先講結論： 要從掛單簿和成交資料裡，找出還沒人發現的超短線規律，這種又吃運算、又費腦力的工作，交給 GPT-6 Astra。資料整理、實驗環境、修錯誤、迴歸測試、回測、找碴反駁、工作排程，這些交給 Claude Opus 5.5。不要讓最聰明的AI什麼都做。把 Astra 當成昂貴的研究員，把 Opus 5.5 當成不會停工的現場主管，分成兩層來用。
1. 最讓人意外的不是聰明，而是它不會停，會一路做下去
在一次很長的軟體維護作業裡，AI 沒有修好第一個錯誤就收工。
有個測試失敗是執行環境不同造成的，它用依賴注入把原因拆開來。有個還在檢查舊規則的舊測試，它改寫了。有段稽核邏輯沒跟上共用驗證器的搬遷，它也修好了。最後，它還找出卡住正式建置的測試資料缺漏。每修好一處，就把全部測試重跑一遍，連真正的建置也跑過了。
對人來說，這比一次「天才式回答」更有價值。
請AI做事，瓶頸常常是「要有人來插手」的成本：
- 發現問題
- 修好一個
- 又發現別的失敗
- 說一句「接下來請檢查這個」就停下來
- 人得說「別停，繼續做」，再把它叫起來
Anthropic 把 Opus 5.5 定位成可以在較少人盯著的情況下，長時間寫程式、處理大型程式碼庫、跨多個工具執行代理任務的模型。官方也說，一般按 token 計費的工作，成本比 Opus 5 低約 40%。[1]
重點是，不要只用「能不能解開一道難題」來衡量AI的價值。到了實際工作，看的是它能不能一路做完：找原因、修正、驗證、再修、確認完成。
2. 那 Astra 就沒用了嗎？剛好相反，只拿它來做「探索」，這筆錢才花得值
GPT-6 Astra 是 OpenAI 為最困難的端到端工作推出的最高階模型，API 價格是每百萬 token 輸入 10 美元、輸出 50 美元，比 Opus 5.5 的 4 美元和 20 美元貴。[2][1]
OpenAI 介紹 Astra 時，也引用了 Jane Street 的評價：在「trading intuition（交易直覺）」的評測上，比 GPT-5.6 Sol 有明顯進步。OpenAI 針對金融服務推出的產品，也說 Astra 在查找資訊、金融推理、產出成品這三方面很強。[2][3]
所以，用 Astra 去整理 CSV、修套件相依、寫測試資料、改檔名，實在太浪費。
只把下面這種「研究型」的問題交給 Astra：
- 不知道到底什麼有效
- 可以挑的特徵很多
- 條件的組合很多
- 還說不清楚正確答案長什麼樣子
- 需要大量丟掉錯誤的假設
鋪路不需要開F1賽車。等賽道做好了，再請F1出場。
3. 掛單簿反向探索，不是先想指標，而是從未來的價格變動倒推回過去
常見的策略設計，是人先訂條件，像是「RSI低就買」「買盤很厚，搞不好會漲」。
反向探索剛好相反。
先用程式挑出這樣的時間點：0.5 秒後、1 秒後、3 秒後、5 秒後，價格的變動超過手續費和買賣價差。接著回到這些時間點之前的掛單簿和成交紀錄，找出它們有什麼共同點。
可以拿來當線索的有：
- 最佳買價、賣價附近的掛單量
- 多個價位上的掛單失衡
- 市價單的方向與力道
- 委託流失衡（order-flow imbalance）
- 撤單與新掛單的比例
- 掛單被補滿的速度
- 買賣價差變大、變小
- 成交後掛單簿恢復的樣子
- 微觀價格（microprice）與中間價的差距
- 波動率所處的階段
- 一天當中的時段
- 幾百毫秒之內事件發生的先後順序
Cont、Kukanov、Stoikov 的研究顯示，很短時間內的價格變化，和最佳買賣價附近的委託流失衡關係更密切，比單純的成交量更明顯，而且這個影響還會隨市場深度而不同。[4]
也就是說，掛單簿不是一張「買盤厚，所以會漲」的靜止照片。它是一連串隨時間流動的事件：新掛單、撤單、市價單、補單。
這一段，值得讓 Astra 去探索。
4. 但「試了100種，這個賺最多」，可能不是聖杯，而是過度擬合的抽獎
AI 探索最大的陷阱是：越聰明，能試的策略就越多。
Bailey 等人的研究談的就是這個問題：把大量回測候選都跑過一遍，再挑成績最好的，很容易挑到一個只是剛好在這批資料上表現好的策略。[5]
所以，當 Astra 找出一萬個條件，然後說「這個最強」的時候，反而要提高警覺。
做反向探索，至少要做到：
- 把探索用的期間和最後評估用的期間分開
- 不要只相信會打亂時間順序的隨機切分
- 不要一再回到同一段期間去調條件
- 記下總共試了多少個假設
- 看它在不同行情階段會不會失效
- 把手續費和買賣價差算進去再評估
- 檢查有沒有混進未來的資訊
這裡，讓 Opus 5.5 擔任「專門來推翻 Astra 發現的策略的審查員」。
Astra 負責發現，Opus 負責懷疑。
