worldquant-miner是一个利用 WorldQuant API 挖掘量化 alpha 信号的开源项目，其中第二代系统（generation_two）最具亮点的，就是它的自纠错AST（Self-Correcting AST）：AI 生成的 alpha 模板表达式经常带病上线，而项目的模板验证器（Template Validator）能像编译器一样解析、定位并自动修复错误，还会把每一次失败沉淀为"知识"，让同类错误不再犯第二次。本文将带你完整读懂这套模板验证与错误学习机制的设计思路。

一、为什么 alpha 模板需要"自纠错"？

在 WorldQuant Brain 平台上，alpha 用 FASTEXPR 表达式语言书写，例如ts_rank(field, 20)。AI 大模型批量生成这类表达式时，几乎必然会"翻车"，常见错误包括：

• 🔢参数数量不对：power(field)缺少第二个输入
• ⏱️缺失 lookback 参数：ts_rank(field)少了时间窗口
• 📉event 输入不兼容：rank这类横截面算子不支持 event 型数据字段
• ✏️语法细节：漏写逗号ts_rank(field 20)、括号不配对

如果每个错误都靠人工排查，批量挖掘就无从谈起。worldquant-miner 的答案是：把表达式当作"源代码"，构建一条解析 → 诊断 → 修复 → 验证 → 学习的自纠错流水线。

二、自纠错AST的三大核心组件

整套机制由 generation_two/core/ 下的三个模块协作完成：

1. FASTEXPR 解析器：把字符串变成树

fast_expr_ast.py 实现了FASTEXPRParser，它基于operatorRAW.json中登记的全量算子定义与数据字段元数据，把模板字符串解析为抽象语法树（AST）。解析时不仅做语法检查，还输出结构化错误：错误类型、出错位置（position）、以及建议的修复片段（suggested_fix），这是后续精准修复的基础。

2. SelfCorrectingAST：会"记笔记"的纠错器

SelfCorrectingAST 类 是"自纠错"三个字的落点，它内部维护着四本账：

修复时它会先按错误信息归类（invalid_field、type_mismatch、unbalanced_parens等），再依次应用：学习到的修复规则 → 类型不匹配时自动换用兼容字段 → 解析器给出的 suggested_fix（见 correct_template 方法）。

3. 多阶段表达式编译器

expression_compiler.py 实现了标准的编译器管线，与 compiler_knowledge.json 中记录的阶段定义一一对应：

词法分析 → 语法解析(AST) → 语义分析 → 中间表示(IR) → 代码生成 → 可选优化

每一阶段都能独立暴露问题，让"验证"不再只是简单的括号配对检查，而是真正意义上把模板"编译"一遍，验证通过的表达式才算合格。

三、自纠错循环：refeed_with_correction 的5步流水线

当模拟（simulation）返回错误时，refeed_with_correction 方法 会启动一个循环修复过程，每一步各司其职：

1. 知识库直修（Step 0）：优先用数据库里学到的规则修复——补 lookback、补逗号、替换未知变量、替换未知算子，这些是零成本的确定性修复；
2. 参数数量修复（Step 1）：解析报错Invalid number of inputs : 2, should be exactly 1中的数字，精准增删参数；
3. event 输入修复（Step 1.5）：把rank批量替换为ts_rank这类时间序列版本，替换映射直接来自 compiler_knowledge.json；
4. AST 纠错 + AI 提示词工程（Step 2-3）：AST 修复不了的，再交给本地 Ollama 模型，用精心设计的"诊断 → 修复"双提示词处理，并附上从数据库查询到的成功模板作为范例；
5. 编译验证与重试（Step 4）：修复后的模板再过一遍编译器，成功即结束；失败则带着新错误信息进入下一轮。

💡 细节设计很值得借鉴：event 输入类、参数数量类、缺逗号类错误被视为"必须修好"的问题，重试上限被放宽到 999 次，保证模板要么修对、要么明确失败。

四、错误学习机制：让每次失败都变成知识

这才是"自纠错"区别于普通重试的关键——学习闭环由 learn_from_simulation_error 方法 驱动，失败经验会写入三处持久化存储：

1. compiler_knowledge 表：算子兼容性知识

每当遇到 "does not support event inputs" 类错误，_learn_event_input_compatibility 会从报错中正则提取算子名，连同替换方案、来源模板、AST 结构一并存入compiler_knowledge表（表结构见 backtest_storage.py）。下次启动时，SelfCorrectingAST会自动加载这些知识，在解析阶段就提前拦截同类错误——从"事后修复"升级为"事前预防"。

2. ast_patterns 表：正负样本库

失败的模板会被解析成抽象结构（如FUNC(ts_rank)[FIELD(...)]）存入ast_patterns表，并区分successful/failed两种模式、累计成功与失败次数。这套正负样本既指导模板生成器避开危险结构，也为 AI 提示词工程提供了"成功范例"（按 Sharpe 比率取 Top 5）。

3. 本地规则文件：跨会话的记忆

学习到的修复规则（正则 pattern + replacement）还会通过 _save_learned_patterns 保存到用户目录下的~/.generation_two/fast_expr_patterns.json，重启程序后依然生效，实现真正的"越用越聪明"。

五、动手体验与延伸阅读

想亲手验证这套机制，可以直接从项目测试入口开始，它展示了模板生成、验证、修复与回测的完整链路：

• 📖 官方文档：generation_two/DOCUMENTATION.md —— 其中 "Template Validation & Correction" 一节系统介绍了 AST 纠错、提示词工程与错误学习
• 🔬 集成测试：generation_two/tests/test_generation_two.py
• 🧪 模拟测试器：generation_two/core/simulator_tester.py
• 📊 知识存储层：generation_two/storage/backtest_storage.py
• 🎨 GUI 工作台：generation_two/gui/ —— 可视化查看挖掘与验证全过程

一句话总结：worldquant-miner 的自纠错AST把"表达式验证"从一次性检查变成了持续学习系统——解析器负责定位，知识库负责预防，编译器负责验收，而每一个错误都经过归类、修复、沉淀，最终成为下一次生成前的护栏。这套"解析 → 修复 → 验证 → 学习"的模式，对所有需要批量处理 AI 生成代码的项目，都是一份值得参考的架构蓝图。