尧图网页设计 
1. 为什么“一句话生成 EA”只是开环AI 量化闭环的真实卡点很多人第一次用 AI 写 MQL5 策略体验都差不多把“黄金、双向对冲、顺势加仓、逆势马丁、带新闻过滤”这段人话丢给模型几秒钟就吐出一段能编译的 EA 源码。爽是爽但接下来你会发现——代码生成完链路就断了。它不知道这段代码回测跑出来是赚是亏不知道挂到图表上以后真实持仓长什么样更不知道实盘成交和策略规则之间有没有偏差。这就是典型的开环AI 只负责“写”不负责“看”和“改”。我试过把回测报告截图发给模型让它分析结果它对着图片里的数字开始“脑补”把回撤说成收益、把成交笔数看错一位。问题不在模型笨而在于它拿到的不是结构化真值。真正有用的 AI 量化工作流必须是闭环自然语言描述思路 → AI 生成 MQL5 EA → 自动回测并读回结构化报告 → 挂载到 MT5 图表 → 运行中持续读真实持仓/参数/成交 → AI 把“实际成交”和“策略规则”比对、发现偏差再改进 → 回到回测。这条链路里最难的不是“生成代码”而是让 AI 能可靠地读写你的 MT5 运行态。具体难在哪MT5 的时间戳是券商时区伪装的 Unix 值直接读会差好几个小时品种名各家券商不一样XAUUSD、XAUUSDm、XAUUSD.c 都可能是黄金EA 当前真实参数不会主动告诉你得靠 EA 自己 dump 出来如果你同时开了多个 MT5 实例还得分清 AI 读的是哪一台。这些“脏活”才是闭环能不能跑通的分水岭。本文要解决的就是把这些脏活收敛成一条可复用的工具链并用统一的 Key 通道把模型调用、MCP 工具、回测挂载串起来。适合已经会写一点 MQL5、但被“生成完就断”卡住的个人量化开发者。2. 前置准备用 TaoToken 统一 Key 通道接入 MCP 工具链闭环要跑起来第一件事是让 AI Agent 能稳定调用模型同时能通过 MCP 协议摸到你的 MT5。这里我建议把模型调用统一走一个 Key 通道避免在 Claude Code、Cline、Codex 之间来回换 Key、换 Base URL配置一多就容易出错。TaoToken 提供的就是这样一个统一入口官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 地址不加 UTM 参数。你需要先拿到一个 API Key然后把它填进各个 Agent 的配置里。下面按三种常见 Agent 分别给出配置片段路径和字段名保持和实际一致你可以直接复制改。Claude Code 的 settings.json放在~/.claude/settings.json或项目级.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的TaoTokenKey, ANTHROPIC_MODEL: claude-sonnet-4-20250514 } }Cline 的 MCP 配置VS Code 里 Cline 插件的 MCP Servers 配置通常写在cline_mcp_settings.json{ mcpServers: { mt5-easydeal: { command: python, args: [-m, easydeal_mcp.server], env: { TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: sk-你的TaoTokenKey, MT5_TERMINAL_PATH: C:/Program Files/MetaTrader 5/terminal64.exe } } } }Codex 的 auth.json放在~/.codex/auth.json{ base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: gpt-5-codex }三件套的核心就是Base URL Key Model ID缺一不可。Base URL 统一指向https://taotoken.net/apiKey 用你申请到的那串Model ID 按你实际要用的模型填。配置完以后Agent 调用模型走的是同一条通道MCP 工具再通过本地进程去读写 MT5两边解耦排障时也好定位是模型侧还是工具侧的问题。这里有个容易踩的坑MCP 工具的env里我同时放了TAOTOKEN_BASE_URL和MT5_TERMINAL_PATH前者给工具内部可能发起的模型调用用后者告诉工具你的 MT5 装在哪。如果你用的是便携版 MT5路径要指向实际的terminal64.exe别指向安装目录。另外 Key 不要写进会提交到 Git 的文件里建议用环境变量或本地.env加载。3. 可复制配置目录结构、MCP 工具与 EA 运行态协议配置能不能复用关键看目录结构和运行态协议是否固定。