今天，我經歷了開發 AI 投資系統以來最刺激的一場「攻防戰」。原本以為只是簡單的功能上線，沒想到卻是一連串關於資料庫精確度、API 效能，甚至是 AI 心理學（提示詞優化）的深度修煉。
當「AI 導師」開始胡說八道：戰勝幻覺的戰役
最讓我驚訝的瞬間，是當我看到戰情室卡片裡，明明是不同的股票，AI 卻千篇一律地寫著「預估 2026 年 EPS 12.5 元，目標價 180 元」。那一刻，我真切感受到了什麼叫 AI 幻覺 (Hallucination)。
原來，是因為我在 Prompt（提示詞）中為了引導格式，放了一個「範例」。結果 Llama 3.3 在找不到某些小型股的法人數據時，竟然圖方便，「參考」了範例裡的數字。這在金融投資領域是絕對不能容忍的錯誤。
我立即採取了行動：
- 重編提示詞：嚴格禁止 AI 自行編造，要求「若無真實數據，必須寫出：目前無相關法人最新預估數據」。
- 調低溫度感：將氣溫 (Temperature) 從 0.3 調降至 0.1。現在的 AI 變得更加嚴謹、話不多但句句屬實。
擊碎「轉圈圈」地獄：資料庫類型的陷阱
在部署過程中，我遇到了另一個大魔王：網頁持續顯示「AI 正在分析...」卻永遠跑不出來。在 F12 的報錯叢林中，我發現了隱藏在底層的 Bug —— 資料庫類型不匹配。後端程式用 DateTime 去連線資料庫的 Date 欄位，這微小的差異導致了 JOIN 查詢時的解析阻塞。
修正這個類型定義後，API 的響應速度從「卡死」變成了「秒開」。這再次提醒我，基礎設施的穩固程度，決定了 AI 應用的天花板。
從 1414 檔雜訊到 32 檔「精英」
看著戰情室從原本亂糟糟、混雜著沒有分析的 1414 檔標的，透過我實施的 物理資料清理 與 精英過濾邏輯，成功收斂至目前這 32 檔具有深度的「戰鬥型推薦」。
每一張卡片現在都具備了：
- 專業格式化股價：根據台股習慣，突破 100 元的標的以 0.5 元為跳動單位，不再出現那一長串令人尷尬的小數點。
- AI 情緒標籤：一眼看穿是 Bullish 還是 Neutral。
- 深度分析摘要：整合了 DuckDuckGo 即時搜尋與 Groq 頂級模型的觀點。
今天的感覺很充實。雖然我已經 55 歲了，但面對這些技術挑戰並一一克服時，那種邏輯通透的成就感，一點也不輸給年輕人。明天，我們將帶著這套「精英戰情室」，繼續向更穩定的自動化運作邁進。