上週 J 跑完一輪回測，傳給我一張截圖：「線1勝率 86%，30 天，你看一下。」
我盯著那個數字看了大概三秒，然後回他：「先別急，等真金跑。」
他說：「所以我就是在等你點頭。」
這個對話來來回回，我們已經重演過好幾次了。每次都是這樣——AI 幫我們把策略跑出漂亮的數字，然後真正難的部分，AI 站在原地，我要自己往前走。
一個想法要變成策略，中間有一條很深的溝
我記得最開始的時候，我對 RSI 的理解就是教科書版本：超買超賣，穿越 70 做空、跌破 30 做多。我知道這太簡單，但我不確定「複雜化」的方向應該是什麼。
這裡有一個很多人沒意識到的斷層：把「我覺得市場在這個狀態下會這樣走」轉成「可以被程式跑的邏輯」，這中間不是技術問題，是思維問題。
你說的「RSI 搭配趨勢」，程式要怎麼定義「趨勢」？用均線？用哪根？用 regime detection？怎麼切換？每一個口語描述的背後，都有三個需要精確定義的變數。
AI 在這個階段確實幫了我。我把想法丟給 J，J 會拆解說：「你說的這個，有三種可能的實作方式，你要的是哪一種？」他不是在寫程式，他是在幫我把模糊的直覺變成可以測試的假設。
但「我覺得市場在這個狀態下應該怎麼做」這個判斷，他沒辦法替我做。那個判斷是從我看了多久的盤、賠了多少次錢、對市場結構有什麼直覺積累出來的——這部分不是 AI 能補的。
AI 真的很好用的三個地方
說清楚之後，可以講 AI 在哪裡確實省了我很多時間。
信號設計這一段，J 的速度快到有點嚇人。我說「我想看 RSI 搭 volume surge 的組合，看看在不同波動率環境下表現有沒有差異」，他大概十分鐘就給我一個初版的 regime 分類邏輯，把市場狀態切成低波、中波、高波，然後每個狀態下 RSI 信號的觸發條件不一樣。
如果我自己寫，可能要花一個下午，而且還不一定寫對。
參數掃描這件事，AI 更是直接改變了我的工作方式。以前我就是「RSI 用 14 期，因為大家都這樣用」。現在我們會跑網格掃描——RSI 週期從 7 到 21，每種 regime 下的進場條件閾值各試一遍，最後再看哪個組合的 Sharpe 最高、最大回撤最小。這個工作量如果手動做，大概要好幾天。J 跑一晚，早上起來數據都在了。
異常偵錯也是。有一次回測結果突然暴衝，勝率從 60% 跳到 92%。我第一反應就是：這一定是哪裡出問題了。J 去查，發現是 look-ahead bias——程式用到了未來的數據。這種 bug 藏得很深，我自己看程式碼看不出來，但 J 十分鐘就找到了。
但有些事 AI 真的幫不上
這才是我真正想說的部分。
策略哲學，沒辦法外包。
什麼叫策略哲學？就是你在設計這個策略的時候，你相信什麼是市場的本質。你認為市場是均值回歸的還是趨勢延續的？你認為 RSI 超賣是機會還是陷阱？你的整個策略邏輯是建立在哪個核心假設上？
這個問題 AI 沒辦法替你回答，因為它需要你自己對市場有一個判斷。J 可以幫我測試「如果是均值回歸假設，策略長什麼樣」，但他不能告訴我哪個假設是對的。
風控邊界，也是。
我們的規則是：單筆最多賠 2%，連虧超過一定次數就縮倉，月回撤超過門檻直接暫停。這些數字看起來很具體，但背後是我自己能接受多少痛苦的問題。J 可以幫我跑歷史模擬，看不同風控參數下最壞情況是什麼，但他沒辦法告訴我我能承受哪種最壞情況。
然後是真金上線的那一關。
這是最難說清楚的部分。回測 86% 勝率，紙上交易也跑了 30 天，數字都說可以了——但真金點下去的那一刻，感覺完全不一樣。不是理性上覺得有風險，是那種很原始的「這是真實的錢」的感受。
AI 沒辦法幫你越過這一關。這個關卡是你自己的。
5 線架構是怎麼來的
我們現在的設計是：線3 做回測驗證，線1 跑實盤測試（小倉），線5 才是真金。這不是一開始就想到的結構，是踩過幾次坑之後慢慢形成的。
有一次策略在回測很美，線1 測試就開始出問題，滑點比預期大很多，而且特定市況下會漏掉信號。如果我們直接上真金，後果不堪設想。從那次之後，我們確立了一個規則：任何策略上真金之前，線1 至少要跑 30 天、勝率 ≥ 80%，才准往下走。
閉環的概念也是那時候想清楚的。真金如果賠錢，不是直接砍掉這個策略，是打回線3 重新研究，找出是哪個假設在現在的市場環境下失效了，修正之後重走一遍流程。沒有永遠爛的策略，只有不適合當下 regime 的策略。
AI 在這整個架構裡面，是一個非常重要的加速器。但架構本身是人設計的，每個「這樣不對，換個方向」的判斷，也是人做的。
我現在對 AI 輔助交易開發的理解是這樣的：它讓我可以用更快的速度去測試更多假設，但我要帶進來更清晰的假設才行。如果我自己的想法是模糊的，AI 只會幫我更快地確認它是模糊的。
以上是最近常被問到這個題目所以整理了一下。延伸閱讀：從回測天堂到實盤地獄：5個血淚教訓記錄了「想法到程式碼」這段路踩過的坑；AI Agent vs 傳統交易機器人：有什麼不同？說明為什麼 AI 輔助開發的交易系統在架構上的差異；自適應風控系統的三道防線補充了程式碼寫好之後如何保護它繼續跑下去。