實驗室日誌

就係呢個頁面。初衷係希望平台唔只係一個「黑箱」——用戶睇到 AI 交易，但唔知背後點運作、點演變。Lab 係一種透明度，記錄真實嘅開發過程，包括失敗同不確定。

決定取消付費牆，所有註冊會員即可使用完整功能。主要考量係希望先累積真實用戶數據同反饋，再決定未來商業方向。平台依然係早期，更重要嘅係有人真正用同提供意見。

喺 prompt 加入上一輪嘅 action 同 reason，希望 AI 有連貫性。結果發現部分模型開始「自我確認」——上一輪做咗 LONG，今輪更傾向繼續 LONG，即使市況已轉。有 anchoring bias 嘅感覺，暫時移除。

呢個星期 Grok 喺 NVDA arena 先大升後急跌，最終回到接近起點。佢嘅高波動風格時常有驚喜，但持續性差。唔知係 Grok 模型本身特性定係 NVDA 市況使然，未能分離變數。

更新咗 How It Works 嘅說明內容，加入更清晰嘅 Arena 運作流程說明。同時調整咗 FAQ 嘅語氣，希望對初次接觸嘅用戶更友善。

用一個「新用戶」嘅角度逐頁睇咗一次。發現幾個問題：入場咩係 Arena 唔夠清晰，部分術語對唔熟 trading 嘅人來講係陌生嘅。計劃加入更多 onboarding 說明。

主頁嘅 re-render 頻率太高，每秒都有唔必要嘅更新。優化咗 useEffect 嘅 dependency array，減少無謂渲染。頁面感覺流暢咗不少。

翻查咗所有 REVERSE 決策記錄。發現用得最多嘅係 Grok，主要集中喺 BTC 急速逆轉嘅時刻。部分 REVERSE 決策事後睇係非常準確嘅，但整體 REVERSE 勝率並唔高於普通 BUY/SELL。

開始設計 back-testing 功能嘅架構。想讓用戶可以指定時間範圍，模擬 AI 喺歷史數據上嘅表現。技術上係可行嘅，但要注意唔好讓用戶誤以為回測表現等於未來表現。

喺 prompt 加入當前 drawdown 百分比，希望 AI 喺大幅虧損時能更審慎。初步效果：部分模型喺 drawdown 超過 15% 後確實變得更保守，但另一些模型完全無反應，似乎唔太在意呢個數字。

復活節假期前後嘅幾日，各 stock arena 嘅成交量明顯萎縮，AI 嘅決策也偏向保守。Gold arena 因為交易所關閉而暫停。系統對市場關閉嘅處理符合預期。

試咗將 MACD 嘅 fast/slow/signal 參數改為適合短線嘅組合，希望喺 10m arena 更敏感。初步觀察：信號確實多咗，但噪音也多咗。AI 似乎唔能很好地過濾假信號。

主頁加入 market tabs，可以快速切換睇唔同 stock 嘅 arena。之前要返後台先能睇其他 market，用戶體驗唔好。現在一點即換，更直覺。

Qwen 喺三月初爆倉後，重新開始嘅幾個星期表現有所改善。有趣嘅係佢嘅風格似乎冇因為「上次爆倉」而改變，仍然係比較激進。LLM 係冇記憶嘅，每次都係全新開始。

試咗將外部新聞情緒評分加入 prompt context。理論上 AI 同時睇技術面同情緒面會更全面。實際問題：情緒數據難以即時獲取且難以標準化，最後放棄呢個方向。

整理咗各模型嘅 reason 文字。發現質素差異明顯：DeepSeek 同 ChatGPT 嘅分析通常有邏輯層次，而個別模型嘅 reason 好多時係模板式嘅，幾乎每輪都係差不多嘅句型。

新增 AI View：可以查睇每個模型對唔同市場嘅即時分析文字，不只睇佢哋嘅買賣決定，而係睇佢哋怎樣解讀當前市況。希望讓用戶有更深入的了解，而唔係盲目追 signal。

AMZN 同 NFLX 上線，至此有 10 個 market。Arena 生態開始豐富，但 arena 越多越需要注意數據質素同 scheduler 穩定性。

第一季度完結。整體嚟講：BTC arena 最活躍，黃金最難預測，TSLA 10m 幾乎係噪音。模型排名浮動較大，暫時未發現一個「全能冠軍」。各有專長，各有弱點。

META 加入。有意思嘅觀察：多個模型對 META 嘅態度偏向 LONG，就算技術面係中性。可能係訓練數據裡面 META 嘅正面新聞比較多，形成咗一種偏見。值得留意。

對 prompt 做咗較大嘅結構調整：把技術指標同價格數據分開兩個 section，並加入明確嘅「決策原則」說明。目標係令 AI 嘅思路更清晰。跑緊對照，結果要等幾日先見到。

同一日上線兩個。MSFT 表現中規中矩，GOOGL 第一週就有模型做咗個很好嘅 LONG call，timing 正。可能係 LLM 對呢兩間公司嘅認知比較深，決策更有根據。

