最近看到一套很有意思的 AI 多代理系統。

作者建立了 6 個分工不同的 AI Agent，讓它們像一間小型交易公司一樣協作：

• ATLAS：掃描全球市場
• VEGA：分析價格與圖表
• ORION：追蹤新聞與事件
• LUNA：判斷市場情緒
• TITAN：控制交易風險
• NOVA：整合資訊並做出最後判斷

貼文中的結果非常吸睛：

6 個 AI Agent 全天運作，一個晚上完成 46 筆交易，模擬獲利 4,955 美元。

但在開始幻想讓 AI 自動賺錢以前，必須先看清楚圖片底部的小字：

Self-reported result．Paper trading only

也就是說，這是作者自行回報的結果，而且使用的是模擬交易，並不是真實資金的券商成交紀錄。

原始貼文同樣說明，這是尚未經過獨立驗證的自述成果，目前只從模擬交易開始測試。原始貼文轉載頁

因此，這篇文章的重點不是教你複製 4,955 美元的收益。

真正值得研究的是：

如何讓 6 個 AI Agent 各自負責一項任務，再透過否決權與最終決策機制，組成一套完整的研究流程。

這個架構不只能用在市場研究。

只要把角色換掉，也能應用在內容製作、商業分析、行銷企劃、產品研究與日常工作。

它不是一個神奇交易機器人

一般人使用 AI 分析市場，通常會直接問：

「幫我找出今天最值得買的股票。」

這句話看似簡單，背後其實混合了許多不同任務：

• 掃描大量市場
• 判斷價格異常
• 尋找相關新聞
• 確認消息來源
• 觀察社群情緒
• 分析技術結構
• 計算部位與風險
• 做出最後決定

當全部任務都交給同一個 AI，它很容易在資訊不完整的情況下，直接拼出一個看似合理的答案。

這套系統採用的方式則完全不同。

它不要求一個 AI 同時扮演所有專家，而是把研究流程拆成 6 個角色，並明確限制每個角色的權限。

每個 Agent 只需要做好自己的工作。

第一個 Agent：ATLAS 掃描所有市場

ATLAS 的工作是尋找值得進一步研究的機會。

圖片中的設定讓它同時掃描：

• 股票
• 加密貨幣
• 外匯
• 全球市場
• 大量成交與價格資料

系統號稱一次掃描超過 1,200 個資產，最後只挑出少數排名較高的候選標的。

這個設計的重點不是預測哪個標的一定會上漲，而是縮小研究範圍。

例如，ATLAS 可以尋找：

• 成交量突然放大
• 價格突破近期區間
• 波動率快速增加
• 同產業多個標的同步異動
• 討論熱度突然上升
• 接近財報或重大事件
• 價格與市場表現明顯脫鉤

