量化工具最烦的地方，不是写代码。
是切来切去。
一个窗口问 AI，一个窗口改策略，一个框架跑回测，真要接实盘，又开始翻交易所接口、填 key、配环境。
来回搬几次，最开始那个交易想法，基本也被磨没了。
最近看到一个开源项目，QuantDinger。
它不是只给一个策略编辑器。
QuantDinger 直接把 AI 分析、Python 策略开发、回测、实盘执行塞在同一个平台里，而且可以自己部署。
这一点我会多看两眼。
你可以先把交易想法丢进去。
比如一个很粗的思路，什么条件买，什么条件卖，大概用哪些指标。AI 会往下生成 Python 策略代码。
代码不满意，就在里面改。
改完不需要再复制到另一套回测框架里，直接跑回测。
跑完之后，结果还能继续往实盘执行那边走。
这条线没断。
量化平台很多地方都卡在这一步。前面看着挺智能，最后还是要你自己把代码、参数、数据搬出来。搬一次还行，搬多了就烦。
QuantDinger 处理得更粗暴一点：研究、写代码、验证、执行，都放进一个平台。
页面是不是漂亮，我倒不是最关心。
我更关心它有没有把 API 密钥、策略代码、交易数据这些东西留在自己手里。
QuantDinger 是自部署的，核心东西放本地。对做量化的人来说，这比多几个炫一点的图表实在。
它覆盖的市场也不算少。
加密货币、美股、外汇都有。
还有多用户、告警通知这类东西。不是那种跑个 demo 看看就结束的小工具，更像是想让你放在服务器上一直跑。
当然，量化这东西不能只看 README。
真要用，还得自己接数据、跑策略、看交易接口稳不稳。尤其是实盘部分，任何平台都不能替你省掉风险。
但 QuantDinger 这个思路我还挺喜欢。
不是给你一个“AI 生成策略”的噱头，然后剩下全扔给你。
它把后半段也接上了。
从一句交易想法，到一段 Python 策略，到一次回测，再到交易执行。
少开几个窗口。
有时候就是这个差别。
GitHub 地址： https://github.com/brokermr810/quantdinger