上一篇我们搭好了AI策略引擎的整体架构——数据怎么流、模块怎么分层、回测怎么跑。AI到底怎么做出交易决策的？它看到什么数据？它怎么"想"？它"说"出来的东西怎么变成实际的买卖指令？这篇专门拆解这件事。说实话，这是整个AI策略里最让我觉得有意思的部分。因为它跟传统量化策略的思路完全不一样——不是你写规则告诉程序"什么情况下买"，而是你描述场景让AI自己判断。从写if/else到写提示词，表面上看是换

第23篇讲完 AI 策略引擎，有读者在问了个很实在的问题：AI 每根 K 线怎么想、下了什么单，事后去哪查？批量优化出来的参数，下次打开回测界面还要不要重新填？所以这一篇专门讲两块基础设施。一块管细粒度流水：每一笔成交、每一轮 AI 决策，都存进 MySQL，事后能按品种、按时间拉出来复盘。另一块管可复用的策略参数：每个品种一组最优参数，批量优化完直接写 JSON，实盘启动时自动加载，不用手动敲。

上一篇讲了指标计算引擎的重构，让策略能直接复用图表指标的计算逻辑。有读者问了个很关键的问题：复用指标计算确实方便了，但策略的逻辑还是得自己写——金叉买、死叉卖，或者RSI超买做空、超跌做多。这些规则写死了，市场一变，策略就不管用了。这个问题困扰了我很久。说实话，刚开始做量化的时候，我觉得只要找到"对的指标参数"，就能稳定盈利。于是花大量时间调参，MACD的(12,26,9)换成(5,13,5)，R

上一篇讲了交易图表的AI分析功能集成，有读者私信问：图表里那些指标（MACD、RSI、SuperTrend这些）能不能直接在策略里用？现在写策略要用指标，要么自己重新算一遍，要么只能用vnpy自带的那几个简单函数。这个问题其实挺普遍的。你看，图表系统里已经实现了20多个指标，从基础的MACD、RSI、布林带，到高级的SuperTrend、WaveTrend、斐波那契入场带，每个指标都有完整的计算逻

这两周太累了。没时间更新文章，因为把绝大部分时间都投入在AI分析和AI交易引擎的思考设计和开发中。从架构设计到提示词优化，从数据采集到多模型协同，整个过程挺折腾的，但看到效果出来还是很有成就感。上一篇讲了实时图表交易系统的开发，交易面板、风控监控这些功能都基本完善了。有朋友问，现在系统能交易了，但怎么做出交易决策呢？每天盯着K线图看指标，还是容易错过机会或者判断失误。这个问题确实很实际。做交易，信

上一篇讲了多周期K线系统的完善，图表可以实时更新了，指标也能正常显示了。有朋友留言问，这些图表看起来挺专业的，但怎么在上面下单交易呢？总不能看着图表，再切到别的软件下单吧。这个问题确实很实际。做日内交易，看到机会要马上下单，在图表和交易界面之间切来切去，效率太低。而且官方的ChartWizard虽然能看实时K线，但没有下单功能，只能看不能交易。所以这篇就来讲讲怎么把ChartWizard改造成Ch

上一篇讲了实时K线图表的开发，有读者私信问：“能不能支持30分钟K线？我的策略用的是半小时周期。说实话，一开始觉得这不就是加个按钮的事吗？结果一细想，问题来了。中国期货市场10:15-10:30休市，11:30-13:00午休。如果按自然半小时切分，10:00-10:30这根K线会包含15分钟的休市时间，数据就不准了。这跟之前做小时K线时遇到的问题一样——得按实际交易时段合成，而不是按时钟时间。顺

最近有读者私信问：图表看起来挺完整了，但实盘的时候能不能实时更新K线？还有成交量怎么总是跳来跳去，一会儿特别大一会儿又是0？这确实是个绕不开的问题。回测的时候数据都是历史K线，直接加载就完事了。但实盘就不一样了，tick数据不停地过来，你得把tick合成到K线上，还得保证成交量算得对。听起来简单，实际做起来坑可不少。这篇文章就讲讲怎么把ChartWizard接入主系统，让图表支持实时tick更新，

目录结构更清晰扩展机制更灵活兼容性更好macOS不崩溃了本文是《以AI量化为生》系列文章的第17篇，完整代码已开源至GitHub：https://github.com/seasonstar/atmquant本文内容仅供学习交流，不构成任何投资建议。交易有风险，投资需谨慎。

目录结构更清晰扩展机制更灵活兼容性更好macOS不崩溃了本文是《以AI量化为生》系列文章的第17篇，完整代码已开源至GitHub：https://github.com/seasonstar/atmquant本文内容仅供学习交流，不构成任何投资建议。交易有风险，投资需谨慎。