一、传统 AI 量化：写代码 = 开盲盒，幻觉防不胜防
普通人想用 AI 做量化，却总被幻觉坑到崩溃？
很多人用 AI 做量化的思路都是输入自然语言→AI 生成代码→调试运行，看起来很简单，但结果却不尽人意。AI 编写的代码会出现各种幻觉问题：
虚构函数、接口、指标，代码跑不起来
逻辑张冠李戴，算均价用成收盘价，算最高用成均值
偷偷引用未来数据，回测很美、实盘亏惨
忽略交易成本、滑点、风控，完全违背金融规律
最坑的是：有些错误不报错，AI 一本正经胡说八道，你只能盲信，亏了才知道踩雷。用更精准的提示词有可能提高代码生成质量，但幻觉问题是目前大模型技术的固有特性，无法根除。如果是专业的程序员，那还有能力审核代码（虽然也挺费劲），而对于不懂编程的普通人来说只能是可望而不可及。
二、AIQT：不写代码，只做「中文填空题」
换个思路，如果我们在自然语言和程序代码之间引入一层“规范汉语中间层”，让 AI 生成普通人也能看得懂的策略“语言”，这样非程序员也能直接审核校验策略逻辑，从而彻底打破审核壁垒。AIQT 的 “规范汉语中间层” 模式便是现成的解决方案。
AIQT 定义了一套极简、无歧义、结构化的规范汉语（类似量化领域的 “专用语言”），作为用户与 AI、AI 与引擎之间的 “中间桥梁”：
对用户：用大白话描述策略（如 “5 日线上穿 10 日线买入”），无需懂代码；
对 AI：强制输出规范汉语，而非代码，严格遵循固定格式（指标定义、买入条件、卖出条件、仓位规则），禁止模糊表述或逻辑跳跃；
对引擎：规范汉语可直接编译为可执行策略，这一步不依赖于概率型的 AI，而是精确的编译器，这样就没有二次翻译误差，避免代码生成环节的幻觉。
AIQT 的规范汉语，格式简洁固定，就像是中文填空题，普通人也能看懂。
三、实战一看就懂：零代码干掉幻觉
举个例子，双均线策略
输入大白话：生成一个双均线策略，MA 短周期取 5，长周期取 20
AI 输出用规范汉语编写的策略
它的策略模板是固定的，由指标定义和配置定义两部分组成，指标定义中的内置指标如 MA、GDX(金叉死叉信号) 的格式也是统一的，AI 只需要像做填空题一样，在固定的位置填入对应的参数。配置定义的格式也是固定的只需要在买入信号列、买入价格、买入股数……填入相应内容即可。当我们用自然语言输入时，AI 会输出固定格式的策略，而这套完全用汉语编写的策略，普通人也能看懂，也能审核 AI 输出的策略逻辑是否准确。
当策略逻辑符合要求后就可以直接应用该策略，一键回测：
对于内置指标中没有的指标可以用自定义指标来实现，它的格式也是固定的，AI 只需要在相应地方填空。
再举一个复杂点的例子：量价递增追涨策略
输入交易规则：
量能规则：连续3个交易日成交量逐日递增
价格规则：连续3日收盘价上涨，股价站稳5日均线
买入信号：满足量价齐升条件，次日开盘开仓
卖出信号：成交量递减，且股价跌破5日均线
AI 输出：
这个策略中用到了很多自定义指标，可以看到自定义计算和自定义信号的模板也是固定的，由 AI 自动生成，用户只需要审核表达式、买入条件和卖出条件的逻辑表达是否准确。比如本例中成交量要求连续3日逐日递增，核对上图中红线部分表达式，可以看到先定义了一个指标vol_up，计算每天的成交量是否增加，然后再计算是否连续3日成交量都增加。每个表达式都是用规范汉语书写，普通人都能读懂。
并且对于计算过程是否准确，也可以在数据界面进一步验证，如下图，比如vol_up指标，如果成交量比昨日增加则返回是，反之否。
从策略到计算，整个过程都可读，没有一句代码，普通人完全能看懂。并且计算过程也是透明的，可以看到每一条数据、每一个指标的计算结果，不存在黑盒。
用 “规范汉语” 替代 “直接代码生成”，还有一个好处就是从根源上杜绝了未来函数的问题。比如像本例中的成交量增加，连续 3 日递增等只能是往前取数，不可能往后取。因为将规范汉语转化为代码语言的过程是一个精准的编译过程，它的编译规则根本不支持往后取数。而且在 AIQT 的汉语规范中也没有任何计算未来的表达式，比如像明日收盘价，次日开盘价这类的写法都是不支持的。即使 AI 翻译出了这样的语句，系统也会报错，指导 AI 纠正。
四、为什么这样做，就能干掉幻觉？
AIQT 的「中文填空题」模式，有三道防幻铁闸：
- 强制规范，不给 AI 自由发挥
所有策略必须按固定格式：内置指标、自定义指标、配置定义等只能填空，不能乱写，从源头减少幻觉产生。
- 汉语可读，非程序员直接审核
没有晦涩代码，逻辑全透明，你不用懂 Python，只要看汉语句子对不对，自己就能当审核专家。
- 确定性编译，告别概率生成
规范汉语→可执行策略，是精准编译，不是 AI 概率生成，没有误差、没有虚构、没有暗箱，100% 准确。
五、它不是万能，但足够普通人用
优点：
零代码、零门槛，会说话就会做策略
彻底杜绝幻觉、未来函数
回测稳定、逻辑可控、非程序员可独立使用
低成本，不用高级模型、不用程序员审计
局限：目前主打基于日线的离线指标策略，不做高频实时，但覆盖均线、RSI、MACD、放量、突破等 90% 常用策略，足够普通投资者用。
六、总结
AI 量化的幻觉，从来不是 “AI 不够聪明”，而是模式错了—— 让大模型直接写代码，本身就是在赌概率。
AIQT 把复杂量化，变成简单的中文填空题：你说想法 → AI 填规范汉语 →普通人核验策略逻辑→ 系统编译执行。没有代码、没有幻觉、没有黑箱，普通人也能安全用 AI 做量化。
