我将为你拆解一套完整的框架，教你如何用 Opus 5.5 全天候寻找、测试并运行能赚钱的交易策略，同时分享那些真正帮到我的资源。
废话不多说，直接上干货。
建议收藏本文 ——
如果你正在开发高频交易（HFT）机器人，请用
AgenKit
来武装你的 Agents，地址：
agenkit.xyz 。它能把一句提示词变成一支
完整的量化工程团队
，直接交付生产级交易代码。
从这里开始。
如果你现在已经在用 Opus 5.5 跑策略了，私信把你的配置发给我，我会亲自点评前 20 位。
Opus 5.5 是你现在能雇到的最强研究分析师。
1M token 上下文。每次回答都具备自适应思考能力。专为长时间运行的 Agent 任务和编程而生。每百万输入 token 仅需 $4。
https://x.com/claudeai/status/2102435511222890900
没错，它的知识截止到 2026 年 6 月。但这根本不重要。
没有任何模型的记忆新鲜到可以直接用来交易。价格每秒都在变。你不需要一个“记得住行情”的模型。你需要的是最强的推理引擎，然后给它喂实时行情。
所以我把 Opus 5.5 接入了 Minara AI。
他们的原话是：
** 打造属于你自己的华尔街。实时数据、带真实费率的回测实验室、7×24 小时自动交易的 Autopilot，以及一条铁律：模型提建议，你来拍板，你来赢。**
https://x.com/minara/status/2101781464237195476
**Opus 5.5 是分析师。 Minara AI 是交易大厅。 两者结合，就是一张永不休息的研究台。**
这篇文章就是完整的搭建指南，一步步带你走通，包含我用的每一条提示词。不需要任何编程基础也能跟上。
读完本文，你将掌握：
- 为什么 Opus 5.5 是交易研究的最佳大脑，以及它单干时做不到什么。
- Minara AI 的每个功能怎么用，从 Copilot 到 Strategy Studio 再到 Autopilot。
- 从零账号到第一笔实盘交易的完整配置流程。
- 如何挖掘策略灵感，并果断砍掉那些会让你亏钱的点子。
- 如何让存活下来的策略 7×24 小时运行，并让研究台每晚都变得更聪明。
我们开始吧。
第一部分：你要搭建的研究台
先看最终成果。
读完本文后，你将拥有这样一张运行中的研究台：
八个阶段。一个闭环。永不停歇。
1 1. SCAN 读取实时行情，此时还没有策略2 2. HYPOTHESIZE 提出 5 个想法，每个都要有成立的理由3 3. CODE 把最好的想法写成策略代码4 4. BACKTEST 真实历史、真实费率、真实滑点5 5. ATTACK 由独立的风控审查来挑刺，试图推翻它6 6. PAPER 真实数据、虚拟资金，跑几周而不是几小时7 7. LIVE 存活者带上硬性限制 7×24 小时运行8 8. REVIEW 每一笔成交都为下一轮研究提供养料
八个阶段。一个闭环。永不停歇。
两个组件驱动它运转。
1组件 角色 为你做什么2Opus 5.5 分析师 思考、研究、写代码、做审查3Minara AI 交易大厅 数据、回测、钱包、自动驾驶
Opus 5.5 是大脑。
* 它永远不直接碰钱。它只负责阅读、推理、提案和审查。*
Minara AI 是交易大厅。
* 它为大脑提供实时数据、回测实验室、带限额的钱包和执行能力。第二部分会从头到尾讲透它。*
为什么 Opus 5.5 是最合适的分析师？
研究是一项长线工作。你要读大量资料，要在脑子里同时装下很多信息，还要在证据变化时随时改变观点。这正是 Opus 5.5 被设计出来的目的。
1研究台任务 OPUS 5.5 的能力2阅读所有资料 1M token 上下文窗口3深度分析 自适应思考，始终开启4长时间研究任务 专为长周期 Agent 工作打造5编写策略代码 Anthropic 最强的编程 Opus6审查日志 每次回答最多输出 128K token
