O czym jest ten film
- Autor powtarza tradingowe wyzwanie sprzed kilku miesięcy — wtedy Claude, dysponując 10 000 dolarów prawdziwych pieniędzy, wyprzedził S&P 500 o ponad 8 punktów procentowych; teraz tę rolę ma przejąć GPT-6 Astra.
- Zastrzeżenie: to nie porada inwestycyjna. Zalecana kolejność to najpierw handel na wirtualnych środkach, dopiero potem automatyzacja na realnym koncie.
- Strategia narodziła się w zwykłej rozmowie z modelem — Astra rozesłała około dziesięciu podagentów do researchu i zebrała wnioski w dokumencie strategicznym.
- Rama wyzwania: 10 000 dolarów, siedem sesji giełdowych, sześć uruchomień agenta dziennie (od 7:45 do 14:45 czasu centralnego USA), w stylu tradingu dziennego.
- Kluczowy problem techniczny: agent po każdym uruchomieniu „budzi się” bez pamięci, więc ciągłość zapewniają wspólne zapisy — log postępu i notatka przekazaniowa dla następnego startu.
- Z góry przebrano scenariusze awarii: brak wcześniejszego zapisu, padnięcie sesji po wysłaniu zlecenia, nakładanie się uruchomień, uszkodzone pliki, utrata łączności.
- Handluje się przez brokera Alpaca: klucz API oraz sekret trafiają do pliku .env — nigdy do okna rozmowy z agentem.
- Zadania planowane działają lokalnie, nie w chmurze — tylko lokalnie można wybrać model GPT-6 Astra i wysoki poziom rozumowania.
- Wszystkie sześć procedur plus dwa zadania powiadamiające pracują w jednym wątku rozmowy, a raporty trafiają dwa razy dziennie do ClickUp.
- Projekt jest odizolowany w osobnym folderze, a podgląd działa zdalnie z telefonu; wyniki wyzwania zapowiedziano w kolejnym filmie.
Redakcyjne tłumaczenie
Punkt wyjścia: od Claude’a do Astery
Niedawno przeprowadziłem tradingowe wyzwanie: oddałem Claude’owi 10 000 dolarów z własnej kieszeni i pozwoliłem handlować akcjami. Po miesiącu mój wynik był o nieco ponad 8 punktów procentowych lepszy od indeksu S&P 500 — szczerze mówiąc, zrobiło to na mnie wrażenie. Skoro na rynku pojawił się jeszcze mocniejszy model, GPT-6 Astra, powtarzam całość od nowa. Zanim jednak ruszy kolejna edycja wyzwania za 10 000 dolarów, chcę pokazać dokładnie, jak konfiguruję cały system — tak, żebyś mógł, jeśli zechcesz, w podobny sposób zamienić Astrę w tradera pracującego dla ciebie na okrągło.
Zanim ruszymy: to nie jest porada inwestycyjna
Na wstępie jedno zastrzeżenie: nic z tego nie jest poradą inwestycyjną. Nie namawiam, by oddać agentowi AI 10 000 dolarów do handlu. Rozsądna kolejność wygląda raczej tak: zacznij od handlu na wirtualnych środkach, dopracuj strategię, która ci odpowiada, a dopiero potem automatyzuj jej fragmenty. A jeśli grasz na giełdzie codziennie i co tydzień, wykorzystaj AI do czegoś innego: niech dostarcza ci aktualizacje i pilnuje notowań, żebyś nie musiał sam w kółko sprawdzać poszczególnych spółek.
Strategia rodzi się w rozmowie
Na ekranie widać moment, w którym przechodzę do konfiguracji automatycznych procedur — tego, co ma działać bez mojego udziału. Poprosiłem model, żeby najprościej, jak potrafi, streścił naszą strategię. Odpowiedź: całość zbudowano wokół trzech ograniczeń — 10 000 dolarów kapitału, siedem sesji giełdowych oraz sześć codziennych uruchomień agenta (tzw. wakeupów), czyli sześć przeglądów rynku w ciągu dnia.
A zaczęło się od zwykłej rozmowy. Powiedziałem: mam przed sobą wyzwanie, chcę przetestować nową strategię — więc akceptuję nieco większe ryzyko — i mam siedem dni na zarobienie pieniędzy. Potem poprosiłem o research. Astra rozesłała około dziesięciu podagentów, te przeorały całe stosy materiałów, a wnioski spłynęły do jednego, obszernego dokumentu strategicznego, w którym rozmawialiśmy o planie gry.
Dwie ścieżki automatyzacji
W tym miejscu widzę dwie możliwe drogi. Pierwsza: nie masz jeszcze własnej strategii i chcesz zlecić research oraz samo myślenie agentom. Druga: handlujesz regularnie i chcesz jedynie pracować szybciej albo przestać coś gubić. Ja poszedłem pierwszą drogą — oddelegowałem myślenie na Astrę, a sam tylko delikatnie nią sterowałem.
