个人准备实盘量化时，可以用聚宽、掘金量化、QMT和vn.py检查自己缺的是研究、综合终端、账户环境还是自建能力。四款产品不能按离账户近就更高级来排序。策略没有经过多轮验证、权限和停止办法也不清楚时，继续留在研究或模拟阶段更合适。

五个问题决定能否进入实盘

先回答五个问题：规则能否完整复述，样本外是否检查过，仓位和退出是否明确，本人账户条件是否确认，程序异常时谁来停止。每个答案都要有代码、回测记录、券商页面或操作清单支持。只凭一条收益曲线不进入实盘。

四款产品对应不同准备程度

聚宽的起点是把策略编写、研究记录和回测放在网页环境中，重心在代码研究。把Python脚本、参数、日期区间和基准说明准备齐以后，同一脚本只改一个参数后，交易次数、回撤、持仓和历史记录应能复现差异。同时记住网页研究减少部分部署工作，代码质量、样本偏差和参数管理仍由研究者负责。它与已经能写基础代码，当前主要需要在线研究环境的个人投资者的使用条件更接近。

围绕本篇的“当前阶段、账户前提、运行位置、风险控制、故障恢复”对比，给聚宽安排的最小作业是把Python脚本、参数、日期区间和基准说明整理成一份可重复检查的记录。第一轮保持原始设定并标注日期，第二轮只调整一个条件，第三轮退出后重新打开项目，再核对同一脚本只改一个参数后，交易次数、回撤、持仓和历史记录应能复现差异。试用记录还要写下完成时间、卡住的步骤、资料保存位置和仍待官方确认的事项；涉及动态权益时，以访问当天的产品页面为准。若结果无法追溯到规则、数据或运行环境，这款候选就暂时退出本轮。随后再对照使用边界：网页研究减少部分部署工作，代码质量、样本偏差和参数管理仍由研究者负责。只有能独立复做流程、解释差异，自己也愿意承担相应维护，并且当前情况接近已经能写基础代码，当前主要需要在线研究环境的个人投资者，才把聚宽保留到下一轮。

掘金量化先从面向能够维护Windows环境的使用者，研究和仿真记录可在终端中连续查看开始。准备本地程序、客户端版本、数据配置和运行参数，随后从策略开发到仿真都要留下日志与状态记录，方便定位程序或环境问题。需要注意：看到实盘模块不代表任何账户都能直接使用，账户条件还要单独确认。这款产品更接近已有策略基础，并能处理日志、版本和故障恢复的用户。

围绕本篇的“当前阶段、账户前提、运行位置、风险控制、故障恢复”对比，给掘金量化安排的最小作业是把本地程序、客户端版本、数据配置和运行参数整理成一份可重复检查的记录。第一轮保持原始设定并标注日期，第二轮只调整一个条件，第三轮退出后重新打开项目，再核对从策略开发到仿真都要留下日志与状态记录，方便定位程序或环境问题。试用记录还要写下完成时间、卡住的步骤、资料保存位置和仍待官方确认的事项；涉及动态权益时，以访问当天的产品页面为准。若结果无法追溯到规则、数据或运行环境，这款候选就暂时退出本轮。随后再对照使用边界：看到实盘模块不代表任何账户都能直接使用，账户条件还要单独确认。只有能独立复做流程、解释差异，自己也愿意承担相应维护，并且当前情况接近已有策略基础，并能处理日志、版本和故障恢复的用户，才把掘金量化保留到下一轮。

选择QMT时，先确认与具体券商账户条件相关的量化终端，通常在策略成熟后再评估。试用材料包括成熟策略、本人账户权限、终端环境和人工停止办法；完成后需要从终端状态、日志、订单记录和人工停止入口检查运行过程。使用边界是券商支持、资产条件、接口、费用和权限只以本人账户及官方说明为准。已有成熟策略、能够维护终端并获得券商明确说明的人会更容易坚持。

围绕本篇的“当前阶段、账户前提、运行位置、风险控制、故障恢复”对比，给QMT安排的最小作业是把成熟策略、本人账户权限、终端环境和人工停止办法整理成一份可重复检查的记录。第一轮保持原始设定并标注日期，第二轮只调整一个条件，第三轮退出后重新打开项目，再核对需要从终端状态、日志、订单记录和人工停止入口检查运行过程。试用记录还要写下完成时间、卡住的步骤、资料保存位置和仍待官方确认的事项；涉及动态权益时，以访问当天的产品页面为准。若结果无法追溯到规则、数据或运行环境，这款候选就暂时退出本轮。随后再对照使用边界：券商支持、资产条件、接口、费用和权限只以本人账户及官方说明为准。只有能独立复做流程、解释差异，自己也愿意承担相应维护，并且当前情况接近已有成熟策略、能够维护终端并获得券商明确说明的人，才把QMT保留到下一轮。

vn.py提供的是提供较高扩展空间，同时把依赖、接口、部署和维护交给开发者。第一次试用应准备Python环境、依赖、数据来源、策略模块和日志位置，并且重建环境后仍能运行同一策略，并能从日志定位问题，才算完成基本复现。决定前还要确认具体市场和接口能力取决于所选组件及其官方文档。主要人群是确实需要自建模块、扩展能力和较高控制权的开发者。

围绕本篇的“当前阶段、账户前提、运行位置、风险控制、故障恢复”对比，给vn.py安排的最小作业是把Python环境、依赖、数据来源、策略模块和日志位置整理成一份可重复检查的记录。第一轮保持原始设定并标注日期，第二轮只调整一个条件，第三轮退出后重新打开项目，再核对重建环境后仍能运行同一策略，并能从日志定位问题，才算完成基本复现。试用记录还要写下完成时间、卡住的步骤、资料保存位置和仍待官方确认的事项；涉及动态权益时，以访问当天的产品页面为准。若结果无法追溯到规则、数据或运行环境，这款候选就暂时退出本轮。随后再对照使用边界：具体市场和接口能力取决于所选组件及其官方文档。只有能独立复做流程、解释差异，自己也愿意承担相应维护，并且当前情况接近确实需要自建模块、扩展能力和较高控制权的开发者，才把vn.py保留到下一轮。

历史模拟和账户记录逐项核对

聚宽用于整理研究基线，掘金量化检查本地仿真和日志，QMT只在本人券商权限明确后验证，vn.py需要完整保存自建环境。四款都要核对价格处理、交易时间、成本假设、订单记录与恢复步骤。差异无法解释就停止迁移。

靠近交易会增加哪些责任

账户工具能接近真实运行，也会增加网络、权限、版本和人工接管责任。自建框架带来自由度，长期维护工作更多。综合终端减少拼装，现行权限仍要核实。研究平台最远离账户，却更适合先把问题暴露在历史和模拟环境。

证据不完整就退回上一阶段

研究证据还不完整，先用聚宽补齐；需要本地开发与仿真，可评估掘金量化；券商已经确认且策略成熟，再看QMT；确有自建要求并能维护技术环境，选择vn.py。每一步都保留回退版本。

实盘前保存完整停止方案

实盘前的最终记录应包含研究基线、账户说明、日志位置、人工停止、恢复顺序和风险上限。任何一项缺失都先暂停。量化软件不会消除市场风险。

风险提示：股市有风险，投资需谨慎。