预赛选手解读——AOT Matrix：左脑分析，右脑决策的AI交易系统

开篇

在 WEEX AI Trading Hackathon 的参赛项目中，AOT Matrix 的系统设计选择了一条相对克制、但在真实交易环境下更难走的路径。

在备赛初期，他们便围绕 AI 在交易系统中的角色边界 做出了明确取舍。

围绕这一决策逻辑、系统架构的多次重构，以及在 WEEX 真实交易环境与工程约束下的实践过程，我们对 AOT Matrix 进行了采访。

Q1：在 AI 交易领域，很多人的第一反应都是“让 AI 下单”，你们为什么在一开始就否定了这条路？

AOT Matrix：

因为数字资产市场本身并不是一个稳定系统。

价格分布会变化，波动结构会断裂，历史统计特性在关键时刻经常失效。如果让 AI 直接输出买卖指令，一旦模型发生失配，风险会被立即放大为真实亏损。

基于这一判断，我们在项目启动的第一周就否定了两种常见做法：一是把 AI 当成自动交易机器人，二是让 AI 直接生成买卖信号。

相比之下，我们更愿意让 AI 回答一个更克制、但在真实交易环境下更重要的问题：现在是不是一个适合交易的环境。

Q2：那在备赛初期，你们最早尝试过的系统结构是怎样的？

AOT Matrix：

最初我们也尝试过“AI 给出方向，规则系统执行”的组合结构。

但在回测和仿真阶段，很快就发现问题：AI 信号在不同市场阶段的稳定性差异非常大。

一旦行情发生结构切换，信号的可信度就会明显下降。

后来我们意识到，问题并不在模型精度，而在职责划分本身。

Q3：后来你们是如何重新划分 AI 与交易决策的角色的？

AOT Matrix：

经过多轮调整，我们最终确定了一套“左脑 / 右脑”的系统结构。

AI 被放在“左脑”，只负责分析，不直接参与交易决策。

左脑的职责是判断市场状态，比如趋势、震荡、高风险，或者是否应该禁止交易，同时给出环境可信度评分。但它不预测具体价格，也不下单。

真正的交易决策，则由“右脑”的规则系统完成，包括是否允许交易、仓位与杠杆控制等。

所有交易行为都必须是可审计、可回放的，这是我们在 WEEX AI Hackathon 中给自己设定的硬性要求。

Q4：在备赛过程中，把交易经验转化为 AI 能理解的输入，难度大吗？

AOT Matrix：

难度非常大。因为交易员的经验往往是模糊的，而 AI 需要结构化信息。

因此，我们并没有选择简单地增加数据量，而是先拆解逻辑。我们把原有交易逻辑拆分成三类：市场结构、波动状态和风险条件，AI 只学习并输出这些中间状态。

这样一来，AI 不再需要预测未来价格，而是专注回答：当前环境是否健康、是否适合交易。

在有限的备赛周期内，这是我们认为更稳妥、也更可落地的选择。

Q5：在接入 WEEX API、从模拟走向实盘环境的过程中，有哪些挑战是你们此前没有预料到的？

AOT Matrix：

主要集中在工程层面。一开始我们完成了 WEEX API 的基础鉴权和下单调用，但在真实交易环境中很快发现，“能下单”并不代表系统能长期稳定运行。

在模拟与实盘测试中，网络抖动、请求超时、多策略并发等问题逐步显现。

为此，我们在工程层面做了系统性改造，包括：

• 全链路 trace_id，用于订单级别追踪
• 下单幂等控制，避免重复成交
• 异步队列与订单状态回查机制，提升异常情况下的系统恢复能力

这一阶段的改造，对我们来说，是从 Demo 走向可长期运行系统的关键一步。

Q6：在系统设计中，你们花了不少精力去记录交易决策和执行过程，这背后的考虑是什么？

AOT Matrix：

因为在真实交易系统里，如果一笔交易无法被解释，那它迟早会成为风险源。

所以我们要求每一笔订单，都必须能回答三个问题：为什么在当时选择开仓？当时系统判断的市场环境是什么？如果在同样的条件下重来一次，这个决策还是否成立？

因此，系统会完整记录 AI 对市场状态的判断、决策层的执行依据，以及最终的成交结果。

这样做的目的，并不是增加系统复杂度，而是确保所有交易行为都可追溯、可回放、可复盘——这也是我们所强调的“全链路可审计”。

Q7：参加 WEEX AI Trading Hackathon 后，你们对 AI 交易最大的认知变化是什么？

AOT Matrix：

主要有三点。

第一，AI 在交易中不是用来替代人，而是用来约束人。

它更适合在系统层面限制情绪化决策、识别不适合交易的环境，而不是直接追求“更激进的收益”。

第二，工程稳定性往往比模型精度更重要。

一个在回测中表现完美、但在真实环境中无法稳定运行的系统，最终只会把技术优势转化为风险暴露。

第三，可解释性是交易系统长期生存的前提。

只有当每一次盈亏都能被理解、被复盘，系统才能在回撤之后被修复，而不是被推翻重来。

结尾

在 AOT Matrix 看来，WEEX AI Trading Hackathon 并不是一场单纯比拼模型能力的比赛，而是一场关于系统设计、工程能力与风险认知的综合测试。

他们的这套架构，正是在 WEEX 的真实交易环境与工程约束下不断验证、调整与收敛的结果。

而这，也正是 AI 交易从概念走向长期可用所必须经历的过程。