研究團隊裡，成員之間稍微不對盤一點，反而剛剛好。
5. 掛單簿回測最可怕的是：「那個價格，你真的成交得到嗎？」
在超短線裡，圖上看得到那個價格，和你的單子能用那個價格成交，是兩回事。
限價單要排隊。你前面還排了多少單、對手單進來多少、前面的單有沒有中途撤掉，都會改變你成交的機率。
2025 年刊登在《Management Science》的一項研究，討論了幾乎同時送出的限價單，也會因為隨機延遲而改變排隊順序。[6] 另外，最近一項針對加密貨幣市場的實證研究也指出：從看到掛單簿，到委託送達撮合引擎，中間有時間差，所以會出現看到的掛單量實際上吃不到的「沒成交」情形，這會影響高頻回測。[7]
因此，回測程式至少要能處理：
- 手續費
- 買賣價差
- 滑價（預期價格和實際成交價格的差距）
- 延遲
- 排隊位置
- 部分成交
- 撤單延遲
- 委託被拒、沒成交
- 逆向選擇（老是和比較懂行的對手成交而吃虧）
如果處理不了，Astra 的探索能力越強，「漂亮的假獲利」就做得越快。
AI變聰明了，成交模擬器卻很粗糙，就像給法拉利裝上紙板輪胎。
6. 最清楚的分工：Opus管工廠，Astra管研究室
實際運作時，這樣分最好懂：
| 工作 | 主要負責 |
|---|---|
| 取得掛單簿和成交資料 | Opus 5.5 |
| 處理資料缺漏、對齊時間、標準化 | Opus 5.5 |
| 建置 Parquet、資料庫、特徵庫 | Opus 5.5 |
| 實作回測程式和成交模型 | Opus 5.5 |
| 測試、避免改壞舊功能、整理紀錄檔 | Opus 5.5 |
| 準備目標變數和探索範圍 | Opus 5.5 + 人 |
| 反向探索未知的特徵和條件 | Astra |
| 提出假設、做分群探索 | Astra |
| 檢查是否偷看了未來資料（look-ahead／資料洩漏） | Opus 5.5 |
| 反駁過度擬合、行情依賴 | Opus 5.5 |
| 重新實作候選策略、大量重複驗證 | Opus 5.5 |
| 拆出下一個探索題目 | Opus 5.5 → Astra |
Anthropic 明確把 Opus 5.5 定位成寫程式、做代理、操作電腦、跨多個應用程式工作的「日常主力」。[1]
至於 Astra，OpenAI 自己說它是用於複雜推理、寫程式、操作電腦與研究的最高階模型。[2]
正因為兩者的能力有重疊，更有效的做法不是「誰行就讓誰全包」，而是「只在真正需要昂貴能力的時候才叫它」。
7. 讓Opus操作Chrome去使用Astra，原型階段很好；做成正式流程，用API更乾淨
讓有瀏覽器操作權限的 Opus 5.5 打開 Astra 的聊天頁面，然後：
- 把探索任務送給 Astra
- 確認它做完了
- 把結果拿回來
- 自己試著反駁
- 不夠的話，再送出下一輪探索
這種「AI 使用 AI」的架構，拿來做原型很容易看懂。
Opus 5.5 官方把操作電腦列為主要用途，所以只要有合適的瀏覽器、電腦操作工具，就能讓它指揮這類多步驟的工作。[1]
不過，一旦要反覆執行，通常用API比透過網頁畫面更好用。
透過瀏覽器會遇到：
- 登入過期
- 頁面改版
- 按鈕狀態不明
- 分不清是還在生成，還是卡住了
- 漏掉部分輸出
- 對話內容越來越長
- 瀏覽器本身出問題
用API的話，實驗編號、輸入資料的雜湊值、提示詞版本、輸出和評估結果，都能用固定格式存下來。
所以比較自然的順序是：
先用Chrome把人原本的操作照樣自動化，驗證值不值得做 → 探索流程穩定了，再改成API
一開始不用造太空船。先在腳踏車上綁個火箭，確認自己真的想往那個方向走。
8. 最終目標不是「讓Astra思考」，而是「只把值得Astra思考的問題交給它」
最浪費的做法，是把一大堆原始資料和跑不動的程式碼一股腦丟給 Astra，說：
「幫我找個能賺錢的策略。」
強的做法剛好相反。先在 Opus 5.5 這邊：
- 確保資料品質
- 建好可以重複實驗的環境
- 準備好探索用的API
- 訂好什麼算成功
- 把成本模型加進去
- 讓資料洩漏檢查自動執行
- 把結果存下來
- 對 Astra 交回來的候選，另外做反駁驗證
這些都做好之後，再讓 Astra 去挖「人還沒想到特徵的地方」。
這樣一來，工作的流向就變成：
Opus 5.5 打好地基 → Astra 去挖未知 → Opus 5.5 想辦法推翻 → 只有留下來的才進入下一步
不是把一切都交給一個天才AI。
讓研究員做研究，讓現場主管管現場。
到了AI代理的時代，最管用的，說到底還是怎麼設計團隊分工。
參考資料（7筆）
