怎麼用AI幫忙盯盤?實測Claude追行情、整理理財Podcast,做法一次學!
怎麼用AI幫忙盯盤?實測Claude追行情、整理理財Podcast,做法一次學!

早安呀!

持股行情、相關新聞、理財Podcast,每天都想追,光是把資料找齊就得花不少時間。同事最近跟我分享,他用Grok Bot搭了一套理財bot盯盤術。

他開了台股、美股各一個bot,餵給它們自己的持股,讓它們每天盤前盤後抓行情、持股漲跌和相關新聞。另外再開一個Podcast bot,找指定理財節目的最新一集,整理重點。

最後,請Podcast bot把資訊傳給台股、美股bot,交叉比對:自己的持股有沒有被節目點名?哪些地方要特別留意?

有趣的是,同事一開始只給很粗略的指令,但AI在設計過程中會不斷反問「這樣符合你的預期嗎」,還提醒他一些原本沒想到的細節。

我聽完就在想,這真是多Agent協作的好例子!那能不能用Claude重現?

我先請Claude規劃3個子代理,特別要求它:先反問我細節,不要急著執行。

結果討論到最後,Claude建議我把流程改成兩段排程:一段追蹤持股行情和相關新聞;另一段在有新Podcast時,整理重點、比對持股。兩段任務的結果,再彙整到同一個「每日行情」儀表板。

從3個bot分頭查,到兩段排程接力做,這次實測最有意思的,就是跟AI一起把需求聊清楚的過程。我整理成圖卡,分享給你。

還想看我用AI來解哪些題?點此留言跟我說,我都會看!也可以許願,想讓我為一天一AI PRO設計怎樣的工作流~

AI盯盤怎麼分工?台股、美股與Podcast交叉比對持股

三個AI分頭查,最後交叉比對

同事把資料蒐集分給3個bot:台股、美股bot追蹤行情與新聞,Podcast bot整理指定節目的最新一集,等資料回來再交叉比對持股。

台股、美股bot每天盤前盤後抓大盤、持股漲跌和相關新聞;Podcast bot則整理節目重點與注意事項,再把資訊傳給另外兩個bot,標出自己的持股有沒有被提到、有哪些事值得留意。

Claude Cowork提示詞:規劃3個子代理,先釐清需求再執行

提示詞:請Claude Cowork規劃三個子代理

想讓Claude Cowork幫忙設計流程,可以先交代持股、資料範圍與預期成果,再明確要求「先反問,不要執行」。我用的是這段提示詞:

我的持股:台股__、美股__。請規劃3個子代理,分別查台股、美股最新交易日的持股表現、相關新聞和大盤表現,以及指定Podcast__的最新一集,想辦法整理出節目重點。

我沒有逐字稿,也不會提供音檔連結,請你自行尋找可合法取得的公開來源。

三份結果都回來後,再交叉比對Podcast是否提到我的持股,附上來源、可核對的時間碼及需要查證的地方,最後彙整成一份完整文件。若來源不支援時間碼,請明確註記,不要推算或補造。

先不要執行,請反問我需要確認的細節,協助完善整個流程。

用Claude追蹤股票:先確認交易時間、持股與ETF比對規則

問「該怎麼設計」,它會回你沒想到的面向

用Claude追蹤股票,得先講清楚「什麼時候查」和「怎樣才算命中」,才不會蒐集了一堆資料,卻漏掉自己真正想看的資訊。

我切到Cowork,用上面的提示詞來討論。Claude提醒我,台股、美股的交易時間不同,Podcast也有自己的上架時間,排程不能隨便設。

它還反問:節目提到股票代號才算命中,還是提到企業名稱也算?如果討論到持有ETF裡的成分股,要不要列入?

這些細節我一開始都沒想到,卻會直接影響最後的追蹤結果。

Claude Cowork排程任務:定時更新股市行情,有新Podcast再分析

要每天自己跑?Claude建議拆成兩段排程任務

這次討論中,Claude建議把長期追蹤拆成兩段排程:定時更新行情,以及有新Podcast時才做內容分析,最後把結果寫進同一份共用資料。

第一段,依台股、美股各自的盤後時間抓大盤、持股表現和新聞,並檢查Podcast有沒有新集數。

第二段,在排程檢查到新集數後,再取得可用音檔、轉成文字、整理重點,並和持股交叉比對;沒有新集數就略過。

兩段任務的結果都更新到「每日行情」儀表板,就不用讓3個獨立bot互相傳話。

排程設定時,也要確認任務需要的資料存取與核准方式,避免執行到一半停下來等你確認。先手動試跑一次,確認抓資料、轉錄與更新儀表板都能完成,再交給排程持續跑。

Claude整理Podcast摘要實測:從RSS找音檔,轉錄並附上時間碼

沒有Podcast逐字稿?Claude自己找到RSS

這次實測沒有提供逐字稿或音檔連結,Claude仍從節目的RSS找到音檔,完成下載、轉錄與Podcast重點整理,還附上時間碼。

許多公開Podcast節目的RSS會提供每集音檔網址。我只告訴Claude「找最新一集,想辦法整理重點」,它就自己找到RSS、下載音檔,還安裝了轉錄工具。

最後花了25分鐘,完成一集50分鐘節目的轉錄與重點整理,連時間碼都有附上!

不過,這是這次實測的結果。你想追蹤的節目能不能找到可用來源、順利轉錄,還是得實際跑一次看看。

AI持股追蹤注意事項:不自動下單,股票代號與轉錄疑點要查證

只幫忙追蹤,不拿來下單!聽不清楚的要標出來

這套AI持股追蹤流程用來蒐集與整理資訊,沒有讓AI幫忙下單。Podcast轉錄後,也要把聽得清楚的內容和根據上下文推測的內容分開,方便回頭確認。

同事的用法是幫自己盯狀況,我覺得這條線很值得守住。另外還有一個眉角:語音轉文字時,股票代號和人名容易出現誤差,AI可能會從上下文推測。

我會要求Claude把「轉寫較可靠的」和「推測的」分開列,附上對應的原始音檔時間碼,讓我知道該回去聽哪一段確認。

排程也不用一開始就追求完美。先跑幾天,發現有漏掉或判斷不準的地方,再請Claude一起調整流程和指令。

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:

Grok bot旅遊行程檢查教學:找出交通與證件風險,做成長輩看得懂的手冊

Claude、ChatGPT接力教學!用Google Drive共用專案,不用重講進度

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