2025年大模型赋能投研之十五：国产大模型编程辅助投研方案全方位评测

国产AI-IDE介绍

2024 年 12 月 30 日，我们发布了《量化漫谈系列之十三：基于大模型实现对话式自 动编程——Cursor 使用指南与实战》。在该报告中，我们对 Cursor 在辅助编程与金融量 化研究中的典型应用场景进行了系统评估，并检验了其在代码生成、调试、工程自动化 和量化策略开发等方面的整体使用效果。 过去一年，AI for Coding 领域发展迅速，技术迭代频率与产品丰富度都明显提升。 特别是国内市场，基础模型性能不断增强，围绕 AI 辅助编程的生态加速成型，相关工具 数量、功能完整度以及在工程实践中的可用性都呈现显著跃升。对于量化研究与工程团 队而言，这意味着工具选择更加多样，替代空间也在持续扩大。 在这一背景下，本篇报告将研究重点由单一工具的使用经验，转向国内 AI 模型与 AI 辅助编程工具的整体测评与比较。我们希望在量化研究的具体需求下，更全面地呈现国 产工具目前的发展水平，以及它们在常见量化任务、日常研发流程和工程化场景中的可 替代性与潜在价值。

1.1 国产 AI-IDE 呈现百花齐放态势

2025 年被普遍视为国产 AI-IDE 崛起的关键年份。国内各大科技公司在这一年集中 发力，陆续推出新一代智能开发平台，使行业整体从以往侧重自动补全、生成片段式代 码的“代码助手”阶段，逐步迈向能够覆盖需求分析、代码生成、调试定位、自动化测试 以 及 部 署 上 线 在 内 的 全 流 程 智 能 化 研 发 体 系 。 在此背景下，字节跳动的Trae、腾讯的CodeBuddy、阿里巴巴的Qoder等产品相继发布， 标志着国产 AI 编程工具正从能力展示迈向系统化落地，也意味着国内在 AI 辅助编程 与智能研发平台领域的竞争进入加速阶段。

1.2 国产 AI-IDE 基础项目比较

我们从可调用模型范围、第三方 API 支持、模型自适应能力、MCP 兼容性、规则体 系、交互模式、上下文管理机制以及费用结构等关键维度对国产 AI-IDE 进行整理对比。 这些维度直接决定了 AI-IDE 在量化研发环境中的实际适配性，例如是否能够灵活调 用外部模型、能否基于项目上下文持续学习、是否支持工程化规则体系、以及多智能体 模式对复杂任务的拆解能力等。 总体来看，各家产品在基础能力与模型接入上逐渐趋于多样化，但在功能深度、规 则体系成熟度以及上下文管理能力上仍存在明显差异。特别是在量化研究依赖的跨语言 开发、复杂工程项目管理和长上下文稳定性方面，不同工具的侧重点不同，也形成了与 各自产品定位相一致的特点。

1.3 国产 AI-IDE 基础功能测试

我们对多款主流 AI-IDE 开展了基础功能项的系统核查测试，以明确各类工具在核 心能力上的覆盖范围，并判断其是否具备智能开发环境中最为常用且必要的基础特性。 本次测试重点聚焦于代码补全、错误识别与提示、代码解释等核心能力，这些功能直接 影响到日常研发效率，也是量化研究场景中使用频率最高的基础组件。 在测试过程中，我们设计了统一的操作任务，并在各 AI-IDE 中依次调用相同功能， 以消除环境差异带来的干扰因素。随后的记录包括工具在不同指令下的实际响应情况、 触发成功率以及可用程度。基于这一过程，我们最终构建出一份基础功能支持矩阵，为 后续的性能评估与场景化测试提供统一的参考基线。

国产AI-IDE复杂任务评测

在设计本次评测方案时，我们参考了《量化漫谈系列之十三：基于大模型实现对话 式自动编程—Cursor 使用指南与实战》中提出的三个典型任务，分别包括：Parquet 数 据分析、国金证券官网爬虫以及股票回测框架构建。这三项任务覆盖了金融工程实践中 最常见的开发场景，涉及数据处理、信息抓取以及量化策略开发等关键环节，能够较为 全面地反映 AI-IDE 在典型量化研发流程中的适配能力。 为确保任务间对比结果具有一致性与可比性，我们在所有评测中统一采用 DeepSeek 系列模型作为执行模型，从而排除因模型能力差异带来的干扰因素。需要说明的是，由 于 Qoder 本身不提供模型选择功能，其评测过程仍基于默认的 Performance 配置完成。

2.1 Parquet 文件数据分析

在该任务中，我们向 AI 提供了一份覆盖 2012 年至 2024 年中国 A 股上市公司机 构调研记录的大型 Parquet 数据文件。该文件包含超过十年的调研活动信息，涵盖机构 调研的时间、参与主体、上市公司特征及相关元数据，数据规模较大、结构较复杂，能 够较充分地检验 AI-IDE 在金融数据处理场景中的能力。 通过这一任务，我们能够较为直接地观察不同 AI-IDE 在数据处理、分析链条理解与 执行方面的能力差异，为后续场景化评估提供基础参考。

