AI 生成代码频频出错真相揭秘

你还在依赖 AI 编写量化程序吗？

AI 生成的代码往往无法运行，甚至引发接口报错。即便代码出错，你也难以读懂，不知问题究竟出在何处。

今天，一段视频将为你揭示 AI 写代码为何难以行得通。

一．AI 并未「真正领会」你的真实意图

这是导致 AI 出错的首要原因。

你提出的需求通常采用自然语言，而代码逻辑必须精准且毫无歧义。

以最简单的例子来说，许多用户会直接描述为“连续上涨多日的股票”、“涨幅巨大的股票”，或者描述“反包形态”。

连续上涨具体指多少天？涨幅巨大具体是多少百分比？反包又是指哪种形态？

这些都要求精确的表述，若仅是模糊的概念性描述，AI 根本无法理解。

二．开放式 AI 平台缺乏边界，无法识别不同量化软件的特定接口

举个通俗的例子：绿色代表涨还是跌？在 A 股代表跌，在美股则代表涨。不同市场遵循不同规则。

量化软件的接口亦是如此，不同平台对应不同的接口定义。

例如：获取行情数据时，有的平台用 get_market_data，而有的则用 get_snapshot。

通用的 AI 并不清楚某个接口究竟属于哪个平台，只要抓取到相关内容，就会直接引用并生成自己的内容，因此接口错误成为 AI 最常犯的错误之一。

三．上下文窗口有限，无法记住完整项目

绝大多数 AI 存在 token 限制（通俗讲就是“记忆力不足”）：

例如，当我们把文件投喂给 AI 处理一个包含 10 个文件的项目时，AI 只能“记住”其中 2 个；

在调试过程中，前面提及的字段名、接口规则，后面 AI 往往就遗忘了；

有些模块存在主次依赖，涉及跨文件、跨模块的代码逻辑，AI 几乎必然会在依赖关系上出错。因此，仍需借助专业人士的力量。

如果目前使用 AI 写代码遇到问题，不妨自我审视一下，是否存在上述情况。有则改之，无则加勉，希望本文能对大家有所助益。