先说结论： 在盘口和成交数据里找还没人发现的超短线规律，这种又费算力又费脑子的活，交给 GPT-6 Astra。数据整理、实验环境、修 bug、回归测试、回测、找茬反驳、任务管理，这些交给 Claude Opus 5.5。不要让最聪明的AI什么都干。把 Astra 当成贵的研究员，把 Opus 5.5 当成不停工的现场主管，分两层用。
1. 最让人意外的不是聪明，而是它不停，一直往下做
在一次很长的软件维护任务里，AI 没有修好第一个错误就收工。
有个测试失败是运行环境不同造成的，它用依赖注入把原因分了出来。一个还在检查旧规则的老测试，它改写了。一段审计逻辑没跟上公共校验器的迁移，它也修好了。最后，它还找出了卡住正式构建的测试数据缺失。每修一处，它就把全部测试重新跑一遍，最后连真正的构建也跑通了。
对人来说，这比一次“天才式回答”更有价值。
让AI干活，瓶颈常常是“人要来插手”的成本：
- 发现问题
- 修好一个
- 又发现别的失败
- 说一句“接下来请检查这个”就停下
- 人得说“别停，接着做”，再把它启动起来
Anthropic 把 Opus 5.5 定位成能在较少人看管的情况下，长时间写代码、处理大型代码库、跨多个工具做代理任务的模型。它还说，常见的按 token 计费的工作，成本比 Opus 5 低约 40%。[1]
重点是，别只用“能不能解一道难题”来衡量AI的价值。到了实际工作中，看的是它能不能一路做完：找原因、修复、验证、再修、确认完成。
2. 那 Astra 就没用了吗？恰恰相反，只拿它做“探索”，这笔钱才花得值
GPT-6 Astra 是 OpenAI 为最难的端到端工作推出的最高档模型，API 价格是每百万 token 输入 10 美元、输出 50 美元，比 Opus 5.5 的 4 美元和 20 美元贵。[2][1]
OpenAI 介绍 Astra 时还引用了 Jane Street 的评价：在“trading intuition（交易直觉）”的测试上，比 GPT-5.6 Sol 有明显进步。OpenAI 面向金融服务的产品也说，Astra 在查找信息、金融推理、生成成品这三方面很强。[2][3]
所以，用 Astra 去整理 CSV、修依赖、写测试数据、改文件名，太浪费了。
只把下面这种“研究型”问题交给 Astra：
- 不知道到底什么在起作用
- 可选的特征很多
- 条件的组合很多
- 还说不清正确答案长什么样
- 要大量丢掉错误的假设
修路不用开F1赛车。赛道修好了，再请F1出场。
3. 盘口反向探索，不是先想指标，而是从未来的价格变动倒推回过去
常见的策略设计，是人先定条件，比如“RSI低就买”“买盘厚说不定会涨”。
反向探索正好相反。
先用程序挑出这样的时刻：0.5秒后、1秒后、3秒后、5秒后，价格的变动超过了手续费和买卖价差。然后回到这些时刻之前的盘口和成交记录，找它们有什么共同点。
可以拿来当线索的有：
- 最优买价、卖价附近的挂单量
- 多个价位上的挂单失衡
- 市价单的方向和力度
- 订单流失衡（order-flow imbalance）
- 撤单和新挂单的比例
- 盘口被补满的速度
- 买卖价差变大、变小
- 成交之后盘口恢复的样子
- 微观价格（microprice）和中间价的差距
- 波动率所处的阶段
- 一天中的时间段
- 几百毫秒之内事件发生的先后顺序
Cont、Kukanov、Stoikov 的研究表明，很短时间内的价格变化，和最优买卖价附近的订单流失衡关系更紧，比单纯的成交量更明显，而且这种影响也和市场的深度有关。[4]
也就是说，盘口不是一张“买盘厚，所以会涨”的静止照片。它是一连串随时间流动的事件：新挂单、撤单、市价单、补单。
这一段，值得让 Astra 去探索。
4. 但“试了100个，这个赚得最多”，可能不是圣杯，而是过拟合的抽奖
AI 探索最大的陷阱是：越聪明，能试的策略越多。
Bailey 等人的研究讲的就是这个问题：把大量回测候选都跑一遍，再挑成绩最好的，就很容易挑中一个只是在这批数据上碰巧表现好的策略。[5]
所以，当 Astra 找出一万个条件，然后说“这个最强”的时候，反而要提高警惕。
做反向探索，至少要做到：
- 把探索用的时间段和最后评估用的时间段分开
- 不要只信会打乱时间顺序的随机切分
- 不要一次次回到同一段时间去调条件
- 记下一共试了多少个假设
- 看它在不同行情阶段会不会失效
- 把手续费和买卖价差算进去再评估
- 检查有没有混入未来的信息
这里，让 Opus 5.5 当“专门来推翻 Astra 发现的策略的评审员”。
Astra 负责发现，Opus 负责怀疑。
研究团队里，成员之间稍微不对付一点，反而刚好。