我建议在项目根目录下建这样一套结构让生成、回测、挂载、迭代各归其位ai-quant/ ├── mql5/ │ ├── Experts/ # AI 生成的 EA 源码落地处 │ └── Include/ # 公共头文件 ├── runtime/ # EA dump 的运行态 json │ └── GMarket_runtime.json ├── reports/ # 回测报告结构化输出 │ └── GMarket_backtest.json ├── config/ │ └── strategy.toml # 策略参数支持热更 └── logs/ └── deals.csv # 成交日志EA 源码写到mql5/Experts/下回测报告落到reports/运行态真值由 EA 自己 dump 到runtime/。这个约定很重要因为 AI 读文件时路径是固定的不用每次问“你的报告在哪”。EA 运行态协议是闭环里最值钱的一环。EA 在OnTick或定时器里把当前参数、持仓、浮亏写成一个 json文件名固定为EA名_runtime.json。比如 GMarket 这个 EA就写runtime/GMarket_runtime.json{ ea_name: GMarket, symbol: XAUUSDm, magic: 20240923, params: { LotSize: 0.01, MaxMartingale: 5, TakeProfit: 300, NewsFilter: true }, positions: [ {ticket: 123456, type: buy, volume: 0.01, open_price: 2315.42, profit: -2.31} ], equity: 9987.69, timestamp: 1727078400 }AI 读这个文件拿到的是运行态真值不是猜的。参数热更走config.setAI 改完config/strategy.toml后EA 秒级 reload不用重新编译。strategy.toml长这样[general] symbol XAUUSDm magic 20240923 timeframe M15 [risk] lot_size 0.01 max_martingale 5 max_drawdown_percent 20.0 [exit] take_profit_points 300 ladder_step_points 50 [filter] news_filter true news_buffer_minutes 30MCP 工具这边核心就几个方法ea.generate写源码到 Experts、ea.backtest触发回测并读报告、ea.attach挂载到图表、ea.read_runtime读运行态 json、config.set热更参数、deals.read读成交日志。工具名不用死记Agent 会根据你的自然语言去选。你要做的是把上面这套目录和协议固定下来让工具每次都能找到文件。品种名模糊匹配也要在配置里体现。券商给的黄金可能是XAUUSDm你策略里写XAUUSD工具要能匹配上。建议在strategy.toml里加一个symbol_aliases[symbol_aliases] XAUUSD [XAUUSDm, XAUUSD.c, GOLD]这样挂载和读持仓时工具会按别名去找真实品种不会因为后缀不同就报“找不到品种”。4. 验证请求从提示词到 EA 上线的完整走查配置就绪后走一遍完整链路看看闭环是不是真的通了。第一步用自然语言描述策略让 Agent 生成 EA。你可以这样说“写一个黄金 M15 的 EA双向对冲顺势爬梯止盈逆势马丁解套最多加 5 层带新闻过滤参数写到 config/strategy.toml。” Agent 会调用ea.generate把源码写到mql5/Experts/GMarket.mq5同时生成对应的 toml。第二步触发回测。让 Agent 调ea.backtest指定品种XAUUSDm、周期 M15、时间范围。回测跑完报告落到reports/GMarket_backtest.json结构大概是这样{ ea_name: GMarket, symbol: XAUUSDm, period: 2024.01.01-2024.06.30, net_profit: 1842.5, max_drawdown_percent: 12.3, sharpe: 1.42, total_trades: 268, win_rate: 0.61 }AI 读这个结构化报告判断是否过拟合、值不值得上。如果回撤超过你strategy.toml里设的 20%它会提示你参数可能太激进。第三步挂载到图表。回测过关后让 Agent 调ea.attach把 GMarket 挂到 XAUUSDm 的 M15 图表上。这一步工具会顺便检查 WebRequest 白名单、算法交易开关这些环境项。挂载成功后EA 开始跑并定时 dumpruntime/GMarket_runtime.json。第四步验证运行态可读。让 Agent 调ea.read_runtime读回当前持仓和参数。你可以问它“现在 GMarket 的 LotSize 是多少有几笔持仓浮亏多少” 它应该能准确回答而不是编。这一步是闭环和开环的分水岭——AI 真的“看得见”你的账户了。