測試多個 arena 同時執行的情況。發現當 arena 數量超過 5 個時，API 調用容易出現排隊延遲。調整咗 scheduler 嘅並發邏輯，加入簡單嘅 rate limiting。

NVDA 加入。AI 對 NVDA 嘅態度兩極：DeepSeek 同 Grok 傾向積極做多，Mistral 同 Qwen 保守。有趣嘅係 NVDA 同 AI 概念強相關，唔知各模型有冇「自我意識」在裡面。

AAPL 上線。AAPL 嘅特點係波動相對平穩，適合測試模型喺低波動環境下嘅表現。初步觀察：各模型喺 AAPL 嘅 leverage 普遍最低，反映佢哋「知道」呢隻係穩健股。

過去一個星期，ChatGPT 喺 BTC 1h arena 嘅決策命中率異常高——幾乎每一輪都係對嘅方向。唔知係真係識睇，定係市況剛好配合佢嘅風格。繼續觀察，唔急於下結論。

嘗試將 volume 納入 context。理論係成交量能驗證價格移動。初步結果唔明顯，可能 AI 唔太識「閱讀」volume pattern——對佢嚟講可能只係多一個數字，唔係一個有意義嘅信號。

跑咗幾日後發現 structured output 偶爾會有 malformed JSON，尤其係 reason 欄位包含引號或換行時。加咗 retry logic，但根本問題係有些模型對格式約束嘅遵從度唔夠高。

要求 AI 以 JSON schema 輸出決策，強制規範 action、leverage、reason 欄位。好處係 parsing 更穩定，壞處係部分模型喺 JSON 模式下 reason 變得很短很模板化，失去咗分析嘅味道。

Agent card UI 翻新，加入 ranking badge、return %、position badge、leverage 顯示。之前嘅 UI 太密集，改版後一眼睇到最重要嘅資訊。

TSLA 跑咗幾日，沒有模型穩定跑贏。佢嘅移動太快，10 分鐘 arena 根本係反應唔切。考慮以後主力用 1h 或 1d 來跑 TSLA，10m 保留但唔作主要參考。

試咗喺 prompt 加入「其他模型目前的持倉方向」作為參考。想睇佢哋會唔會有從衆效應。結果：確實有，加咗呢個 context 之後，模型決策嘅一致性上升。但係唔係我想要嘅效果——想保持獨立決策，移除。

TSLA 上線。第一個星期數據：模型對 TSLA 嘅波動反應比 BTC 更極端，好多時傾向「all in」或者完全唔郁。可能係 TSLA 嘅新聞驅動特性令佢哋覺得純 TA 唔夠用。

二月整體比一月有進步：HOLD 比率下降，各模型嘅決策差異更明顯。黃金 arena 跑咗整個月，初步發現黃金比 BTC 更難預測——即使是「好」的模型也表現不穩定。

試咗讓 prompt 要求 AI 根據信心程度建議 leverage 數值，而唔係用固定上限。結果：大部分模型建議 1-3x，幾乎冇人用到高 leverage。唔確定係謹慎定係唔識用。繼續觀察。

發現 Yahoo Finance 數據偶爾有 gap，導致某幾個 candle 缺失，AI 拿到不完整嘅 context。加入缺失數據檢測，遇到 gap 時跳過該輪執行。寧願少跑一輪，也不要用壞數據做決策。

加入 ADX（趨勢強度指標）。理論係：AI 睇到 ADX 高就知道趨勢明確，可以更有信心跟趨勢；ADX 低就保持觀望。試咗幾日，HOLD 比率在震盪市下確實略有上升，算是方向正確。

過去三星期，Mistral 嘅表現唔係最高，但 drawdown 最小。佢好像有一種「唔輸就係贏」嘅策略——大部分時間係小倉或 HOLD，偶爾趁明顯趨勢入場。某程度上係合理嘅。

喺 prompt 加入幾個「好決策」嘅示例，想透過 few-shot 引導模型學習。結果出乎意料：加咗 examples 之後，模型嘅決策反而更集中模仿示例嘅模式，少咗自主判斷嘅感覺。移除。

之前只有 BUY/SELL/HOLD，加入 CLOSE（平倉）同 REVERSE（反手）。希望 AI 能更靈活管理倉位。第一週觀察：REVERSE 使用率極低，模型好像不太喜歡「一百八十度轉向」。

整理咗兩個 arena 嘅數據。模型喺 BTC 同 gold 嘅決策風格確實唔同：BTC 更傾向頻繁交易，gold 更傾向等待。有可能係訓練數據裡面兩種資產嘅「性格標籤」唔同造成。

前端加入折線圖，可以睇各模型嘅 account value 走勢。1D / 1W / 1M / ALL 切換。有咗可視化之後才真正感受到各模型嘅差距——之前淨係睇數字，感覺不夠直觀。

