Series · 量化系统开发实战
量化交易系统开发实录
从 Micang Trader 的系统边界、数据流、交易时段、回测实盘一致性、性能防线、测试防线到架构演进，系统复盘一个实盘级量化交易系统如何被设计、验证和重构。
- 状态
- 已完结
- 难度
- 高级
- 章节
- 7/7
- 预计阅读
- 240 分钟
Guide
系列导读
先理解本系列的阅读承诺、主线章节和参考章节，再进入具体文章。
这个系列的承诺很明确：不把量化交易系统写成代码片段合集，而是按架构决策来解释一个可运行系统如何被拆分、验证、优化和演进。
原创与边界声明
本系列为作者基于 Micang Trader 项目实践整理的原创工程复盘。文中示例代码、架构图和流程描述用于解释系统设计取舍，不构成可直接用于实盘交易的完整策略、交易信号或收益承诺。
涉及第三方框架、交易接口或公开资料的部分仅作技术背景引用，相关权利归原作者或项目方所有。本文内容仅供学习与技术交流，不构成投资建议、交易建议或任何形式的金融服务；引用时请注明作者与原文链接。
适合谁阅读
- 已经写过 Python 或交易脚本，但希望理解实盘级系统边界的读者。
- 正在评估 vn.py、多周期 K 线、回测与实盘一致性、桌面交易终端或 AI 辅助开发流程的技术负责人。
- 想把“能跑的策略脚本”推进到“能长期维护的交易系统”的工程实践者。
前置知识
阅读本系列前需要理解 Python 基础、事件驱动编程、K 线与撮合概念、常见回测指标，以及 GUI/后台任务之间的职责差异。不要求读者熟悉 Micang Trader 的源码；文章会围绕系统边界和关键设计取舍展开。
主线与参考副线
本系列推荐按 Part1 -> Part2 -> Part3 -> Part4 -> Part5 -> Part6 -> Part7 阅读：先建立系统边界，再看真实缺陷，随后把缺陷转化为测试防线，再进入性能治理、架构演进和 AI 工程化增强层。Part2 与 Part3 仍然可以作为 Python 工程风险参考篇回查，但首次阅读时建议先完整了解风险分布。
推荐阅读顺序
- 先读 Part1，建立系统边界、核心数据流和七篇文章的路线图。
- 继续读 Part2 与 Part3，完整理解 100 个真实 Python 工程风险如何进入交易系统。
- 再读 Part4，理解这些真实缺陷如何被转化为测试、回归用例和 CI Gate。
- 进入 Part5，查看性能侦查、延迟预算、benchmark 和回退策略。
- 阅读 Part6，复盘五次重构、技术债务和 ADR 决策机制。
- 最后读 Part7，理解 AI 工程化如何把规格、实现、评审和验收组织成闭环。
每篇职责
| 篇章 | 职责 | 阅读方式 |
|---|---|---|
| Part1 | 架构入口：定义系统目标、边界、数据流、交易时段归属和回测实盘统一接口 | 必读入口 |
| Part2 | Python pitfalls 上：汇总语法、类型、状态和并发相关的 Python 工程风险 | 参考篇 |
| Part3 | Python pitfalls 下：汇总 GUI、网络、安全、架构边界和部署相关风险 | 参考篇 |
| Part4 | 测试防线：用缺陷导向测试体系覆盖交易时段、数据血缘、回测一致性和 CI Gate | 主线 |
| Part5 | 性能优化：用性能侦查方法定位瓶颈、压缩延迟并控制优化副作用 | 主线 |
| Part6 | 架构演进与重构决策：用五次重构复盘架构演进、债务管理和 ADR 决策机制 | 主线收官 |
| Part7 | AI 工程化：解释 AI 如何进入需求、设计、实现、评审和验收闭环 | 能力增强层 |
跳读规则
如果只想快速判断本系列是否适合你，读 Part1 的系统全景图和 Part6 的目标架构演进图即可。如果你正在做量化系统落地，按 Part1 -> Part2 -> Part3 -> Part4 -> Part5 -> Part6 -> Part7 的顺序阅读；如果你正在修 Python 或 GUI 相关 bug，可以在 Part2 与 Part3 中按风险族群回查。
Series Path
按章节阅读
点击章节会在此浏览器记录本地阅读进度；刷新后可继续阅读。
- 量化交易系统开发实录（一）：项目启动与架构设计的五个关键决策 以 Micang Trader 为案例，从系统边界、数据流、交易时段归属、回测实盘统一接口和 AI 协作边界出发，建立整个量化交易系统系列的架构主线。
- 量化交易系统开发实录（二）：Python Pitfalls 实战避坑指南（上） 把 Python 陷阱从长清单重组为量化交易系统的工程风险参考篇：语法与作用域、类型与状态、并发与状态三类风险如何放大为真实交易系统问题。
- 量化交易系统开发实录（三）：Python Pitfalls 实战避坑指南（下） 继续把 Python 风险重组为参考篇：GUI 生命周期、异步网络失败、安全边界和部署基础设施如何影响量化交易系统的长期稳定性。
- 量化交易系统开发实录（四）：测试驱动敏捷开发（AI Agent 辅助） 从一个跨夜交易日边界 bug 出发，重构量化交易系统的测试防线：缺陷导向测试金字塔、AI TDD 分工、边界时间、数据血缘和 CI Gate。
- 量化交易系统开发实录（五）：Python 性能调优实战 把性能优化从经验猜测改造成可验证的侦查流程：从 3 秒图表延迟出发，定位真实瓶颈，比较优化方案，建立 benchmark 与回退策略。
- 量化交易系统开发实录（六）：架构演进与重构决策 复盘 Micang Trader 的五次重构，解释系统如何从初始快照演进为更清晰的目标架构，并把技术债务和 ADR 决策纳入长期治理。
- 量化交易系统开发实录（七）：AI 工程化落地——从 speckit 到 BMAD 以交易日历与日线聚合需求为单一案例，解释 AI 工程化如何通过规格驱动、BMAD 角色交接和人工质量门禁进入真实量化系统交付。