Trae 搭配 DeepSeek-V3.1-Terminus 在本任务中的输出总体停留在较为基础的数据 处理与描述性统计阶段，能够完成数据读取与简单统计量展示，但对于数据结构背后的 含义、不同变量之间的联系以及可用于金融研究的深层次规律缺乏足够理解。 在生成图表时，模型虽然能够自动完成一定数量的可视化生成，但呈现质量不高， 常见问题包括在单个图表中叠加过多指标或子类别，导致画面过于密集、信息难以分辨； 同时也存在不同量纲或统计逻辑的指标被混合在同一张图中的情况，使得图表解释性显 著降低。此外，部分图形在布局上不够合理，缺乏必要的图例、标签或分面支持，有些 甚至未对坐标轴或变量含义做清晰标注，整体可读性与分析价值较为有限。

CodeBuddy 搭配 DeepSeek-V3.1-Terminus 在本任务中展现出一定的数据理解能力， 生成的分析报告能够结合 A 股上市公司的特征以及机构调研数据本身的含义进行阐述， 部分结论具有一定的经济解释力，说明其在数据背景识别与基本逻辑推理方面表现相对 成熟。 然而，在具体的数据处理环节仍存在明显错误，导致后续的可视化过程无法顺利执 行，影响了整体分析链条的完整性。从整体表现来看，其分析与可视化能力仍然偏向基 础水平，能够完成描述性统计和简单趋势判断，但缺乏更高阶的复合分析、变量之间的 系统性关系挖掘以及基于模型的方法论输出，难以支撑更复杂的金融工程研究需求。

Qoder 搭配 Performance 配置在本任务中的表现相对稳健，生成的分析报告在数据 维度与内容覆盖上较为全面，能够对字段分布、时间特征以及基础统计关系进行系统性 梳理，但整体仍偏向技术性描述，缺少对数据背后经济含义的提炼与产业层面的解释。 在数据处理与可视化环节，Qoder 的能力明显优于 Trae 和 CodeBuddy，能够正确完 成数据读取、字段操作以及图表绘制，输出的可视化结果结构清晰、布局合理，整体呈 现质量较高，也更符合常规数据分析的规范性要求。

在 Parquet 文件数据分析任务中，三款 AI-IDE 均能够顺利读取数据文件，并完成 必要的数据清洗与基础处理工作，说明其在底层数据解析与格式兼容性方面均具备较为 成熟的能力。然而，在进一步的分析维度设计与指标构建方面，Trae 与 CodeBuddy 的表 现相对有限，主要体现在分析视角较为单一、缺乏对关键维度的深入拆解，以及在构建 指标时过于依赖基础统计量，甚至部分情况下完全停留在定性描述层面，相较之下， Qoder 的分析覆盖更为全面。 在可视化与图表生成环节，不同工具的差异更加明显。Trae 的图表存在信息叠加过 密、不同量纲指标混用等问题，可读性较弱；CodeBuddy 则在部分图表绘制过程中出现 失败，核心原因在于画图前的数据提取不完整或调用错误，导致流程中断；相较之下， Qoder 的可视化输出较为稳定，图形规范性和呈现效果也更为合理。整体来看，三款工 具在基础处理能力上表现接近，但在分析深度与可视化质量方面仍存在明显差异。

2.2 国金证券研究所官网爬取

在该任务中，我们向 AI 提供了国金证券官网的访问链接以及部分网页的 HTML 源 码，内容覆盖页面的 meta 标签、描述信息、关键词、脚本资源与标题等关键结构化元 素。任务的核心目标在于让 AI 能够准确解析网页结构、理解页面中静态与动态内容的 组成方式，并进一步识别页面中通过脚本加载的动态信息。在此基础上，AI 需要尝试执 行网页信息抽取，包括定位目标区域、处理动态请求以及完成数据的初步抓取，从而检 验其在真实网络环境下的网页解析与爬取能力。

Trae 搭配 DeepSeek-V3.1-Terminus 在本任务中的整体表现较为稳健。模型能够正 确解析国金证券官网的网页结构，准确识别页面中的核心内容区域，并对动态加载机制 做出有效判断，说明其在网页结构理解和脚本逻辑识别方面具备较好的能力。 在执行实际爬取时，Trae 输出的结果结构化程度较高，字段划分清晰、格式规范， 整体呈现便于后续的数据整理与分析。但需要注意的是，其抓取的内容数量相对有限， 部分页面信息未能完全覆盖，导致最终结果在完整性方面仍存在一定不足。整体来看， Trae 能够完成结构化抽取的主流程，但在抓取范围和内容覆盖度上仍有进一步提升空间。

CodeBuddy 在整体框架理解上表现尚可，也能够识别网页结构及其动态加载机制。 然而，在具体的内容解析与字段提取阶段出现明显偏差。其生成的数据与网页真实内容 并未完全对齐，部分字段存在抓取错误、内容错位或解析不准确的问题。这些偏差直接 削弱了结果的可靠性，使其在有效性和可用性上明显低于其他模型。