第五步迭代。让 Agent 调deals.read读成交日志把“策略规则”和“实际成交”逐条比对。比如规则说逆势最多加 5 层实际成交里出现了第 6 层那就是偏差。AI 生成报告提改进建议。你同意后它调config.set热更参数或者改源码改前备份、可回滚、人工编译。然后回到第二步重新回测。闭环就这样转起来了。整个走查里验证成功的标志是AI 能准确报出运行态参数、能发现规则与实盘的偏差、能基于偏差提出可执行的改进。如果它只会说“连上后就能自动优化”那说明工具没真正读到数据。5. 常见报错排查401、local proxy failed、reading choices、OAuth闭环跑不通八成是下面这几类报错。我按真实遇到的顺序列出来对照着查。401 Unauthorized最常见。先确认ANTHROPIC_AUTH_TOKEN或api_key填的是 TaoToken 的 Key不是别家的。再确认 Base URL 是https://taotoken.net/api末尾不要多加/v1或斜杠。如果 Key 是从环境变量读的检查变量名有没有拼错比如TAOTOKEN_API_KEY写成了TAOTOKEN_KEY。还有一种情况是 Key 过期或额度用完去 console 看一下。local proxy failed这个报错通常出现在 MCP 工具启动阶段说明工具进程连不上模型端点。检查cline_mcp_settings.json里env的TAOTOKEN_BASE_URL有没有写对以及本机网络能不能访问https://taotoken.net/api。如果你在公司网络里可能有出口限制换网络或找管理员开白名单。注意不要用任何非正规的网络工具合规访问即可。reading choices 报错一般是模型返回格式和 Agent 预期不一致。检查 Model ID 是否填对比如把claude-sonnet-4-20250514写成了不存在的版本。另外确认 Agent 版本支持你选的模型老版本可能不认新模型名。如果报错里带choices字段缺失多半是端点返回了非 OpenAI 兼容格式确认 Base URL 指向的是兼容端点。OAuth 相关报错如果你用的是 Claude Code它可能默认走 OAuth 登录而不是 API Key。检查settings.json里有没有同时配了 OAuth 和ANTHROPIC_AUTH_TOKEN两者冲突时会报错。解决办法是清掉 OAuth 缓存只保留 API Key 配置。Codex 的auth.json同理确保api_key字段生效而不是走浏览器登录态。品种找不到挂载或读持仓时报“symbol not found”。检查strategy.toml里的symbol_aliases有没有覆盖你券商的真实品种名。XAUUSDm、XAUUSD.c、GOLD 这些都要列进去。另外确认 MT5 里该品种已经在“市场报价”里显示没显示的话工具读不到。回测报告读不到检查reports/目录是否存在、EA 名和报告文件名是否一致。有些工具要求报告文件名严格等于EA名_backtest.json大小写敏感。如果回测根本没跑起来看 MT5 的“策略测试”日志通常是历史数据没下载全。参数热更不生效config.set改完 toml 后EA 没 reload。检查 EA 里有没有实现定时读 toml 的逻辑以及runtime/目录的写权限。有些券商终端对文件写入有限制换个目录试试。排障时建议按“模型侧 → 工具侧 → MT5 侧”的顺序查。模型侧看 Key 和 Base URL工具侧看 MCP 配置和进程日志MT5 侧看终端日志和文件权限。三段分开定位比一股脑改配置快得多。6. 把闭环用起来从一次性生成到持续迭代走到这里你应该已经有一套能跑的闭环了。最后说几个让它真正好用的经验。第一把strategy.toml当成策略的“单一事实来源”参数都写这里EA 只读不硬编码这样热更和回滚都方便。第二每次迭代前让 Agent 先备份源码和配置改坏了能退回去。第三成交日志deals.csv定期归档AI 比对规则和实盘时数据越全发现的偏差越准。第四多 MT5 实例时给每个实例的runtime/目录加实例前缀避免 AI 读串。如果你想把模型调用、MCP 工具、回测挂载都收敛到一条通道上可以从统一 Key 开始去 https://taotoken.net/api-keys 拿 Key接入文档在 https://taotoken.net/doc 想先验证模型通不通就去 https://taotoken.net/chat 试一句。长期跑编码和 Agent 任务的话Coding Plan 在 https://taotoken.net/coding-plan 。Claude Code 用户可以直接看 https://taotoken.net/claude-code-anthropic 的接入说明。闭环的价值不在“会写代码”而在“会基于你真实账户的反馈持续改进”——把这条链路搭起来AI 才真正从代码生成器变成你的量化搭档。 一句话让 AI 写个策略还不够：用 TaoToken 打通「生成 → 回测 → 挂载 → 迭代」的 AI 量化闭环怎么搭
