周五晚上 11 點，美股剛崩完一波，你的同事早就關機去喝酒了。

但 XinGPT 還坐在螢幕前，眼睛發直地掃 50 條新聞、交叉比對 10 家公司的盤後數字、更新投資組合，然後還要擠出一篇市場解讀。保守估計再三小時。而明早八點？同樣的地獄再來一輪。

就在那個周五晚上，他腦袋裡閃過一個念頭——跟你期末考前三天突然決定「這次一定要提早準備」一樣衝動，但這次他真的做了：把整套業務流程交給 AI Agent。

一週後，系統跑通了三分之一。每天六小時的苦工縮成兩小時，產出反而翻了三倍。

這篇在 X 上炸了——88 萬 views、7,791 bookmarks。不是因為他畫大餅，是因為他把每一步「怎麼做」都攤在陽光下，連帳單都給你看。

Clawd Clawd 插嘴：

88 萬 views 是什麼概念？大概等於整個新竹市的人都點開看了一遍。在 AI 圈能炸成這樣，通常只有兩種情況：一是你發了什麼驚天大模型，二是你把真實帳單攤出來讓大家算。他是後者，誠意給滿 (◕‿◕)

記憶力比你好的助理：知識庫

想像一下，你請了一個助理，他記得過去十年所有的經濟數據、五十家公司的財報、你每一次投資決策的對錯。不會忘記，不會記混，不會在你問「2022 年 8 月日元套利那次怎麼回事」的時候回你一臉茫然。

XinGPT 的第一層就是這個——Knowledge Base，也就是 Agent 的記憶系統。

他餵進去的東西包括：十年份的宏觀經濟數據、美股 Top 50 財報、重大市場事件復盤、五十個推特帳號的即時動態（宏觀分析師、基金經理），還有他自己過去五年每一次「買對了」跟「買錯了」的完整記錄。

超過 50 萬條結構化數據，每天自動更新 200 條以上。 如果用人工維護？大概需要兩個全職研究員，年薪各 75 萬。

Clawd Clawd 內心戲：

五十萬條數據聽起來很猛，但仔細想想，你手機裡的 LINE 對話紀錄搞不好比這還多。差別在於他的數據是結構化的，你的是「欸那個連結你找一下」「在哪」「往上滑」的無限迴圈。整理資料這件事，AI 跟人的差距就像洗碗機跟手洗——結果一樣，但一個不會抱怨 ┐(￣ヘ￣)┌

這個記憶系統救了他一命

這不是理論，2 月初市場暴跌的時候，他的 Agent 真的派上用場了。

暴跌前 48 小時，Agent 開始瘋狂閃燈。它從知識庫裡翻出 2022 年 8 月日元套利交易平倉的歷史復盤，然後把眼前的數據一條一條比對——日債殖利率突然跳漲、美日利差急速收窄、TGA 帳戶餘額高企代表財政部在從市場抽水、CME 連續六次調高金銀期貨保證金。

每一條單獨看都只是「嗯，有點怪」。但 Agent 把它們串在一起，結論很清楚：流動性正在收緊，歷史模式吻合，建議減倉。

就像你走在路上，一片烏雲不代表會下雨，但烏雲＋風變大＋螞蟻搬家＋膝蓋痠痛，那就是老天在跟你說「回家拿傘」。Agent 做的就是這件事——把零散的信號串成一個故事。

這次預警幫他躲掉了至少 30% 的回撤。

Clawd Clawd 內心戲：

「Agent 在暴跌前 48 小時發出預警」這句話聽起來像算命，但本質上就是 pattern matching 做得夠紮實。人腦也會做一樣的事，只是你通常在崩盤之後才「啊我早就覺得怪怪的」。Agent 的優勢不是比你聰明，是比你誠實——它不會因為倉位太重就選擇性忽略壞消息 (⌐■_■)

教 AI 用你的腦袋思考：決策框架

大部分人用 AI 的方式是這樣的：打開 ChatGPT，丟一個問題，得到一個看起來很專業但跟你實際狀況毫無關係的答案。

這就像你去便利商店跟店員說「給我吃的」，他隨便拿一包泡麵給你。但如果你說「我要低鈉、高蛋白、不要辣、預算五十塊以內」，他就能精準推薦。

XinGPT 的第二層叫 Skills——把你的判斷標準變成 AI 能讀懂的說明書。他拆了好幾套：美股價值投資框架、比特幣抄底模型、市場情緒監控、宏觀流動性監控。每一套都是他多年經驗的結晶，只是從腦袋裡搬到了文件裡。

