[知乎专栏经验发布] (https://www.zhihu.com/column/c_1760768090802171904)
距离上一篇”完结”过去了快一年，本来以为这个系列就这样了。
然后 AI 来了。
不是那种”帮你补全几行代码”的 AI，而是真的能从零开始、一个文件一个文件帮你写出来的 AI。看着 Claude 一步步理解我的需求，读懂 VNPY 的源码，处理 PySide6 的信号槽、QSS 样式、Pydantic 数据模型……说实话，有点震撼。
于是趁着春节前的这段时间，我做了一个实验：用 AI 辅助，从 VNPY 3.9 重构到 4.3，看看能走多远。
结果是：大约一周时间，从项目搭建到功能完善，我没有手写一行代码。所有的代码都是在和 AI 的对话中产生的——我负责提需求、审代码、做决策，AI 负责实现。
为什么要重构
VNPY 从 3.9 到 4.3 变化很大，核心模块拆分成了独立包（vnpy-ctastrategy、vnpy-ctp 等），架构上差异太多，简单迁移行不通，不如重新来过。
正好，V1 积累了不少想法但一直没动手改的地方，这次借 AI 之手一并实现了。
V2 主要变化
变化 说明
基础框架 VNPY 3.9 → 4.3
数据库 SQLite/MySQL → ArcticDB (LMDB)
策略架构 三层数据模型 Params/State/Vars
双模交易 同一策略支持全自动 + 辅助半自动
多账户 实盘/模拟/7×24 环境并存
主力合约 自动识别 + 换月持仓保护
AI 助手 实验性接入，目标是策略信号辅助
界面 PySide6 + QFluentWidgets 全面重写
详细内容就不在这里展开了，感兴趣的朋友请移步 GitHub 仓库查看 README。
开源
项目已开源，MIT 协议，可自由使用和修改：
GitHub：https://github.com/48645970/guanlan
欢迎 Star，欢迎提 Issue，欢迎交流。
感谢
感谢 VNPY 团队提供了优秀的量化交易框架，让这一切有了基础。
感谢 Claude —— 这个项目的”联合开发者”。一周时间里，从框架搭建到细节打磨，每一行代码都经过了我们之间的对话。AI 不会疲倦，不会敷衍，能记住上下文，能读懂源码，能理解”这里不太对”是什么意思。这种体验，一年前完全无法想象。
我们正站在一个很有意思的时代节点上。
最后
祝大家新年快乐，交易顺利。
主窗口
多账户管理，自动登录
合约管理，收藏，手续费设置（策略中算手续费），定期从外部获取后计算最大持仓定为主力
交易持仓
绩效查看，按账户统计
数据管理，一键批量导入通达信数据（日线、分钟线）
策略执行
使用数据模拟定义参数和状态显示，配合限制输入框，对输入内容格式、最大最小值做限制
界面参数、状态值，使用模型指定的中文标题显示
Params、State 显示在窗口
Variable 仅做为中间变量存储，但不显示
扩展 on_ready，在在 on_start 后触发，不同的是，交易状态 self.trading == True
扩展 on_reset，在画面点击重置时触发
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：2025-12-29
上周我们发布了VeighNa 4.3.0版本。本次更新主要包括：在VeighNa Station中集成全新的AI智能助手VeighNa Assistant，以及对VeighNa Docker镜像进行重构优化。
已安装VeighNa Studio 4.0版本的用户，可使用快速更新功能完成自动升级；尚未安装的用户，建议直接下载VeighNa Studio-4.3.0，体验一键安装的量化交易Python发行版，下载链接：
https://download.vnpy.com/veighna_studio-4.3.0.exe
在本次4.3.0版本中，VeighNa Station集成了VeighNa Assistant智能助手（基于VNAG框架开发），主要功能包括：
要使用VeighNa Assistant，首先需要准备一个大模型服务的API Key（可理解为访问凭证）。对于初次接触的用户，推荐使用阿里云百炼的AI服务（目前提供较为充足的免费额度），具体开通流程请参考阿里云官方的详细步骤说明。
准备好API Key后，双击桌面快捷方式启动VeighNa Station，在顶部菜单栏中找到【功能 -> AI服务配置】选项：
点击后将打开AI服务配置对话框。在顶部的下拉框中选择【Bailian】，然后在配置参数区域填入之前准备好的API Key，API地址保持默认即可：
点击【保存】按钮后，系统会弹出提示框，告知需要重启VeighNa Station以使配置生效：
完成重启后，点击顶部菜单栏的【功能 -> 模型浏览器】，选择想要使用的大模型：
在模型浏览器中，可以通过上图红框中的箭头按钮来添加或移除大模型，同时也可以调整已选模型的优先级顺序。对于百炼AI服务，推荐选择Agentic能力较强的qwen3-max-preview或kimi-k2-thinking模型。完成设置后，点击右下角的【保存】按钮，系统会弹出确认提示框：
点击【OK】返回主界面后，即可在聊天区域与智能体进行交互。整体使用方式与ChatGPT等主流AI聊天工具高度相似，有相关使用经验的用户可以快速上手：
