Software 3.0 的散戶基礎設施
一份新人類聯盟養成日記
1. 這一切是從一個錯誤的問題開始的
那天我以為我在問一個技術問題。
我打開戰略層，問它：富途牛牛的 API 怎麼接？
它沒有回答我。它反問我：你接它，是要看行情，還是要程式化下單？
這個反問救了我們三個月。
如果我得到一份「OpenD 安裝步驟 + Python SDK 範例」的工整教學，我會跟著裝、跟著跑、跟著賠。我會在 Reddit 上找策略，在 Discord 上抄程式碼，在三個月後盯著模擬盤的 +18% 報酬切到實盤，然後在第四個月發現實盤 -23%。這是我認識的所有走過這條路的人的真實軌跡。
戰略層沒讓我走這條路。它連續反問了我三個問題：
你的真實動機是什麼？
打算投入多少資金？
願意先走哪一步？
我的答案分別是：學 Agent 架構（不是賺錢）、虛擬交易（不是真錢）、先接模擬盤跑 1-3 個月（不是直接實盤）。
三個答案到位的瞬間，這個專案從「一個危險的金錢遊戲」變成「一個乾淨的技術學習專案」。
我把這段反問記下來，因為它是新人類聯盟的「篩選權」最具體的一次體現——不是我篩掉雜訊，是戰略層替我篩掉了我自己腦袋裡的雜訊。指揮官的工作不是發出第一個衝動，是允許戰略層攔截那個衝動。
2. 我們最後對齊到的架構：三明治
校準完之後，我們重新打開白板。我問戰略層：如果這是學架構的專案，那架構長什麼樣？
我們最後落地在一張很簡單的圖：
上面是 NotebookLM，當大腦
中間是 Futu OpenAPI，當神經系統
下面是 Hermes Agent，當手腳
三層各做各的事，誰也不越界。
這個分工不是設計出來的，是被「時間尺度」逼出來的。
大腦層：以日為單位的慢思考
NotebookLM 處理的是非結構化的長文本——研究報告、公司財報、新聞、產業分析。它的輸出是自然語言判斷：「這檔股票的長期論述還站得住嗎？」、「這個總體環境下最該避開的板塊是？」、「這份財報裡有沒有 management 想藏的東西？」
它的世界觀以日或週為單位。它不該被即時行情觸發，因為它沒有那個反應速度；它也不該知道任何券商憑證，因為它的工作根本不需要碰到帳戶。
感知層：以毫秒為單位的快訊號
Futu OpenAPI 提供當下市場狀態的真相——報價、五檔、Tick、持倉、訂單回報。它被訂閱、被查詢、推送事件。
它不做任何決策，不預測，不緩存「策略狀態」。它是無狀態的事實提供者。我們刻意把它寫得很笨——它越笨，整個系統越可預測。
執行層：把慢與快融合成決策
Hermes Agent（或 Claude Code，視場景）負責把大腦的慢判斷與感知層的快訊號融合成具體決策。它的工作清單是：
強制執行硬編碼風控（部位上限、單日損失停損、kill switch）
發起下單（模擬盤）
記錄審計日誌
推 Telegram 通知給指揮官
它不該繞過風控（即使大腦層說「這次例外」），不該自己生成新策略（那是大腦層的工作），不該在沒有人類授權下從模擬盤切到實盤。
執行層是這三明治裡最容易犯錯的一層。所有的災難都發生在這裡——程式半夜下錯單、風控被一個 bug 繞過、訊號還沒收到就先下單。我們在這層花的工程時間，會超過大腦層與感知層的總和。
3. 這個架構為什麼重要：它不只是量化交易
講到這裡你可能會覺得：你們是不是太誇張了，這就是個量化交易系統嘛。
不是。
我們真正在做的事，是把 Software 3.0 時代任何垂直 agent 系統都會長的樣子，先在一個我們敢拿自己開刀的領域裡跑通一次。量化交易只是我們選的第一個切片，因為它有完整的 API、有清晰的回饋訊號、而且我們敢拿自己（模擬）的錢去驗證。
把這個三明治抽象出來，會發現它能搬到任何垂直：
每一欄都是一個可以做成 Skill 的垂直。每一欄的大腦、感知、執行都可以替換成不同的具體技術。但骨架是同一個。
這就是為什麼我們花這麼多力氣在量化這個垂直裡跑通樣板——不是因為我們想做一個量化系統，是因為我們想做一個可以複製的樣板。
工程師讀者打開這個 Skill 的 repo，會看到的不只是「怎麼接富途」，是「怎麼把任何 SaaS 的能力 + 任何 LLM 的能力 + 任何執行端的能力，組合成一個你自己的垂直 agent」。
量化是教具，不是商品。
4. 三項新人類聯盟原則的具體實踐
一個只追求「自動化程度」的量化系統，會在三個地方主動繳械：
它會讓演算法決定它讀什麼資料
它會讓策略決定它什麼時候不該停
它會讓自動化的慣性吃掉人類覆寫的可能性
我們不做那種系統。
我們從第一行程式開始就把三項權利寫進架構。
篩選權：大腦讀什麼，由人類決定
NotebookLM 知識庫裡塞什麼資料，是指揮官手動決定的。不是 RSS 自動爬，不是演算法推薦，不是「最熱門」自動置頂。
