能跑，不代表能上真钱
很多人用 ChatGPT、Claude 或 Grok 写出一个交易 bot 后，第一反应是：代码能运行了，是不是可以接 API 实盘？这一步最危险。
AI 生成代码最大的特点是“看起来很完整”。它可能能读取价格、生成信号、调用交易所 API、打印订单结果。但交易系统真正容易出问题的地方，往往不在正常路径，而在异常路径：价格延迟、订单拒绝、重复下单、部分成交、余额不足、API 超时、模型输出空值、网络断开。
所以，在实盘之前，至少要先跑一段 paper trading。所谓 paper trading，就是用模拟账户或只记录不下单的方式，让策略在真实时间里运行，但不动真实资金。Investopedia 对 paper trading 的解释很直接：它是用模拟交易练习和测试策略，而不是直接承担真实亏损。
paper trading 测的不是收益，而是系统会不会犯低级错
| 要测试什么 | 为什么重要 |
|---|---|
| 信号是否重复触发 | 避免同一个信号连续下多笔订单 |
| 订单方向是否正确 | 防止买卖方向写反 |
| 仓位是否按规则计算 | 防止一次下太大 |
| 止损是否真的触发 | 防止亏损无限扩大 |
| API 报错是否被处理 | 防止程序假装成功 |
| 日志是否完整 | 后续才能复盘 |
| 模型输出是否稳定 | 防止空值、幻觉、格式错乱 |
如果一个 bot 在 paper trading 阶段就经常出现重复信号、日志缺失、止损没触发，那它还不是策略，只是一个风险放大器。
三种上线前测试方式
| 阶段 | 资金风险 | 目的 |
|---|---|---|
| Backtest 回测 | 0 | 看历史规则是否大致有逻辑 |
| Paper trading 模拟交易 | 0 | 看实时环境下系统是否稳定 |
| Small capital 灰度实盘 | 低 | 看真实成交、滑点和 API 行为 |
回测只能告诉你历史上发生过什么，不能告诉你实盘 API 会不会报错。paper trading 能补上这一层。像 Alpaca 的 paper trading 文档就把模拟交易作为测试 API 和策略行为的一部分；如果你接交易所 API，也应该优先使用 testnet、sandbox 或只读模式。
答题
为什么 AI 交易 Bot 不能代码一跑通就直接上实盘？
参考答案：因为代码能运行只说明正常路径没报错，不代表它能处理重复信号、API 失败、滑点、止损、仓位和异常行情。paper trading 可以在不损失真实资金的情况下先暴露这些问题。
延伸阅读：Investopedia Paper Trading · Alpaca Paper Trading · Binance API Docs · NIST AI Risk Management Framework
拿一份下单前检查表。
我们正在把这些指南做成可搜索的检查工具：查术语、看规则、算风险，先看懂再交易。