昨天发了一条沸点，说自己用 AI + Rust 实现了 BTC 量化交易，上线后变现。有好多评论，说明有很多人都对此感兴趣。所以我写一篇文章来更详细说说这事情。
从评论说起
评论中首先是有人质疑我是不是要卖课？比如：
全网最强机制，全完只有我有这个机制，破价啦破价啦
哈哈，我也想卖课，我也想说全网就只有我有这个机制。但是反过来想，如果全网就我有这个机制，我还卖什么课？我自己在被窝里躺赚不好吗？
然后，有人问在当前市场下，这究竟能不能赚钱？比如：
厉害啊，能搞出量化交易，不过这种说实话容易被更牛的截胡吧，毕竟有些人靠这个吃饭的
实践出真知，一开始我也不确定能不能，但是随着系统一点点搭建起来，我越来越相信能，但是我不能说一定能。这年头，说一定能赚钱的，百分百是骗子，一定能赚钱我告诉你干嘛？
在区块链这个领域中，肯定是有机会的，肯定是有能赚钱的，肯定是有亏钱的。不管是散户还是机构，不管是个人每天盯盘，还是程序量化。机会和风险都同在，我只是想试试。
那么为什么想到做一个量化程序呢？因为我不是理性的人，自己去操盘不能守纪律。另外在做的过程中，我真的收获了很多，很有意思，这个可以在下文分享。
还有人问：
代码开源吗
我暂时没有开源的打算，我也在想这个项目有哪些变现途径，有哪些玩法，是自己继续玩，还是找一些人一起玩，卖课教学还是做一个平台按月付费，我不知道，我还在想。来看一眼百分百 AI 写的代码：
最后，如果谁有兴趣，不管是对这个系统还是对 Rust 、AI等技术层面感兴趣，都欢迎联系我，给我私信也行，我会及时回复。
说说 AI 编程
我们先从技术层面说起吧，聊聊 AI 编程。
首先我要从我老板说起，他非常鼓励员工使用 AI，自己也是 AI 的重度使用者（自称离开 AI 就不想写代码，自己写效率赶不上 AI）。我之前文章中，也好多次吐槽”老板“，但是之前的”老板“都是我虚构的，不是真实的哈。老板知道我在写这个项目，非常鼓励我做好这个项目。他说过一句话：
用好 AI 的关键在于：一定不要觉得 AI 不行，而是你不行。
我非常认同这句话，很多时候，只是我们自己用不好 AI，不了解 AI 正确的打开方式罢了。所以，对于 AI 不要抗拒，不要浅尝则止，要深入，要多用，用到人和 AI 一体，标准如下：
所有事情全部 AI 处理，AI 处理不好，那就反复用 AI 处理到好为止。达到，你说什么话，就知道 AI 做什么事，想要 AI 做什么事，就知道怎么写提示词。
至于 AI 编程的技巧，可以网上找一找，好多，我就不说了。很多时候用 AI 的能力，是和消耗的 Token 数量成正比的，类似于一万小时理论。但是 AI 很多时候也和个人能力相关，能力越强，AI 也用的越好。我要说的是：
用 AI 提升自己的能力，通过用 AI 做事情来提升自己的能力。比如你用 AI 写了一个 Terminal 风格的网站，或者写了一段算法，有空了一定要反过来去看看它是怎么写的，时间不多，了解一下原理也可以，不一定要了解算法细节。切记：不是用 AI 完成了功能就可以了，自己要有提升。
说说 Vibe Coding
所谓 Vibe Coding 就是氛围编程，做一个项目只问结果，不关注代码实现细节，甚至连代码也不看。上面这个 Rust 的项目到目前为止有 4.3 万行代码，我就精读了几百行而已。属于全流程 Vibe Coding。
我不鼓励完全不看代码，而是说先做 MVP，有空了一定再去看代码。没空也要问 AI 代码是怎么实现的？代码哪里实现的不够好？代码有什么优点？这类问题也要经常问。学习 AI 好的编程套路、编程思想也可以。
之前，我提到我用 AI 写这个项目有很多收获，首先我证明了 Vibe Coding 是在我这个项目中是可行的。然后，我也证明了 AI 是可以从头到尾写一个大型的项目的。但是上面这两点是有前提的：
除了让 AI 不断写代码外，也随时要停下来，不断让 AI 找出代码中不足之处，随时重构代码。
在项目前期，我用 AI 重构的时间，比用 AI 完成功能的时间，还要多好几倍。所以，你看上面仓库的代码截图，其实整个系统分层，结构都非常清晰。当然，也可以驾驭复杂性，比如这当中的 WebSocket 就非常复杂，我让 AI 花了一张图：
所以，Vibe Coding 会极大的增加生产力，比如我这个 4W 多行的项目，前后一个月都没有，还都是业余时间。中间三个月工作太忙了，停下来了。
另外，我想说的是既然是 Vibe Coding，那就 Vibe 到底，全流程 AI，包括但不限于：
产品构思 -> 产品功能设计 -> 产品细节设计 -> 项目架构 -> 技术选型 -> 编码实现 -> 单元测试 -> 集成测试 -> 代码 Review -> 代码重构 -> 运维 -> 线上走查 -> 数据库设计部署调优......
以我自己这个项目来说，这些我全部都是交给 AI 完成的，我自己只是把握方向，做一些选择，跟着 AI 学习。其中单元测试对于这样的项目来说是非常必要的，特别是有大量的计算。集成测试，AI 不能完全胜任，但是可以让 AI 直接 Review 线上的日志，通过判断日志来查找问题，或者判断是否正确实现。
我这个项目是部署在 K8s 上的，所以我会让 AI 直接通过 kubectl 去做一切操作，包括部署、数据库建表、Redis 结构设计、日志检查等等。甚至 AI 可以十分钟内部署一个 K8s 单节点的集群，只需要告诉他服务器的账号密码就行。
说说这个项目
这个项目架构合理，分层如下:
- 数据层：对接交易所以及其他第三方 API；
- 指标层：计算例如 MACD 等15 种指标；
- 策略层：根据指标指定策略，根据策略产生买卖信号；
- 机器学习：训练模型、根据指标推理产生买卖信号；
- 聚合层：聚合策略层和机器学习层产出的买卖信号，加权投票，最终产生交易信号；
- 交易层：对接交易所 API 实际下单；
- 回测层：对历史数据进行回测，给出回测报告；
每一层都是一个单独的服务（Pod），交易全部用 Redis，而数据异步落盘道 TimescaleDB 时序数据库，用来回测、走查。
重点说说机器学习这一部分，其实在此之前我从来没有接触过机器学习，但是我用了两个小时，让 AI 给我完成了这件事。首先是让 AI 出一个方案，比如使用什么机器学习的框架、如何训练。
所有，AI 大大扩展了我们的想象力。让之前想都不敢想的想法，能够快速落地。包括这个项目，如果没有 AI，我全职做半年，都未必有现在这程度。
虽然，我通过 AI 学习了机器学习的原理以及如何训练有效的模型、调试模型，这个又花了一两天的时间。
这是我通过 AI 写的简单的管理后台，把每一笔交易的过程中的指标、输出都列出来。我不去看代码，指通过这个输出和实际的交易来确定是否实现正确。
最后，要说：
多用 AI 去做自己不擅长的事情。做自己擅长的事情，是为了提效，做自己不擅长的事情，是为了提能。例如前端用 AI 去做后端，后端用 AI 去做前端。
总结
时间关系，就先聊到这里。大家如果有其他问题，可以在评论区提出来，我都会回答。或者再写一篇更详细的说说。
