选一条适合你的起跑线

“好吧。”蛙兄看着课程地图，“我决定学了。现在从哪里开始？”

地图上有两个特别显眼的入口：一个从股市与量化基础开始，一个直接进入 AI 量化实验室。

蛙兄会写一点 Python。计算器、小工具和简单脚本，他都折腾过。于是他很自然地把手指移向 AI 量化实验室。

“我是不是可以直接去实战？前面的理论以后再说。”

蛙博士没有拦他，只问了三个问题：

蛙兄盯着“直接动手”那个入口看了几秒，又把手指慢慢挪了回来。

会写几行程序，和知道程序应该研究什么，果然不是一回事。

最省事的选择：大多数人先从基础开始

选择入口时，我们主要看你对市场和量化已经理解到哪里，不看你写过多少行 Python。

这不是让所有人都从头坐到尾。它只是说明：会不会编程，不是选择基础部分还是实战部分的那把尺子。

已经懂一些量化？先问自己四个问题

如果你已经接触过股票市场和基础量化，当然不必为了“保持队形”重复学习熟悉的内容。

先试着不用搜索，用自己的话回答下面四个问题：

这不是考试，也不用数自己答对了几题。

如果这些问题你都不陌生，而且能大致讲清楚，可以考虑直接进入实战部分。

如果只有一两个地方说不清，就在课程地图里找到对应的理论内容再回来。课程不是只能“全部重学”或者“全部跳过”。

如果四个问题听起来都很新，那就安心从基础部分开始。起点靠前不代表进度落后，只是让后面的实战少一点“代码跑通了，但我不知道它在证明什么”。

也可以让 AI 陪你做一次入口自检

如果你已经在使用 Codex 或 WorkBuddy，可以把上面的四个问题交给它，让它逐个和你聊。

你可以这样说：

可选对话

我想判断自己是否已经适合开始动手做量化研究。请通过几个简短问题，了解我对股票市场、可验证假设和历史回测的基础理解。不要给我打分，也不要只看我会不会 Python。如果我说得含糊，请继续追问，不要替我补全答案。最后请用大白话说明，我目前更适合先学习市场与量化的基础知识、只补充几个不熟悉的概念，还是直接开始在本地使用数据和程序做研究，并说明理由。

AI 不需要事先了解 HoppyQuant 或它的课程地图。它只负责帮你看清目前缺少哪一层准备。

拿到建议以后，再回到我们的课程地图：需要先学基础，就从理论部分开始；只缺少几个概念，就回看对应内容；已经适合动手研究，就可以考虑直接进入 AI 量化实验室。

AI 的建议只是帮你整理现状，不是入学通知书。最后从哪里开始，仍然由你决定。

还没有使用这些工具也没关系。这个自检完全可以自己完成，不需要为了做它提前安装任何东西。

前半段先读，进入实战再打开本地工具

导入课和理论部分主要是阅读和理解。你现在不需要暂停课程，先去安装 Python、uv 和一桌子暂时用不上的工具。

这几部分也不会要求你每读一章就创建一个文件。遇到值得停下来想一想的问题，可以记两句；没有本地任务时，继续往下读就好。

真正的实战从建立 AI 量化实验室开始。到那时，你会在自己的电脑上创建研究项目，准备环境和数据，再让程序真正运行起来。

网站本身不提供在线编辑器，也不会替你运行实验。这样做不是故意增加麻烦，而是因为后面的项目需要能够留下来、重新运行，也能继续修改。

Codex 用不了，也别停在门口

课程首推并默认演示 Codex。

如果你无法使用 Codex，可以改用 WorkBuddy。两种工具的界面和操作不一定相同，课程也不会假装它们每一步都完全一样。

但在这门课里，它们承担的是同一种角色：帮助我们处理程序、数据和研究检查。它们都不是替你判断市场答案的机器。

能用 Codex，就跟着默认演示走；用不了，就采用 WorkBuddy。不要在真正开始以前，把时间全花在比较工具上。

具体怎样建立环境、怎样和 AI 分工、怎样检查它到底做了什么，进入 AI 量化实验室以后再一步步处理。现在不用抢跑。

蛙兄最后把起点放在了“股市究竟是什么”。

不是因为他不会写程序，而是因为他还没有认真想过，程序接下来究竟要研究什么。

朋友看着“股市究竟是什么”的标题，问：“这部分先讲什么？”

蛙博士回答：“先从一个听起来很简单的问题开始——股票究竟是什么？”

朋友愣了一下：“这个还需要讲？”

需要。很多后面的问题，都是从这里长出来的。