Harmonogram dnia: sześć uruchomień
Owocem tych rozmów jest plan dnia. O 7:45 rano czasu centralnego agent czyta wiadomości, sprawdza konto i wybiera spółki pod obserwację. Jeśli sam handlujesz codziennie, zrób sobie podobny prosty kalendarz: co robisz przed otwarciem sesji? Po godzinie handlu? Tuż przed jej zamknięciem? Rozpisz swój typowy dzień na osi godzin, a potem powierz agentom poszczególne czynności — drobne odciążenie, a robi różnicę.
Dalej: o 9:30, tuż po otwarciu, agent szuka pierwszej transakcji spełniającej warunki strategii — to drugie budzenie. O 11:00 przegląda pozycje i rozważa ostatnią nową transakcję. O 13:00 zarządza tym, co już jest otwarte. O 14:15 zamyka pozostałe pozycje — strategia jest więc zdecydowanie dzienna, nie długoterminowa. Wreszcie o 14:45, tuż przed końcem sesji, agent upewnia się, że nie siedzimy w żadnej pozycji, i zapisuje wyniki dnia.
I to w zasadzie cała filozofia. Każdego dnia handlowego — te same czynności o tych samych porach. Tak z planu rodzi się „trader 24/7” na czas siedmiodniowego wyzwania. Gdyby poczułbyś się bezpieczniej z dodatkowym przeglądem po zamknięciu sesji albo drugim przed otwarciem — nic nie stoi na przeszkodzie. Powyższy układ to po prostu propozycja Astery dopasowana do tego konkretnego zadania.
Ciągłość: pamięć tkwi w plikach, nie w modelu
Najważniejszy wątek całego materiału dotyczy ciągłości. Każde budzenie agenta to start z czystą kartą — model jest bezstanowy, niczego nie pamięta między uruchomieniami. Trzeba więc zagwarantować, że na starcie przeczyta projekt, przejrzy portfel i zrozumie swoje zadanie; że pozna kontekst tego, co wydarzyło się wcześniej, bo dopiero wtedy wie, co ma robić teraz.
Mój sposób na ten problem: każda sesja kończy się wpisem w logu postępu. Agent budzi się, pracuje, a na koniec zapisuje: to zrobiłem, to jest następny krok. Kolejny agent wstaje, czyta tę notatkę, przejmuje pałeczkę, wykonuje swoją część i zostawia analogiczną wskazówkę. I tak w kółko. Dzięki temu każdy kolejny start to nie początek od zera, tylko kontynuacja — cały układ zachowuje się jak jeden trader, a nie zbiór oderwanych od siebie pracowników.
Astra podsumowała to zwięźle: ciągłość pochodzi ze wspólnych zapisów, a nie z tego, że AI pamięta rozmowę. Każde uruchomienie ma więc: przeczytać strategię i poprzednią notatkę przekazaniową (tzw. handoff), zajrzeć do Alpaci — bo tam handlujemy — i zobaczyć, co faktycznie się wydarzyło; wykonać powierzone zadanie; zaktualizować stan konta i log postępu; a na koniec zostawić jasne instrukcje dla następcy. Bez tej ciągłości działanie bota sprowadza się do strzelania na oślep. Operacje krytyczne rejestrowane są na bieżąco, w chwili wykonania — dzięki temu przerwaną sesję da się bezpiecznie wznowić bez ryzyka, że to samo zlecenie poleci drugi raz.
Scenariusze awaryjne i darmowy pakiet materiałów
Strategia gotowa — zostało podłączenie brokera i konfiguracja harmonogramu. Zanim jednak do tego przejdę, pokażę zawartość dokumentu projektu. Znajdziesz tam pliki trwałe, a wśród nich przede wszystkim log postępu z pełnym zapisem wydarzeń; jest też dziennik, do którego dopisuje się kolejne wpisy, oraz zbiór materiałów dowodowych. Osobno przebraliśmy z Astrą możliwe awarie. Co ma się stać, gdy przy pierwszym uruchomieniu nie ma wcześniejszego zapisu postępu? Gdy model nie dysponuje historią rozmowy? Gdy poprzednia sesja padła zaraz po wysłaniu zlecenia? Gdy dwa uruchomienia nałożą się na siebie? Gdy pliki są uszkodzone, a wreszcie — gdy komputer albo aplikacja stracą łączność?
Żeby ułatwić ci odtworzenie tego systemu, spakowałem całość do darmowego pakietu zasobów. Możesz go wręczyć własnemu agentowi z poleceniem zbudowania czegoś podobnego. Pakiet odbierzesz bezpłatnie w mojej społeczności na platformie Skool — link zostawiam w opisie filmu. Wejdź w zakładkę classroom, potem „all YouTube resources”; tam czeka dokument z tego odcinka, moje pozostałe materiały i repozytoria. Wróćmy jednak do konfiguracji.
Połączenie z Alpacą i bezpieczeństwo kluczy
(Informacja dodatkowa: Alpaca to amerykański broker znany z otwartego API, pozwalającego programowo składać zlecenia — dlatego chętnie wybierają go twórcy botów tradingowych.)