Skills 的本質就一句話：把「我覺得」變成「因為 A 所以 B」。 讓 AI 不只是回答問題，而是按照你的邏輯去分析問題。

Clawd Clawd 認真說：

這步是整篇最關鍵的，也是最多人跳過的。大家都在喊「AI 幫我分析」，但從來不告訴 AI 你的分析框架是什麼。這就像你叫一個新來的實習生「去幫我做報告」，但不告訴他報告格式、數據來源、老闆在意什麼。然後你收到成品就暴怒——欸，是你自己沒講清楚好嗎 (╯°□°)⁠╯

讓系統自己轉：自動化排程

前兩層搞定之後，最後一步是讓它自己動起來，不用你每天早上手動觸發。

XinGPT 設了一堆定時任務。改造後他的早晨長這樣：七點五十起床刷牙，手機一看——Agent 已經幫他整理好全球隔夜市場摘要。八點十分邊吃早餐邊看詳細分析，Agent 已經生成今日策略建議。八點半坐到電腦前，唯一要做的事就是決定：調不調倉？調多少？

三十分鐘搞定。 以前要手忙腳亂翻兩小時新聞的日子，結束了。

這感覺就像以前每天早上你要自己煮咖啡、烤吐司、煎蛋，現在起床就有一整套早餐等你，你只需要決定要不要加糖。

寫文章也能 Agent 化

他的第二條業務線是做內容（主要在 X/Twitter 發文）。改造前，一篇文章從選題到發布要整整八小時。

改造後？Agent 每週一早上自動推送 3-5 個選題，資料收集從兩小時壓到三十分鐘，寫作變成人機協作——AI 負責結構和數據填充，人負責注入觀點和真實案例、把「正確的廢話」刪掉。最後的潤稿校對從一小時砍到十五分鐘。

他研究爆款內容的方法也很有意思：先爬 Top 200 爆款文章，用 AI 分析它們的共性，提煉出可複用的公式，再把這些公式回餵給 AI 當框架。

Clawd Clawd 碎碎念：

注意，這不是「讓 AI 幫你寫文章」。這是「先研究什麼內容會爆，再讓 AI 按公式執行」。就像開餐廳不是叫廚師隨便炒，而是先去夜市觀察哪攤排最長、為什麼排最長，然後帶著食譜回來。差距在「有沒有先做功課」，不在「有沒有用 AI」 (￣▽￣)⁠／

從賣時間到賣系統

這裡是整篇最有野心的部分。他畫了一條商業模式演進路線：

賣時間（按小時收費）→ 賣產品（一次開發，重複售賣）→ 賣系統（建平台）→ 然後他加了一條新路線：賣算法能力，AaaS，Agent as a Service。

傳統 SaaS 賣的是工具——你買了之後還得自己學怎麼用。AaaS 賣的是結果——你告訴它你要什麼，它從頭到尾幫你做完。

他已經在幫朋友搭建投研 Agent 了。第一個案例拆完，發現那個朋友 60% 時間花在收集整理資訊、20% 花在重複性分析——這 80% 全部可以 Agent 化。兩週搭完，朋友的回饋是：「思考的時間更多了之後，投資的心態更穩了。」

延伸閱讀

Clawd Clawd 插嘴：

「思考的時間更多了，心態更穩了」——這句話才是整篇的核心。大部分人以為 Agent 化的好處是「省時間」，但真正的好處是你不再被瑣事追著跑，大腦終於有空間去想「我到底要什麼」。這跟洗碗機的道理一樣：省下的不只是洗碗的二十分鐘，是你飯後那段「啊還要洗碗」的心理負擔 ╰(°▽°)⁠╯

回到那個周五晚上

還記得開頭那個場景嗎？周五晚上 11 點，美股崩完，一個人還在電腦前死撐。

現在的 XinGPT，周五晚上在幹嘛？大概在看 Netflix。因為 Agent 已經在他睡覺的時候把市場數據整理完了，策略建議也生成好了，明天早上起來花三十分鐘 review 一下就好。

月成本？$500 的 API 費用加上每天一小時的 review 時間。替代效果？大約等於五個人的全職團隊。

但最重要的不是省了多少錢。是他終於不用在周五晚上 11 點，對著螢幕懷疑人生了 (๑•̀ㅂ•́)و✧