结合SOLO和它里面提供的各类skill，让他编写了一个量化因子挖掘程序，让我在干本职算法工作的时候，也能让他去试试挖掘量化因子，从而实现财富自由（做梦）。
作为一个苦逼的程序员，其实我还有不为人知的身份——股民！（不过好像这个身份基本大家都是），在同花顺、光大金阳光这些全球竞技平台中，我为股市的上涨添砖加瓦，却不寻求索取任何回报。直到看到自己的荷包减肥效果比我节食还好后，我还是忍不住了，先是看了网上的股市公开课，又去学习livemore的传教，但是发现并没什么大用，同时现在金融业也逐渐变成了量化的天下，秉承着打不过就加入，我又开始学习量化。但是在996的工作氛围中，我发现自己并不能达到理想的学习氛围，因此尝试借助AI。但是单一的某个AI网站并不能很好的进行编程，openclaw这些可能可行，但是钱包本来就瘦了，可别再让它遭受摧残了，更何况网上的coding plan动辄要上百元的价格才能满足token需求，而且高峰期使用还可能给你说调用超时，这不是开玩笑吗？正好趁着本次SOLO内测，我就开始尝试用SOLO来编写一些量化因子挖掘程序。
一、喂给SOLO文献，并用brainstorming和executing-plans这个两个skill让他自动生成代码需求和代码编写。MTC比Code好的一点是，它会生成多个方案并问你的想法，这样的话代码会更切合实际一点。
二、代码的模拟测试与实机测试。SOLO会生成一个模拟的计算机环境，并对他写的代码进行测试，但是在实际使用过程中，我发现尽管程序能够正常运行，但是会出现以下问题：1.挖掘的因子因为无法计算而被抛弃，导致IC永远是0。2.每一轮的运行，系统都是从零开始生成因子，这样完全就是浪费了前面挖掘到的因子。3.生成因子的方式是固定的，导致无法实现对因子的更好挖掘。4.程序占用CPU较多，导致一旦因子生成数量过大，可能一天才能生成一轮，完全没法进行debug。
三、上述问题的唯一探究方法就是不断地测试和让AI进行修改，为了更好的让它修改，我不仅再每一轮的问题反馈中使用brainstorming和executing-plans这个两个skill，同时会添加security-best-practices和test-driven-development这两个skill让他先进行模拟测试，这样对我而言很大的提高了效率，让很多问题能够不需要经过实机测试就能解决。
四、即使将最新代码上传到git中。我这里用的是gitee，每一次代码修正后，我都会即使上传git，以免后面还设备了或者SOLO写了一堆垃圾代码导致没办法回滚了。事实上，我也遇到了MTC的对话次数多了之后，就一直陷入AI Thinking的循环中，完全无法进行下一步对话。但是由于我把文件保存在了gitee中，因此只需要新建一个项目，然后git pull就可以了。
这是我的因子挖掘的代码仓库：https://gitee.com/username_96/factor-mining-testing.git
这是实机运行的图例：
代码还在持续改进，毕竟AI也只是个辅助工具，而且网页版的SOLO无法完全摸清程序里的所有BUG，但是呢，我用SOLO只花了一周，就完成了这种效果，抵得上我以前一个月甚至几个月的学习成功。毕竟看论文，再复现开源代码就得花很多时间了。
AI必然会越来越聪明，我目前工作上很多都是通过AI搞定，甚至有点担心哪一天会完全的被AI给淘汰了。
。我现在还在根据每轮报错情况该bug呢，轮轮都有新bug