5. 盘口回测里最可怕的是：“那个价格，你真的成交得了吗？”
超短线里，图上看到了那个价格，和你的单子能按那个价格成交，是两回事。
限价单要排队。你前面还排着多少单、对手单来了多少、前面的单有没有中途撤掉，都会改变你成交的概率。
2025年发表在《Management Science》上的一项研究，讨论了几乎同时发出的限价单，也会因为随机延迟而改变排队顺序。[6] 另外，最近一项针对加密货币市场的实证研究也报告说：从看到盘口，到订单传到撮合引擎，中间有时间差，所以会出现看到的挂单量实际吃不到的“没成交”情况，这会影响高频回测。[7]
因此，回测程序至少要能处理：
- 手续费
- 买卖价差
- 滑点（预期价格和实际成交价格的差）
- 延迟
- 排队位置
- 部分成交
- 撤单延迟
- 订单被拒、没成交
- 逆向选择（总是和更懂行的对手成交，吃亏）
如果处理不了，Astra 的探索能力越强，“漂亮的虚假利润”就造得越快。
AI变聪明了，成交模拟器却很粗糙，这就像给法拉利装了纸板轮胎。
6. 最清楚的分工：Opus管工厂，Astra管实验室
实际运行时，这样分最好懂：
| 工作 | 主要负责 |
|---|---|
| 获取盘口和成交数据 | Opus 5.5 |
| 处理数据缺失、对齐时间、标准化 | Opus 5.5 |
| 搭建 Parquet、数据库、特征库 | Opus 5.5 |
| 实现回测程序和成交模型 | Opus 5.5 |
| 测试、防止改坏旧功能、整理日志 | Opus 5.5 |
| 准备目标变量和探索范围 | Opus 5.5 + 人 |
| 反向探索未知的特征和条件 | Astra |
| 提出假设、做聚类探索 | Astra |
| 检查是否偷看了未来数据（look-ahead / 数据泄漏） | Opus 5.5 |
| 反驳过拟合、行情依赖 | Opus 5.5 |
| 重新实现候选策略、大量重复验证 | Opus 5.5 |
| 拆出下一个探索课题 | Opus 5.5 → Astra |
Anthropic 明确把 Opus 5.5 定位成写代码、做代理、操作电脑、跨多个应用工作的“日常主力”。[1]
而 Astra，OpenAI 自己说它是用于复杂推理、写代码、操作电脑和研究的最高档模型。[2]
正因为两者的能力有重叠，更有效的做法不是“谁行就让谁全包”，而是“只在真正需要昂贵能力的时候才叫它”。
7. 让Opus操作Chrome去使用Astra，原型阶段完全可以；做成正式流程，用API更干净
让有浏览器操作权限的 Opus 5.5 打开 Astra 的聊天页面，然后：
- 把探索任务发给 Astra
- 确认它做完了
- 把结果取回来
- 自己试着反驳
- 不够的话，再发下一轮探索
这种“AI 使用 AI”的结构，用来做原型很容易看懂。
Opus 5.5 官方把电脑操作列为主要用途，所以只要有合适的浏览器、电脑操作工具，就能让它指挥这类多步骤的工作。[1]
不过，一旦要反复运行，通常用API比通过网页界面更好用。
通过浏览器会遇到：
- 登录过期
- 页面改版
- 按钮状态不明
- 分不清是还在生成，还是卡住了
- 漏掉部分输出
- 对话内容越来越长
- 浏览器本身出故障
用API的话，实验编号、输入数据的哈希值、提示词版本、输出和评估结果，都能按固定格式存下来。
所以顺序比较自然的做法是：
先用Chrome把人原来的操作照样自动化，验证值不值得做 → 探索流程稳定了，再改成API
一开始不用造宇宙飞船。先在自行车上绑个火箭，确认自己真的想往那个方向走。
8. 最终目标不是“让Astra思考”，而是“只把值得Astra思考的问题给它”
最浪费的做法，是把一大堆原始数据和跑不通的代码一股脑扔给 Astra，说：
“帮我找个能赚钱的策略。”
强的做法正好相反。先在 Opus 5.5 这边：
- 保证数据质量
- 搭好能重复实验的环境
- 准备好探索用的API
- 定好什么算成功
- 把成本模型加进去
- 让数据泄漏检查自动运行
- 把结果存下来
- 对 Astra 交回来的候选，单独做反驳验证
这些都做好之后，再让 Astra 去挖“人还没想到特征的地方”。
这样，工作的流向就变成：
Opus 5.5 打好地基 → Astra 去挖未知 → Opus 5.5 想办法推翻 → 只有留下来的才进入下一步
不是把一切都交给一个天才AI。
让研究员做研究，让现场主管管现场。
到了AI代理的时代，最管用的，说到底还是怎么设计团队分工。
参考资料（7条）
