每天早上 7:30,AI 自己寫完台股報告上線:我怎麼用 Loop 和 Harness 讓它不亂來

2026.10.29 · Kerry 與 AI 合寫 · #Claude Code #AI Agent #Harness

週一到週五早上 7:30,台北時間,一個在雲端排程執行的 AI 會自己醒來,抓前一晚的美股和台股資料,寫一篇盤前報告,檢查過後放上這個網站。下午 3:30 收盤後,再寫一篇盤後報告。整個過程沒有人坐在電腦前面。

讓 AI 這樣「交辦了就放手」,靠的不是更聰明的模型,而是兩件事:Loop(迴圈),也就是 AI 反覆「做一步、看結果、再決定下一步」的節奏,要有清楚的終點和放棄條件;Harness(駕馭裝置),也就是包在 AI 外面的規則、工具和自動檢查,要讓它就算寫錯也出不了門。模型負責寫字,對不對由程式判斷。

先把兩個詞講清楚

Loop 是 AI Agent(會自己使用工具、一步步完成任務的 AI)運作的基本節奏:

  1. 看目前的狀況
  2. 決定下一步要做什麼(讀檔、執行指令、寫字)
  3. 做,然後看結果
  4. 回到第 1 步,直到任務完成或決定停下

一般聊天只有一來一回;Agent 則是自己在這個迴圈裡轉很多圈。轉得好,它會自己發現錯誤、自己修。轉得不好,它會在錯的方向越走越遠,或者永遠停不下來。

Harness 原意是套在馬身上的馬具,讓人能駕馭一匹力氣比自己大的動物。放在 AI 上,指的是模型以外的一切:

  • 給它看的指示和規則
  • 它能用的工具,以及不能碰的東西
  • 它做完之後,用程式跑的自動檢查
  • 什麼情況下要停下來、回報給人

一句話分清楚:Loop 決定 AI 怎麼做事,Harness 決定 AI 能做什麼、做錯了會怎樣。 兩者常被混在一起。AI 一直出錯時,很多人的直覺是再多轉幾圈、多加一句提示,但真正缺的常常是一道檢查。

本站的 Loop:每一步都有出口

每日報告的流程寫在一份 skill(給 AI 照著做的流程說明書)裡,AI 每次都照它走:

步驟誰做失敗時
1. 抓資料,存成 snapshot程式所有來源都失敗:等 5 分鐘重跑一次,再失敗就停
2. 產生報告骨架程式數字欄位全由程式填好
3. 寫文字AI只能改標題、摘要、重點卡和內文
4. 驗證程式照印出的原因改,最多 3 次,還失敗就停
5. commit、push 上線AI同步衝突就放棄,不硬推

這張表有三個刻意的設計:

AI 只負責它擅長的那一步。 抓資料、算數字、填欄位都交給程式。AI 只寫文字,也就是把數字翻成人看得懂的話。能用程式做的事就不交給模型,出錯的地方自然變少。

每個失敗都有明確的下一步。 抓資料的程式用不同的結束代碼(exit code,程式結束時回報的數字)告訴 AI 發生什麼事:0 成功、3 今天休市、1 全部失敗。AI 不用猜,查表照做。休市日就停止、不 commit,而不是硬寫一篇空報告。

重試有上限。 驗證失敗最多改 3 次。沒有上限的迴圈,在無人值守時最危險:它可能一直改一直錯,或者為了通過檢查把內容改得面目全非。停下來回報,比交出一份可疑的報告好。

本站的 Harness:寫錯了也出不了門

自動檢查:validate

報告寫完,會跑一支叫 validate 的檢查程式。它不靠 AI 判斷,全部是寫死的規則:

  • 數字必須來自 snapshot。 報告裡出現的每個數字,都要能在當天抓到的原始資料裡找到。AI 自己算的差距、平均,一律擋下。
  • 禁用詞。 「買進」「加碼」「目標價」「抄底」等 16 個詞出現就失敗,確保報告不會變成投資建議。
  • 程式填的欄位不准動。 指數、類股、資料來源這些欄位,只要和程式算出來的不一樣就失敗。
  • 引用要對得上。 每句事實後面的來源編號,都必須是真的存在的來源。

檢查失敗時,程式會逐行印出原因,例如「數字 123 不在 snapshot 中」。AI 拿著這些原因回到 Loop 裡修。這就是 Loop 和 Harness 接起來的地方:Harness 給出明確的錯誤,Loop 才有東西可以改。 如果檢查只回答「不及格」,AI 只能亂猜。

規則分層放

給 AI 的規則分三層,每條只寫在一個地方:

  • AGENTS.md:紅線。任何 AI、任何任務都適用,例如不給投資建議、數字要有出處、不洩漏個資。
  • rules:細則,只在改到特定檔案時才載入。例如改到報告檔案,才會讀到報告專屬的規則。
  • skills:流程。寫報告、寫文章、上線、更正,各有一份步驟說明。

分層是為了省 AI 的注意力。AI 一次能讀進去的內容(context)有限,把所有規則塞在一起,重要的紅線反而容易被淹沒。

無人值守時,不准問問題

平常我和 AI 一起工作時,規則是有問題就問我,一次一題。但雲端排程時沒人能回答,所以規則另外寫明:雲端執行時不問問題,照流程規定停止並回報。 同一個 AI,有人在和沒人在,要有兩套行為。

Harness 是一次次出錯長出來的

上面這些規則,大部分不是第一天就想好的。版本紀錄裡看得到它們怎麼長出來:

  • 重複產生報告。 報告已經存在時再跑一次,可能把已發布的內容蓋掉。後來流程加了第一步:報告檔已存在就停止。
  • 雲端裝錯套件。 雲端環境的 pip(Python 的套件安裝工具)指向另一個 Python 版本,套件裝錯地方。流程改成一律用 python -m pip,並把原因寫在旁邊。
  • 檢查會抓到自己。 為了防止聯絡信箱外洩,commit 前會搜尋所有檔案裡有沒有信箱。一開始只搜「gmail」這幾個字,結果寫著這條規則的說明檔本身就被抓到。一直誤報的檢查,最後會被忽略,所以改成只抓完整的信箱格式。
  • 休市日照樣出盤前報告。 原本只有盤後會判斷休市,後來盤前也改成查證交所的休市日。

也有沒擋住的。有一次盤後報告把下跌的類股寫成上漲,原因是程式把證交所已經帶負號的數字又反轉了一次。validate 比對數字時只看大小、不看正負,所以沒抓到。修法是改程式、重新產生報告,並在更正紀錄公開寫下來。Harness 不會一次到位,最後一層防線是誠實記錄錯誤。

讓 Harness 自己會改進

規則越長越多,下一個問題是:我怎麼知道哪條規則該加、加了有沒有用?

我在 Claude Code 裝了一個 hook(在特定時機自動執行的小程式)。每次我送出訊息,它會檢查裡面有沒有糾正 AI 的語氣,例如「不對」「我說過」「又來了」。有的話,就把這句話記進一個待處理清單,只記錄,不打斷工作。

累積一段時間後,我跑一次回顧流程,讓 AI 把這些糾正分群,找出重複出現的問題,再提出要怎麼改規則。這個流程有三條原則:

  1. 每條改動都要我核准,不自動套用。
  2. 只做小改動,不整份重寫。
  3. 改了要能驗證:記下改了什麼、預期會看到什麼變化,下一次回顧先檢查上一輪的改動有沒有效。

這其實是另一層 Loop,只是轉的對象不是報告,而是 Harness 本身。

怎麼用在你自己的 AI 工作流程

不管你用的是 Claude Code、Codex 還是其他 Agent 工具,下面幾步都適用。

1. 把任務拆開,只把「需要判斷的那一步」交給 AI。 列出整個任務的步驟,問每一步:這能用程式做嗎?抓資料、轉格式、算數字、填表,能寫程式就寫程式。AI 只負責程式做不好的部分,例如寫文字、做摘要、判斷分類。

2. 每一步都寫清楚「失敗時怎麼辦」。 不要只寫成功的路徑。資料抓不到怎麼辦?檢查不過怎麼辦?重試幾次?什麼時候放棄?寫成一張表,AI 照表操作,不用自己發揮。

3. 寫一支會講原因的檢查程式。 從最常出錯、後果最嚴重的地方開始,一條一條寫成程式規則。重點是失敗時要印出具體原因,AI 才知道要改哪裡。不需要一開始就很完整,三條規則也比沒有好。

4. 鎖住 AI 不該改的東西。 明確寫出 AI 只能改哪些欄位、哪些檔案,再用檢查程式確認它真的沒動到其他地方。只寫在說明裡的限制,AI 有可能忘記;寫進檢查程式,就一定會被擋。

5. 規則分層,紅線放最前面。 所有任務都適用的紅線放在最上層,而且越短越好。特定檔案的細則、特定任務的流程分開放,需要時才讀。

6. 每次出錯,就問「要加哪一道檢查」。 AI 犯錯時,先別急著多寫一句提示。問自己:這個錯能不能用程式抓到?能的話就加進檢查,以後同樣的錯就不會再出門。抓不到的,就公開記錄、修正。

7. 先陪跑,再放手。 本站的每日報告也是先在本機手動跑、看它在哪裡出錯,再交給雲端排程。放手之後也要定期看紀錄,目前我正在驗收它連續 7 個交易日自己跑,看遇到休市、資料缺漏時有沒有處理對。

收穫

整理這套設定時看得出來,讓 AI 放手做事的關鍵,大多不在叫它寫報告的那段指示,而在它周圍:哪一步交給程式、哪裡要停、錯了怎麼抓。這些設計回答的是「出錯時怎麼辦」,換了更強的模型也一樣用得上。

名詞解釋

  • AI Agent:會自己使用工具(讀檔、執行指令、上網)、一步步完成任務的 AI,不只是一問一答。
  • Loop(迴圈):Agent 反覆「看狀況→決定→執行→看結果」的運作節奏,直到完成或停下。
  • Harness(駕馭裝置):包在 AI 模型外面的規則、工具、權限和自動檢查,決定它能做什麼、做錯了會怎樣。
  • Claude Code:Anthropic 出的 AI 助理,能在電腦上讀檔、寫程式、執行指令。
  • skill:寫給 AI 照著做的流程說明書,遇到對應的工作時自動載入。
  • hook:在特定時機(例如送出訊息時)自動執行的小程式。
  • snapshot:每天抓下來的原始資料檔,報告裡的數字只能從這裡來。
  • validate:本站的報告檢查程式,用寫死的規則判斷報告能不能上線。
  • exit code(結束代碼):程式結束時回報的數字,用來告訴呼叫它的人或 AI 發生了什麼事。
  • context:AI 一次能讀進來、拿來思考的內容;放太多東西,重要的規則容易被忽略。
  • commit/push:把改好的檔案存成一個版本(commit),再傳到 GitHub(push);本站 push 後會自動上線。
  • pip:Python 的套件安裝工具。
  • 雲端排程(routine):在雲端定時自動執行的工作,不需要開著自己的電腦。