跑分也印证了这一点。在 Artificial Analysis 的 Agent 知识工作评测中，Elo 达到 1,822，领先 Fable 5.1 整整 143 分。它是首个在 LM Training（一项长周期任务）上击败 Vals AI 公开基准的模型。运行成本比 Opus 5 低 40%。
它单干时做不到什么 ——
- 没有实时报价。
- 没有历史 K 线。
- 没有回测引擎。
- 没有钱包。没有执行能力。
这不是 Opus 5.5 的短板。所有模型都是如此。数据和执行必须来自交易大厅。
所以真正的问题不是选哪个模型，而是你在哪里运行它。
有个研究团队专门测试过这件事。他们用同一个模型跑了四种不同的 Agent 配置。在某项基准测试中，同一个模型的得分从 10.5% 到 68.5% 不等。
同样的大脑。不同的大厅。结果差了七倍。
这个团队就是 Minara AI。而本文要跑的，正是他们的大厅。
第二部分：打造属于你自己的华尔街
Minara AI 是一个覆盖加密货币、美股和大宗商品的交易平台，集研究、回测与执行于一体。
一个账号搞定一切。Hyperliquid 和 Lighter 上的永续合约。8 条链上的现货。AAPL、TSLA、NVDA 等代币化美股。还有黄金和原油。
你会用到其中的六个模块。下面是每个模块及其在研究台上的职责。
1功能 研究台职责 具体作用2Harness 大脑的座位 搭配 Minara 工具运行 Opus 5.53Chat 扫描 带信息源的实时研究4Strategy Studio 编码 + 回测 想法 → 代码 → 回测 → 模拟盘5Autopilot 实盘 带止损 7×24 小时运行策略6Workflow 监控 提醒与定时研究任务7Marketplace 变现 发布存活策略，分享利润
Harness（Opus 5.5 所在的位置）
https://x.com/minara/status/2097413018510618899
这就是你把 Opus 5.5 接入 Minara AI 的方式
你会用到的两个 Harness 功能：
- Institution Mode 会启动一个由研究和风控 Agents 组成的圆桌会议。它只做研究，不能交易。这让它成了你的首席风控官。
- 安全栈会预览每一笔交易，限制仓位大小、敞口和滑点，还配有紧急停止按钮。模型提建议，你来拍板。
Strategy Studio。实验室。
它能构建两类策略。
1类型 解决的问题 示例2时间序列 何时交易某个资产 ETH 4h 突破3横截面 该持有哪些资产 做多前 5，做空后 5
你可以用大白话描述想法，也可以直接粘贴 PineScript。Minara 会写出可读的代码并自动回测——加密货币用 Binance 数据，传统金融用 FMP 数据，且已扣除费率和滑点。
你能看到收益率、回撤、夏普比率、盈亏比、胜率以及每一笔成交记录。
这次搭建中有三点很关键：
1把交易发给 AI 追问亏损单为什么亏2版本管理 每次修改都是新版本，实盘不受影响3模拟模式 用真实数据跑，但不花真金白银
Autopilot。执行台。
它能让策略 7×24 小时运行。它会开仓、为每笔交易设置止盈止损、移动止损，并在信号反转时反向操作。
它可以跑 Sharpe Guard 2.0（Minara 自家的趋势策略），也可以跑你从 Strategy Studio 部署的任何策略。
它需要付费套餐、至少 $500 可用余额以及全仓保证金。你还可以选配回撤上限，一旦触及就会全部平仓。
Minara 永远不会做你的对手方。每笔交易都在真实交易所撮合。
Workflow、Marketplace 和 Skills。一句话概括。
- Workflow： 用一句话描述自动化逻辑，它就会变成一条流水线，根据价格、钱包或时间表触发，并通过 Telegram 给你发提醒。
- Marketplace： 发布经过考验的策略并设置利润分成。创作者可以从订阅者获得的已实现利润中抽成。
- Skills： 官方技能包，让 Minara 接入 Claude Code（AgenKit 也在这里跑）。第三部分会教你配置。
这就是整个交易大厅。研究台的每个阶段都有对应的归宿。
第三部分：8 步完成配置