如果在使用过程中遇到任何问题或有改进建议，欢迎在社区论坛的【VeighNa Assistant】专区发帖交流。
基于社区用户的反馈，我们在4.3.0版本中 对VeighNa Docker镜像进行了全方位的重构与优化。
核心改进：
快速开始：
用户可以直接访问VeighNa Docker Hub查看详情，或使用以下命令直接拉取并启动：
# 拉取 4.3.0 版本镜像
docker pull veighna/veighna:4.3.0
# 启动容器（示例：挂载本地目录并启动图形界面）
docker run -it \
-e DISPLAY=$DISPLAY \
-v /tmp/.X11-unix:/tmp/.X11-unix \
-v $(pwd)/home:/home \
-p 8888:8888 \
veighna/veighna:4.3.0 python3 -m veighna_station
新增
调整
修复
安装流程：
打开terminal-注意环境切换成 py37_vnpy，执行以下命令，安装需要的插件
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
遇到安装失败的可以单独安装：
pip install PyQt5 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
备注：
如果需要在cmd 下使用 py37_vnpy 环境。
打开 CMD
运行: conda activate py37_vnpy
会切换到py37_vnpy环境下
作为初学者，面对 vnpy 无所不包、博大精深的丰富内容，试图用图形对 vnpy 的运行流程做一个归纳。
不到之处，还请各位多多指正
我原本想用WSL2在windows机器上启动一个ubuntu机器来运行vnpy，因为期货公司不让用云服务器或者虚拟机进行测试，所以我同时安装了windows，也把Windows和Ubuntu两种环境的坑都踩了。。。
在windows/mac/linux环境中，windows不许需要环境准备，直接下载安装包就行。我使用ubuntu属于linux。
其他回答普遍反映install.sh有问题，我试了一下，确实有问题。于是直接手动安装。说是手动安装其实也快。
# 下载vnpy到ubuntu本地
git clone git@github.com:vnpy/vnpy.git下面开始配置环境，我使用的pyenv+venv轻量化的环境配置方案。
pyenv功能：为不同项目提供不同的python版本。比如我A项目使用3.7.4, 而vnpy推荐使用3.13版本。使用了pyenv我就可以实现在A项目用3.7.4，在vnpy使用3.13，而不是两个系统使用同一个版本的python。
venv功能：为不同项目提供不同的依赖。A项目使用了2.27.1版本的requests包，而vnpy使用3.0.01版本的requests包（其实没有），直接使用pip install只能同时安装一个包，使用venv就可以把A项目和vnpy项目依赖的包隔离开了。
其他教程里面的conda，minicoda其实都是实现pyenv+venv的功能，选择使用conda还是pyenv+venv区别不大。
# 安装pyenv
curl https://pyenv.run | bash
# 查看可安装的 Python 版本
pyenv install --list
# 安装指定版本
pyenv install 3.13.2
# 查看已安装的版本
pyenv versions
# * system (当前使用的版本)
# 3.8.10
# 3.11.0
# 2. 本地（当前目录及子目录）
cd vnpy
pyenv local 3.13.2 # 该项目使用 3.13.2
# 会自动创建 .python-version 文件，此时在vnpy项目下运行python --version就会提示版本信息为3.13.2
# 创建venv虚拟环境
python3 -m venv .venv
# 激活虚拟环境
source .venv/bin/activate
# 安装vnpy的依赖包
pip install .# 安装build-essential
sudo apt-get install build-essential
# 安装ta-lib
wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz
tar -zxvf ta-lib-0.4.0-src.tar.gz
cd ta-lib/
./configure --prefix=/usr
make
sudo make install
pip install ta-lib
# 我并没有确认下面两个是否必须，直接按照其他教程安装了
pip install quickfix
pip install psycopg2-binary在examples/veighna_trader/run.py有个run.py文件，将它复制到vnpy的根目录下。在vnpy目录，运行python run.py
