AI 交易智能體解密：它們實際上如何運作

AI 交易智能體很容易展示、卻很難信任。展示秀出的是一個聊天視窗與一張成交的單；它跳過了你真正需要理解的部分——也就是在一次市場報價與一筆成交交易之間發生的一切。本文要打開這個盒子。你會看到每個認真的智能體都由五層構成——感知、推理、工具、記憶與護欄——接著跟著一次真實的決策循環，從一根收盤 K 棒走到一張被路由出去的訂單。一旦你能追蹤那條路徑，你就能憑任何智能體產品的「管路」、而非它的「承諾」來評斷它。

AI 交易智能體的解剖：五層

把介面剝掉，每個能在活生生市場中存活下來的智能體，都是同一台機器。（如果你想要這個類別的定義，以及智能體在交易機器人與聊天助理之間的位置，先從什麼是智能體交易開始；本文以它為前提，直接切進運作機制。）

層	它的職責	沒有它會壞在哪
感知	把市場資料、指標與新聞轉成值得評估的事件	智能體憑過期或缺失的資料行動
推理	判斷當前狀態是否符合你的策略	條件被字面觸發，脈絡被忽略
工具	它可採取的那一小串動作：抓資料、設警示、下單	決策發生了，卻沒有任何安全或有用的後續
記憶	部位、過往訊號、冷卻時間、你陳述的本意	它把同一次逢低連買五遍
護欄	在執行當下檢查的硬性上限	一個糟決策變成帳戶等級的事件

各層是刻意分開的。一個可拆解的系統就是一個可測試的系統：你可以不碰下單邏輯就驗證指標算式，也可以不重讀提示詞就稽核上週二的否決。研究型系統把這件事推得更遠，把推理層本身拆成互相辯論的專家角色；那套模式有它自己的取捨，我們在多智能體交易系統裡談過。對個人投資組合而言，一個帶著五層乾淨結構的智能體，才是切實可行的架構。

感知：智能體實際上看到什麼

智能體不看線圖。它訂閱事件。一根 4 小時 K 棒收盤。價格穿過一個你指定的價位。一個排定的時間到了。一則新聞被評分為與某檔持股相關。在事件之間，一個打造良好的智能體什麼都不做——這比不斷輪詢更便宜、也更不易出錯。

這些事件背後的輸入分四種。第一，原始市場資料：K 棒、最新價，有時還有掛單簿深度。第二，衍生指標，例如 RSI(14)、MACD 或 200 日移動平均，由一個確定性引擎從原始資料算出，而非由語言模型估算。第三，外部脈絡：總經行事曆項目、新聞流、情緒分數。第四，智能體自己的組合狀態，因為當你已經滿倉時，「再買一些」意味著完全不同的事。

評估頻率是一個實實在在的設計決策，不是細節。一個在每根 4 小時 K 棒收盤時評估的智能體，一個月會交易寥寥數次；同樣的規則若每分鐘檢查一次，就會被雜訊觸發、堆積手續費，並被來回甩巴掌。當你定義一套策略時，你同時也在定義它的時鐘。

資料衛生是感知那不起眼的另一半。交易所 API 會卡住、資料源會延遲、K 棒會遲到。當資料缺失或過期時，正確的預設是「不動作」：跳過這次評估、記下缺口、等下一個事件。一個靠假設去填補缺口的智能體，不是在感知市場，而是在想像一個市場。

推理層：規則、LLM，或混合式

三種設計在此競爭，而誠實的比較很短。純規則是確定性的、快速的、可測試的，但它讀不了一則頭條，也解析不了你的本意。純 LLM 兩者都能做，可它每個決策都昂貴，而且對數字不可靠；一項 2024 年關於金融問答的研究測得，在沒有防護的情況下幻覺率高達約 41%（FailSafeQA and related benchmarks, 2024）。兩個極端都不會勝出。真正勝出的架構是混合式：語言模型在邊緣，確定性引擎在中間。

以下是多數解說會漏掉的部分。在一個好的混合式設計裡，LLM 只對你的措辭推理一次，而不是對每一次報價推理。以「逢低買進」為例，這是個沒有數字定義的說法。推理層真正的工作發生在建立階段：把那個本意轉換成一個精確的判定式，例如「4 小時線的 RSI(14) 收在 30 以下，同時價格守在 200 日移動平均之上」。從此以後，每次評估都是規則引擎在微秒內完成的算術。那個詮釋了你句子的模型，從此再也不碰即時的下單運算。

Obside 分工的方式正是如此：副駕駛（copilot）把自然語言轉譯成被監控的條件、覆述給你確認，再把運行中的策略交給確定性評估。你在「語言任務」與「數字任務」之間畫線的位置，決定了一個智能體大半的可靠度；完整的能力地圖在LLM 在交易中能做與不能做什麼裡。

