期货程序化圈子里，CTP 三个字母几乎绕不开。我接触过的团队里，有人坚持直连柜台追求可控，有人更愿把会话与行情维护交给中继，自己在 Python 层写策略。下面按四条常见路线并列说明：各自定位、维护负担，以及从 CTP 思维迁到 SDK 思维时通常要对齐哪些概念。CTP 解决的是柜台连接，完整量化系统还要行情、回测、模拟、风控与运维。若团队缺少专职 CTP 运维，一体化 SDK 往往能把首条可交易

读者应理解，AI的价值可以先放在理解与解释代码结构上，再逐步进入代码、回测和模拟这些更靠后的环节。这样评估新工具时，增量价值来自推进顺序，而不是来自一次性覆盖全部流程。

读者应理解，小策略练习的价值不是追求完整功能，而是建立从想法、表达、实现到检查的连续感；AI协作可以在每一步帮助读者保持方向。

读者应理解，AI更适合辅助澄清表达和发现遗漏，而不是替代自己理解量化流程；只有把它放在Python、API和规则转化之间，学习过程才会更有方向。

天勤量化程序的结构可以概括成：创建一个TqApi，订阅合约，在while True里反复调用。每一次，天勤会尝试收一批数据包，更新内存里的行情、委托、持仓，并让后台的有机会发单撤单。若网络卡住、行情服务繁忙、或休市无数据，循环会长时间阻塞——既可能错过风控，也可能让你误以为程序还在正常跑。天勤提供两种与「等太久」相关的机制：一是wait_update(deadline=时间戳)超时返回False；

国内期货量化很多是在 Windows 笔记本上写出来的：装 Anaconda、pip install tqsdk、在 IDE 里跑通TqSim。上线时希望放到 Linux 云服务器上 7×24 跑夜盘，路径、换行符、进程守护和时区都会和本机不同。天勤 TqSdk 本身跨平台，策略里等调用一般不用改，变的是运行环境和运维方式。下面按 Python 环境、文件路径、进程守护、网络时区、直连 CTP 等

服务器重启、策略升级、异常退出后，进程内的变量全没了：网格档位计数、昨日信号标志、自定义止损线，若只靠position恢复，往往不够。我遇到过重启后策略以为「还没开过仓」又开一遍，或与真实持仓叠加。天勤TqSdk的positionaccount会随柜台更新，但业务状态（第几根 K 线、内部计数器、参数版本号）要自己做持久化。下面用 JSON 文件示意保存与恢复，适合个人和小团队；大规模可用 SQL