这时候可能会报“'CtaStrategyApp' from 'vnpy_ctastrategy' (unknown location)”，很简单，只要安装这个模块就行，比如这个vnpy_ctastrategy，使用pip install vnpy_ctastrategy命令即可。
然后运行python run.py，就可以打开vnpy界面。如果没有打开，很有可能是没有GUI，如果是没有GUI的话，可以看下面。
如果是使用没有界面的ubuntu，比如我使用WSL，是不能装xubuntu-desktop太重的界面的。如果是win11可以使用WSLg，我的是win10，用的X410。AI给的完整UI配置流程我也放下面了。
去SimNow仿真交易【官方网站】官网注册一个账号，注册账号后，找到官网通知公告内的BrokeID，Trade Front，Market Front
SimNow仿真交易-产品与服务。左侧“产品和服务”打不开的话，先打开官网，然后点击顶部导航栏的“产品与服务”，下拉到中间就有simnow的链接配置信息。
在vnpy界面中，点击系统->连接CPT，然后按照下图所示的配置填写。其中
登录成功后，可以点击帮助->查询合约->查询，来看合约信息是否有，有就成功了。
后面的穿透测试流程以及window，linux环境下decode err的解决方法我都写在这里了。https://www.vnpy.com/forum/topic/34604
经过好几天的反复，终于完成了。所谓的复盘，就是盘后把行情从新播放一遍，如果使用tick数据，就和真实的盘面一模一样，我这里使用的是1分钟数据复盘，所以简化了很多。
代码如下：
import multiprocessing
import time
from datetime import datetime
from vnpy.trader.constant import Exchange, Interval
from vnpy.trader.database import database_manager
from vnpy.chart import ChartWidget, VolumeItem, CandleItem
from vnpy.trader.ui import create_qapp, QtCore
from vnpy.trader.object import BarData
import os
bar: BarData
def putbardata(q_1m,q_5m,q_30m,q_4h,su):
#从数据库中读取1分钟数据，你的数据库必须有下载好的数据。
bars = database_manager.load_bar_data(
symbol="APEUSDT",
exchange=Exchange.BINANCE,
interval=Interval.MINUTE,
start=datetime(2022, 5, 4),
end=datetime(2025, 1, 1)
)
sudu = 0.055
i = 0
for bar in bars:
q_1m.put(bar)
q_5m.put(bar)
q_30m.put(bar)
q_4h.put(bar)
if i > 1200: #先快速播放一定数量的一分钟bar
if not su.empty():
sudu = int(su.get(True))
print("速度已经设定为：", sudu)
if i % 10 == 1 :
os.system("pause") #正常播放以后，每10个一分钟bar暂停一下，按任意键继续，不需要这个功能的可以删掉。
time.sleep(sudu)
i = i + 1
def MINUTE_5m(q):
app = create_qapp()
widget = ChartWidget()
widget.add_plot("candle", hide_x_axis=True)
widget.add_plot("volume", maximum_height=180)
widget.add_item(CandleItem, "candle", "candle")
widget.add_item(VolumeItem, "volume", "volume")
widget.add_cursor()
history : BarData
history = []
global i_5
i_5 = 0
global bar_
def update_bar():
global i_5
global bar_
if not q.empty():
bar = q.get(True)
if i_5 == 0 :
bar_ = bar
i_5 = 1
history.append(bar_)
if i_5 == 5 :
bar_ = bar
i_5 = 1
history.append(bar_)
else :
bar_.close_price = bar.close_price
if bar.high_price > bar_.high_price:
bar_.high_price = bar.high_price
if bar.low_price < bar_.low_price:
bar_.low_price = bar.low_price
bar_.volume = bar_.volume + bar.volume
