这几天做了些更新，Z系统矩阵更加强大了。
1. 回测系统/状态机的骨架。升级了Z交易引擎的大量sql表单，本质上是FX/期权等策略回测引擎的核心。让不同的用户可以调动worker 输出类似于状态机的数据，大量的工作在后端，前段正在考虑是否共用vue/next
2. 升级了Telegram Bot的核心功能（现阶段是套壳GPT）对我这种已经搭载了AI模型外骨骼（chat.ztrader.ai) 实际上openclaw用处真的不大，一来github上面危险的fork多（你不知道那些黑客往skill塞了些什么东西，比如说套取你的env.local),而且实际上openclaw能实现的我只需要往py文件里面定义就可以。
花了两个晚上测试openclaw,实际上更像是一个大的router/调度器。
3. 打通RAG系统，复用所有的文章/数据，代码资产。如同上图，现阶段的telebot我还没有加载爬虫/agent flow/联网搜索/RAG读取，所以实际上调用的是未经过特化的LLM 模型，我现在的框架是，每天更新的文章/信息流（Z星球）的交易干货在RAG系统里沉淀，记忆，然后让我的telegram bot sync,最后自定义好bot的行为之后，甚至可以调取agent,sync 我的工作流（比如说diff修复bug,或者是例行的pm2维护，自定义的安全扫描脚本等大量重复性的工作，直接通过cron 每天清晨通过bot发给我每日的工作状态简报，比如说用户数据/交易策略Pnl/pm2 log或者是服务器的关键组件功能是否健全/每日的交易数据，最新的Arxiv文章摘要等等，都会定时定量出现在我的对话框。
复用RAG是关键这意味着我的AI模型能够复用数据能够使用我积累的观点进行自我学习和迭代，当然具体还在测试。
4. 策略卡片/alpha工厂的概念还在测试，但这个模块我构思很久了，关键在于迅速收集新的策略～paper backtest~ 投入小资金跑形成闭环。哪些交易思路work哪些不work,尤其是各种千奇百怪的技术指标，相关性，有效性如何，我都可以进行封闭测试。而这个alpha工厂实际上在对冲基金是独立的研究部门，我现在的想法是直接SAAS化。基本上如果你有落地能力和技术思维，SAAS单纯的商业模式其实是被淘汰的，因为其实SAAS本质就是服务+auth+data vault, 后两者的代码实现主要麻烦的是ngingx/端口/各种接口对齐比较麻烦，但现在有各种AI管线可以生成代码，这部分SAAS的架设提供商是首先被做掉的。
5. 开始组建有效性agent网络。网络上很多**喜欢搞几十个agent意义不明。首先发文章没有水文没有意义（比如鸡汤文），再来是代码你没有规范没有CICD没有rollback你以后必炸无疑。不要迷信那种什么5.3自己持续运作几个小时能够搭建什么巨型平台。一来你的规范文档得写得很全（真功夫），二来你必须知道什么时候要介入不然白干。Agent的价值更多是大量重复性的管线工作，比如收集数据资料快照/卡片等等，形成一个个pipeline,定时定量可干预可rollback,做这么多agent能自己写一个电子邮箱搞一个浏览器出来吗？边际效益在哪里？
很多自己做AI的自己的目标都不明确，没有路径，也没有规划只不过是不断炫可以干什么能够解什么题目，当然技术探索没什么不行，试错也是必然的，只是最优解是你要明确你自己的目标。
我之前文章提到的，自我迭代性学习（recursive self learning）就建立在这点上。
比如说我自己，我一直想建立整个对冲基金的solo infra,同时我有不**微信公众号知识星球，所以我就自己写了，我的目标很明确，因为我谁都不**，券商内置的软件美股软件我嫌弃难用，我又想学习AI又要带娃所以我只能这么最优化我的学习路径。
我写的每一行代码都会强化我自己的付费生态。
我写的每一篇文章可以翻译成英文版本复用，多平台一起发布，成为研究资料/AI学习的语料。
后续这些语料也会成为我视频的基础。
这个过程里我该带娃带娃，该打高尔夫打高尔夫不耽误。
以上，想到再更新
精彩评论