AI Agent 投資系統實戰課｜No code 打造專屬投顧團隊
關於課程
預計包含
預計課程時長
當前購買數
觀看限制
學習升級
課程內容
募資期間｜購課解鎖活動規則說明
【活動規則說明】 📍 募資達成率累計至募資結束該刻 📍 募資期間：2026/09/29 中午 12:00 起至 2026/12/13 晚間 23:59 截止 📍 購買流程：期限內購買本課程的同學，請務必於結帳流程正確填妥收件資訊，並完成付款 📍 活動規則：本開課講師保有解鎖活動最終解釋權，亦有修改解鎖活動內容的權利。若有任何疑問請在課程問答區提出。 Q1：解鎖活動執行時間與聯繫？ - 執行時間：正式開課日後一個月內，我們會以募資達標結果公布於「課程公告欄」通知同學 - skill＆電子書：屆時將同課程釋出時，一同附在課程教材區提供給購課同學們。 - 《Python AI》課：我們將於開課一個月內，抽出於 10/8（四）前的 100 位購課同學，並在「課程公告欄」公布得獎名單，後續老師也會寄信給同學們提供上課連結，讓得獎者可以加入老師的課程。 - 若課程提早上線會再寄出上課連結，老師將發公告告知學員！ Q2：購買後，要在哪裡填收件資訊呢？ - 按下「馬上預購」後，將導向「付款資訊」頁面，最下方即可填寫收件資訊、聯繫資訊 email，請參考下方附圖。 ⚠️ 若要參加活動者，務必於下方「付款資訊」頁面填寫收件資訊、聯繫 Email 喔！
一、看懂全局，再開始投資｜AI 幫你看見整個產業的脈絡
投資一家公司之前，先看清楚它站在產業鏈的哪個位置。這一章用十二層 AI 供應鏈架構圖，說明需求與金流如何由終端拉動上游，哪幾層接近寡占、產能瓶頸卡在哪裡；接著完成 AI Agent 與資料來源設定，讓分析建立在可查證的即時資料上，並完成第一次 AI Agent 分析
🎯 學習目標
- 定位公司在供應鏈十二層中的位置，看懂收入來自哪層支出、產能受哪層限制
- 用需求與資金流動結構，判讀產業循環沿哪條路徑影響哪幾層
- 指出先進製程、先進封裝、HBM 三個物理瓶頸所在層別
- 完成 AI Agent 環境安裝與資料來源設定，讓分析直接查詢即時原始資料
- 分辨一般 AI 對話與 AI Agent 的差別：後者會自己拆解任務、讀取數據、產出檔案
🧰 你將可以獲得
- AI 供應鏈十二層架構圖一張，標出每層角色、四國分工與寡占情形
- 十二層細節頁各一份，拆出子層分工、領先訊號指標與對應公司
- 全層公司總表一份，近 200 家公司可依國別與層別篩選
- 一套避開 AI 幻覺的資料來源設定，美股到台股數據都有根有據
- 第一次在 AI Agent 動手示範：一句話交代需求，自動完成趨勢分析
▼ 整個 AI 產業從最終需求到最上游設備零件共十二層，每層都寫明在做什麼、四國各佔多少份量，可點開看內部分工與對應公司，看完就知道關心的公司站在哪一層。
二、打造你的 AI 分析師｜不再只看別人的結論
看到別人喊的訊號，你只能選擇信或不信，因為看不到它怎麼算出來的。這一章把技術分析方法寫成技能說明書交給 AI Agent，讓它照你的方法算指標、找型態，產出能追得出每個數字來源的報告
🎯 學習目標
- 把分析方法寫成 Skill，交給 AI Agent 重複執行，不必每次拼湊提示語
- 掌握 Skill 架構與匯入方式，同一份知識也能移植到其他 AI 工具共用
- 從原始股價自建 RSI、MACD、布林通道等指標，判讀 W 底、M 頭型態與支撐壓力
- 把結果輸出成 HTML、Excel 與 PDF 文件，掌握後續新 Skill 加入方式
🧰 你將可以獲得
- 技術分析 Skill 文件一份，涵蓋 12 項指標定義、8 類價格型態判別