第 1 到 6 步让你开始交易。第 7 和第 8 步加入后续进阶所需的工具。
第 1 步。注册账号。
去 minara.ai 用 Google 或邮箱注册。默认情况下，你会获得一个 Hyperliquid 永续钱包和一个 Lighter 永续钱包。
第 2 步。给钱包充值。
只能发送 Arbitrum 链上的 USDC。其他币种不会入账。最低充值 10 USDC。还没买币？点击 Deposit，通过 MoonPay 或 Banxa Pay 刷卡购买。
后续要用 Autopilot，你需要付费套餐和至少 $500 可用余额。
第 3 步。安装 Harness。
从 minara.ai 下载对应 macOS（Apple Silicon）、Windows 或 Linux 的版本。用你的 Minara 账号登录。
第 4 步。把 Opus 5.5 设为大脑。
进入 Agent → Model → 选择 Claude Opus 5.5。把 reasoning 设为 High。
第 5 步。确认它能“看见”。
1我的 Minara 余额是多少？BTC 的资金费率和未平仓合约量现在什么情况？请标注信息来源。
如果数字和 App 里一致，且每条都有来源，说明连接成功了。
第 6 步。下第一笔实盘单。
1买入价值 10 USDC 的 ETH。
Agent 会先展示资产、金额和路由路径。
核对无误后再批准。
一笔真实成交。整条链路就跑通了，从大脑一直到交易所。
第 7 步。把研究台搬进 Claude Code。
打开 Claude Code，输入 /model，选择 Opus 5.5，然后发送：
1Run "curl -fsSL https://raw.githubusercontent.com/Minara-AI/skills/main/scripts/claudecode-minara-skill-setup.sh | bash" to install Minara CLI, Minara Skills and set following config. Follow the login URL when prompted.
然后说 “Login to Minara”，在浏览器里完成认证。
第 8 步。加上 AgenKit。
去 agenkit.xyz 获取密钥（需要 Node 18+），然后在同一个项目里执行：
1npx agenkit activate <license-key>2npx agenkit install engineering-kit
分工依然很简单。Opus 5.5 负责思考。Minara 负责交易。AgenKit 负责造 Minara 没提供的工具，比如你的准入检查器和每日报告。
第 14 步和第 20 步会用到它。
第四部分：先找策略，再试着干掉它
现在研究台要干正事了。找到想法只是一半，砍掉烂想法是另一半。
寻找盈利策略
第 9 步。扫描 —— 此时还没有策略。
千万别一上来就让分析师给策略。先问市场情况。
1用 Minara 的实时数据扫描加密货币和美股。231. 市场环境：BTC 和 ETH 的趋势、资金费率、未平仓合约量、4 ETF 资金流、稳定币流动性。52. 过去 3 个月哪些板块或资产领涨？63. 哪里的仓位太拥挤？哪里被忽视了？74. 未来 14 天有什么已知的催化剂事件？89先不要提出任何策略。10每个数据都要标注来源和时间戳。11标记出任何过时、缺失或矛盾的信息。
第 10 步。确认你到底能交易什么。
1这个板块里有哪些资产可以在 Minara 上交易？2分别属于哪个策略池？帮我分类。
在同一次对话里，扫描胜出的那个板块 ETF 根本没法交易。想法只能改成买一篮子股票。这种事你最好在第 3 分钟就知道，而不是研究了一整天才发现。
第 11 步。五个假设，每个对面都得有个输家。
1基于这次扫描，提出 5 个可验证的交易假设。23每个假设需包含：4- 你能观察到的信号5- 它为什么应该有效6- 谁在对手盘，以及他们为什么会一直亏7- 是时间序列还是横截面策略8- 证明它错误的确切条件910按“可验证程度”排序，别按“刺激程度”排。
