自然语言交易：从提示词到投资组合

二十年来，把一笔交易自动化意味着两件事之一：学会写代码，或者跟一个带四十个下拉字段的表单搏斗。两道门槛，在大多数投资者的第一条规则跑起来之前，就把他们挡在了外面。自然语言交易移除了这道门槛。你用一句话描述你想要什么，一个系统就把它变成被监控的条件和可执行的订单。难的部分藏在那句话的中间：人类的措辞是有歧义的，市场不是，而两者之间的转译，正是这些系统成功或悄悄失败的地方。这篇文章解释那次转译如何运作，以及如何评判它。

是界面在挡路，而不是这个想法

大多数散户投资者都有一些形状像自动化的想法。每周买一笔固定的金额。大涨一波之后止盈。别再往一个不断下跌的头寸里加仓了。这些都不奇特；这是策略，是任何人都能张口说出的那种规则。

挡在想法和一个运行中的系统之间的，是表达。给一个机器人写代码意味着 Python、API 文档、服务器正常运行时间，以及凌晨三点的错误处理。基于表单的构建器更温和些，但仍然逼着你的想法穿过它们的词汇表：如果下拉里没有“糟糕的一周之后跳过买入”这个字段，你的规则就丢了那个从句。无论哪一种，都是工具塑造了策略，而不是策略塑造工具。

一个语言界面把它颠倒了过来。系统去适应你的措辞，而不是你去适应它的模式。这对专业量化者意义不大，他们从没被挡住过，而对其他所有人意义巨大：那个有清晰策略、却无意成为程序员的投资者。它是通向智能体交易这一更大转变的界面层，在那里软件在你的约束下执行你的逻辑，而它嵌进任何认真的交易自动化都遵循的同一条流水线：定义、测试、然后运行。

“抄底”没有定义

这是核心问题，在一条指令里清晰可见：“比特币抄底。”

一个人类同事大致会知道你什么意思。而市场不跟“大致”打交道。拆开来，那句话至少藏着五个未定的参数：

歧义	机器必须回答的问题
什么算一个底？	跌 3%？10%？从昨天的收盘、7 天高点，还是你上次的买价算起？
买多少？	固定金额、现金的百分比，还是按底的大小来缩放？
多久买一次？	每个底买一次？什么阻止它在一场崩盘的每个小时都买？
一个底什么时候变成一场崩盘？	负 40% 还是一个你想买的底吗？
这什么时候算错了？	什么结果会让你把这条规则关掉？

在规则能运行之前，那些空白里的每一个都必须被填上。唯一的问题是谁来填：你，明确地填，还是系统，悄悄地填。一个靠猜的系统之所以危险，恰恰因为它会运行，它会做点什么，而那点什么可能不是你的本意。“抄底”被解读成“每跌 3% 就买 5% 的现金，无限频率”，会以完美的服从，把一个账户倒进一个下跌的市场里。

同样的陷阱也坐在更温和的短语里。“每周”（哪一天、哪个小时、哪个时区？）。“涨得多了就止盈”（从哪儿算涨、卖多少？）。“如果情况变糟就停”（用什么来衡量？）。人类语言依赖共享的上下文；执行系统一点也没有。因此，转译不是自然语言交易的一个便利功能。它就是整个产品。

好的自然语言交易系统如何消解歧义

设计良好的系统拒绝悄悄地猜。有三个机制，把可信的那些和其余的区分开来。

复述意图。 在任何东西运行之前，系统用精确的措辞把你的指令回放一遍：资产、触发条件、订单规模、时间表、出场、失效。这次复述就是合同。如果它说“每跌 3% 就买”而你的本意是每周，那个误译会死在复核阶段，而不是死在你的账户里。当你评估一个平台时，这是第一件要测试的事：给它一条模糊的指令，看它是暴露它的假设，还是把它们埋起来。

