本文主要整理几款常见的开源量化/AI 投研相关工具的定位与能力边界，便于选型入门。Star 数与链接会变化；使用需遵守许可证与当地法规。不构成荐基或荐股，也不是「稳赚工具清单」。
背景说明
「AI 量化」常混指：数据管道、因子/模型训练、回测、仿真与实盘接入。工具解决的是工程效率，不能消除过拟合、数据窥探与交易成本。
Qlib（微软亚洲研究院）
- 仓库：https://github.com/microsoft/qlib
- 定位：偏 AI 量化研究流水线（数据、模型、回测等模块化）
- 常见能力：统一数据接口、特征与模型实验、历史回测与评估
适合：已有 Python 基础、想做因子/ML 实验的研究者。 注意：研究结论迁到实盘前要单独评估滑点、涨跌停、停牌与合规。
vn.py
- 仓库：https://github.com/vnpy/vnpy
- 定位：偏 Python 交易与策略框架，社区在国内较活跃
- 覆盖：多市场接口、策略模块、回测与交易相关组件（以项目文档为准）
适合：需要对接柜台/网关、把策略跑在框架里的开发者。 注意：接口与券商/交易所规则绑定紧，升级与权限是主要坑。
选型直觉
| 诉求 | 更常先看 |
|---|---|
| 数据+模型+研究实验 | Qlib 一类研究栈 |
| 交易接入与策略工程 | vn.py 一类交易框架 |
| 仅学习概念 | 官方文档 + 小样本回测即可，不必堆工具 |
也可与 quant-trader-intro、蒙特卡洛等笔记交叉阅读。
风险与合规
- 过拟合： 回测漂亮 ≠ 样本外有效。
- 数据质量： 复权、点差、停牌处理错误会毁掉结论。
- 实盘权限与法规： 程序化交易、接口资质因市场而异。
- 运维： 进程、行情中断、风控熔断要有预案。
注意事项
- 原文中的微信转载与外链截图未保留；以官方仓库 README 为准。
- Star 数仅作热度参考，会过时。
- 本文不构成投资建议或软件背书。