Мой первый, полностью опен-сорсный продукт, оптимизирующий работу Claude и Codex при разработке торговых стратегий (и не только)
Всем вайб-кодерам и просто кодерам - посвещается 😬
Наверняка вам тоже вылетают постоянно подборки:
"Обязательно установки эти тулзы\обвязки\пакеты\библиотеки для Claude, чтобы снизить потребление токенов в 100500 раз, улучшить работу с контекстои и т.д."
Да, какие-то из них частично полезны, а какие-то имеют недоказанную эффективность
Лично меня в процессе разработки больше всего триггерит необходимость проверять "А что именно в итоге накодил агент?" 🤯
Вот ты получаешь бодрый отчет в духе
«Готово. Тесты проходят».
И он вполне может быть правдой.
Но после него у меня всё равно оставались вопросы.
🔹Что именно агент изменил?
🔹Какие проверки реально запускались?
🔹Не уехало ли в commit что-то, что уже лежало staged от другой работы?
🔹Тестировались ли те же самые байты, которые в итоге закоммитились?
🔹И был ли вообще написан тест на то свойство, которое мне важно?
В квантовом ресерче последний вопрос особенно актуален.
Можно сдвинуть временной ряд на одну строку, случайно дать стратегии информацию из будущего, получить великолепный backtest — и при этом не сломать ни одного обычного unit-теста.
Путешествия во времени, как выясняется, прекрасно улучшают Sharpe.
Из этого вырос AIQE — AI Quant Engineering.
Я не хотел делать ещё одного AI-агента или очередной orchestration framework.
Наоборот — идея была максимально скучная: поставить небольшой deterministic слой между “агент сказал done” и “я считаю задачу действительно завершённой”.
Как это работает:
1. До работы объявляем, какие файлы принадлежат задаче.
2. После изменений запускаем проверки, которые уже определены самим репозиторием.
3. Проверяем, что нужные свойства действительно покрыты validators.
4. Связываем evidence с конкретным состоянием файлов.
5. Создаём bounded commit только из изменённых файлов этой задачи.
6. Получаем receipt: что подтверждено, что неполно, а что вообще осталось неизвестным.
Самая важная для меня штука — отсутствующий тест не считается пройденным тестом.
Например, если для quant-critical кода применим CAUSALITY, но ни один обязательный validator его не проверяет, AIQE показывает COVERAGE_GAP.
Если validator не запускался — это может быть UNKNOWN.
Не зелёная галочка «ну вроде нормально».
В первой версии для квантового кода есть шесть классов таких обязательств:
CAUSALITY
DATA_ALIGNMENT
EXECUTION_REALISM
ACCOUNTING
TRAIN_TEST_SEPARATION
DETERMINISM
Но сам Git/change-integrity слой полезен не только квантам (тем, кто занимается разработкой и кодингом торговых систем)
Например, обычный backend-проект:
🔹Claude или Codex меняет два файла.
🔹В репозитории уже есть pytest, type checker и linter.
🔹Параллельно у вас staged какой-то эксперимент, который вообще не относится к задаче.
🔹AIQE позволяет задать scope задачи, прогнать именно ваши проверки и сделать completion commit, не прихватив чужой staged state.
Для infrastructure это может быть Terraform/config validation.
Для ML/data — schema и pipeline checks.
Для audit-sensitive проектов — просто понятный receipt: что менялось, что проверялось и где остались пробелы.
При этом AIQE не пытается изображать оракула.
Если ваш validator написан плохо — он может пройти.
AIQE не доказывает, что стратегия правильная, backend безопасен, а инфраструктура не упадёт.
Он доказывает гораздо более узкую вещь: что именно проверялось, относительно какого состояния и что мы всё ещё не проверили.
Сейчас опубликована первая alpha — 0.1.0a0.
По retained conformance corpus:
149 cases
146 pass
0 fail
3 явных platform skips
24/24 negative controls
Проверены документированные macOS/Linux surfaces и Python 3.11–3.14.
Сторонних runtime-зависимостей — 0.
Нет telemetry.
Нет model calls.
Нет daemon.
AIQE ничего сам не пушит.