不知不覺，我們已經走到了第 29 天。回想一開始，只是單純想要試試看「AI 能不能幫我讀懂投資新聞」，結果卻在這 30 天裡，一步步搭建出了屬於自己的 AI 投資助理：會自動抓資料、整理成報告、甚至能透過 LINE 傳到手機。這段過程讓我深刻體會到， 技術與投資結合的力量，也見證了從「想法」到「實際產品」的轉化。

技術層面的收穫

1. 資料取得與清理

• 學會用 yfinance、各種 API 取得股價、財報、新聞。

• 體會到資料品質對 AI 分析的重要性：錯誤或過期的資料，會讓 AI 輸出偏離事實。

• 逐步摸索出一個「從資料源到乾淨輸入」的 pipeline，這對投資系統至關重要。

2. AI 文字生成與數據解讀

• 嘗試用 GPT/Gemini 把財報、技術指標轉成「自然語言解讀」。

• 學會調整 prompt，避免 AI 胡亂生成，並盡量讓輸出聚焦在「投資觀點」而非「空話」。

• 對 AI 的角色定位也越來越清楚：它不是神諭，而是輔助理解的助手。

3. 自動化流程與工作助理

• 寫了自動化腳本，能每天定時抓新聞、篩選出有價值的資訊，甚至幫我列待辦清單。

• 體會到「能自動提醒」的價值：投資市場訊息龐大，AI 幫我過濾之後，心智負擔少了很多。

4. 產品化思維：從程式到服務

• 前期只是 CLI 程式 → 後來能產出 PDF 報告 → 再進階到有簡單的 Web 網站 → 最後接上 LINE/Telegram。

• 這是一個從「開發者玩具」到「能用的服務」的過程，學到如何逐步提升使用體驗。

5. 智慧記憶與知識管理

• 串接向量資料庫（如 FAISS、Pinecone），讓 AI 能記住使用者過去的投資偏好與提問。

• 這讓對話不再是一次性的，而是能逐步「累積經驗」，更像是一位專屬助理。

思維上的啟發

• AI 不是魔法，而是工具
  過去很多人對 AI 有「萬能」的想像，但實際操作才明白，AI 的表現依賴「資料品質」與「使用方式」。如果給它正確的資料與良好的引導，它就能發揮很大價值；反之，它也可能誤導你。

• 問題導向比技術導向更重要
  一開始我的需求很單純：我想更快理解市場。後來才發現，正是這個需求驅動我去思考：我要抓哪些資料？要怎麼整理？要怎麼讓 AI 輸出更貼近需求？這種「以終為始」的思維，比單純追新技術更實用。

• 小步快跑，逐步實現
  這 30 天的節奏，就像 Agile 開發：每天解決一個小問題，累積下來就是一個完整的系統。比起一開始就想「我要做一個完整的 AI 投資平台」，這種小步快跑更能避免中途放棄。

• 使用者體驗的價值
  光是能跑程式並不夠，必須讓資訊 以合適的方式呈現：有人喜歡看 PDF 報告，有人希望直接在手機接收。能把技術變成貼近生活的服務，才是關鍵。

結語

這 30 天，對我來說不只是技術挑戰，更是一種心態的轉變。

從一開始「我能不能用 AI 幫我看市場？」到現在「AI 能成為我的投資助手」，這是一個從點子 → 實驗 → 工具 → 雛形產品的完整過程。

AI 不會取代投資人，但它可以：

• 篩掉雜訊，幫你專注在重點。

• 將數據轉化為洞察，節省大量時間。

• 成為你的「第二雙眼睛」，幫助你在資訊洪流中保持冷靜。

👉 明天（Day 30），就是 Day 30 最終篇，我會完整展示成果 Demo，並分享如何把這個專案延伸成未來可持續發展的投資助手。