我在 Habr 上发表了一篇新文章：“AI 与开源：实际发生了什么变化，界限在哪里”

随着可用的代码模型的出现，一种更加务实的开发路径应运而生：描述需求、编写测试、获得一个简洁、易理解且无多余依赖的模块。这不是对开源软件的战争，而是平衡点的转移。

文章核心观点：

发生了什么变化

  • 以前：”先找库”。搜索库、接受传递依赖、阅读文档。
  • 现在：”描述 -> 测试 -> 实现”。用小型可测试模块替代庞大的”组合体”。

AI 已经在哪些地方替代了库

  1. 微型实现：指标（EMA/SMA/RSI）、统计、风控规则
  2. 窄接口集成：只需 2-3 个方法的 REST/WebSocket 客户端
  3. 骨架生成：回测框架、数据模式
  4. 适配器：交易所之间的映射、代码迁移

AI 不应该替代开源的领域

  • 密码学和安全协议
  • 二进制协议（FIX/ITCH/OUCH/FAST）
  • 数据库引擎、编译器、运行时
  • 数值求解器和优化器

实用建议

  • 保持模块小巧
  • 用简单语言描述行为
  • 进行最少的检查以确保合并的可靠性
  • 生成时不引入外部依赖

在算法交易中这一点尤为重要：更少的依赖意味着更低的风险、更紧凑的构建产物、更简单的审计和更快的迭代。

核心结论：根据上下文选择工具。容易描述和验证的窄任务适合生成。其他一切 – 选择经过验证的开源方案。