🤖 LLM Agent Trader: 當ChatGPT遇上股票交易，我打造了一個會思考的交易機器人 (Part3)

嗨大家！歡迎來到 Part 3！再次感謝所有在表單中給予回饋的朋友們。看到這麼多人期待開源，我決定把這個專案分享出來。雖然最近真的有點忙碌，沒時間好好整理 repo，但我會重點分享幾個大家可以著手改進的方向。如果這個專案對你有幫助，或者激發了你的靈感，記得幫忙點個星星，讓我稍微滿足一下虛榮心 😊

我自己最想要強化的是互動式反饋循環

我有看到表單裡，有人提到，希望這是一個夥伴

系統的高層次設計理念是將用戶輸入與交易策略結合，作為統一的上下文餵給 LLM，讓 AI 能夠基於完整的資訊脈絡做出更精準的分析和建議。

加入記憶機制:目前系統僅支援單輪對話，若要實現真正的智能夥伴體驗，需要加入多輪對話記憶機制。讓系統記住之前的對話內容，將歷史互動作為上下文持續餵給 LLM，形成連貫的對話體驗。
修改策略重新跑回測:現階段系統能夠針對策略提出改善建議，但尚未實作「修改策略後重新執行回測」的功能。這個機制將讓用戶能夠即時驗證 AI 建議的有效性，形成完整的策略優化循環。

結合上述兩個核心功能，這個系統將真正發揮 AI 交易夥伴的潛力。無論是交易新手還是有經驗的投資者，都能透過與 AI 的持續對話，逐步建構屬於自己的交易系統和紀律。

更重要的是，它能幫助交易者將抽象的「盤感」轉化為具體的交易邏輯，讓直覺變成可驗證、可優化的策略框架。這不僅提升了交易的系統性，也讓經驗得以有效傳承和改進。

最近我有多看 Context Engineering 這個領域，發現餵給 LLM 的上下文還有很大的優化潛力。因此我沒有繼續調整 Prompt，把這個空間留給大家去探索。

目前系統的一個限制是每日判斷都是獨立進行的，缺乏歷史決策的連貫性。我設想了一個改進方案：

將每一步的決策作為上下文，納入後續決策的考量中

想像一下，當 AI 能夠「記住」前幾天的猶豫和觀望，它可能會更準確地判斷：「這個區域我之前就覺得是關鍵支撐，現在再次測試，需要特別關注。」

可以考慮建立一個「決策記憶池」，將近期的交易決策、市場判斷和推理過程作為滑動窗口的上下文，讓 LLM 在做新決策時能參考這些歷史脈絡。

這個 feedback 確實很有意思！之前我也考慮過類似的功能，但需要額外爬取 PTT 或各種社群討論串的數據（順便觀察一下現在的少年股神們都在聊什麼 😄）。

潛在的應用場景：從社群平台收集推薦股票的資訊，然後讓 AI 分析：

推薦者的歷史績效和可信度
推薦股票的基本面和技術面風險
市場情緒和討論熱度的影響
最終給出「跟單風險評估」和建議
結合群眾智慧與 AI 分析的雙重驗證
可以建立「社群推薦股票」的風險評級系統
甚至可以追蹤哪些推薦者長期表現較佳\

這個功能如果做起來，可能會變成：「AI 投資顧問 + 社群情報分析師」的組合，不只分析股票本身，還能分析「推薦這檔股票的人靠不靠譜」。想像一下：「這檔股票技術面看起來不錯，但推薦的人最近 5 次推薦都踩雷，建議謹慎評估。」

我寫在README.md了，有一些Make 指令可以讓大家用，package使用的是uv 來管理，大家記得先安裝

感謝大家的鼓勵！最終決定開源這個專案，很大程度上是因為看到了大家的熱烈回饋。今天剛看完鬼滅之刃劇場版，深深被鬼殺隊世代傳承的精神所感動 - 知識和技術也應該如此傳承下去。就讓大家盡情探索這個專案吧！至於副業這件事…我還需要再好好規劃一下 😄 或是有什麼大大可以引薦一下XD

最後，再次感謝願意給予回饋的大家!

加油! 祝你可以找到有趣的題目