1. 为什么“一句话生成 EA”只是开环AI 量化闭环的真实卡点很多人第一次用 AI 写 MQL5 策略体验都差不多把“黄金、双向对冲、顺势加仓、逆势马丁、带新闻过滤”这段人话丢给模型几秒钟就吐出一段能编译的 EA 源码。爽是爽但接下来你会发现——代码生成完链路就断了。它不知道这段代码回测跑出来是赚是亏不知道挂到图表上以后真实持仓长什么样更不知道实盘成交和策略规则之间有没有偏差。这就是典型的开环AI 只负责“写”不负责“看”和“改”。我试过把回测报告截图发给模型让它分析结果它对着图片里的数字开始“脑补”把回撤说成收益、把成交笔数看错一位。问题不在模型笨而在于它拿到的不是结构化真值。真正有用的 AI 量化工作流必须是闭环自然语言描述思路 → AI 生成 MQL5 EA → 自动回测并读回结构化报告 → 挂载到 MT5 图表 → 运行中持续读真实持仓/参数/成交 → AI 把“实际成交”和“策略规则”比对、发现偏差再改进 → 回到回测。这条链路里最难的不是“生成代码”而是让 AI 能可靠地读写你的 MT5 运行态。具体难在哪MT5 的时间戳是券商时区伪装的 Unix 值直接读会差好几个小时品种名各家券商不一样XAUUSD、XAUUSDm、XAUUSD.c 都可能是黄金EA 当前真实参数不会主动告诉你得靠 EA 自己 dump 出来如果你同时开了多个 MT5 实例还得分清 AI 读的是哪一台。这些“脏活”才是闭环能不能跑通的分水岭。本文要解决的就是把这些脏活收敛成一条可复用的工具链并用统一的 Key 通道把模型调用、MCP 工具、回测挂载串起来。适合已经会写一点 MQL5、但被“生成完就断”卡住的个人量化开发者。2. 前置准备用 TaoToken 统一 Key 通道接入 MCP 工具链闭环要跑起来第一件事是让 AI Agent 能稳定调用模型同时能通过 MCP 协议摸到你的 MT5。这里我建议把模型调用统一走一个 Key 通道避免在 Claude Code、Cline、Codex 之间来回换 Key、换 Base URL配置一多就容易出错。TaoToken 提供的就是这样一个统一入口官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 地址不加 UTM 参数。你需要先拿到一个 API Key然后把它填进各个 Agent 的配置里。下面按三种常见 Agent 分别给出配置片段路径和字段名保持和实际一致你可以直接复制改。Claude Code 的 settings.json放在~/.claude/settings.json或项目级.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的TaoTokenKey, ANTHROPIC_MODEL: claude-sonnet-4-20250514 } }Cline 的 MCP 配置VS Code 里 Cline 插件的 MCP Servers 配置通常写在cline_mcp_settings.json{ mcpServers: { mt5-easydeal: { command: python, args: [-m, easydeal_mcp.server], env: { TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: sk-你的TaoTokenKey, MT5_TERMINAL_PATH: C:/Program Files/MetaTrader 5/terminal64.exe } } } }Codex 的 auth.json放在~/.codex/auth.json{ base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: gpt-5-codex }三件套的核心就是Base URL Key Model ID缺一不可。Base URL 统一指向https://taotoken.net/apiKey 用你申请到的那串Model ID 按你实际要用的模型填。配置完以后Agent 调用模型走的是同一条通道MCP 工具再通过本地进程去读写 MT5两边解耦排障时也好定位是模型侧还是工具侧的问题。这里有个容易踩的坑MCP 工具的env里我同时放了TAOTOKEN_BASE_URL和MT5_TERMINAL_PATH前者给工具内部可能发起的模型调用用后者告诉工具你的 MT5 装在哪。如果你用的是便携版 MT5路径要指向实际的terminal64.exe别指向安装目录。另外 Key 不要写进会提交到 Git 的文件里建议用环境变量或本地.env加载。3. 可复制配置目录结构、MCP 工具与 EA 运行态协议配置能不能复用关键看目录结构和运行态协议是否固定。