- 指標自算的資料層程式，從原始股價算出指標、型態、背離與量價分佈
- 美股與台股共用同一套分析流程，資料來源依代號自動切換，台股採還原股價避開失真
- 互動式技術分析報告 HTML 範本，K 線與指標分層對照，型態與訊號直接標在圖上
- 報告輸出 Skill 一組，同一份分析結果可再產出 HTML、Excel、PDF
- Skill 資料夾架構與匯入步驟，之後每章新 Skill 都用同一方式加進系統
▼ 把技術分析方法寫成 Skill 文件，交給 Claude Code、OpenAI Codex 或 Google Gemini 執行，輸入指令與股票代碼就開始分析股價趨勢
三、真正看懂一家公司｜不只看表面那幾個數字
營收成長、每股盈餘這些頭條數字，往往不能直接拿來判斷一家公司。用 AI 讀完財報文件、法說會逐字稿與估值假設，還原它真正的體質
🎯 學習目標
- 用固定框架解讀公司體質，不只看營收與獲利的表面數字
- 直接從美國證券管理委員會（SEC）讀取申報文件，不仰賴第三方二手數字
- 從法說會逐字稿讀出管理層對未來與產業的看法，轉成估值假設依據
- 用相對估值、現金流折現與分析師共識三種方法進行客觀分析
- 讓多個 AI 分工執行，把財報、法說會、估值結果整合成可讀的研究報告
🧰 你將可以獲得
- 財報分析 Skill 文件一份，涵蓋 8-K、10-Q、10-K 分析流程，數字全部來自主管機關原始文件
- 法說會分析 Skill，把逐字稿整理成管理層指引、關鍵原話與問答重點
- 估值分析 Skill，內含相對估值、現金流折現與分析師共識估值法，並在方法間交叉驗證
- 多角色協作分析流程，一道指令依序完成財報、法說會與估值分析，自動判斷哪份該重跑
- 互動式整合報告 HTML 範本，從財報事實走到估值情境，假設可自行調整即時看到變化
▼ 分析不同產業的公司財報，追查方向會跟著產業與當季狀況改變，而不是每家都套同一組指標、給同一種結論。透過多角色分工的整合報告，把財報事實、法說會指引、市場反應與估值位置收進同一份文件，估值假設還可以自己調整
四、與 AI 一同成長｜你的系統會記住每一次分析
每次數據的更新都是一條故事線的延伸，課程教你讓 AI 把每次分析記憶起來，淬煉出晶華的觀點，納進你的知識庫，為每一次的市場變化做好準備
🎯 學習目標
- 建立自動學習迴圈，讓 AI 每次分析後把發現的規律與陷阱寫進知識庫，優化投資分析迴圈
- 分析結束後與 AI 一起覆盤流程本身，由你決定哪些改進寫進系統、哪些不要
- 把新的分析想法做成待驗證清單，用歷史數據逐條回測，通過的才納入分析流程
- 理解回測的正確用途是驗證分析邏輯是否站得住腳，而不是尋找歷史報酬最高的參數組合
🧰 你將可以獲得
- 優化迴圈的完整規格一份，涵蓋哪些發現值得寫、寫入格式，以及分析前自動讀回的三種作法
- 人機覆盤的提問框架：分析跑完後由 AI 指出流程缺口並提出改法，採不採納由你決定
- 待驗主張清冊範本：把還沒被數據檢驗的想法逐條登記，附確認、證偽、理由改寫三種結案標準
- 回測流程與五項陷阱檢查，另附一支可改寫事件定義後複用的回測腳本
▼ AI Agent 投資系統有三個優化迴圈：AI 與分析方法之間反覆修正、你與分析報告之間校準判讀、你的判斷與市場實際結果之間驗證。每個迴圈的產出都是下一個迴圈的輸入，這一章教你把三個迴圈串接起來，不間斷地優化投資分析策略
五、讓 AI 替你盯盤｜該知道的，第一時間到你手機
讓 AI Agent 替你看盤，每隔幾分鐘檢查一次觀察清單，符合你設定的策略條件才發一則訊息到手機；收盤後再跑一次完整分析，把關注清單裡當天發布財報的公司整理成報告寄到信箱，你都只需要用自然語言交代一次，之後系統自己持續運作、不必再重複操作
🎯 學習目標
