企业官网建设流程全解析

GitHub 上的 AI 量化项目很多，但真正完整的并不多

最近我重新审视了一下 QuantBot。

目前大约：120,000 行代码 40+ 个工具 完整的量化投资工作流

这让我开始重新思考一个问题：什么才算一个真正完整的 AI Quant System？

现在 GitHub 上有大量：

• AI Trading Bot

• LLM Stock Predictor

• Trading Agent

• Quant Framework

• Backtesting Framework

很多项目都非常优秀。但它们往往聚焦于某一个环节：

有人擅长回测。

有人擅长因子。

有人擅长机器学习预测。

有人做 LLM Agent。

有人做交易执行。

问题是：真正的投资过程，本来就不是一个模块。

一个完整的投资系统应该至少包含： Market Data ↓ Research ↓ Factors ↓ Strategies ↓ Backtesting ↓ Risk Management ↓ Portfolio ↓ Decision ↓ Execution ↓ Review

而 AI 应该嵌入这条链路，而不是取代它，这就是 QuantBot 现在的架构方向。

QuantBot 现在到底有多大？

目前系统已经接近：12 万行代码

并且拥有：40 +个工具

这些工具并不是简单的“调用 LLM”。

而是围绕量化投资流程构建的真实工具：数据工具、量化分析工具、策略工具、回测工具、风险工具、组合工具、交易工具，以及 AI Agent 所需要的各种能力。

因此 QuantBot 的目标已经从：

“做一个量化策略”

逐渐变成：

构建一个完整的 AI-native Quantitative Investment System。

为什么需要这么复杂？

因为金融市场本身就是复杂系统。如果你的程序只有： 行情 ↓ AI ↓ Buy / Sell

那么它更像一个 Demo。

真正的交易系统应该是： Data ↓ Quant ↓ Risk ↓ Portfolio ↓ AI Decision ↓ Execution ↓ Feedback

而且这个过程不是运行一次。

而是：每天运行。

所以我对 QuantBot 的定义越来越明确：

QuantBot is not an AI trading chatbot.

It is an AI-native quantitative investment system.

AI 是智能协作层。

Quant Engine 是事实与计算层。

Risk 是约束层。

Portfolio 是决策层。

Trading 是执行层。

Review 是反馈层。

最终形成一个持续运行的闭环。

目前最让我满意的，并不是 12万行代码

而是：40 个工具开始真正连接成一个系统。

这两者完全不同。

100 个零散工具，只是一堆代码。

40 个相互协作的工具，才可能成为基础设施。

这也是 QuantBot 下一阶段真正要解决的问题：

不是继续堆功能，而是让整个系统更加智能、稳定、自动化和可扩展。

目前 QuantBot 主要面向 A 股。

如果你正在研究：

🇨🇳 A 股量化🤖 AI Agent📊 Quantitative Research🛡️ Risk Management💼 Portfolio Management⚡ Algorithmic Trading

欢迎来看看这个项目。

GitHub：

GitHub - jeokeo011222/quantbot: QuantBot（AI 量化机器人）的桌面前端源码。基于React + TypeScript + Vite构建，通过Wails与 Go 后端通信，提供 A 股量化交易的图形界面：市场总览、多因子选股、AI 智能体决策、投资组合、策略回测、实时活动、审计日志等。 · GitHub

如果你觉得这个方向有意思，欢迎：

⭐ Star🍴 Fork🐛 提 Issue💬 分享你的想法**

一个人写 10 万行代码，也许并不能改变量化交易。

#QuantBot #AIQuant #QuantitativeFinance #AlgorithmicTrading #A股量化 #OpenSource