一個 Claude Code skill:用一面大師鏡片(預設一套交易原則蒸餾、可換),把你的真實交易復盤成一張卡—— 你做對的一件事 + 一個最大的洞(用你自己的數字)+ 一條下次要守的規矩 + 一句大師的話。
不是又一份統計報表。它做的是報表做不到的事:先算出你看不見的行為漏洞,再問出你不願承認的動機,最後逼你下次只改一件事。
完整流程(這才是產品本體)—— 在 Claude Code 裡:
/fomo-kernel # 沒給資料 → 跑內建 mock,走完「引擎診斷 → 對話問動機 → 定論卡」
/fomo-kernel ~/Downloads/my.csv # 復盤你自己的交易(任何券商 CSV)
卡的價值在第 ② 步那段對話 —— 引擎挑出可疑標的、問你「逢低還是凹單?」,你一句話定案,卡才出定論。光看引擎原始輸出看不到這層。 安裝見下方 安裝。
想先零安裝、看引擎在算什麼(機械層的原始診斷,還不是定論卡):
git clone https://github.com/atomchung/fomo-kernel && cd fomo-kernel
pip install -r requirements.txt
cd skills/fomo-kernel && python3 engine/trade_recap.py # 跑內建 mock,印出引擎原始診斷跑內建 mock 的引擎原始診斷長這樣(這是機械層輸出;真正的定論卡是 Claude 在 Step ② 對話問完動機後才收斂的):
復盤卡 · 大師鏡片 · mock demo
你帳面賺 +$143k,但幾乎全是「抱著沒賣」賺的;真正進出操作,要靠紀律不靠運氣。
帳面總損益 +$143,197 (已實現 $19k + 未實現 $124k)
主動買賣盈虧比 2.9 (平均賺 $2,851 vs 賠 $1,000)
贏大盤 +261pp · β 2.05 · AI 暴險 100%(回檔 30% = −$51k)
標的層診斷(按金額排序,小倉不糾結):
PLTR +$73,207 [v] 疑似定投(漲跌都買,不是凹單) · [!] 押太重 49%
NVDA +$60,556 [v] 疑似定投 · [!] 押太重 48%
ORCL +$2,974 [v] 紀律持有:賺 60%
AMD -$1,000 -- 大致中性
[v] 你做對的:進出有一致節奏,中位持有 162 天
[X] 最大的洞:部位 sizing — 最大一筆 PLTR 佔 48%,其餘平均 25%
[*] 下次只改:虧損部位一律不加碼;真想加,先整筆賣掉、隔天重買
> 鏡片原則:可以低成本試探一次,不代表完成長期信任的驗證
同一張卡的視覺版(深色卡片):
真實使用時,引擎還會挑出「金額大 + 虧損中狂加碼」的標的,在出卡前先問你「這是逢低還是凹單?」——機械分不出的動機,你一句話定案,卡才出定論。
⚠️ mock 的 α 數字會失真(持倉太集中、橫截面太窄),demo 別當真;真實多元持倉才看 α。
ChatGPT 算不出 FIFO 配對的真實 α/β、分不清你是「定投」還是「凹單」、也沒有你的歷史。這個 skill 三層遞進:
- 機械層(Python,確定性精算) — 算 ChatGPT 估不準的東西:
- 5 維行為診斷:部位 sizing / 加碼攤平 / 出場 / 分散 / 持有一致性
- 標的層診斷:按金額排序每檔(小倉不糾結),主從分類器分「疑似定投 vs 疑似凹單 vs 待確認」
- 報酬歸因:把「贏大盤」拆成「押對賽道(運氣/方向)」vs「選股(技巧)」——讓你看清賺的是本事還是膽子
- 鏡片層(大師原則 × 對話) — 機械分不出的「為什麼」,出卡前問你:
- 持股假設:「MSTR 一路加碼還虧,是還相信 thesis,還是不想認賠在凹單?」
- 動機:「賣掉賺錢的賣太早,是 thesis 到價,還是怕回吐?」
- 機械挑該問的少數標的,你的答案定性——機械永遠在猜,你一句話定案
- 處方層 — 從「你哪裡爛」進到「下一步換什麼做法」:揚長(放大你的 edge)/ 砍損耗(機械規則,下次可驗)
→ 最後收斂成一張卡,一個洞、一條下次能驗的規矩。第二次來,先對帳「上次那條守了沒」。
- skill 在你自己的機器上跑你的 CSV,不上傳到任何後端、不落地儲存到別處、不寫進記憶。
- 作者拿不到你的交易明細。唯一(自願)回收的是一句「這張卡有沒有用」,不含交易內容。
.gitignore已設:任何.csv都不會被 commit,只有 mock/sample 假資料例外。- 精確說:唯一會讀到你交易的,是你正在用的 Claude 本身——它要讀 CSV 才能幫你復盤,就跟你平常用 Claude 一樣。這跟把對帳單交給一個會存檔、你看不到、作者能撈的 SaaS,是兩回事(所以不是「完全不經過任何伺服器」,而是「不落地、不回作者、不進第三方」)。
第二次來,卡會先對帳「上次那條規矩守了沒」——這靠三個純本機檔撐起來(都在 ~/.trade-coach/,永不外傳、不回作者):
cat ~/.trade-coach/log.jsonl # 每行一次復盤(薄 metric + 你承諾的規矩);空 = 第一次
cat ~/.trade-coach/theses.jsonl # 每筆持倉的「為什麼持有 + 什麼條件算錯」(append-only,不覆蓋)
cat ~/.trade-coach/profile.md # 你的交易目標 + 3 條個人原則(復盤對照基準)
cat ~/.trade-coach/last_state.json # 最近一次引擎算出的薄狀態(含各持倉 shares/cost,對帳用;每次跑覆蓋)- 看歷次復盤 →