“谁在对手盘”才是最关键的过滤器。被迫卖出的人。付着资金费率的杠杆多头。必须定期调仓的基金。如果 Opus 说不出输家是谁，那就没有优势可言。
第 12 步。在 Strategy Studio 里把它造出来。
挑出最好的假设，用大白话说出来。
单资产、时间序列：
1ETH 时间序列，4h 级别。当价格突破 20 根 K 线高点2且波动率低于其 100 根 K 线均值时做多。3止损设在 2 倍 ATR，止盈设在 3 倍 ATR。多空双向。
排名类思路、横截面、Coin 30 池子：
1结合短期动量和价格归一化 MACD。2做多前 5，做空后 5，每日调仓，等权重。
Minara 会写好代码并跑回测。
想让 Opus 自己写逻辑？让它写 PineScript，然后用 Code import 导入。记住一条规则：每个突破位只能用已完成的 K 线，比如 ta.highest(high, 20)[1]。少了这个 [1]，回测就是在偷看未来。
第 13 步。闯关测试。
五道关卡。挂一道，就回去重做研究。
第一关。诚实的参数。
费率设成你真正要交易的交易所标准。把滑点调得比默认值高。用最长的时间窗口。回看周期长的话，记得加预热 K 线。
费率的影响比多数人想象的大。Minara 重构了 236 个公开的 TradingView 策略，并用真实的 Hyperliquid 费率重新跑了一遍。其中 14 个在零费率时赚钱，加了费率就亏钱。这 14 个每年交易都超过 200 次。而每年交易不到 25 次的策略，几乎保住了全部收益。
最后，大约每 7 个策略里只有 1 个既能复现自己的回测，又能在扣除费率后赚钱。
第二关。看对指标。
别一上来就看总收益。
要把胜率和盈亏比放在一起看。在那项研究中，多数存活策略的胜率只有 35% 到 50%。靠少数大赚的单子，覆盖了无数小亏的单子。
多空要分开看。对于多空组合，beta 应该接近零。
第三关。风控官。
写策略的人永远不能自己签字放行。打开 Institution Mode，给风控席位下达这个指令：
1你是风控官。你的任务是否决这个策略。23找出回测可能造假的所有理由：4- 逻辑中存在未来函数5- 利润全靠几笔交易或单个标的6- 整条曲线全靠某一种市场环境撑着7- 交易次数太少，不可信8- 费率或滑点足以抹平优势910最后给出 KEEP（保留）或 KILL（淘汰），并说明最大理由。
然后在 Strategy Studio 里挑出最差的几笔交易，问 AI 它们为什么失败。
第四关。压力测试。
真正的优势是一条高原，而不是一根尖刺。
把每个参数稍微挪一点。如果结果崩了，说明那只是运气好凑出来的数字。
把费率和滑点翻倍。如果策略死了，说明它在真实成交里根本没有容错空间。
单独测最近一年。在 Minara 的演示中，有个版本在 3 年里吊打基准，但在最近一年却是亏的。Agent 在上线前就把它标出来了。
第五关。向前模拟盘。
用模拟模式跑上几周。拿它和回测对比。如果崩了，说明回测在骗人，而你一分钱没花就发现了。
Minara 自家的 Academy 说得很直白：一直调到回测看起来完美，那就是过拟合。
这是我用的评分表。你可以根据自己的风险偏好调整。
1关卡 保留条件2参数 开启真实交易所费率，滑点调高3样本 100+ 笔已平仓交易4质量 夏普 > 1，盈亏比 > 1.35承受力 回撤幅度是你真能扛得住的6基准 跑赢买入持有7中性组合 beta 接近 08风控官 给出 KEEP9压力测试 呈高原状，扛得住 2 倍成本10近期表现 在最近一年依然有效11向前测试 模拟盘连续几周贴合回测
第 14 步。让评分表自动执行。
凌晨两点靠脑子记的规则一定会被跳过。写进代码里的规则不会。
1/agenkit build a gate checker that reads an exported2Minara backtest report and refuses to mark a strategy3deployable unless every scorecard line passes. Tests first.
