这几天，我基本都在使用深度求索新出的harness,做了一个小插件，可以辅助我看盘，主要功能就是把需要盯的几个品种都集成在一张页面上，可以换周期也可以放大缩小，观察细节。后面又加上三重偏见监测，把自己的多空逻辑交给ai，他就会帮你输出。昨天又连接上了微信，有好的偏见机会就会推送到微信，不需要时刻盯着屏幕了。

    个人以为最重要的还是插件的稳定性，因为功能简单，几句话就能交代明白，但是要让他24小时每天都稳定不太容易，从起心动念到现在稳定运行消耗6.7亿个token

下面都是gpt写的

听起来好像挺复杂，但说到底，我就是想做一个工具，帮我观察市场、整理信息，在需要关注的时候提醒我。

以前遇到这种想法，我可能会先考虑：自己能不能写出来？要学多少东西？需要花多长时间？

现在，我的第一反应变成了：要不先让 AI 试试？

于是，接下来的几天，我开始了一场有点出乎意料的折腾。

一开始，我以为最难的是让 AI 把代码写出来

刚开始的时候，我对 AI 编程的感受很简单：这东西确实厉害。

你告诉它想做什么，它就能帮你写代码、补功能、解释报错。以前可能需要自己翻文档、查资料、试错半天的事情，现在几轮对话就能推进不少。

那种感觉有点像，突然多了一个随时可以叫来干活的技术搭档。

而且这个搭档不嫌你问题多。

你可以反复追问，可以让它解释，也可以要求它重新修改。哪怕你对某个实现细节不太明白，也能先把想法说出来，再一点点讨论怎么落地。

这让我觉得，自己过去的一些想法，似乎真的有机会变成现实了。

但很快，我就发现了一件事。

让 AI 写出代码，可能只是整个过程里最容易的一部分。

程序能跑，和程序真的可靠，是两回事

开发过程中，我逐渐把注意力从「这个功能能不能实现」，转向了「它在各种情况下会不会出问题」。

比如，一个品种的数据获取失败了，程序应该怎么办？

如果某次扫描只完成了一部分，系统能不能准确告诉我哪些结果可信、哪些结果不完整？

程序运行到一半意外退出了怎么办？

如果它连续出错，是应该自动重启，还是先停下来提醒我？

日志应该怎么保存？出了问题之后，能不能找到当时发生了什么？

这些问题单独看都不算特别复杂，但放到一个需要长期运行的程序里，就会慢慢变成一堆需要认真处理的细节。

更重要的是，我做的是交易监测工具。

我并不希望它因为某个环节出了问题，就把不完整的数据当成正常结果，更不希望为了让程序看起来运行正常，而掩盖了实际发生的故障。

这时候我才意识到：一个程序最重要的能力，不只是正常的时候能工作，还包括出问题的时候知道自己出了什么问题。

后来，我开始学着给 AI 安排工作

最初，我更像是在向 AI 提需求：帮我加一个功能，再帮我改一个地方。

后来，我开始尝试把事情拆成一个个阶段。

先处理任务调度，再处理数据获取失败的情况；接着补充运行状态和审计记录，然后整理日志、进程管理，以及异常退出后的恢复机制。

每完成一部分，就检查对应的测试和实现，再继续下一部分。

我也逐渐学会，不要只问 AI「你改好了吗」，而要继续追问：

• 具体改了哪些文件？
• 有没有影响原来的功能？
• 测试覆盖了什么，又没有覆盖什么？
• 如果运行失败，会留下什么记录？
• 哪些情况已经验证，哪些还只是理论上可行？

这和我一开始的想法很不一样。

以前我更关心 AI 能不能把任务做完；后来，我越来越关心它究竟做了什么，以及我凭什么相信结果。

当然，这不代表 AI 每次给出的解释和结论都正确。恰恰相反，越往后做，我越觉得需要保留一点怀疑。

它可以帮我完成大量工作，但不能因为它说「已经完成」，我就直接相信一切都没问题。

489 项测试通过，然后呢？

这次开发结束时，根据开发过程中的最终报告，项目累计有 489 项测试通过。

看到这个数字，确实还是有点成就感的。

至少，这几天做的事情不再只是一些零散的想法，而是逐渐变成了一个有测试、有日志、有异常处理，也有运行管理机制的项目。

我们还对固定输入下的策略输出进行了前后对比。报告显示，输出与改造前的基线一致。

对我来说，这一点尤其重要。

因为我想增强的是程序的运行可靠性，而不是借着这次改造，顺手改变原本的交易逻辑。

不过，489 项测试通过，并不意味着事情已经彻底结束。

测试只能说明它在已经覆盖的条件下通过了检查。真正长期运行时会遇到什么问题，还需要时间来检验。

例如，连续运行 24 小时、电脑重启后的自动启动，以及睡眠唤醒后的补扫，这些都还需要实际验证。

所以，我没有继续给项目添加更多功能，而是准备先让它运行一段时间，观察真实表现。

以前我可能会觉得，一个项目做完了，就应该赶紧进入下一个阶段。

但这次我发现，有时候知道什么时候该停下来，也是一种能力。

这几天，我最大的收获不是学会了多少代码

坦白说，如果让我从头手写这个项目，我依然会遇到不少困难。

但现在，我不必等到自己掌握所有技术细节，才开始尝试一个想法。

我可以先把目标说清楚，让 AI 帮我实现，再通过测试、审查和实际运行，逐步判断这个东西到底做得怎么样。

这让我重新理解了「能力」这件事。

以前，想做一件事，往往要先考虑自己有没有足够的技术、时间和资源。

现在，这些门槛正在降低。

但门槛降低，不代表判断的重要性也降低了。

当 AI 能够很快地写出几百行代码，甚至搭建出一套完整的程序时，真正值得思考的问题反而变成了：

我到底想解决什么问题？

哪些事情不能交给它擅自决定？

怎样证明它做出来的东西确实有效？

如果它出了问题，我能不能发现，并承担相应的责任？

这些问题，AI 可以帮忙分析，却不能替我作出所有决定。

最后

这几天的开发经历，让我有一种挺微妙的感觉。

一方面，我确实觉得 AI 很强。过去一个人面对的技术门槛，现在有机会通过与 AI 协作来跨越。

另一方面，我也比以前更清楚地认识到，能把东西做出来，只是开始。

一个想法变成程序，程序变成工具，工具变成真正值得信任的东西，中间还有很长一段路。

我现在还不知道「破晓金瞳」最终会运行得怎么样。接下来，我更想做的不是继续往里面塞功能，而是让它在真实环境中运行，慢慢找出问题，再决定哪些事情值得改进。

对我来说，这几天最大的变化，或许不是我突然学会了多少编程。

而是我开始相信，一个人不必等到自己什么都会了，才有资格动手做点东西。

可以先开始，可以借助工具，可以在过程中学习。

但也要愿意检查结果，承认不知道的事情，并且对自己做出来的东西负责。

这大概就是我这几天和 AI 一起折腾之后，最真实的一点感受。

至于这个叫「破晓金瞳」的小项目，接下来就交给时间检验吧。