cat ~/.trade-coach/log.jsonl。 - 換哲學鏡片重來 / 清空對帳基準 → 刪掉或改名
~/.trade-coach/(刪了下次就當第一次)。 - thesis 寫歪了 → 改
theses.jsonl;它是 append-only,修正 = 補一筆新 event(別蓋舊的,才能跨期看你當初怎麼想、後來怎麼變)。 - 隱私自證:教練記憶就在
~/.trade-coach/這幾個檔、全在你機器上,作者那邊一行都沒有。
💡 想分享給社群? 卡預設只出完整私人版。對我說「給我分享版」,會輸出去敏感化的純文字版(隱藏金額 / 股數 / 精確佔比,只留行為 pattern + 相對績效 β/贏大盤 pp),可直接貼 X / Thread。
需要 Python 3.11+:
pip install -r requirements.txt # yfinance + pandas把 skill 掛進 Claude Code(二選一):
ln -s "$(pwd)/skills/fomo-kernel" ~/.claude/skills/fomo-kernel # A. symlink(推薦)
cp -r skills/fomo-kernel ~/.claude/skills/ # B. 複製(給別人用)在 Claude Code 裡:
/fomo-kernel # 沒給資料 → 跑內建 mock,看一次完整 demo
/fomo-kernel ~/Downloads/my.csv # 復盤你自己的交易
你的 CSV 來自任何券商都行——Claude 會自動讀懂、轉成引擎要的欄位(Symbol / Action(BUY|SELL) / Quantity / Price / TradeDate),不必你手動整理。
🏷️ 冷門股(引擎 sector 表不認的)Claude 會自動產生 driver map 給你確認(每檔標
[sector, 主題]),讓「分散」維不會把同主題的標的當成真分散——不必你手動弄,也別讓它落到driver map: 0 檔的 fallback(分散維會失準)。細節見 SKILL Step 0.5。
會發生什麼:① 引擎跑診斷 → ② Claude 在對話裡問你 1–3 個持股假設/動機問題(逢低還是凹單?)→ ③ 拿到你的答案,出一張定論卡。卡的版型見 card-template.html(完整四層的 HTML 範例)。
mock/ 下有四組虛構交易,各觸發一種典型洞。完整設計見 mock/SAMPLES.md:
cd skills/fomo-kernel
TR_DRIVER_MAP=mock/sample_fundamental.driver_map.json python3 engine/trade_recap.py mock/sample_fundamental.csv
TR_DRIVER_MAP=mock/sample_momentum.driver_map.json python3 engine/trade_recap.py mock/sample_momentum.csv
TR_DRIVER_MAP=mock/sample_value.driver_map.json python3 engine/trade_recap.py mock/sample_value.csv
python3 engine/trade_recap.py # 不帶參數 = mock_trades.csv| sample | 風格 | 該照出的頭號洞 |
|---|---|---|
sample_fundamental |
基本面選股 | 出場紀律(賺錢抱 120 天就跑、賠錢抱 378 天等回本) |
sample_momentum |
動能衝衝衝 | 部位梭哈 + 假分散(把 beta 當 alpha) |
sample_value |
只買便宜 | 加碼攤平(越跌越凹,把 INTC 凹成 43% 重倉) |
mock_trades |
方法論建立期 | FOMO 全 AI 假分散 + PLTR 攤平 |
⚠️ 引擎用 yfinance 抓真實歷史價算 α/β、市值、套牢,重跑時絕對數字會隨當前股價漂移;但每組設計觸發的頭號洞是穩定的(由交易行為決定,不靠特定股價)。
skills/fomo-kernel/
SKILL.md ← skill 本體(四步流程:格式 → 引擎 → 出卡前確認 → 定論卡)
engine/trade_recap.py ← 機械層:5 維 + 標的層主從分類 + 歸因(純函式,無真實路徑)
rubric/
vincent-yu.md ← 預設鏡片的原則蒸餾(逐條標出處;可換成別的大師)
vincent-yu.lens.json ← 鏡片的「可換大師層」:規矩/引言/動機問句(換大師 = 換這檔)
behavior-diagnosis.md ← 診斷哲學:對事不對人、行為多標籤(why 的設計記錄)
card-template.html ← 復盤卡 HTML 版型範例
mock/ ← 四組 sample 假資料 + 各自 driver map + SAMPLES.md
預設鏡片來自一位投資人公開文章的原則蒸餾(來源逐條標在 rubric/ 裡),屬引用非轉載、非經本人背書;鏡片可換,之後會補多位。
本工具定位 research / coaching support,所有輸出僅為交易行為回顧與紀律建議,不構成投資建議、不涉及任何標的買賣推薦;最終投資決策與結果由使用者自負。