phenomenoner

嗨，我是 phenomenoner 👋

台股量化交易 · Agent Infrastructure · Software Engineering

做過交易系統，現在主要寫 agent runtime、記憶與協作工具，還有 Codex workflow。

📍 Taipei · 25°N, 121°E

我原本做台股量化與演算法交易。交易系統不能只看回測漂不漂亮；真的上線之後，每一筆動作都要有紀錄，權限要收得住，行情或券商斷線時不能亂做事，出問題也要能重播還原。

後來一路做到 AI agent，習慣沒有差太多。我在意的不是 demo 看起來多聰明，而是系統跑久了之後還查得到、停得住，重啟後也接得回來。能用 deterministic code 處理的事情，我不會硬丟給模型猜。

該由程式守住的就寫清楚；該由人決定的，就不要偷偷自動化。

agent-harness-core — 模型外圍那些不太適合拿來 demo、但上線後最容易出事的部分：ingress、權限、佇列、投遞、稽核，以及跨重啟續跑。目前以 Rust 實作，6 個依賴、沒有 async runtime；1,200+ 個測試不需要呼叫模型，Telegram / Discord 可以直接接。
Chatgpt-Codex-App-Plus — 把平常累積的 Codex skills、review gate、長時間命令監督與分工規則，整理成可安裝、可檢查的公開版本。不是把整份個人設定直接打包上傳；同步只收 manifest 核准的檔案，碰到憑證、私有路徑、未知檔案或 hash 不一致就停。
hermes-agent-harness-plus — 長時間跟 AI 工作時用的本地工作台，保存任務畫布、證據摘要與語意索引。早上查到的東西，不會到下午就被長對話洗掉；資料也留在自己的電腦。

openclaw-mem — 重點不是讓 AI 記得越多越好，而是每筆記憶都要知道從哪裡來、為什麼被採用或排除，改壞了也退得回去。查詢結果會受信任政策約束，不是單純做相似度搜尋。
a2a-superhub — 讓不同框架的 agents 共用任務、artifacts 與記憶。Agent A 先做到一半，Agent B 晚幾天再醒來，還是能沿著出處接手；底層內容用 Markdown 保存，Obsidian 和 git 都能直接處理。

steamer-card-engine — 台股當沖策略 runtime。策略卡只寫交易意圖，不直接碰券商下單；停損、強制平倉、緊急煞車與 replay 都放在架構層處理。
neoapi-skill — 把富邦 Neo API 的官方文件與實務防呆整理成 AI 能照著走的 workflow。測試與正式環境分開，附離線文件快照，也把常見下單風險寫進 13 條 guardrails；Codex、Claude、Gemini 都能使用。

Domains: AI Agent Infrastructure · Memory Governance · Multi-Agent Coordination · 台股量化／演算法交易

如果你剛好也在做 agent runtime、memory 或交易系統，歡迎來信。比起 pitch，我比較喜歡直接聊設計、失敗案例和怎麼驗證。