i_5 = i_5 + 1
history[-1] = bar_ #这一段是把一分钟数据形成5分钟数据
widget.clear_all()
widget.update_history(history) #刷新图形数据
timer = QtCore.QTimer()
timer.timeout.connect(update_bar)
timer.start(50)
widget.setWindowTitle("五分钟") #设定五分钟窗口的标题和窗口大小以及位置
widget.setGeometry(0, 0, 900, 550)
widget.show()
app.exec_()
def MINUTE_30m(q): #30分钟和5分钟类似
app = create_qapp()
widget = ChartWidget()
widget.add_plot("candle", hide_x_axis=True)
widget.add_plot("volume", maximum_height=180)
widget.add_item(CandleItem, "candle", "candle")
widget.add_item(VolumeItem, "volume", "volume")
widget.add_cursor()
history: BarData
history = []
global i_30
i_30 = 0
global bar_
def update_bar():
global i_30
global bar_
if not q.empty():
bar = q.get(True)
if i_30 == 0 :
bar_ = bar
i_30 = 1
history.append(bar_)
if i_30 == 30 :
bar_ = bar
i_30 = 1
history.append(bar_)
else :
bar_.close_price = bar.close_price
if bar.high_price > bar_.high_price:
bar_.high_price = bar.high_price
if bar.low_price < bar_.low_price:
bar_.low_price = bar.low_price
bar_.volume = bar_.volume + bar.volume
i_30 = i_30 + 1
history[-1] = bar_
widget.clear_all()
widget.update_history(history)
timer = QtCore.QTimer()
timer.timeout.connect(update_bar)
timer.start(50)
widget.setWindowTitle("三十分钟")
widget.setGeometry(0, 560, 900, 550)
widget.show()
app.exec_()
def MINUTE_4h(q):
app = create_qapp()
widget = ChartWidget()
widget.add_plot("candle", hide_x_axis=True)
widget.add_plot("volume", maximum_height=180)
widget.add_item(CandleItem, "candle", "candle")
widget.add_item(VolumeItem, "volume", "volume")
widget.add_cursor()
history: BarData
history = []
global i_4h
i_4h = 0
global bar_
def update_bar():
global i_4h
global bar_
if not q.empty():
bar = q.get(True)
if i_4h == 0 :
bar_ = bar
i_4h = 1
history.append(bar_)
if i_4h == 240 :
bar_ = bar
i_4h = 1
history.append(bar_)
else :
bar_.close_price = bar.close_price
if bar.high_price > bar_.high_price:
bar_.high_price = bar.high_price
if bar.low_price < bar_.low_price:
bar_.low_price = bar.low_price
bar_.volume = bar_.volume + bar.volume
i_4h = i_4h + 1
history[-1] = bar_
widget.clear_all()
widget.update_history(history)
timer = QtCore.QTimer()
timer.timeout.connect(update_bar)
timer.start(50)
widget.setWindowTitle("四小时")
widget.setGeometry(860, 560, 1050, 530)
