全部文章

出事之后第一件事是查日志，但现实往往是：日志文件几个 G，文本编辑器打开直接卡死；findstr / grep 能搜，但「错误率多高」「哪个接口错得最多」这类统计问题就不是一行命令的事了。这篇就写一个流式日志分析工具：几个 G 的文件也能稳稳跑完，内存占用恒定。

运维日常里有一大类活儿，本质是「重复 + 有明确判断标准」：每天看一眼 CPU、内存、磁盘；日志满了要清；服务挂了要发现。这类活儿交给 shell 脚本也行，但 Python 有三个实在的优势：

主题只有一个：标准库最近两年新增的、知道后你会真的用的写法。每条都短——直奔用法和实测输出。

3.14 起，json 模块可以直接 -m 运行，官方明确它取代 json.tool（后者进入 soft deprecated，不会删除）：

很多团队的类型标注停留在"IDE 补全"用途。这篇把 3.12–3.14 的新类型工具按"解决什么问题"组织起来，每段代码都给出实测结论（CPython 3.13.15 / 3.14.0 实际运行；类型检查行为以 pyright/mypy 官方语义为准）。

Python 3.14（2025 年 10 月发布）被官方称为自由线程（free-threading）之年，但它带来的远不止多线程性能。这篇是「实用视角」的盘点：每个特性都附上可直接运行的代码，而且——每一行都在真实的 3.14 解释器上跑过，输出也是真实输出。

提起 3.13（2024 年 10 月发布），大家首先想到的是实验性 free-threading 和 JIT。但对每天写代码的人来说，3.13 有一批低调但高频实用的小特性。

能独立走完策略全生命周期：目标 → 数据 → 信号 → 回测 → 评价 → 风控 → 敏感性 → 纸面计划；能把第 27（动量）、30（轮动）、35（ATR 止损）、48（风控）篇的模块组装成一个整体

能对照三阶段自检清单，定位自己当前的层级与短板；能获得一份按「为什么读」组织的书单与开源项目清单

能用「单笔风险预算」反推仓位：账户的 1%~2% 是多少股；能实现按 ATR 定仓位的公式，并理解它为什么优于拍脑袋仓位

能逐条核对自己当前的量化流程，找出已经踩过或正在踩的坑；能把每条坑回指到合集里对应的篇章，知道去哪里找系统解法

能说清纸面交易与回测的本质区别：验证目标不同（历史有效性 vs 当前系统可靠性）；能实现一套最小的纸面交易系统：每日信号 → 记录委托 → 按真实行情撮合 → 记账复盘