我建议在项目根目录下建这样一套结构让生成、回测、挂载、迭代各归其位ai-quant/ ├── mql5/ │ ├── Experts/ # AI 生成的 EA 源码落地处 │ └── Include/ # 公共头文件 ├── runtime/ # EA dump 的运行态 json │ └── GMarket_runtime.json ├── reports/ # 回测报告结构化输出 │ └── GMarket_backtest.json ├── config/ │ └── strategy.toml # 策略参数支持热更 └── logs/ └── deals.csv # 成交日志EA 源码写到mql5/Experts/下回测报告落到reports/运行态真值由 EA 自己 dump 到runtime/。这个约定很重要因为 AI 读文件时路径是固定的不用每次问“你的报告在哪”。EA 运行态协议是闭环里最值钱的一环。EA 在OnTick或定时器里把当前参数、持仓、浮亏写成一个 json文件名固定为EA名_runtime.json。比如 GMarket 这个 EA就写runtime/GMarket_runtime.json{ ea_name: GMarket, symbol: XAUUSDm, magic: 20240923, params: { LotSize: 0.01, MaxMartingale: 5, TakeProfit: 300, NewsFilter: true }, positions: [ {ticket: 123456, type: buy, volume: 0.01, open_price: 2315.42, profit: -2.31} ], equity: 9987.69, timestamp: 1727078400 }AI 读这个文件拿到的是运行态真值不是猜的。参数热更走config.setAI 改完config/strategy.toml后EA 秒级 reload不用重新编译。strategy.toml长这样[general] symbol XAUUSDm magic 20240923 timeframe M15 [risk] lot_size 0.01 max_martingale 5 max_drawdown_percent 20.0 [exit] take_profit_points 300 ladder_step_points 50 [filter] news_filter true news_buffer_minutes 30MCP 工具这边核心就几个方法ea.generate写源码到 Experts、ea.backtest触发回测并读报告、ea.attach挂载到图表、ea.read_runtime读运行态 json、config.set热更参数、deals.read读成交日志。工具名不用死记Agent 会根据你的自然语言去选。你要做的是把上面这套目录和协议固定下来让工具每次都能找到文件。品种名模糊匹配也要在配置里体现。券商给的黄金可能是XAUUSDm你策略里写XAUUSD工具要能匹配上。建议在strategy.toml里加一个symbol_aliases[symbol_aliases] XAUUSD [XAUUSDm, XAUUSD.c, GOLD]这样挂载和读持仓时工具会按别名去找真实品种不会因为后缀不同就报“找不到品种”。4. 验证请求从提示词到 EA 上线的完整走查配置就绪后走一遍完整链路看看闭环是不是真的通了。第一步用自然语言描述策略让 Agent 生成 EA。你可以这样说“写一个黄金 M15 的 EA双向对冲顺势爬梯止盈逆势马丁解套最多加 5 层带新闻过滤参数写到 config/strategy.toml。” Agent 会调用ea.generate把源码写到mql5/Experts/GMarket.mq5同时生成对应的 toml。第二步触发回测。让 Agent 调ea.backtest指定品种XAUUSDm、周期 M15、时间范围。回测跑完报告落到reports/GMarket_backtest.json结构大概是这样{ ea_name: GMarket, symbol: XAUUSDm, period: 2024.01.01-2024.06.30, net_profit: 1842.5, max_drawdown_percent: 12.3, sharpe: 1.42, total_trades: 268, win_rate: 0.61 }AI 读这个结构化报告判断是否过拟合、值不值得上。如果回撤超过你strategy.toml里设的 20%它会提示你参数可能太激进。第三步挂载到图表。回测过关后让 Agent 调ea.attach把 GMarket 挂到 XAUUSDm 的 M15 图表上。这一步工具会顺便检查 WebRequest 白名单、算法交易开关这些环境项。挂载成功后EA 开始跑并定时 dumpruntime/GMarket_runtime.json。第四步验证运行态可读。让 Agent 调ea.read_runtime读回当前持仓和参数。你可以问它“现在 GMarket 的 LotSize 是多少有几笔持仓浮亏多少” 它应该能准确回答而不是编。