- Anthropic — „Introducing Claude Opus 5.5“ und Produktseite zu Claude Opus (22.09.2026) https://www.anthropic.com/claude/opus Belegt die Einordnung von Opus 5.5 bei agentischem Programmieren, langen Arbeiten, Computernutzung und Abläufen über mehrere Anwendungen, außerdem Preise und die rund 40 % geringeren Kosten typischer, nach Token abgerechneter Arbeiten im Vergleich zu Opus 5 anthropic.com
- OpenAI — „GPT-6 Astra: A new generation of intelligence“ und API-Modellseite zu GPT-6 Astra (09/2026) https://developers.openai.com/api/docs/models/gpt-6-astra Belegt die offizielle Einordnung von Astra, die API-Preise und das Zitat von Jane Street zu Fortschritten bei „Trading Intuition“-Tests gegenüber GPT-5.6 Sol openai.com
- OpenAI — „Introducing ChatGPT for Financial Services“ (10.09.2026) Belegt die Einordnung von Astra bei Informationssuche, Finanzanalyse und der Erstellung fertiger Ergebnisse openai.com
- Cont, Rama; Kukanov, Arseniy; Stoikov, Sasha — „The Price Impact of Order Book Events“, Journal of Financial Econometrics 12(1), 2014 Belegt den Zusammenhang zwischen kurzfristigen Kursänderungen, dem Ungleichgewicht im Orderfluss und der Markttiefe arxiv.org
- Bailey, David H.; Borwein, Jonathan M.; López de Prado, Marcos; Zhu, Qiji Jim — „The Probability of Backtest Overfitting“, Journal of Computational Finance https://doi.org/10.21314/jcf.2016.322 Belegt das Risiko, dass die Auswahl des besten Ergebnisses nach dem Test vieler Strategiekonfigurationen einen überangepassten Gewinner liefert escholarship.org
- Yueshen, Bart Zhou — „Queuing Uncertainty of Limit Orders“, Management Science, online veröffentlicht am 17.09.2025 Belegt die Unsicherheit der Position in der Warteschlange und zufällige Verzögerungen bei fast gleichzeitigen Limit-Orders pubsonline.informs.org
- „The good, the bad, and latency: exploratory trading on Bybit and Binance“, Quantitative Finance, 2025 Belegt Latenz, nicht ausgeführte Orders, Slippage, Adverse Selection und Fragen bei Hochfrequenz-Backtests doi.org