有些智能體也會在運行時，為真正屬於語言性質的事件諮詢模型，例如分類一則頭條是否對某檔特定持股具重大意義。那是一種站得住腳的用法——前提是模型的輸出餵給一條規則（「若嚴重度高則暫停買進」），而不是直接去為一張訂單決定大小。

工具、記憶，以及護欄層

一個智能體的能力，由它的工具清單定義，而非由它的智慧定義。工具是帶著狹窄簽章的具型函式呼叫：抓 K 棒、算一個指標、送一則警示、下單或撤單、移動停損。這種約束本身就是特色。一個唯一下單工具是 place_order(symbol, side, size, type) 的智能體，無論它的推理得出什麼結論，都無法提領資金、更改帳戶設定，或憑空發明一個動作。當你評估一個平台時，最銳利的問題不是智能體能做什麼，而是它可被證明「不能」做什麼。

記憶是把智能體與一個無狀態觸發器區分開來的東西。它保存當前部位、未成交訂單、本週哪些訊號觸發過，以及冷卻計時器。想想它防止的失敗：一條沒有狀態的逢低買進規則，會在 RSI 位於 30 以下時，於每一根連續的 4 小時 K 棒都觸發，把一次計畫中的進場變成六次。「每週最多兩次」這條指令，除了記憶之外無處可住。

護欄是一張訂單跨過的最後一層，而它的決定性特質在於位置：它們在執行當下運行，位於推理層之外，是否決權而非建議。部位大小上限、每個智能體的曝險上限、固定與移動停損、回撤斷路器、槓桿上限。即使是一個混亂的推理層，也無法超越它們。把每一項適當地設定大小，本身就是一門紀律，在AI 交易智能體的護欄裡有詳細鋪陳。

一次完整的決策循環，從頭到尾

該讓機器跑起來了。這套策略，用一個使用者會說出的方式陳述：「當 4 小時線的 RSI(14) 收在 30 以下、同時價格在 200 日移動平均之上時，買進 150 美元的 ETH，每週最多兩次，並附上 8% 移動停損。」在 Obside 上，你會把那句話打進副駕駛，它會把它解析出的內容覆述一遍——資產與交易場所、帶時間框架與門檻的指標、趨勢過濾、下單大小、每週上限、停損類型——並在任何東西運行之前，等你確認。那次覆述，就是推理層在明處做它「每套策略一次」的工作。

現在是週四，04:00 UTC：

1. 感知。 4 小時 K 棒收盤。事件觸發；引擎從已收盤的 K 棒算出 RSI(14) 為 27.6。
2. 推理。 條件一成立（27.6 低於 30）。條件二對照新鮮資料檢查：價格約在 200 日移動平均之上 4%。兩者皆真。
3. 記憶。 本週已在週二執行過一次買進。上限是兩次，所以這次進場被允許，而且無論如何這次評估都會被記錄。
4. 護欄。 提議的 150 美元訂單，對照部位大小上限與組合曝險上限檢查；回撤斷路器未跳脫。通過。
5. 工具。 place_order 送出；成交時掛上一個 8% 移動停損。每一步連同它的輸入都落進日誌。

對照週五，20:00 UTC：K 棒收盤時 RSI 為 26.9、趨勢過濾仍成立，而智能體什麼都不做，因為記憶顯示本週已買進兩次。它記下這次否決與原因。附帶原因的「什麼都不做」，正是一個好智能體所做的大部分事情。也請注意，兩次循環都沒有諮詢任何語言模型。思考發生在策略被寫下的時候；循環則是執行。

在 Obside 上，這五層披著產品名稱。以價格、指標、新聞與總經事件為條件的觸發，是感知層。副駕駛的轉譯與覆述，是推理步驟。帶著執行當下風險檢查的訂單路由，涵蓋了工具與護欄，而每個智能體都攜帶自己的狀態。同一份智能體定義，會原封不動地穿過回測、模擬交易與正式執行——所以你稽核過的那台機器，就是實際在交易的那台機器。

接下來可以怎麼走

你現在握有一份適用於任何 AI 交易智能體的、可運作的稽核清單。它感知哪些事件、又以什麼時鐘感知？LLM 究竟在何時被諮詢，它是否曾被允許做算術？完整的工具清單是什麼？它在評估之間保存哪些狀態？在推理批准之後，還有什麼能否決一張訂單？一個能把這五點都俐落回答出來的供應商，打造的就是本文描述的那台機器。一個用形容詞回答的供應商，打造的是一個展示。如果你想在一個地方看到這五層被組裝好、也可檢視，那就在 Obside 上用一句話描述一套策略，看著它以你在任何東西運行前先確認的條件、大小與上限回到你眼前。

僅供教育參考，不構成投資建議。交易存在風險，可能導致本金損失。