一、FinRL 回测与大模型报告分开运行
经典 FinRL 的训练、测试与交易流程没有统一的 OpenAI 网关配置。本教程先保留原有实验流程，把已完成的回测输出整理为文本，再由独立脚本调用大模型解释记录。
apizt 接入的是报告摘要层，不会替代强化学习训练、计算回测收益或自动修改交易策略。摘要中的数值必须来自你提供的原始记录，缺失指标应保留为缺失。
二、环境准备
先让原 FinRL 实验独立完成，确认数据、训练和回测输出正常。将需要解释的记录保存为 backtest_metrics.txt，再准备下方独立报告脚本的 Python 环境与 OpenAI SDK。
- 原 FinRL 实验已经完成，回测结果已保存到 backtest_metrics.txt。
- 启动环境设置 tokenba_API_KEY 与 tokenba_MODEL；这两个变量供下方独立脚本读取。
- 安装 OpenAI Python SDK，记录版本，先生成一份摘要。
- 逐项对照原始指标；脚本不会替代训练、回测或计算收益。
继续配置 FinRL
先看对应接入页，核对本文的配置字段与验证步骤，再回到原运行环境测试。
三、创建 apizt API Key
登录 apizt 后台，进入 API 令牌页面，新建一个专门用于 FinRL 的 Key。建议名称写成 finrl_tokenba_api_test，后续按请求记录核对模型、错误与费用。
四、创建独立报告脚本并配置环境
将示例保存为 tokenba_summary.py。它从环境读取平台 Key 和模型、从文本文件读取已有回测记录，并显式指定 /v1 地址；这些不是 FinRL 原生训练参数。
import os
from pathlib import Path
from openai import OpenAI
client = OpenAI(
api_key=os.environ["tokenba_API_KEY"],
base_url="https://api.apizt.com/v1",
timeout=30.0,
max_retries=0,
)
metrics = Path("backtest_metrics.txt").read_text(encoding="utf-8")
response = client.chat.completions.create(
model=os.environ["tokenba_MODEL"],
messages=[{
"role": "user",
"content": "仅根据以下回测记录总结结果，缺失指标请明确说明：\n" + metrics,
}],
)
if not response.choices or not response.choices[0].message.content:
raise RuntimeError("未取得摘要，请检查响应与控制台记录")
print(response.choices[0].message.content)FinRL 的配置字段与任务检查
本站绘制的内容说明图：本页接入的是独立报告脚本；FinRL 训练、回测与交易不由这些 API 字段控制。
本站绘制的内容说明图：本页项目的运行与记录检查说明；不画虚构收益、策略成绩或调用成功界面，模型输出与真实财务结果分开记录。
先为一份真实回测记录生成摘要
准备独立报告脚本、平台 Key 和当前分组支持的文本模型。确认一份摘要与原始指标一致，再比较调用费用；FinRL 原有训练流程不需要为此修改。
查看相关型号
在型号详情中核对最低价格、参数、接口示例与使用限制，再选择配置方式。
五、运行独立摘要脚本并核对原始指标
确认 backtest_metrics.txt 已存在，并在启动环境设置 tokenba_API_KEY 与 tokenba_MODEL。下方第二条命令会发起真实模型请求并可能收费；不需要为了生成摘要重新训练。
python -m pip install openai
python tokenba_summary.py- 先确认原始记录可读取，模型属于当前分组且支持 Chat。
- 脚本返回非空摘要，并能在控制台匹配同时间、同模型的请求。
- 逐项对照收益、风险、区间、基准与费用口径；模型没有补写未提供的数据。
六、查看 apizt 请求日志和成本
只统计独立摘要脚本的模型调用。FinRL 训练耗时、回测结果和模型费用分别记录；按同时间、同模型的控制台请求核对 usage 与实扣。API 回答成功后，仍要人工检查摘要是否忠于原始数据。
适合的量化调用场景
按任务与分组选择模型
用一份固定回测记录验收当前分组支持的文本模型。先核对数字与结论是否忠于材料，再按输入长度、输出质量和实际费用比较候选型号。模型不负责计算或验证回测收益。
七、常见报错排查
训练或回测失败先按 FinRL 项目排查；以下 API 检查仅适用于独立摘要脚本。更换 Key 不能修复行情数据、训练依赖或回测计算错误。
常见问题
FinRL 回测报告脚本要设置哪些环境变量？
本页独立脚本读取 tokenba_API_KEY 与 tokenba_MODEL，并显式指定接口地址。这些变量用于报告层，不是经典 FinRL 训练入口的统一原生参数。
FinRL 大模型报告中的收益指标怎么核对？
逐项对照已完成回测的原始记录、数据区间、基准和费用口径。模型只负责解释提供的材料，缺失项保持缺失；摘要文字不能代替回测计算。
FinRL 训练必须配置 OpenAI API Key 吗？
经典 FinRL 的强化学习训练、测试和交易流程没有统一的 OpenAI 网关配置。这里接入的是训练结束后的独立报告摘要脚本；FinRL-X、FinRL-Trading 等其他项目要按各自版本核对。
摘要中的收益和风险指标从哪里来？
从你已经运行的回测输出取得，保存到 backtest_metrics.txt。模型负责解释已有记录，不负责计算回测，也不能补写缺失数值。最终核对仍使用原始回测结果。
如何确认请求真的发往 apizt？
在独立脚本中显式传入平台 Base URL 和 Key，选择令牌分组支持的模型 ID，随后比对请求时间、模型、有效输出与控制台用量记录。
继续配置 FinRL
先看对应接入页，核对本文的配置字段与验证步骤，再回到原运行环境测试。
参考资料
本文依据下列项目源码说明接入位置与配置字段。不同版本先核对自己的入口和变量；上方通用界面示意不代替实际项目、模型调用与费用验收。
先为一份真实回测记录生成摘要
准备独立报告脚本、平台 Key 和当前分组支持的文本模型。确认一份摘要与原始指标一致，再比较调用费用；FinRL 原有训练流程不需要为此修改。