教练交付包
讲义结构、演示脚本、常见故障、提问清单、风险提醒与课堂复盘问题。
不是把27个软件逐一演示,而是教会学员完成选型、安装、首个任务、证据留存、风险判断与组合应用。每个工具都有学习目标、课堂产出、课后作业和验收标准。
每一个工具都按同一套教学协议展开,教练可以讲、学员可以做、结果可以验收。
讲义结构、演示脚本、常见故障、提问清单、风险提醒与课堂复盘问题。
安装清单、首跑任务、工具比较表、作业模板、截图与日志留证要求。
可复现性、数据可信度、风险边界、表达清晰度与迁移能力五维评分。
重点建立AI投研、回测解释与风险复盘能力,不要求掌握全部工程细节。
完整学习27个工具的接口、框架、部署与组合方式,能独立构建研究原型。
学习如何诊断学员需求、选择最小工具组合、组织作业和控制金融教育边界。
“产出”是课堂结束时必须留下的文件或结果;“验收”是教练判断是否真正掌握的最低标准。
学习数据源、字段口径、时间戳与可追溯性,先解决“数据从哪里来、是否可信”。
比较在线研究平台、可视化AI平台与多Agent研报,训练“结论必须可复核”。
同一策略用不同框架验证,理解事件驱动、向量化、因子分析与平台迁移的差异。
从传统事件引擎到多Agent投研,重点学习模块边界、状态管理、风控和人工审批。
掌握Agent Loop、Dashboard、Gateway、会话证据、MCP与技能沉淀。
产出:完整投研链与会话导出包;验收:每一步调用目的、结果和纠错过程可审计。
核心实训只做dry-run与接口工程训练,重点理解交易所差异、限频、断线与密钥安全。
把模型放回可复现的实验流程,避免把高指标误当成可交易策略。
课程只进行模拟或受控环境操作,学习平台差异、权限、状态同步和风控边界。
把前七个模块放进同一个本地、自托管、可审计的研究—策略—回测—模拟—监控闭环。
完成Docker部署、Python Strategy API V2、回测、paper trading、Agent Gateway与MCP接入。
产出:全链路运行证据包;验收:健康检查、策略代码、回测报告、模拟日志和风险配置齐全。
核心实训环境、版本、参数、数据区间和运行步骤完整。
数据来源、日志、图表与AI推断边界清楚。
无真实凭据泄露,默认模拟,包含仓位与停止条件。
能解释为什么选它,以及何时应换用其他工具。