第五部分：7×24 小时运行，每晚让它更聪明
活下来的策略可以上实盘了。慢慢来。
让系统每晚都更聪明
第 15 步。部署到 Autopilot。
在 Strategy Studio 里部署策略。它会出现在你的 Autopilot 列表中，挨着官方策略。
然后：
- 打开 Autopilot，在 My 下面选中你的策略。
- 确认交易范围：只包含它该交易的资产。
- 先平掉所有逐仓保证金或范围外的仓位。Autopilot 需要全仓保证金。
- 设置初始净值回撤上限。一旦触及，Autopilot 会全部平仓、撤单、停止运行，并给你发邮件。
- 确认并启动。
先从一个策略、一个资产、小仓位开始。只有在实盘干净地跑了几周后，再加码。
第 16 步。跟官方策略对标。
让你的策略和 Sharpe Guard 2.0（Minara 自家的趋势策略）一起跑。
如果在风险调整后，你的策略连一个保守的、懂市场环境的趋势跟踪器都跑不赢，那就直接用 Sharpe Guard，自己继续搞研究。
第 17 步。设置监控哨兵。
Autopilot 负责交易。Workflows 负责盯盘。第一天先建三个：
11. 每天 UTC 8:00：把市场环境摘要2 （BTC 趋势、资金费率、ETF 资金流）发到我的 Telegram。342. 如果 BTC 从今天开盘价下跌 8%：立刻发 Telegram5 警报。673. 每周日 18:00：本周最大的聪明钱动向摘要。
第 18 步。每晚复盘。
正是这一步，把一个机器人变成了会学习的研究台。每晚在 Harness 里跑一次复盘：
1拉取我的交易历史和当前持仓。23针对每个实盘策略：41. 对比最近 7 天的实盘表现与回测表现。52. 列出每笔亏损交易及其当时的市场环境。63. 找出根本原因的规律（如果有的话）。74. 把每个真实规律写成一条规则放进 lessons.md，8 附上日期和证据。95. 每个策略最多提出一处修改建议。1011不要改动任何实盘内容。只提建议。
第 19 步。每次改动都要重新闯关。
建议不等于改动。
在 Strategy Studio 里编辑策略。这会生成一个新版本，实盘版本不受影响。让它重新闯一遍五关。只有通过了，才停掉旧版本、部署新版本。
第 20 步。把复盘自动化。
1/agenkit build a nightly job that pulls my Minara trade2history, appends lessons.md in a fixed format, and sends3me a one-page report. Read-only access. Tests first.
第 21 步。发布存活下来的策略。
一个闯过五关、又有实盘记录的策略就是资产。把它发到 Marketplace，设好你的利润分成，让它在你研究下一个策略时替你赚钱。
一份诚实的契约。建议截图保存。
这张研究台能做到：
1给 Opus 5.5 提供实时数据和执行能力2把想法变成可读、带版本的代码3用真实费率和滑点做回测4跑独立的风控审查5用真实数据跑模拟盘6带硬性止损 7×24 小时运行存活策略7通过 Telegram 给你发提醒8把每笔成交喂给明天的研究
这张研究台做不到：
1保证盈利2让回测等于实盘成交3在你跳过关卡时防止过拟合4未经你批准就交易5在额度为零时维持 Workflow 运行6把烂想法变成优势
整套系统一图总结
1步骤 内容 位置21-2 账号、USDC Minara33-5 把 Opus 5.5 设为大脑 Harness46 第一笔实盘交易 Harness57-8 终端研究台 + 工程师 Claude Code、AgenKit69-11 扫描、交易池、假设 Opus 5.5 + Chat712 构建策略 Strategy Studio813 五关闯关测试 Studio + Institution Mode914 准入检查器 AgenKit1015-16 上实盘、对标基准 Autopilot1117 监控哨兵 Workflow1218-20 复盘、重新闯关、自动化 Harness、Studio、AgenKit1321 发布存活策略 Marketplace
结语
我最初只有一个问题：Opus 5.5 能找到经得起真实回测的策略吗？
单靠它自己，不行。它只是个坐在空房间里的分析师。
给它一个交易大厅，它就成了一张研究台。Minara AI 就是这个大厅：实时数据、真正的实验室、带限额的钱包、永不休息的 Autopilot。而 AgenKit 是那支工程团队，负责造出大厅没提供的东西。
能赢的研究台，不会去问 Opus 该买什么。
它会先扫描。它会要求每个想法对面都必须有个输家。它会淘汰掉七个策略里的六个。它会让活下来的那个跑模拟盘。它会从小仓位开始。它会每晚复盘每一笔成交。
在我之前的文章里，我拆解过 GPT-6 Astra 上的数学交易模型、一人对冲基金架构，以及用 Jev 搭建的毫秒级决策层。而这篇补上了它们全都缺的那一块：那张从一开始就能挖出策略的研究台。
所以问题来了。
你还在问聊天机器人该买什么，还是已经搭起了一张研究台——砍掉六个想法，只为让第七个能 7×24 小时替你交易？
这个问题没有错误答案。但有些答案，真的很说明问题。
![日本泥地经典赛 [S] 赛事分析](/cdn-cgi/image/width=1920,quality=90,format=auto,metadata=none/https%3A%2F%2Fcms-assets.youmind.com%2Fmedia%2F1791393139056_tgbkmu_HT9OCqSasAAks5y.jpg)
