我用 AI agent 做了一個真的會下單的交易系統:235 天、改了 431 次,真錢出過的事|真槍實彈的時候,你要會的是監考(完整版)

這部在講什麼故事紀錄

分享開發 AI Agent 自動交易系統 235 天的實踐,強調開發者應轉型為具備驗證與防範能力的「監考者」。

適合誰欲利用 AI 落地實務專案的開發者
你會看懂AI Agent 協作風險管理、建立監考防線、自動交易系統的真實坑洞
最值得看09:36 揭示 AI 出錯本質並非技術不足,而是審查與監考失效。

事件脈絡

02:31
05:26
09:48
12:43

轉折與脈絡意義優先,時間戳用來導航

知識講解00:00

策略架構與協作模式

作者利用 AI Agent 打造真實下單系統,235 天內進行 431 次修改。人負責定義需求與審查結果,AI 負責執行交易並撰寫診斷報告,落實「AI 動手、人動口」的協作模式。
評測比較02:27

嚴謹的審查與測試防線

專案自動測試碼達 6.5 萬行,遠超開發碼量以確保系統穩定。採用雙模型審核機制,代碼需同時通過 Claude 與 OpenAI 檢查,避免單一模型產生盲目決策造成資金損失。
故事紀錄05:26

實戰出錯案例與保險機制

分享保證金計算錯誤與夜盤跳空等真實虧損,證明 AI 在極端情況仍有侷限。開發者必須預設物理保險,如緊急全平按鈕與手動核可模式,才能在意外發生時及時止損。
故事紀錄08:15

系統死鎖與自癒機制建立

轉倉日因 API 限制引發死鎖,系統雖能偵測不健康度卻無法自我恢復。事後導入自動重啟與排隊佇列,強調無人值守系統需具備物理層級修復程序,而非單純發送警報。
知識講解09:48

AI Agent 監考四道關卡

建立包含歷史教訓讀取、物理權限攔截、驗收標準隔離及跨模型交叉審核的防線。重點在於將測試標準放在 AI 無法竄改之處,防止系統陷入「學生自己改考卷」的邏輯偏誤。
知識講解12:21

開發者向監考者的轉型

AI 時代最有價值的工作是擔任專業「監考員」,而非親自撰寫代碼。開發者應掌握權限鑰匙並強迫 AI 產出具體可複核結果,確保系統運作不脫離人類控制,而非盲信 AI 的承諾。
讓下一支影片也替你省時間

把你常看的 YouTube 影片,也變成這樣的重點摘要

安裝摘要王後,打開任何 YouTube 影片就能一鍵整理重點,先看值得看的段落,不必再複製網址。

一個選填問題

剛才這份摘要有幫你節省時間嗎?

如果願意,點一下最接近你的感受就好。

需要留意:影片中的交易系統涉及真實資金風險,其策略僅供經驗參考;即便有 AI 協助,作者在實戰中仍遭遇多次虧損與技術失效。

延伸思考摘要王的延伸觀點

作者提到「程式出錯是因為寫得很像對的,人卻沒看出來」,揭示了 AI 協作中致命的認知偏誤。當 AI 產出的代碼邏輯通順且語法正確時,人類審查者容易產生心理鬆懈,導致「似是而非」的錯誤在真實資金環境中釀成災難。

這暗示未來開發者的競爭力在於設計「不可被 AI 操弄」的物理防線。若驗收測試也由同一個 AI 撰寫,就像考生自己批改考卷,這種邏輯循環會讓系統在極端環境下崩潰。

讀者可以思考:在你的自動化流程中,是否有某些環節其實處於「AI 自我驗證」的狀態?如果將審核權限完全隔離給另一個模型,或回歸到最傳統的物理攔截與人工核可,是否能更有效抓出那些「看起來合理」卻隱含災難的細節?

觀眾怎麼看

整理 25 則有效留言信心 高

觀眾高度質疑 AI 自動交易的安全性與邏輯,普遍認為開發者需具備資深交易及程式背景才能審核 AI 風險。

共識對 AI 自主下單的風險持保留態度6 則提及

多數觀眾認為目前 AI 技術不足以獨立負責真錢交易,完全交付 AI 下單具備極大風險,需有人工介入審核。

可能更正交易專業知識先於程式實作5 則提及

留言指出影片中犯下的技術錯誤多屬新手範疇,質疑創作者應先精通交易邏輯與基本風險控制,而非盲目依賴 AI 寫系統。

本摘要僅反映樣本留言觀點,不代表該系統之技術真實性與績效。

生成於 2026-11-16 檢舉
摘要先揭露後段價值,完整內容仍屬於原創作者。 回 YouTube 看最值得的一段 → 在 YouTube 邊播邊讀 · 加入 Chrome →