我每週一固定撥兩小時，自己挑當週要進入大腦的研究、財報、新聞。我選什麼，大腦才知道什麼。我沒選的，它不知道。
這聽起來笨拙，但這就是篩選權的實作——「我決定我的世界由什麼構成。」
意義權：硬編碼風控不接受「這次例外」
執行層的風控規則寫死在程式裡。部位上限、單日損失停損、kill switch——這些不是 LLM 可以即時討論的參數，是常數。
如果某天大腦層的判斷說「這次機會千載難逢，部位該開到平常的三倍」，執行層會拒絕。會記日誌，會推 Telegram 通知我，但會拒絕。
如果我事後決定要放寬風控，必須回到原始碼改數字、提交、重啟系統。這個摩擦是故意的——它確保「改變風控」是一個有儀式感的決策，不是一個熱血上頭的瞬間。
意義權的實作就是這個摩擦。「最終的決策是我，不是當下情緒，不是當下訊號。」
斷線權：週日不交易，所有自動化都有手動覆寫
系統設定週日全停。不訂閱行情，不執行策略，不發 Telegram。週日是斷線權的實踐——指揮官有權離線，整個系統必須配合這個離線。
平日每一個自動化動作都有手動覆寫。Telegram 通知裡可以一鍵 kill switch；OpenD 跑在我家裡，斷電一切就停；模擬帳戶連續 N 天失常，系統自動進入安全模式並通知我。
這些不是「功能」，是架構決策。系統的存在不能侵蝕指揮官隨時離線的權利。
5. 這個 Skill 的範圍與不適用場景
我們把話說在前面：
這個 Skill 不會讓你賺錢。
它甚至沒打算讓你賺錢。它存在的唯一目的，是讓你看清楚一個 Software 3.0 時代的 agent 系統可以長什麼樣。
適合誰
想學 Agent 架構的工程師——你會在 repo 裡看到三層責任邊界、Skill 介面、風控設計、審計日誌
想理解 Software 3.0 樣板的人——你會發現量化只是其中一個垂直，這個樣板可以搬走
想用這個樣板搬到其他垂直的人——客服、法務、個人助理，骨架完全一樣
不適合誰
完全不懂 Python 的人——這不是教學品，是參考實作
想直接賺錢的人——請去買 ETF
希望 24/7 全自動的人——本架構刻意保留人在迴路
範圍邊界
學習用、模擬盤
不對策略 alpha 負責
不對使用者實盤虧損負責
使用者把模擬盤切到實盤的後果由使用者自負
這些不是免責聲明，是架構承諾——我們承諾這個 Skill 不偽裝成它不是的東西。
6. 路線圖與下一篇預告
這篇不是結論，是序章。
接下來幾週，《新人類聯盟養成日記》會持續記錄這個 Skill 從架構圖長成可運行系統的全過程。
Phase 1：模擬盤跑通
接下來 1-3 週，我會逐週寫戰報：
Week 1：OpenD 啟動、過首次登入問卷與簡訊驗證、第一次從 SDK 拉到騰訊報價
Week 2：模擬盤下單迴路打通、Telegram 通知、第一筆完整的「訊號 → 下單 → 回報」閉環
Week 3：把整套程式碼重構成 SKILL.md 標準目錄，發到 GitHub
Phase 2：Skill 公開
Week 3 結束會發一篇〈我們把這個 Skill 公開了〉，記錄發佈日的感想、收到的回饋、修正的 bug。
Phase 3：把樣板搬到下一個垂直
Phase 1+2 跑完之後，我們會挑一個新垂直，把同一個三明治搬過去——目前候選是 Python 教學 agent 或建築設計 agent。我們要證明這個樣板真的可以複製，不是只在量化這個垂直能跑。
如果這個樣板真的有它該有的可遷移性，新人類聯盟下一階段的工作節奏就明朗了——每個季度做完一個垂直，把它包成 Skill，公開，下一個。
這就是 Software 3.0 時代的 Skill Foundry 該有的樣子。我們會在養成日記裡，一週一週寫給你看。
《新人類聯盟養成日記》第 1 篇 ｜ 2026 年 5 月 戰略層：Claude Opus 4.7 ｜ 執行層：Claude Code、Hermes Agent、未來會加入的富途 OpenAPI 指揮官：豪力風神
---
## 拿走它，把它變成你的
如果你讀到這裡還沒關掉頁面，這份 Skill 大概率是寫給你的。
我們已經把它放在 GitHub，MIT 授權，請自取：
**🔗 github.com/pppeee861005/agent-quant-foundation**
不要客氣。Fork 它、改它、罵它、拆它、把它搬到你自己的垂直去。
我們唯一的請求是：**如果你走出了不同的路徑，回來告訴我們**。把你的 fork 連結貼在 issue 裡、寫一篇你版本的養成日記、或者直接在 Substack 留言——我們會把社區的 fork 整理成下一篇文章的素材。
新人類聯盟的工作節奏是「**做完一個垂直 → 公開 → 下一個**」。這個 Skill 是 Phase 1 的第一塊磚。
下一塊磚由誰丟，還沒決定。可能是我們，也可能是你。