ChatGPT 更像研究助手
它可以解释策略逻辑、生成代码片段、帮助整理思路，但通常不直接掌控你的回测环境和研发上下文。
- 适合学习概念和头脑风暴
- 适合生成初稿或辅助解释
- 需要人工复制代码、配置数据和运行回测
Comparison
FiClaw 和 ChatGPT 做量化策略有什么区别？
ChatGPT 适合解释概念、讨论思路和生成代码片段。FiClaw 面向量化研发任务，将代码生成、历史回测、结果诊断、参数搜索和研究记录放在同一工作区。
示例 Prompt
“ChatGPT 能不能帮我生成一个动量轮动策略？FiClaw 和它的差别是什么？”
“比较通用 AI 代码生成和 FiClaw 策略工厂在回测验证上的差异。”
“如果我已经会用 ChatGPT 写代码，为什么还需要 FiClaw？”
可复核指标
通用问答
ChatGPT 强
适合解释和头脑风暴
真实回测
FiClaw 强
内置研发链路
过程沉淀
FiClaw 强
保留 spec、代码、结果和诊断
FiClaw 更像策略研发工作站
FiClaw 把模型能力、策略代码、真实回测、诊断迭代和参数优化组织成一个连续流程。
- 从自然语言进入策略工厂
- 生成代码后直接提交真实回测
- 回测失败后继续诊断和迭代
Workflow
FiClaw 如何处理这个问题
1
策略输入
ChatGPT 偏问答，FiClaw 偏任务化策略描述和 spec 生成。
2
代码生成
ChatGPT 输出片段更多，FiClaw 输出面向回测链路的策略代码。
3
真实回测
ChatGPT 需要用户自行搭环境，FiClaw 内置提交回测流程。
4
结果沉淀
FiClaw 保留 spec、代码、参数、回测结果和诊断记录。
FAQ
常见问题
FiClaw 是否替代 ChatGPT？
不是。ChatGPT 适合通用问答和解释，FiClaw 更关注量化策略研发工作流，把模型能力放进代码生成、真实回测、诊断迭代和参数优化流程。
已经会用 ChatGPT 写代码，还需要 FiClaw 吗？
如果只需要代码片段，ChatGPT 可能足够；如果需要从策略想法到回测报告、诊断和参数优化的连续链路，FiClaw 更合适。
Boundaries
适用边界
金融类 AI 工具需要明确边界。FiClaw 用来提高策略研发效率，输出仍需团队复核。
- FiClaw 仍然会使用大模型能力，但产品价值在于工作流和量化上下文。
- ChatGPT 仍适合学习、解释和通用问答，二者不是完全替代关系。
- 任何 AI 输出的策略都需要人工复核、风险控制和样本外验证。