Qoder 在网页结构解析方面表现稳健，能够正确处理动态加载机制，并成功抓取到 相对完整、覆盖面较广的内容。在完整度上，它明显优于 Trae 与 CodeBuddy，爬取的数 据量更大，信息呈现也更为充分。 然而，其输出在结构化层面的表现相对薄弱，字段划分不够清晰，格式略显松散，整体 组织度偏低。为了在后续流程中直接使用其结果，仍需要进行额外的数据清洗与标准化 处理。

在此次针对国金证券官网的爬取任务中，Trae、CodeBuddy 与 Qoder 三个模型都能够 顺利识别网页结构并处理动态加载机制，说明它们在基础解析能力上表现一致。然而， 从具体的爬取结果来看，三者的表现差异明显。CodeBuddy 在内容解析上出现较大偏差， 部分提取结果与实际网页不符，导致整体有效性不足。Trae 的输出在结构化程度上表现 较好，字段清晰、格式规整，但内容覆盖面偏窄，抓取数量少，影响了结果的完整性。 相较之下，Qoder 的爬取内容最为丰富，完整度也较高，不过其输出结构较为松散、字 段不够规范，后续使用仍需额外整理。值得注意的是，三个模型均未能生成可用于维护 或扩展的文档，不利于后续的持续化集成与复用。

2.3 A 股市场择时回测框架

A 股回测框架任务中，我们要求 AI 编写一个适用于 A 股市场的基础回测体系，实 现从数据读取、策略逻辑构建、交易流程执行到指标计算与可视化的完整流程，并利用 一个示例策略进行测试。任务的核心目标包括：在获取并处理行情数据后，能够正确识 别交易日历、建立可执行的回测主循环，并输出常用的评估指标，如累计收益、年化收 益、波动率、最大回撤与夏普比率。此外，还要求生成清晰的可视化图表，用于展示收 益曲线与回测表现，从而检验 AI 能否完成量化策略的端到端实现。

Trae 在本次任务中成功构建了一个相对完整的回测框架，能够顺利读取本地行情数 据，并正确计算包括收益率、最大回撤等在内的核心绩效指标，整体流程具备可运行性 和基本的量化研究价值。不过，从框架设计角度来看，其结构存在明显不足。最突出的 问题在于缺乏清晰的信号传递机制，例如独立的信号接口、事件流或回调体系未得到体 现，导致策略逻辑与执行引擎之间耦合度过高，难以形成可插拔、模块化的架构。这种 设计限制了框架的复用性、可维护性和扩展性，一旦需要加入新的策略、指标或交易规 则，往往需要对现有代码进行较大改动。此外，Trae 并未生成使用文档，对于各模块设 计意图、参数说明与调用方式没有提供说明，这进一步增加了使用者理解与后续维护的 成本。

CodeBuddy+DeepSeek-V3.1 在本次回测任务中完成了基础框架的搭建，并能够计算 常用的核心回测指标，显示出一定的工程实现能力。然而，在关键执行链路上暴露出较 明显的不足。其在策略撰写阶段未能成功生成可运行的策略代码，使得回测流程无法完 整闭环；同时，可视化模块未能正常输出图表，导致结果呈现与分析部分基本缺失。此 外，CodeBuddy 未生成任何使用文档，对框架结构、参数说明或调用方式都未提供支持， 进一步增加了理解和维护成本。整体来看，该组合具备初步的框架搭建能力，但核心功 能执行与结果呈现均不稳定，文档能力也基本缺失。

Qoder（使用 Performance）在本次回测框架任务中的整体表现相对稳健。它能够顺 利完成框架核心部分的搭建，从读取本地数据、执行回测主流程，到输出收益率、最大 回撤等关键指标，均能保持较高的完成度。与 Trae 和 CodeBuddy 相比，Qoder 在关键 功能的执行稳定性方面更为突出，主要流程能够连续、无中断地运行。不过，在文档输 出方面，它与其他两款工具存在相同的问题，即未提供任何使用说明或结构性文档，使 得框架的理解成本和后续维护成本有所增加。整体而言，Qoder 具备较强的任务执行稳 定性，但在文档能力上仍有明显不足。

在回测平台搭建任务中，Trae、CodeBuddy 与 Qoder 均能够搭建出结构完整的回测模 型，并成功计算收益率、最大回撤等常用回测指标，整体具备基础的量化研究可用性。 然而，从关键模块的实现质量来看，各工具之间仍存在明显差异。CodeBuddy 在策略撰 写和可视化环节均未能成功执行，使得整体回测流程无法顺利闭环；Trae 虽然框架可运 行，但策略与回测引擎高度耦合，缺乏独立的信号传递机制，导致框架的复用性和扩展 性较弱，对后续新增策略或优化结构不够友好。三款工具都缺乏使用文档，对框架结构、 模块功能和调用方式均未提供说明，使得实际使用与维护的成本进一步提升。总体来看， 三者能够完成基本任务，但在工程化规范与可维护性方面仍有较大提升空间。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）