假設市場中有 1,200 個標的，人類不可能在短時間內逐一查看。

ATLAS 的價值，是先從中挑出 3 至 10 個值得研究的候選名單，再交給後面的 Agent。

但它沒有權力決定交易。

它只能說：

「這裡出現異常，值得進一步檢查。」

第二個 Agent：VEGA 尋找交易結構

當 ATLAS 提交候選標的後，VEGA 會開始分析圖表。

它負責檢查：

• 趨勢方向
• 成交量
• 支撐位置
• 壓力位置
• 價格結構
• 突破條件
• 假設失效位置

圖片裡的 VEGA 找到一個上升趨勢，並標示支撐、壓力與失效區域。

這裡最重要的不是它畫了幾條線，而是它必須回答兩個問題：

第一，什麼情況下這個機會才成立？

第二，價格走到哪裡，代表原本的分析已經錯了？

如果 AI 只告訴你「趨勢向上」，卻沒有提供失效條件，這項分析就無法被驗證。

合理的 VEGA 報告應該包含：

• 使用的時間週期
• 目前市場結構
• 關鍵價位的計算方式
• 成交量是否支持
• 等待確認的訊號
• 假設失效條件
• 可能的反向情境

它的任務不是猜對下一根 K 棒。

而是把模糊的市場觀察，變成可以被檢查的條件。

第三個 Agent：ORION 讀取新聞

圖表出現異動後，ORION 負責查明背後發生了什麼事。

它會追蹤：

• 公司公告
• 財報與法說會
• 產業消息
• 央行與利率政策
• 經濟數據
• 法規變化
• 分析師評級
• 可能影響價格的突發事件

圖片裡的 ORION 會把新聞分成三類：

• 偏多
• 偏空
• 持續觀察

接著替每個事件檢查消息來源、市場影響與時間敏感性，再把重要事件送回團隊。

不過，這裡有一個非常重要的陷阱。

新聞出現的時間，不一定早於價格變動。

有些新聞只是在行情發生以後，替市場找一個看似合理的解釋。

因此，ORION 不只要摘要內容，還要記錄：

• 事件實際發生時間
• 新聞首次發布時間
• 價格開始變化的時間
• 消息來自第一手來源還是轉述
• 哪些內容是事實
• 哪些內容只是媒體解讀

如果只有社群傳聞，沒有公司、交易所或監管機構的正式資料，系統就不應該把它當成已確認事件。

第四個 Agent：LUNA 衡量市場情緒

LUNA 負責觀察群眾正在討論什麼。

它會整理：

• 社群討論量
• 搜尋熱度
• 關鍵字變化
• 標的被提及的速度
• 偏多、偏空與中性意見
• 是否出現過度炒作
• 是否存在反向警訊

如果使用 Grok，確實可以利用它與 X 平台內容的連結進行研究。X 官方說明指出，連接後的 Grok Bot 可以搜尋貼文、讀取時間軸、查看提及、趨勢及書籤等資訊。X 官方 Grok Bot 說明

但市場上很多人正在談論某個標的，不代表那些人是對的。

社群聲量可能來自：

• 大量重複轉貼
• 機器人帳號
• 短期炒作
• 行銷活動
• 已經發生的價格上漲
• 少數大型帳號帶動討論

所以圖片中有一句非常重要：

Popular ≠ Correct
熱門不等於正確

LUNA 的工作，是描述市場情緒。

它不應該因為討論偏多，就直接要求系統買進。

第五個 Agent：TITAN 控制風險

TITAN 是這套系統中最重要的角色。

因為前面幾個 Agent 都在尋找「為什麼可以交易」，只有 TITAN 專門尋找：

為什麼這筆交易不應該執行？

它會檢查：

• 部位大小
• 單筆最大損失
• 投資組合總曝險
• 不同持倉的相關性
• 風險報酬比
• 帳戶當日損失
• 市場流動性
• 槓桿使用狀況

圖片中的 TITAN 即使看到部分條件通過，仍然因為整體曝險和風險報酬比不合格，直接拒絕交易。

這是非常關鍵的設計。

如果風險管理 Agent 只能提出建議，最後卻可以被其他 Agent 忽略，它就沒有真正的作用。

TITAN 必須擁有實際否決權。

只要觸發任何硬性限制，系統就只能：

• 縮小部位
• 修改條件後重新提交
• 直接拒絕
• 等待更多資料

圖片中的另一句話，也比模擬獲利數字更值得記住：

No trade is also a decision.
不交易，也是一種決定。

第六個 Agent：NOVA 做最後判斷

NOVA 不負責重新分析一次市場。

它的工作是閱讀前面五份報告，處理彼此之間的衝突。

例如：

• ATLAS 發現價格異常
• VEGA 判斷技術結構偏多
• ORION 找不到可靠消息
• LUNA 發現社群已經過度樂觀
• TITAN 判定目前曝險過高

這種情況下，NOVA 不應該因為三個角色偏多，就用多數決決定買進。

它應該回答：

• 哪些資訊已經確認
• 哪些資訊仍然缺失
• 哪些 Agent 的結論互相衝突
• 是否需要等待確認
• 是否符合風險規則
• 是否應該交給人類審查

圖片裡的 NOVA 最後選擇的是：

WAIT，等待。

原因是各項訊號仍然存在衝突。

這才是多代理系統真正有價值的地方。

它不是讓六個 AI 一起鼓勵你交易，而是讓不同角色互相制衡。

為什麼不能把模擬獲利當成真實結果？

圖片展示的模擬結果是：

• 46 筆交易
• 32 筆獲利
• 14 筆虧損
• 勝率 69.6%
• 淨收益 4,955 美元
• 最大回撤 612 美元

這些數字可以用來測試系統，卻不足以證明策略真的有效。

我們還不知道：

• 模擬帳戶初始資金
• 每筆交易使用多少槓桿
• 交易了哪些市場
• 測試持續多久
• 是否包含手續費
• 是否包含買賣價差
• 是否計算滑價
• 使用哪一段市場行情
• 是否還有其他失敗測試
• 是否能在真實市場成交
• 是否存在未平倉虧損