这一步是闭环和开环的分水岭——AI 真的“看得见”你的账户了。第五步迭代。让 Agent 调deals.read读成交日志把“策略规则”和“实际成交”逐条比对。比如规则说逆势最多加 5 层实际成交里出现了第 6 层那就是偏差。AI 生成报告提改进建议。你同意后它调config.set热更参数或者改源码改前备份、可回滚、人工编译。然后回到第二步重新回测。闭环就这样转起来了。整个走查里验证成功的标志是AI 能准确报出运行态参数、能发现规则与实盘的偏差、能基于偏差提出可执行的改进。如果它只会说“连上后就能自动优化”那说明工具没真正读到数据。5. 常见报错排查401、local proxy failed、reading choices、OAuth闭环跑不通八成是下面这几类报错。我按真实遇到的顺序列出来对照着查。401 Unauthorized最常见。先确认ANTHROPIC_AUTH_TOKEN或api_key填的是 TaoToken 的 Key不是别家的。再确认 Base URL 是https://taotoken.net/api末尾不要多加/v1或斜杠。如果 Key 是从环境变量读的检查变量名有没有拼错比如TAOTOKEN_API_KEY写成了TAOTOKEN_KEY。还有一种情况是 Key 过期或额度用完去 console 看一下。local proxy failed这个报错通常出现在 MCP 工具启动阶段说明工具进程连不上模型端点。检查cline_mcp_settings.json里env的TAOTOKEN_BASE_URL有没有写对以及本机网络能不能访问https://taotoken.net/api。如果你在公司网络里可能有出口限制换网络或找管理员开白名单。注意不要用任何非正规的网络工具合规访问即可。reading choices 报错一般是模型返回格式和 Agent 预期不一致。检查 Model ID 是否填对比如把claude-sonnet-4-20250514写成了不存在的版本。另外确认 Agent 版本支持你选的模型老版本可能不认新模型名。如果报错里带choices字段缺失多半是端点返回了非 OpenAI 兼容格式确认 Base URL 指向的是兼容端点。OAuth 相关报错如果你用的是 Claude Code它可能默认走 OAuth 登录而不是 API Key。检查settings.json里有没有同时配了 OAuth 和ANTHROPIC_AUTH_TOKEN两者冲突时会报错。解决办法是清掉 OAuth 缓存只保留 API Key 配置。Codex 的auth.json同理确保api_key字段生效而不是走浏览器登录态。品种找不到挂载或读持仓时报“symbol not found”。检查strategy.toml里的symbol_aliases有没有覆盖你券商的真实品种名。XAUUSDm、XAUUSD.c、GOLD 这些都要列进去。另外确认 MT5 里该品种已经在“市场报价”里显示没显示的话工具读不到。回测报告读不到检查reports/目录是否存在、EA 名和报告文件名是否一致。有些工具要求报告文件名严格等于EA名_backtest.json大小写敏感。如果回测根本没跑起来看 MT5 的“策略测试”日志通常是历史数据没下载全。参数热更不生效config.set改完 toml 后EA 没 reload。检查 EA 里有没有实现定时读 toml 的逻辑以及runtime/目录的写权限。有些券商终端对文件写入有限制换个目录试试。排障时建议按“模型侧 → 工具侧 → MT5 侧”的顺序查。模型侧看 Key 和 Base URL工具侧看 MCP 配置和进程日志MT5 侧看终端日志和文件权限。三段分开定位比一股脑改配置快得多。6. 把闭环用起来从一次性生成到持续迭代走到这里你应该已经有一套能跑的闭环了。最后说几个让它真正好用的经验。第一把strategy.toml当成策略的“单一事实来源”参数都写这里EA 只读不硬编码这样热更和回滚都方便。第二每次迭代前让 Agent 先备份源码和配置改坏了能退回去。第三成交日志deals.csv定期归档AI 比对规则和实盘时数据越全发现的偏差越准。第四多 MT5 实例时给每个实例的runtime/目录加实例前缀避免 AI 读串。如果你想把模型调用、MCP 工具、回测挂载都收敛到一条通道上可以从统一 Key 开始去 https://taotoken.net/api-keys 拿 Key接入文档在 https://taotoken.net/doc 想先验证模型通不通就去 https://taotoken.net/chat 试一句。长期跑编码和 Agent 任务的话Coding Plan 在 https://taotoken.net/coding-plan 。Claude Code 用户可以直接看 https://taotoken.net/claude-code-anthropic 的接入说明。闭环的价值不在“会写代码”而在“会基于你真实账户的反馈持续改进”——把这条链路搭起来AI 才真正从代码生成器变成你的量化搭档。