เอเจนต์การลงทุน อย่าเสียค่าธรรมเนียมให้โบรกเกอร์เพื่อใช้ AI ลงทุนเลย มาแชร์โอเพนซอร์สและสร้างกันเองดีกว่า (หรืออย่างน้อยก็ทำแบบอื่นที่คล้ายกัน)

เรื่องสแตก อินฟรา และรายละเอียดเชิงเทคนิค ถ้าสนใจก็ดูใน GitHub ได้เลย ข้ามส่วนนั้นไป
ช่วงนี้มีเอเจนต์ลงทุนเยอะมาก เลยขอแนะนำเฉพาะจุดที่โปรเจกต์นี้มีความพิเศษเป็นพิเศษอยู่ไม่กี่ข้อ

1. การจัดการบัญชีถูกพัฒนาด้วย event sourcing เพื่อให้ออกแบบมาให้ทุกอย่างสามารถทำซ้ำและตรวจสอบได้ และก่อนรันแบตช์จะมีการตรวจสอบแบบ event-based ก่อน

2. ไม่ได้ใช้การตัดสินใจที่ต้องผ่านหลาย agent node แต่เป็นเอเจนต์เดี่ยวที่ใช้เครื่องมือและความจำเพื่อตัดสินใจด้วยตัวเอง

3. หากมีหลายเอเจนต์ ก่อนเทรดขั้นสุดท้ายแต่ละตัวจะแชร์การตัดสินใจกันเอง และหลังเทรดจะมีการสร้างโพสต์สไตล์กระดานสนทนาสนุก ๆ ให้ผู้ใช้

4. นอกจาก tool ที่ให้ผ่าน API ซึ่งเอเจนต์ใช้งานได้แล้ว ยังมี tool อีกราว 20 ตัว รวมถึง tool ที่ทำขึ้นเอง เช่น การใช้ BigQuery กับโมเดล ML 4 ตัวเพื่อทำ stacking เป็นต้น

5. ฝั่งความจำตั้งใจทำไว้เยอะพอสมควร โดยพื้นฐานจะดึงข้อมูลมาจากทั้ง vector DB และ BigQuery raw และความจำถูกแบ่งเป็น 3 ระดับ กำหนดระยะเวลาจดจำต่างกันตามความสำคัญ พร้อมตั้งค่าเส้นโค้งการลืมแบบเอ็กซ์โปเนนเชียล นอกจากนี้ยังทำความจำให้อยู่ในรูปกราฟ เพื่อให้ความจำที่เกี่ยวข้องกับความจำหนึ่ง ๆ ถูกดึงโยงตามออกมาได้ และตั้งค่าให้จดจำเชิงความหมายเฉพาะสิ่งที่ผ่านการตรวจสอบบนฐาน ontology เท่านั้น ตอนเริ่มแบตช์จะมีการใส่ความจำบางส่วนเข้าไปใน initial context และเมื่อเอเจนต์ทำ tool calling ก็จะทำให้ความจำที่เกี่ยวข้องตาม ticker ถูกแนบมากับ tool response ด้วย จึงพยายามทำให้รูปแบบความจำใกล้เคียงกับ “มนุษย์” มากที่สุด
   ex :
   ตัวอย่าง) หากในรอบใดรอบหนึ่งซื้อ AAPL ในช่วงก่อนประกาศผลประกอบการตอนที่ RSI อยู่ในภาวะซื้อมากเกินไป แล้วขาดทุน:

การเก็บ 3 ระดับ: เพราะเป็นการขาดทุนและมีความสำคัญสูง จึงเก็บไว้ใน episodic (ความจำระยะกลาง) หากรูปแบบคล้ายกัน (ก่อนงบ - RSI ซื้อมากเกินไป→ขาดทุน) เกิดซ้ำ ก็จะเลื่อนขั้นเป็น semantic (บทเรียนระยะยาว)
เส้นโค้งการลืม: ธุรกรรมทั่วไปเมื่อผ่านไป 2 สัปดาห์จะลดน้ำหนักอัตโนมัติ แต่ความจำที่กำไร/ขาดทุนมากหรือถูกเรียกดูบ่อยจะค่อย ๆ ถูกลืมช้าลง
การเชื่อมแบบกราฟ: ครั้งต่อไปที่ต้องตัดสินใจเกี่ยวกับ AAPL จะไม่ได้มีแค่ความจำนี้เด้งขึ้นมา แต่ความจำที่เกี่ยวข้องอย่าง "ความกังวลเรื่องซัพพลายเชนจีน", "ภาคเซมิคอนดักเตอร์อ่อนแอ" ก็จะถูกดึงตามมาด้วย
การตรวจสอบด้วย ontology: จะเหลืออยู่เป็นความจำเชิงความหมายเฉพาะความสัมพันธ์เชิงโครงสร้างอย่าง AAPL --risk_to--> ซัพพลายเชนจีน เท่านั้น ส่วนสิ่งที่กำกวมหรือหาหลักฐานไม่ได้อย่าง "AAPL ดูไม่น่าไว้ใจนิด ๆ" จะถูกคัดออก
จริง ๆ ยังมีเอเจนต์เสริมอีก 2 ตัว คือสำหรับค้นหาข่าว และตัวที่หลังจบแบตช์จะสรุปว่าเอเจนต์ลงทุนทำอะไรไปบ้างแล้วใส่กลับเข้า memory

6. ใน UI ดูได้แทบทุกอย่างและปรับแต่งได้เกือบทั้งหมด ตั้งแต่ codebase ของ tool (แม้จะอยู่ใน GitHub อยู่แล้ว แต่มีไว้เพื่อความสะดวก), ทุกพรอมป์ต์ที่ถูกใส่ให้ llm, ผลลัพธ์ของ tool เป็นต้น การปรับแต่งทำได้ทั้งการตั้งค่าที่เกี่ยวกับโมเดล การจัดการความเสี่ยง พรอมป์ต์ (เช่น กำหนดสไตล์การลงทุน วิธีเขียนโพสต์กระดานสนทนาได้อย่างอิสระ), จะใช้เครื่องมืออะไรบ้าง (ถ้าไม่ชอบเครื่องมือที่มีให้ ก็สร้างเครื่องมือเองแล้วเอาไปเปิดบน MCP เพื่อเชื่อมต่อได้), การจัดการความจำ (ระบบความจำด้านบนทั้งหมดก็ปรับเองได้) ฯลฯ จึงสามารถออกแบบเอเจนต์ลงทุนในแบบของตัวเองได้

7. ผลตอบแทน ตอนนี้ตลาดสหรัฐยังน่าเสียดายที่ทำได้ต่ำกว่าผลตอบแทนตลาด แต่เพราะยังอยู่ช่วงเริ่มต้นคงต้องดูกันต่อไป ส่วนตลาดเกาหลีแม้ไม่มีในโชว์เคส แต่ก็ใกล้เคียงผลตอบแทนตลาด

อย่างไรก็ตาม ต่อไปการลงทุนก็คงค่อย ๆ ถูกส่งต่อไปให้เอเจนต์มากขึ้นเรื่อย ๆ และประเด็นสำคัญคือจะใช้เอเจนต์ของคนอื่นแล้วจ่ายค่าธรรมเนียม หรือจะสร้างเอเจนต์ของตัวเองเพื่อประหยัดค่าธรรมเนียม ซึ่งที่เปิดโอเพนซอร์สก็เพื่อชวนให้ไม่ต้องไปจ่ายทั้งค่าธรรมเนียมซื้อขายและค่าเอเจนต์ให้บริษัทหลักทรัพย์ แต่ให้ค่อย ๆ พัฒนาและสร้างกันเอง