要改进。
对于我们做量化的人来说,理想的工具应该是:花最少的时间解决技术问题,把主要精力都放在策略研究上。希望平台能越做越好,真的实现"量化平权"这个目标。