widget.show()
app.exec_()
def MINUTE(q): #一分钟的是最简单的，直接使用就好。
app = create_qapp()
widget = ChartWidget()
widget.add_plot("candle", hide_x_axis=True)
widget.add_plot("volume", maximum_height=180)
widget.add_item(CandleItem, "candle", "candle")
widget.add_item(VolumeItem, "volume", "volume")
widget.add_cursor()
def update_bar():
if not q.empty():
bar = q.get(True)
widget.update_bar(bar)
timer = QtCore.QTimer()
timer.timeout.connect(update_bar)
timer.start(50)
widget.setWindowTitle("一分钟")
widget.setGeometry(860, 15, 1050, 550)
widget.show()
app.exec_()
if __name__ == '__main__':
manager = multiprocessing.Manager()
q_1m = manager.Queue()
q_5m = manager.Queue()
q_30m = manager.Queue()
q_4h = manager.Queue()
su = manager.Queue()
pw = multiprocessing.Process(target=putbardata, args=(q_1m,q_5m,q_30m,q_4h,su))
pr_1m = multiprocessing.Process(target=MINUTE, args=(q_1m,))
pr_5m = multiprocessing.Process(target=MINUTE_5m, args=(q_5m,))
pr_30m = multiprocessing.Process(target=MINUTE_30m, args=(q_30m,))
pr_4h = multiprocessing.Process(target=MINUTE_4h, args=(q_4h,))
pw.start()
pr_1m.start()
pr_5m.start()
pr_30m.start()
pr_4h.start()
sudu = input("请输入速度:")
su.put(sudu)
time.sleep(1000000)
print('任务完成')大概说一下原理，程序设定了5个进程，通过通道交换数据，其中一个进程发送数据，另外4个进程接受数据，接受数据的四个进程就是4个周期的窗口，把接受的一分钟数据变化成3分钟30分钟等，并用图形展示出来。
只要控制发送数据的节奏，就可以动态的把行情从新演示一遍了。
这是盘后复盘用的，可以回忆一下当天到底发生了什么。
国内期货有一个盘立方软件是可以完美复盘的，数字货币没有这个东西，tradingview有这个功能，但是每月要收费90元，而且tradingview也只能使用1分钟数据复盘。
身为程序员，当然不愿意掏钱，因为自己可以写一个。
感谢vnpy提供的ChartWidget，真的很好用。
VNPY的在linux系统上装机搞得我一度想放弃。好在傻人有傻福，稀里糊涂的今天让我装成了。在此立贴纪念，同时记录一下蛋疼的探索过程，希望能够帮助各位。
尽管有大神指出对于新手最好先从WIN上玩转，但是我个人推荐在VNPY在Linux上使用。用一个IT前辈的话说，win上山容易，但是马上到山顶了上面会写一句此路不通；Linux开始上手有点困难，但是真上道了速度会奇快。
----------------------------------------------------书归正传，开始正文------------------------------------------------------------------------------------------------------------------------------
一、下载VNPY文件
（方式一）可以从github上clone或者下载压缩文件，但是对于其龟速，且容易终端，不推荐。
（方式二）在terminal上进入想让文件下载的目录中，本人是下载到了桌面，所以
1.cd到桌面 ---> cd /home/kelin110/Desktop
2.开始从gitee上拉 ---> git clone --recursive https://gitee.com/vnpy/vnpy.git 这样子在Desktop就生成了一个vnpy的文件夹
二、开始安装
1.cd vnpy
python setup.py install (个人的精力来讲，用bash install.sh就是个深坑，一头撞墙的坑）
一切顺林的话，最后会显示Finished processing dependencies for vnpy==2.1.8