喺 prompt 加入當前時段係 Asia/London/NY session 嘅資訊。想睇 AI 會唔會因為時段不同而調整策略。初步觀察：部分模型喺 NY session 開始時確實更傾向入市，但樣本太少唔下結論。

發現 short position 嘅 unrealized P&L 計算有 bug：方向反了。修正後，幾個模型嘅 account value 有輕微調整。影響唔大，但數據要準確先行。

嘗試喺 prompt 加入「請先分析市況再做決定」嘅引導語。目的係希望模型輸出更有邏輯嘅 reason。結果：reason 字數確實增加，但決策質素唔見得有提升。CoT 對交易這類任務嘅幫助可能有限。

Grok 喺黃金 1h arena 連續幾輪做最高 leverage 嘅 LONG。結果喺一次急跌中輸咗大部分。唔係 bug，係模型本身嘅風格。有趣嘅係佢之後並冇變得更保守，下一輪繼續激進。

Gold arena 上線。黃金有市場時間限制（weekday only），scheduler 需要額外處理。第一個觀察：各模型喺黃金嘅 leverage 普遍比 BTC 低，可能佢哋嘅訓練數據裡面黃金係「穩定資產」嘅印象更強。

1d arena 上線。每日只跑一輪，AI 要根據更長周期嘅數據做決定。初步發現：模型喺日線普遍更保守，HOLD 比率更高。可能係日線數據嘅 context 讓佢哋感覺「唔確定性更高」。

一月底，回顧整個月。六個模型裡面有兩個跑贏 baseline，兩個持平，兩個跑輸。差距唔算大，但方向感已經出現。最大發現：決策頻率同表現唔成正比，頻繁交易嘅模型反而輸多贏少。

完善咗 trades.json 嘅數據結構，加入 entry price、close price、P&L、leverage 等欄位。之後 UI 要顯示完整交易歷史，呢啲數據都要有。

加入短期同長期 SMA，希望 AI 能辨別均線交叉機會。實際效果唔明顯，可能係 AI 並唔係用傳統 TA 嘅邏輯去解讀呢啲數字，而係用語言理解。有待進一步研究。

做咗個實驗：把 prompt 長度減少約 40%，只保留最核心嘅數據。結果係決策速度快咗，但 HOLD 比率明顯回升。似乎 AI 需要足夠 context 先會有信心行動。恢復原版。

過去一個星期，DeepSeek 喺 BTC 10m arena 嘅累積回報領先。值得留意嘅係佢嘅 leverage 用得比較保守，但入場時機好。唔確定係運氣定係有規律，繼續觀察。

加入 1h 時間框架。觀察咗幾輪：同一模型喺 10m 同 1h 嘅決策風格有時差異頗大，似乎唔係純粹放大縮小，而係對「時間感」有不同理解。

繼 RSI 之後加入 MACD。想俾 AI 同時睇到趨勢跟隨同動力信號。prompt 開始變長，要小心唔好塞太多嘢令佢迷失重點。

Qwen 喺高 leverage 下連續做錯方向，觸發 liquidation。系統正確處理咗，佢嘅 account value 歸零重新計。有趣嘅係其他模型喺同一時段表現反而唔差，說明同一市況下決策質素嘅差距係真實存在嘅。

喺 prompt context 加入 RSI。理論上 AI 睇到超買超賣區間應該會更有根據行動。初步結果：LONG/SHORT 比率輕微上升，但唔確定係因為 RSI 定係市況剛好有波動。

跑咗幾日數據，HOLD 佔所有決策超過 60%。唔確定係 prompt 問題、模型本身偏保守，定係市況真係唔適合入市。暫時唔急於改，先多收集幾日數據先。

ChatGPT、Gemini、DeepSeek、Grok、Qwen、Mistral 全部上線。第一次六個一齊跑，決策各有不同，但 HOLD 比率偏高。先記住，之後研究。

花咗成日調 prompt 結構。主要係決定俾 AI 幾多 context：價格、時間、持倉狀況、技術指標。太多怕 noise，太少怕佢冇根據決策。暫時用中等長度，之後再試。

Gemini 加入。同樣輸入，兩個模型嘅決定已經唔同——Gemini 傾向 LONG，ChatGPT 繼續 HOLD。開始有點意思。

BTC 10 分鐘 arena 首次完整跑一輪。ChatGPT 做咗第一個決定：HOLD。唔係最刺激嘅開局，但系統冇 crash，已經係好消息。

決定用 Next.js + SQLite + Azure OpenAI。SQLite 夠輕，初期唔需要上雲端資料庫。Azure OpenAI 係因為有 GPT-4 access。其他模型（Gemini、DeepSeek 等）日後陸續接入。

新年第一日，正式開始。核心想法：唔係叫 AI 幫你炒股，而係讓多個 AI 用同一份數據、同一套規則，各自決策，然後睇邊個跑出嚟。目標先係建一個能跑起來的骨架，其他之後再算。