- 用自然語言寫出監控條件，把「均線黃金交叉」「RSI 突破超賣區」這類策略交給 AI 判斷，不必自己寫程式
- 建立定時執行機制，把符合條件的結果主動送到手機
- 讓 AI 每天把關注清單裡當天發布財報的公司分析完，整理成報告寄到信箱
- 理解自動化的邊界：條件由你設定、判斷由 AI 執行，最終決策仍在你手上
🧰 你將可以獲得
- 手機通知系統一套，從申請機器人、取得金鑰到發出第一則測試訊息，每個步驟都拆到單一動作，不需要程式基礎
- 監控清單範本，用自然語言寫條件，照著改成自己的股票就能用
- 盤後報告的產生與寄送流程，讓 AI 跑完整分析後整理成易讀格式寄進信箱
▼ 盤中每隔幾分鐘，AI 會用你寫的條件檢查一次觀察清單，只有真的符合才發訊息到手機；收盤後再跑一次，把關注清單裡當天發布財報的公司分析完、整理成報告寄到信箱。這兩件事你只需要交代過一次，之後每天自己執行，不必再重複設定
六、台股籌碼面分析｜看懂主力在做什麼
台股每天收盤後都會公布三大法人買賣超、融資融券、分點進出這些美股沒有的數據，但原始數字本身不會說話，這一章讓 AI 整理成看得懂的籌碼分析報告。
🎯 學習目標
- 讀懂台股獨有的籌碼數據，包含三大法人、融資融券、分點進出與期貨未平倉各自反映什麼
- 從個股層級追蹤主力動向：融資融券餘額變化、分點進出集中度、大股東持股增減
- 從市場層級判讀資金流向：三大法人買賣超、官股銀行動向、大盤融資水位
- 用期貨未平倉與 Put/Call Ratio 判讀市場情緒，辨認結算日這類讓數字失真的情境
- 在採信一種籌碼讀法之前先做配對驗證，避免把常見說法當成已成立的事實
🧰 你將可以獲得
- 台股數據取數 Skill 一份，從股價到月營收與除權息，涵蓋 13 類資料解讀
- 籌碼判讀 Skill，把原始數據轉換成判讀指標的流程
- 每日盤勢報告範本，盤後籌碼與隔日盤前情緒分析
- 籌碼結構報告範本，從外資與投信資金流向到個股融資熱區
▼ 收盤後把當天關鍵數字、外資與官股動向、散戶槓桿水位整理成報告，隔天開盤前再補上美股與匯率變化
▼ 直接問一個具體問題，例如這波下跌誰在賣、誰在買，AI 會抓法人與融資融券資料重新計算後回答，答案來自數據本身
七、看懂世界怎麼影響你的投資｜AI 幫你讀懂全球脈動
總經數據、重要日程、全球新聞，用 AI Agent 整理成一份看得懂的脈絡，並且只留下與你相關的部分
🎯 學習目標
- 建立總體經濟指標之間的關聯脈絡，從數字高低進到它如何影響利率與市場
- 理解 CPI、PPI、PCE 等指標的分工與差異，判讀聯準會（Fed）的政策動向
- 掌握非農就業、初領失業金等勞動數據的發布時程與判讀方式
- 用 AI Agent 自動整理未來一週的財報與經濟數據日程，提前知道重大事件
- 依自己關心的標的與產業篩選當日全球新聞，把雜訊擋在報告之外
🧰 你將可以獲得
- 總經分析 Skill 文件一份，涵蓋通膨、就業、金融狀況、衰退預警與聯準會政策判讀策略，並附跨來源交叉驗證方法
- 官方數據讀取 Skill，直接對接美國官方統計單位，取得 CPI 分項與就業數據第一手數值
- 財經行事曆 Skill，把未來一週財報發布與經濟數據公布時程整理成可瀏覽的互動日曆
- 新聞彙整 Skill，依你關心的標的與產業過濾當日全球財經新聞，產出重點摘要
- 互動式總經報告 HTML 範本一份，指標圖表與判讀敘述並陳，可自行更換數據期別重複產出
▼ 財經行事曆模組一次整理未來一週的財報與經濟數據公布時程，提前知道哪幾天需要多留意
▼ 總經分析模組把不同官方來源的通膨與就業數據，整理成帶有判讀脈絡的報告，說明數字之間如何互相影響
八、看懂你手上的 ETF｜買了放著，也要留意風向變化