进入 example/vn_trader, 跑 run.py， 命令行： python run.py
顺利的话，界面就出来了，安装完成。
4.这个界面相对win傻瓜安装版的简陋，但是进入run.py的程序你会发现，其实功能已经写好了，根据需要取消注释即可。
三、大坑总结
1.妄图调整各库版本，迎合vnpy
首先，各库情况复杂不说，由于前期已经安装了anaconda，所以算上ubuntu自带的，一共有3个python版本，各自库的位置还不一样，比如anaconda的库的位置是在anaconda3/lib/python3.8/site-packages/，而机子的自带python在/usr/lib/python3/dist-packages/，这些库有时候相互不能调用，时间长了自己都要傻掉了；尤其是pip命令返回提示说已经安装了，但是调用pip list，查看没有相应的库。那就是多个库相互影响导致的。此时需要照道已经安装的库，
例如：sudo cp ./libta_lib. /home/kelin110/anaconda3/lib/python3.8/site-packages/
其次，配合安装缺失库的时候，尽量调用conda命令来安装。
2.尽量不要偷懒用bash install.sh命令一步安装
这里有很多前辈的帖子上也反映了bash会出现各种乱七八糟的问题，其实最好的笨办法就是自己手动安装需要支持的库。这里黏贴我已经当时缺少的库，希望对大家有帮助。
sudo cp ./libta_lib. /home/kelin110/anaconda3/lib/python3.8/site-packages/ ##说明：这是将手动下载的talib编译好后复制到python库中
pip3 install -i https://pypi.doubanio.com/simple/ ta-lib ##说明：这样子写主要doubanio网速比较给力
sudo apt-get install libxcb-xinerama0 ##解决qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "" even though it was found.错误
前期掉的坑实在多到自己都记不住了~先写这些吧
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：2026-02-15
在《2025年VeighNa项目计划》中，我们提到将推出更多LLM相关的分享内容和社区活动，帮助用户探索大模型在量化交易领域的应用。回顾这一年的实践，AI的能力演进速度超出预期——从大模型对话问答到Agent自主执行任务，从简单的代码辅助到完整的投研开发工作流自动化，AI在实际工作流中的渗透程度不断加深。
与此同时，我们也收到了非常一致的一线反馈：大家既希望AI真正进入投研与开发流程、带来稳定提效；也希望它在私有化、本地化与可控性上保持VeighNa一贯的标准。
因此，2026年VeighNa项目的核心主题非常明确——全面拥抱Agentic AI。我们将把工作重点放在两件事上：
用更高密度的社区活动，把经验沉淀为方法论与可复用的Best Practice
2026年，我们将从专用Agent、通用Agent、VNAG课程三条主线，系统推进VeighNa的Agentic AI能力建设。
我们已经通过Agent方向小班课，在课程与项目中验证了“专用Agent”的落地路径：围绕清晰任务边界、固定输入输出与可回放的执行链路，让Agent在量化场景中真正可用。
VeighNa Assistant 已在VeighNa社区版4.3.0中提供，当前用户反馈相当不错，2026年我们将持续扩展其能力：
同时，我们也已经确定会在 VeighNa Fusion 版（面向期货公司）中集成 CTA策略投研Agent，预计3月上线。
过去一年，我们围绕 Cursor、Claude Code、Codex、Mini-Agent 等通用Agent工具做了多次社区活动探索，并逐步梳理出一条清晰的演进路径：
Agent专用知识库 → 量化投研开发环境 → 量化投研专用Skill
2026年，我们会把上述方向串成更可落地的实践链路：数据与知识如何组织、工具如何对接、任务如何拆解、结果如何评估，减少碎片化试错成本，让大家能按路线逐步进阶。
同时，我们将持续推进VeighNa项目的Agent原生化改造，核心原则是让Agent 读得懂、调得动、跑得稳，并尽量减少对个人习惯与环境的绑定，主要包括：
VNAG是我们自主研发的一套Agent开发框架，定位类似LangChain、AgentScope，但秉持着不同的设计哲学：Your Agent, Your Data。与vn.py一脉相承，VNAG优先保证用户在本地化私有环境中的运行体验，确保数据安全与部署的自主可控。
相比前文更偏应用层的专用Agent与通用Agent实践，VNAG课程将更偏向底层原理与框架设计，适合有技术能力与学习兴趣的用户深入钻研，打造自己的专属Agent。
除了技术迭代，我们也会通过更丰富的社区活动，围绕量化交易领域的Agentic AI应用，把“看懂”变成“做得出”，把“能跑”变成“能迭代”：
我学Python的目的很明确，就是量化交易。从一开始就有关注vn.py，但我学的是Python3，那时vn.py还处于版本1.x时期，所以只能望vn.py兴叹。
