两天从 MRD 到上线：一个新策略引擎的研发闭环

背景：某量化交易系统需要新增一个网格反转策略（Grid Reversal），利用 orderbook depth 数据在价格剧烈波动时做短线 scalping。从 MRD 定稿到全量上线，两天内完成。

本文不是炫耀速度，是复盘这个流程里做对了什么、做错了什么。

时间线

07-10 02:05  MRD + 详设定稿
07-10 02:47  核心引擎 + 65 个测试
07-10 02:50  Bug fix: watchlist 数据源 + PnL 单位错误
07-10 02:55  Shadow 模式部署上线
07-10 09:07  Bug fix: 数据库字段名不匹配
07-10 15:06  扩展到全量标的（数百个） + 异步队列
07-10 19:18  Bug fix: shadow 模式下 riskGate 绕过失效
07-11 下午   与另一个策略正交组合，形成 VS × L-Combo

关键节点：凌晨 2 点 MRD 定稿，凌晨 3 点代码写完加 65 个测试，凌晨 3 点部署 shadow。 不是卷，是 flow。

做对了什么

1. MRD 先于代码

不是看了行情一拍脑袋就写。MRD 里明确了：

触发条件：depth spread baseline 偏离几倍标准差
网格密度：每层多少 bp
退出条件：反向信号 or 利润目标
对标已有策略的数据分析（某个已有策略在类似行情下的表现）

写代码之前先把”做什么”写清楚，跟广告系统的 MRD 一样——你要上线一个 OCPC 出价策略，不是先改模型，是先写清楚”在什么场景下，出价调整的幅度是多少，预期 CTR 提升多少”。

2. 65 个测试先跑通

核心引擎写完，65 个测试全部 green 才进入下一步。

测试覆盖了什么？

正常触发 → 下单 → 止盈退出
边界条件：depth 数据缺失、spread 为 0、单边行情
异常路径：partial fill、order reject、WS 断线重连
多标的并发不互相干扰

有一个教训来自之前的并发编辑事故：测试通过 ≠ 代码在 jar 里。 所以这次部署后立刻验证了 shadow 日志是否正常写入。

3. Shadow 模式首发

新策略不直接上实盘，先跑 shadow mode——只记录信号和虚拟 PnL，不下真实订单。等跑几天确认：

信号质量符合预期
无异常报错
PnL 曲线合理

再切到真实交易。

这跟广告系统的灰度发布一模一样：新策略先在 1% 流量上跑，看 CTR 没跌再扩量。shadow mode 就是 0% 流量但全量信号——比灰度更安全，因为零风险。

4. 先单标的后全量

第一版只在少数几个标的上跑。确认稳定后，15:06 的 commit 扩展到数百个标的。扩展时加了异步队列和 metrics API——因为标的数量 ×100 后，同步处理会阻塞。

先验证小规模，再考虑规模化。 这是广告系统索引构建的标准操作：先在几个广告主上跑增量索引，确认性能 ok 再全量。

做错了什么

1. 凌晨 2-3 点写核心逻辑

虽然 flow 到了，但这个时间点写核心交易逻辑是有风险的。一个类型错误可能导致白天线上事故。

2. Shadow bypass 修了两次

10:07 修了数据库字段名，19:18 又修了 shadow riskGate bypass 失效。后者是多 Agent 并发编辑的遗毒——同一个文件的改动被另一个 session 覆盖了（这件事单独写了文章复盘）。

3. PnL 单位错误

recordPnl 用的百分比但实际应该是 USD。这个 bug 如果在实盘环境下会导致风险敞口计算错误。好在 shadow 模式下发现的。

元结构映射：广告系统的策略上线流程

步骤	广告系统	本次策略上线
1. 需求	MRD：在什么场景下调整出价	MRD：在什么行情下触发网格
2. 数据验证	历史日志回放，验证出价策略	历史行情回测 + 对标策略分析
3. 离线测试	单元测试 + 集成测试	65 个测试
4. 灰度	1% 流量	Shadow mode
5. 扩量	10% → 50% → 100%	单标的 → 数百标的
6. 组合	与其它策略叠加（CTR + CVR）	VS × L-Combo 正交组合

本质相同：新策略上线 = 小范围验证 → 扩量 → 与其他策略叠加。跳过任何一步都是在赌。

教训

MRD 先于代码，测试先于部署。 65 个测试是 2 小时开发的安全网——没有它们，凌晨 3 点上线就是纯粹赌博。
Shadow mode 是新策略最好的朋友。 零风险验证信号质量，发现 PnL 单位错误这种在实盘会炸的 bug。
单标的验证完再扩全量。 规模问题（异步队列、metrics API）在小规模时看不出来，但全量会炸。

一句话：两天从 MRD 到上线不是靠卷，是靠 MRD→测试→Shadow→单标的→全量的流程——每一步都有前一步的安全网兜底。

时间线