开篇：一个尴尬的起点
我是学计算机应用的。理论上，我应该会写代码。但事实是——工作这些年，我从来没有在生产环境写过一行代码。不是不会，是不必。
所以当我在2025年开始用DeepSeek和Kimi构建量化交易系统时，连我自己都觉得魔幻：一个"懂计算机但不懂编程"的人，正在指挥AI写回测引擎、处理多周期数据对齐、管理资金曲线。
更魔幻的是对比：我身边的程序员朋友，在用同样的AI工具生成"斗地主小游戏"和"待办事项App"，然后截图发朋友圈："看，AI写的！"
第一层反差：玩具 vs 严肃系统
我必须承认，那些程序员比我懂语法。他们知道React hooks的生命周期，知道Python的装饰器模式，知道为什么不能用var要用let。
但当AI给出建议时，他们往往会说："这代码能跑通，好厉害！"
而我，因为不懂代码细节，反而被迫问另一个问题："这对我的策略逻辑是对的，还是错的？"
这就是为什么当DeepSeek建议我"添加对齐函数消除未来函数"时，我没有像好程序员那样立即采纳这个"技术正确"的方案。我停顿了——因为我看不懂代码，但我看得懂业务逻辑。
我发现：对齐后的回测胜率从57.68%掉到56.95%，总收益率从1030%变成1013%，整个信号分布都变了。这意味着什么？意味着AI用技术手段"修正"了一个原本有效的策略，把它变成了另一个东西。
我删除了对齐函数。不是因为我不懂它，恰恰是因为我太懂我的策略需要什么——我需要回测与实时报警一致，不需要理论上的"完美对齐"。
那些会写斗地主的程序员，可能写不出这种判断。因为他们关注"代码能不能跑"，而我关注"系统对不对"。
第二层认知：98%与2%的边界
很多人问我：既然代码全是AI写的，你的工作占比多少？
我的答案很残酷：AI做了2%，我做了98%。
那2%是语法转换、括号匹配、变量命名——这些我确实不会，也不屑于学（因为有AI）。
但98%是什么？
是判断MACD参数应该设12/26/9还是10/20/10（Kimi帮我算的，但我定的标准）
是识别"对齐函数"会扭曲时间序列逻辑（我看出结果失真，虽然我看不懂那几行pandas代码）
是决定删除整个功能模块并重写（我拍板，AI执行）
是建立数据版本控制，确保回测可复现（我设计的流程，AI生成脚本）
这就是计算机应用专业给我的优势：我懂系统架构，懂数据流，懂模块耦合，懂什么是"可维护性"——这些不需要写代码，但需要理解计算的本质。
当我看到DeepSeek生成的对齐函数时，我的计算机科学直觉告诉我：这个时间戳偏移破坏了策略的原子性。我不需要读懂那几行pd.Timedelta(days=7)，我只需要知道：如果上周的数据被强制拖到下周，我的趋势捕捉逻辑就崩了。
而那个能写斗地主的程序员？他可能正在赞美AI生成的卡牌洗牌算法有多优雅，却没发现游戏逻辑里少了个"炸弹判定"。
第三层洞察：AI时代的"新文盲"
有人说，未来不会用AI的人就是文盲。
但我认为，未来只会生成不会把控的人，才是新文盲。
当一个程序员用200字提示词让AI生成斗地主，然后开心地去截图时，他其实在扮演一个"高级用户"，而不是"系统构建者"。斗地主不需要把控——错了就重开一局，没有资金风险，没有数据一致性要求，没有策略逻辑验证。
但当我让AI写BacktestEngine时，每一个函数我都问三个问题：
这个输入在边界条件下会爆炸吗？
如果数据源更新，这个逻辑还成立吗？
AI生成的这段代码，是在解决我的问题，还是在解决它训练数据里的"标准问题"？
这就是"计算机应用"思维 vs "编程实现"思维的区别。前者看森林，后者看树木。
给AI行业的期待（不是批评，是建设）
我不认为DeepSeek或Kimi不好。相反，它们是神兵利器。但神兵需要神将。
我希望AI公司少宣传"5分钟生成斗地主"，多关注我这样的用户——我们不想替代程序员，我们想成为"AI增强型决策者"。
如果AI IDE定价真按价值来算，我觉得2%是合理的。不是AI只值2%，而是在严肃系统构建中，决策权必须值98%。AI应该收费便宜点，但要求使用者必须具备"验证能力"——就像汽车应该便宜，但驾照必须难考。
结语：未完成的实验
我的量化系统还在跑，cond05还在产生信号。我依然不写代码，依然在每天验证AI生成的回测报告是否有异常。
有时我觉得，不懂代码反而是我的护城河。因为我不被语法细节迷惑，不被"代码能跑"的幻觉欺骗，我只看一个标准：这个结果与我的实时报警一致吗？不一致，就删掉重写。
那些会写斗地主的程序员，可能还在调试AI生成的出牌逻辑。而我已经在思考：如何让cond05在2026年的市场结构中保持鲁棒性？
这就是差距：有人用AI做玩具，有人用AI建系统。而我，选择做后者——哪怕我一行代码都不会写。