vn.py 2.0出来之后我并没有及时注意，等反应过来已经是2.0.7版。很兴奋，认真研究，并将心得写成《vn.py 2.0.7源代码深入分析》，分享在vn.py社区的经验分享板块。
出于对量化交易的爱好，出于对Python在量化交易中作用的认同，一定程度受vn.py强大功能的鼓舞，我与同事合写了《Python量化交易从入门到实战》一书，对vn.py的讨论是其中很重要的一部分内容。
后续又写了《vn.py 2.1.4源代码深入分析》和《vn.py 2.2.0源代码深入分析》两个文档，感谢各位老师的认可。
vn.py 3.0.0版发布于2022-03-23，这是我一直期待的一个版本，所以它刚一推出，我就立刻开始试用，并着手整理《vn.py 3.0.0源代码深入分析》。夜以继日，终于在前天完成。先发到了书籍的资源群中，接受了两天批评，现分享到此处。
写作本文档的一个主要目的是对vn.py的开源精神做出一点支持，希望本文档能够对大家学习使用vn.py有所帮助。
百度网盘链接：https://pan.baidu.com/s/1cl2MA9hNFhHlxfHM0gGe2A
提取码：s7u6
一、提前下载需要的安装包：
1、Miniconda3
https://docs.conda.io/en/latest/miniconda.html#
选择MacOSX installers里的最新版本，这里是Python 3.9下载。
2、pycharm
pycharm-community-2020.3.3.dmg
从官网上下载社区版https://www.jetbrains.com/pycharm/
3、vnpy安装包（解压后，复制文件夹到自己喜欢的位置）
从vnpy在gitee的官方地址下载最新的安装包，采用zip格式下载。
https://gitee.com/vnpy/vnpy
二、安装
1、安装Miniconda，这里是Miniconda3-latest-MacOSX-x86_64.pkg
2、添加国内源：
添加国内源：在当前用户下，编辑.condarc，内容如下：
channels:
3、创建虚拟环境
conda create -n py37_vnpy python=3.7
conda activate py37_vnpy
(退出:conda deactivate)
4、安装python.app
conda install -c conda-forge python.app
可能会因为网络问题不成功，多试几次。
5、安装pycharm-community-2020.3.3.dmg
从官网上下载社区版https://www.jetbrains.com/pycharm/
7、打开vnpy所在的文件夹，进行配置
点击‘PyCharm’菜单->Preferences菜单->Project:vnpy一级菜单->Python Interpreter二级菜单->点击右上齿轮->Add菜单->Conda Environment->Existing enviroment->Interpreter:/opy/miniconda3/envs/py37_vnpy/bin/pythonw(选择前面新建的虚拟环境的pythonw）->点OK->点OK->点OK
8、（确认在PyCharm里已经打开了vnpy项目），在PyCharm的底部，找到Terminal的标签，点击，进入py37_vnpy环境的终端，并且当前路径位于vnpy项目的文件夹。
执行以下的安装语句（requirements.txt是vnpy项目文件夹下面的一个文件），这个安装时间比较长，需要较好的网络。
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
9、创建run.py文件，复制以下代码，来源 README.md
from vnpy.event import EventEngine
from vnpy.trader.engine import MainEngine
from vnpy.trader.ui import MainWindow, create_qapp
from vnpy.app.cta_strategy import CtaStrategyApp
from vnpy.app.cta_backtester import CtaBacktesterApp
def main():
"""Start VN Trader"""
qapp = create_qapp()
event_engine = EventEngine()
main_engine = MainEngine(event_engine)
# main_engine.add_gateway(CtpGateway)
main_engine.add_app(CtaStrategyApp)
main_engine.add_app(CtaBacktesterApp)
main_window = MainWindow(main_engine, event_engine)
main_window.showMaximized()
qapp.exec()
if name == "main":
main()
10、运行 python run.py，注意环境名称是 py37_vnpy
