Lean：开源量化交易引擎
QuantConnect Lean 是一个 Apache-2.0 开源的量化交易引擎，支持本地回测、研究、优化和实盘部署，适合拿来搭建自己的策略研究系统。
如果你想找一个认真一点的量化开源项目，QuantConnect 的 Lean 值得放进收藏夹。
它不是那种只演示均线交叉的小脚本，而是一套完整的算法交易引擎：本地研究、回测、优化、风控、实盘部署，都围绕同一套工程体系展开。
项目地址：https://github.com/QuantConnect/Lean
它解决的不是“写策略”，而是“跑策略”
很多量化项目的问题在于：策略代码能跑，但环境、数据、回测、订单、风控、实盘部署全靠自己拼。
Lean 的定位更接近一套交易操作系统。它是事件驱动架构，支持多市场算法交易，默认就围绕专业量化流程设计：接收数据、触发策略、生成订单、执行交易、记录结果、生成报告。
截至我抓取时，GitHub 上有约 19.3k stars 、 4.8k forks，主语言是 C#，策略侧支持 Python 和 C#，许可证是 Apache-2.0 。
为什么推荐它
第一，它是工程化项目，不是玩具项目。
Lean 的目录里能看到完整模块：Engine 、 Data 、 Brokerages 、 Indicators 、 Optimizer 、 Research 、 Report 、 ToolBox 、 Tests 。对量化来说，这些模块比单个策略更重要。
第二，它支持本地运行。
你可以把研究、回测、优化放在本机或自己的服务器上跑。策略逻辑、数据处理方式、参数搜索过程，不必一开始就交给第三方平台。
第三，它的扩展边界比较清楚。
数据源、券商接口、指标、风控、组合构建、执行模型，都可以按模块替换。这一点适合做更复杂的系统，比如把 AI agent 接入研究、审计、解释、参数搜索这些环节。
可以怎么用
最现实的用法不是“让 AI 直接替你炒股”，而是把 Lean 当成量化基础设施。
你可以让 AI 做这些事：
- 读策略代码，解释信号来源和交易条件
- 生成策略变体，再交给 Lean 做回测
- 批量调整参数，用回测结果筛掉明显无效的组合
- 检查回测报告里的极端回撤、交易频率、费用假设
- 给每次策略修改生成变更记录
Lean 负责把策略放到同一个运行框架里，AI 负责帮你提高研究效率。两者配合，比“让 AI 直接下判断”稳得多。
快速上手
Lean 官方更推荐用 LEAN CLI 。它是一个命令行工具，可以管理项目、运行本地回测、启动研究环境，也能部署实盘算法。
安装：
pip install lean
创建一个新项目：
lean project-create
启动本地 Jupyter Lab 研究环境，需要 Docker：
lean research
本地回测：
lean backtest
本地优化：
lean optimize
本地实盘部署：
lean live
如果想直接研究引擎源码，也可以克隆仓库：
git clone https://github.com/QuantConnect/Lean.git
cd Lean
Linux 下构建：
dotnet build QuantConnect.Lean.sln
运行：
cd Launcher/bin/Debug
dotnet QuantConnect.Lean.Launcher.dll
适合谁
它适合三类人。
第一类，是已经会写策略，但想把回测和实盘流程整理起来的人。 Lean 能把很多零散脚本收进一个统一框架。
第二类，是想做 AI + 量化工具链的人。 Lean 的模块化结构很适合作为底座，AI agent 可以挂在研究、回测、报告、代码审查这些环节。
第三类，是想学习专业量化工程的人。看 Lean 的代码结构，比看几十个短策略更有收获。因为真实系统难点往往不在策略公式，而在数据、执行、成本、异常和可重复性。
也要注意它的门槛
Lean 不是一键赚钱工具。
它能提供回测和实盘框架，但不会替你解决数据质量、滑点、手续费、过拟合、风控和市场变化。量化系统越完整，越容易让人误以为结果可靠。实际使用时，最该盯住的反而是这些假设。
如果只是想玩一个小策略，Lean 可能显得重。但如果目标是搭一套长期可维护的量化研究环境，它的工程完整度很少见。