模擬交易通常可以假設自己在理想價格成交。

真實市場則可能遇到延遲、流動性不足、滑價、斷線與突發消息。

美國商品期貨交易委員會也提醒，AI 無法預測未來或突然發生的市場變化，使用交易 Bot 的宣傳仍需計算費用、價差與其他實際成本。CFTC：AI 不會把交易 Bot 變成印鈔機

所以模擬交易的功能，是找出問題。

不是證明你已經找到一台自動賺錢機器。

真正合理的 AI 交易研究架構

如果把這套系統重新整理，它的流程應該是：

ATLAS 掃描市場

↓

VEGA、ORION、LUNA 分別分析圖表、新聞與情緒

↓

TITAN 檢查風險並保留否決權

↓

NOVA 整合證據與衝突

↓

交給人類確認

↓

先進行模擬交易

任何一個環節出現以下情況，都應該停止：

• 資料來源不明
• 資料已經過期
• 不同 Agent 使用的時間不一致
• 新聞無法查證
• 沒有清楚的失效條件
• 無法估計最大虧損
• 風險規則不通過
• Agent 之間存在重大衝突

而不是要求 NOVA 無論如何都要選出一筆交易。

AI Agent 適合當研究團隊，不適合當預言家

SEC、FINRA 與 NASAA 聯合發布的投資人警示指出，AI 產生的資訊可能建立在不準確、過時或誤導性的資料上，甚至可能產生完全虛構的內容，不應只依賴 AI 做投資決策。Investor.gov AI 投資詐騙警示

X 官方也提醒，Grok Bot 可能犯錯，使用者仍有責任審查它提出的行動，並決定允許或拒絕。X 官方 Grok 說明

因此，這套架構最適合的定位是：

• 幫你掃描大量資料
• 減少重複查找
• 統一研究格式
• 強迫系統列出反對證據
• 建立可追蹤的決策紀錄
• 在進入交易前先進行風險檢查

它不應該被包裝成保證獲利的工具。

專屬資源：把 AI 當免費員工，你的隨身數位秘書已上線

大家都說 AI 很強，但每次打開對話框，看著閃爍的游標卻不知道該輸入什麼？你需要的不是花幾十個小時學寫程式，而是掌握直接套用的「溝通密碼」。

這份建立於 Notion 的《萬用實戰指令大禮包》，為你準備好 10 大核心領域、50+ 款隨插即用的實戰指令。無論是爆款短影音腳本生成、高情商職場信件、學術論文梳理，還是程式開發除錯，只需找到對應情境「複製、填空、發送」，一秒產出專家級成果。

• 🤖 跨模型完美支援： 無縫接軌 ChatGPT、Claude 3.5 Sonnet、Gemini 等主流工具。
• ⚡ 隨插即用，零學習門檻： 每個指令皆附帶「替換括號」，無腦操作即可發送。
• 🔄 一次買斷，持續更新： 隨 AI 進化每月擴充新指令，越早入手越划算。

盲目測試指令會耗費你無數個加班的夜晚，現在只需 NT$ 1,680 即可買斷這套高轉換率的生產力外掛（未來將隨內容擴充逐步調漲）。

遇到任何操作卡關，或希望未來新增特定情境指令？歡迎透過 Email 聯繫contact@denghao.info。（為了維持專業高效的溝通品質，來信請務必附上您的問題，並告訴我「您希望我怎麼稱呼您」）

想直接建立同樣的工作流程，我把完整版本整理進深度會員，裡面包含：

• 6 個 AI Agent 的完整提示詞
• NOVA 總控 Agent 的整合規則
• TITAN 的強制否決條件
• 每個 Agent 統一的回報格式
• 不用寫程式的手動測試方法
• 30 天模擬交易驗證流程
• 避免 AI 捏造資料的查證清單

以下是深度會員內容：