- Anthropic — „Introducing Claude Opus 5.5“ und Produktseite zu Claude Opus (22.09.2026) https://www.anthropic.com/claude/opus Belegt die Einordnung von Opus 5.5 bei agentischem Programmieren, langen Arbeiten, Computernutzung und Abläufen über mehrere Anwendungen, außerdem Preise und die rund 40 % geringeren Kosten typischer, nach Token abgerechneter Arbeiten im Vergleich zu Opus 5 anthropic.com
- OpenAI — „GPT-6 Astra: A new generation of intelligence“ und API-Modellseite zu GPT-6 Astra (09/2026) https://developers.openai.com/api/docs/models/gpt-6-astra Belegt die offizielle Einordnung von Astra, die API-Preise und das Zitat von Jane Street zu Fortschritten bei „Trading Intuition“-Tests gegenüber GPT-5.6 Sol openai.com
- OpenAI — „Introducing ChatGPT for Financial Services“ (10.09.2026) Belegt die Einordnung von Astra bei Informationssuche, Finanzanalyse und der Erstellung fertiger Ergebnisse openai.com
- Cont, Rama; Kukanov, Arseniy; Stoikov, Sasha — „The Price Impact of Order Book Events“, Journal of Financial Econometrics 12(1), 2014 Belegt den Zusammenhang zwischen kurzfristigen Kursänderungen, dem Ungleichgewicht im Orderfluss und der Markttiefe arxiv.org
- Bailey, David H.; Borwein, Jonathan M.; López de Prado, Marcos; Zhu, Qiji Jim — „The Probability of Backtest Overfitting“, Journal of Computational Finance https://doi.org/10.21314/jcf.2016.322 Belegt das Risiko, dass die Auswahl des besten Ergebnisses nach dem Test vieler Strategiekonfigurationen einen überangepassten Gewinner liefert escholarship.org
- Yueshen, Bart Zhou — „Queuing Uncertainty of Limit Orders“, Management Science, online veröffentlicht am 17.09.2025 Belegt die Unsicherheit der Position in der Warteschlange und zufällige Verzögerungen bei fast gleichzeitigen Limit-Orders pubsonline.informs.org
- „The good, the bad, and latency: exploratory trading on Bybit and Binance“, Quantitative Finance, 2025 Belegt Latenz, nicht ausgeführte Orders, Slippage, Adverse Selection und Fragen bei Hochfrequenz-Backtests doi.org
