这周 PandaAI 内测第四周的学习任务。本阶段的核心目标是带我们由浅入深地掌握“专家模式”，从理解底层节点逻辑到亲手编写自定义插件。专家模式不仅将复杂的低代码工作流转化为透明的 Python 代码，更赋予了用户通过编程扩展平台能力的无限可能。

一、 开启专家模式：探索节点的底层逻辑

专家模式是连接可视化界面与底层代码的桥梁。通过该模式，我们可以实时查看每个功能节点对应的 Python 实现，理解数据是如何在不同环节之间流转与处理的。
1.进入路径：登录 PandaAI 官网，进入 “AI 工作流” 模块。
2.切换视图：在已创建或现有的工作流中点击“查看”，随后在左侧的伸缩边框中找到并点击“专家模式”。
3.逻辑拆解：在专家模式下，每个节点框都会展示其详细的 Python 代码。例如，在股票回测框架中，我们会看到代码输入节点如何通过 AI 交互生成函数结构，并将其传递给回测引擎进行数据收集与参数设置。

二、 核心实战：编写自定义插件

这是本周任务的重头戏。在 PandaAI 中，自定义插件是功能扩展的核心。编写一个标准的插件需要遵循特定的结构：继承 BaseWorkNode 类，并实现 input_model、output_model 和 run 这三个核心方法。

1. 插件结构三要素

• input_model：定义节点的输入参数，使用 Pydantic 进行数据验证。
• output_model：定义节点的输出格式，确保数据流向下游节点时的规范性。
• run：编写核心业务逻辑，即节点具体要执行的计算或处理任务。

2. 示例代码：两数求和插件

以下是一个完整的自定义插件模板，展示了如何创建一个名为“示例-两数求和”的测试节点：

from typing import Optional, Type
from panda_plugins.base import BaseWorkNode, work_node
from pydantic import BaseModel

# 1. 定义输入模型：指定需要输入两个整数
class InputModel(BaseModel):
   number1: int
   number2: int

# 2. 定义输出模型：指定输出结果为一个整数
class OutputModel(BaseModel):
   result: int

# 3. 实现插件逻辑
@work_node(name="示例-两数求和", group="测试节点")
class ExamplePluginAddition(BaseWorkNode):
   """
   实现一个示例节点, 完成一个简单的加法运算, 输入 2 个数值, 输出 2 个数值的和.
   """
   @classmethod
   def input_model(cls) -> Optional[Type[BaseModel]]:
      return InputModel

   @classmethod
   def output_model(cls) -> Optional[Type[BaseModel]]:
      return OutputModel

   def run(self, input: BaseModel) -> BaseModel:
      # 具体的运行逻辑：将输入的两个数相加
      result = input.number1 + input.number2
      return OutputModel(result=result)

# 本地调试代码
if __name__ == "__main__":
   node = ExamplePluginAddition()
   input_data = InputModel(number1=1, number2=2)
   print(node.run(input_data))

3. 创建、使用及保存

在专家模式的代码编辑器中点击如下图的 “+” 或者 “python”

点击之后,会出现一个 python cell .我们的自定义节点就是要写在这个里面.按插件开发要求实现自己的插件之后,使用节点有两种方法.

方式1:直接从从专家模式中拖拽出去,如下图

方式2:从节点库 用户自定义 里面拖拽到画布

完成编写后，点击保存。新生成的节点会出现在节点库的“用户自定义”分类中。如上图,点击上图标注1的节点库,向下找到上图标注2的用户自定义.然后找到自己的因子节点,鼠标放在因子名称上面,按住左键,然后拖动到画布即可，像使用原生节点一样进行连接和调试。

三、 期货仿真交易与全流程回测

将自己编写的工作流进行期货仿真盘验证,打开 https://www.pandaai.online/quantflow/charts

• 账号连接：在页面左下角可以进行实盘操作，如果没有实盘账号需要先创建并连接仿真交易账号。
• 工作流配置：选择刚刚创建的“期货回测工作流”。
• 运行与注意：期货回测需要缓存基础数据，只有当数据满足开仓条件时才会产生交易记录。如果运行过程中出现报错，可以通过AI助手寻求帮助。
  

四、 进阶建议

专家模式不仅是工具，更是一种思维方式。建议大家在完成基础的两数求和插件后，尝试结合 pandas 或 numpy 编写更复杂的金融指标计算节点。通过不断调试自定义节点，我们将能构建出完全属于自己的量化交易系统。
如果下图,我在AI助手的协助下,编写了几个节点,虽然工作流可以成功运行,但是,回测结果查看不到结果.还得继续研究.