发问，而不是假设。 当一个参数真的无法被推断时，正确的行为是一个澄清的问题。“你说了抄底：从什么参照算起，每次买多少？”一个从不发问的系统，并不比一个会发问的更聪明；它只是猜得更有礼貌。

永久地展示解析出的规则。 批准之后，那些确切的机器可读条件应当保持可见：不是你输入的那句诗意的话，而是实际被监控的阈值和仓位。你应当能在任何时候审计这个智能体认为它的指令是什么，因为那个，而不是你对那次对话的记忆，才是将要执行的东西。

留意这三个机制的共同点：它们把歧义的消解移到了钱之前。一个在复核时被抓住的误译，代价是十秒钟的编辑。一个在实盘账户里被抓住的误译，代价是市场决定它是多少。

从句子到运行中的智能体：一个走通的例子

这是完整的路径在 Obside 上的样子，句子也包含在内。

你在副驾里输入：“每周五往一只 S&P 500 ETF 里投 €150，但如果指数前一天收盘跌超过 3%，就跳过那一周，而如果这个头寸整体亏损达到 20%，就把一切暂停。”

副驾把它复述为一条规则：在你选定的 S&P 500 ETF 上一笔 €150 的买单，安排在每周五；一个跳过条件，它把周四的收盘和前一天的收盘相比较，在跌超过 3% 时取消那一周的买入；以及一个失效从句，如果这个头寸的未实现亏损达到 20%，就把这个自动化整个暂停，并通知你。它无法推断的歧义，会作为问题返回：哪个券商的哪只 ETF，以及周五的什么时间。

你复核被复述的条件并批准。这个智能体接着先在模拟盘里运行：同样的时间表、同样的条件、实时市场数据、没有真实订单。过几个周五后，你可以查日志：它有没有在该买的时候买，跳过从句有没有在它该触发的那一周触发？只有在那之后，你才把它切到实盘，同样的条件通过你连接的券商账户，用真实订单执行。

句子是界面。复述是安全网。模拟运行是考试。那个顺序，而不是任何单一功能，才是让大白话方法可信的东西，而它映照着我们在如何创建一个 AI 交易智能体里走过的完整工作流。

一句话做不到的事

这个界面配得上诚实的边界，因为移除写代码的门槛，一点也没有移除思考。

一句更清晰的话，不会把一个糟糕的策略变好。“用我全部的现金买每一个底”转译得完美、也失败得完美。转译层保证的是对你意图的忠实，而不是你意图的质量。回测和模拟交易的存在，是为了测试想法本身，没有任何界面能取代它们。

精确仍然得从某个地方来。系统能问澄清的问题，但你得握着答案：什么让规则失效、每个头寸多少、多大的亏损终结这个实验。在任何界面里都回答不了那些问题的投资者，还没准备好在这个界面里做自动化。写出自带精确度的指令，是一门可学的手艺，有已知的套路，我们在有效的交易提示词里存了一个它们的库。

有些策略不适合句子。真正量化的逻辑、一次投资组合优化、一个用自定义数据搭起来的信号，想要的是一份正式的规格说明，而不是散文。如果你发现自己在输入一段带十二个嵌套从句的段落，那语言界面已经不再帮忙了。

而责任永远不会转移。智能体执行你批准的东西；批准是你的。大白话降低的是进入的门槛，不是判断的标准。

下一步该做什么

自然语言交易最好被理解为一份转译合同：你提供意图，系统提供精确，而那个可见的复述，是两者相遇的地方。用那份合同去评判任何平台。它暴露它的假设吗？它在无法推断时发问吗？它展示解析出的规则吗？它在上实盘之前让你在模拟盘里彩排吗？

如果你想端到端地测试这个回路，Obside 让你用自己的话输入一个策略，在任何东西运行之前把它究竟理解了什么确切地展示给你看，并在第一笔真实订单之前，把结果带着走过回测和模拟交易。

仅供教育参考，不构成投资建议。交易存在风险，可能导致本金损失。