架构对比
你的策略值得更多 而不是一个沙盒
沙盒脚本平台将你的策略限制在500行解释型代码内，运行在封闭环境中。允许导入的仅有基础数学库。网络、线程、数据库访问全部禁止。结果是一个结构性天花板，任何UI打磨都无法修复。
Sandbox500行天花板
VS
StratCraft∞无天花板
能力对比
差异不在功能，而在架构。
| 维度 | 沙盒平台 | StratCraft |
|---|---|---|
| 策略语言 | ~500行 pandas / Pine Script | C++23、Python、AI生成代码 |
| 执行性能 | 解释执行，单线程 | 编译型C++23，SIMD/AVX-512向量化 |
| 可实现的策略类型 | 均线交叉、RSI、布林带、MACD、马丁格尔 | 多因子、ML管线、统计套利、事件驱动 |
| 数据访问 | 沙盒限制（无网络、无文件IO） | 多源、多频率、另类数据 |
| AI集成 | 聊天助手（不生成代码） | 7家LLM提供商、MCP协议、AI生成C++策略 |
| 插件架构 | 无插件（封闭沙盒） | 通过gRPC进程隔离插件，热重载 |
| 可扩展性 | 一次一个策略 | 同时管理2,000个策略 |
| 部署方式 | Docker + 手动环境配置 | SaaS或本地，零配置启动 |
| 因子研究 | 沙盒中不可能 | Alpha158复合因子、表达式树、IC/ICIR分析 |
| 市场优势潜力 | 仅公开信号（无优势） | 框架级：天花板是你的想法 |
天花板问题
为什么500行pandas代码无法产生alpha
在沙盒中你能构建什么
- RSI超买超卖
这些全是公开信号。数千个免费TradingView指标做同样的事。这里没有市场优势。
盈利的量化系统实际需要什么
- 延迟敏感的做市（微秒级C++执行）
这些都无法在500行沙盒中实现。它们需要编译级性能、无限制的数据访问和可扩展架构。
何时沙盒足够用
沙盒在特定场景下有其价值。
- 你正在学习编写交易策略
- 你只需要简单的指标提醒
- 你需要快速验证一个基础想法
- 你对使用公开信号感到满意
何时你需要框架
严肃的研究需要严肃的基础设施。
- 你需要带统计验证的多因子模型
- 你需要将ML管线集成到回测工作流中
- 你需要编译型C++性能用于生产策略
- 你需要AI大规模生成和迭代策略代码