发布于VeighNa社区公众号【vnpy-community】
原文作者：用Python的交易员 | 发布时间：2025-04-28
直接进入正题
想弄清楚MainEngine的工作原理？看完这张图秒懂：
实盘中BarGenerator如何将Tick数据合成为K线？一目了然：
事件驱动化回测引擎是怎么个工作流程？拆细了一步步学：
期货交易中的自动开平仓转换是怎么运行的？数据流转关系图如下：
想要使用RPC模块开发多进程分布式应用？先来弄懂底层通讯原理：
搞不清楚VeighNa框架的程序运行流程？三条逻辑线简洁明了：
想要扩展开发自己的底层交易接口？对照函数列表不遗漏：
4.0新增的多因子机器学习投研有哪些关键步骤？一张图看清楚：
认识一下DeepWiki
关注AI大模型领域的同学，这两天估计没少被DeepWiki刷屏。如果你还没听过，DeepWiki是由Cognition公司（前段时间爆火的Devin开发团队）新近推出的“Github仓库百科全书”，前文中的所有图片均由其Agent分析VeighNa的Github仓库后自动生成。
尽管我本人就是VeighNa项目的核心维护者，但昨天看到DeepWiki上VeighNa页面（https://deepwiki.com/vnpy/vnpy）的时候，脑子还是直接被震撼到宕机了一把：居然有人能把VeighNa的核心架构信息，以这么清晰的百科和图表的方式呈现出来！！！
对于想要学习VeighNa核心架构的同学，DeepWiki真是一款能称得上【神器】的Agent工具：
- 免费无需注册即可使用，直接访问上面的网址即可；
- 采用了分层方法理解代码库全局结构，将代码库划分为一套套高层次系统，再为每一个系统生成对应的Wiki页面；
- 已经收录了大量Github上的知名开源项目，比如我们社区活动正在学习中的FinRL；
- 访问网址简单直白，比如Github仓库的github.com/vnpy/vnpy，对应DeepWiki百科就是deepwiki.com/vnpy/vnpy；
- 提供对话式文档AI聊天助手，用户可以直接“向代码库提问”，DeepWiki会尝试理解问题并给出文档级的解答。
需要注意的是：DeepWiki中的内容均由AI Agent分析代码库后直接生成，无法保证内容全部正确，在部分图表中确实发现了一些仍需优化的细节。
关于这个文章系列
过去的一年里，我们看到VeighNa社区已经有越来越多的同学开始将各种AI Agent应用在自己的量化投研和交易中，但同时也有许多人依然停留在把AI（大模型）当作一个简单的聊天工具来使用。
当前互联网上关于AI Agent的文章已经多如牛毛，但是真正能落地到量化实战的则是屈指可数。因此我们决定推出这个新的【AI Agent量化实战】系列文章，希望能够帮助更多同学将这些新一代的生产力工具应用到自己的量化实战中。
系列历史文章列表：
AI Agent量化实战 1 - VeighNa AI - 你的专属Desk Quant
AI Agent量化实战 2 - VeighNa AI - 提问指南