用 AI Agent 穿透 ETF 成分股與權重，算出單檔 ETF 的真實分散度與集中位置、比對多檔之間的重疊度與相關性、把手上幾檔合併成一份真實曝險，再接上通膨與利率數據，說明當前環境正從哪個機制影響組合
🎯 學習目標
- 透視單一 ETF 的實際結構，權重集中在哪幾家、產業與國家怎麼分布、費用率影響多大
- 比較多檔 ETF 的個股重疊度與報酬相關性，辨認哪幾檔其實是同一份曝險買多次
- 把整組 ETF 合併穿透，算出跨檔之後的真實產業曝險、大型科技權重與股債比重
- 把當前的通膨、利率與衰退狀態接到自己的部位上，說明目前影響組合的關鍵因素
🧰 你將可以獲得
- ETF 結構分析 Skill 一份，以持股明細為基礎，單檔透視、多檔比較與整組合穿透
- 集中度與重疊度計算方式，包含有效檔數、個股加權重疊與報酬相關性
- 整組合穿透報告範本，把多檔 ETF 合併成一份真實曝險，並標出彼此重複的部分
- 總經環境與 ETF 結構對照表，說明不同環境下哪些結構特徵會承壓
- 一套定期健檢做法，從穿透曝險走到環境判讀，重跑就能看出組合變了什麼
▼ 透視一檔追蹤大盤的 ETF，看權重集中在哪幾家、產業怎麼分布；有好幾檔可以放在一起比對重疊程度，再穿透整組看市場強弱分布。直接問 AI，在當前通膨與利率環境下，你的 ETF 正處於順風還是逆風
Bonus 募資達標新增課程說明
在地緣衝突與政策衝擊發生時，用框架拆出事件影響部位的路徑；讀懂機構每季申報的持倉變動；把分析結論沉澱成互相連結的筆記，下次能查回怎麼判斷；再加上一組涵蓋技術、基本、籌碼、期貨、選擇權的台股技能說明書
🎯 學習目標
- 把各自獨立的分析報告萃取成互相連結的 Obsidian 筆記，串成看得出彼此牽動的知識網路
- 遇到地緣衝突或政策轉向時，用分析框架拆出風險傳到部位的路徑，列出觸發條件與觀察指標
- 讀懂機構的 13F 季度持倉申報，了解本季建倉、加碼、減碼和清倉哪些公司，同一部位跨五季怎麼變
- 台股全方位技能說明說分析基本面、技術、籌碼、期貨、選擇權，從不同面向評估整體台股表現
🧰 你將可以獲得
- 分析報告淬鍊成 Obsidian 知識網路的 Skill 一份，四大筆記型態與論點成立門檻
- 台股分析 Skill 文件一組，涵蓋技術、財報月營收、三大法人、融資融券、分點、期貨與選擇權
- 機構持倉分析 Skill 一份，算出本季建倉、加碼、減碼、清倉與前十大權重變化，回溯五季軌跡
- 13F 判讀紀律，分清哪些數字可直接引用、哪些須另外查證、哪些只能寫成研判
▼ 每跑完一次分析，就把結論萃取成一則筆記，公司與總經指標各有頁面，跨時間或跨公司的判斷另立論點。筆記互相連結後長成一張圖，指向任一主題時相連的公司與論點會一起亮起——原本獨立的幾十份報告，成為可往回查的網路
- 課程作業規劃：課程作業將會請同學分享自己透過 AI 實作的投資分析為主，作業結果將不會有正確答案，而是展現同學所學的內容，Ryan 會在同學上傳作業後給予適當的建議
- 回答問題的頻率：預計在一周內回覆，若臨時有其他專案進行也會盡量在兩週內回覆
- 批改作業的頻率：因為同學的作業成果都是需要思考和理解，所以需要花費較多的時間回應，會依據作業繳交的順序批改，預計是在兩週內完成批改作業
為了使課程更加豐富且完整，目前課程預計分成二階段上線：
- 第一批次課程｜CH1～CH4｜預計於 2026/12/30 釋出
- 第二批次課程｜CH5～CH8｜預計於 2027/01/27 釋出
📍 講師與課程團隊若製作進度有超前，將會儘早更新上架，再次感謝各位學員的耐心！
本課程旨在透過 AI 工具整理碎片化的投資資訊，幫助大家在決策設定上更有依據，但投資風險有賺有賠，需自行承擔投資的風險與後果。