Zakładam, że jeśli chcesz powtórzyć ten proces, założysz konto w Alpacie. Warto wiedzieć, że oprócz konta maklerskiego dostaniesz tam konto demonstracyjne: prawdziwe spółki, prawdziwe notowania, wirtualna gotówka. Sensowny plan: podepnij agenta do wersji demo i pozwól mu handlować tydzień albo miesiąc — tak długo, aż zaufasz strategii. Dopiero potem przeskakuj na realne pieniądze. Na koncie, które pokazuję, stoi 10 000 dolarów i tym razem są to środki jak najbardziej prawdziwe.
Kolejny krok to klucz API. W panelu konta, w zakładce z kluczami, znajdziesz adres końcówki (endpoint) oraz sam klucz. Kopiuję go — i tu obowiązuje żelazna zasada: ten klucz pełni rolę hasła do twojego rachunku maklerskiego. Nie udostępniaj go nikomu. Nie wklejaj go również do okna rozmowy z agentem. Zamiast tego niech model utworzy plik .env — albo skorzystaj z takiego, który już istnieje w projekcie — i tam trzymaj dane dostępowe.
Przy koncie na prawdziwe pieniądze trzeba dodatkowo kliknąć „regenerate”: dostaniesz wtedy dwie wartości, klucz API oraz sekret, i potrzebujesz obu. Wklejam je w przeznaczone miejsca w pliku .env, zapisuję — i od razu proszę agenta o kontrolę: „Przekazałem ci klucze do Alpaci. Sprawdź, czy widzisz wnętrze konta, czy rozumiesz końcówki API i czy jesteś w stanie na nim działać”. Odpowiedź po chwili: konto live, 10 000 dolarów gotówki i kapitału, zero pozycji, zero otwartych zleceń. Połączenie działa.
Projekt zamknięty w osobnym „świecie”
Całe wyzwanie trzymam wewnątrz własnego środowiska do zarządzania agentami — nazywam je Herk 2, coś w rodzaju osobistego systemu operacyjnego dla AI. W strukturze projektu jest dokumentacja, plik agents.md, a nawet claude.md na wypadek, gdybym kiedyś chciał przenieść całość do Claude’a; są też skrypty, procedury i wspomniany plik .env. Sam folder — „Astra trading bot challenge” — leży w katalogu „other worlds”, gdzie trzymam odseparowane od siebie projekty-światy.
To celowa izolacja. Nie chcę, żeby w oknie kontekstowym bota osiadały zbędne informacje; nie chcę zamieszania ani balastu. Mój trader ma zajmować się wyłącznie tradingiem — nie musi wiedzieć nic o mojej firmie ani o innych przedsięwzięciach. Jednocześnie całe Herk 2 zachowuje wgląd w wyzwanie, więc nie tracę szerszego kontekstu.
Dane rynkowe i wtyczki
W panelu Alpaci, w sekcji planów i funkcji, włączyłem dodatkowo płatny pakiet danych rynkowych: 99 dolarów miesięcznie za notowania w czasie rzeczywistym, wyższy limit zapytań na minutę i po prostu więcej danych. Podkreślam — na start nie jest ci to potrzebne. W wyzwaniu z Claude’em niczego takiego nie opłacałem; model opierał się na researchu w sieci i źródłach wtórnych. Tym razem jednak mam tylko siedem dni, więc zależy mi na danych na żywo i jednomiesięczna subskrypcja to dla mnie uzasadniony wydatek. Decyzja należy do ciebie.
Osobna ciekawostka: w zakładce wtyczek, po wyszukaniu „Alpaca” albo „stocks”, wyskakuje cały katalog integracji. Wtyczka Alpaci zwykle dostarcza dane rynkowe, ale nie pozwala handlować — dlatego zlecenia realizujemy przez klucz API. Poza tym znajdziesz tam mnóstwo innych serwisów: panele researchowe dla akcji i ETF-ów, źródła analizy technicznej i podobne. Wszystko to można podepnąć do agenta, żeby jego research opierał się na lepszych źródłach.
Astra potwierdza: klucze działają, rozumiem, jak handlować i jak korzystać z twojej siły nabywczej. Najbliższe otwarcie sesji — jutro, 8 września, bo dziś Święto Pracy i giełdy są zamknięte.
(Informacja dodatkowa: w USA Święto Pracy wypada w pierwszy poniedziałek września — amerykańskie rynki są wtedy nieczynne.)
Zadania planowane: lokalnie czy w chmurze?
Wśród zadań planowanych trzeba rozróżnić dwa warianty: lokalny i chmurowy. Do tego wyzwania wybieram wariant lokalny i zaraz wyjaśnię dlaczego. Tryb chmurowy ma oczywistą zaletę: zadania wykonują się w chmurze nawet wtedy, gdy komputer jest wyłączony. Jest jednak haczyk — nie pozwala wybrać projektu, modelu ani poziomu rozumowania. A nam zależy na handlu dokładnie modelem GPT-6 Astra. Wracam więc do trybu lokalnego: wskazuję projekt, model (zostaje GPT-6 Astra) i poziom rozumowania — wysoki.
Druga decyzja: wszystkie uruchomienia mogą pracować w tym samym wątku rozmowy. Tak właśnie zrobimy. Historia konwersacji pozostaje wtedy przechowywana, a mechanizm automatycznego kompaktowania porządkuje ją na bieżąco, więc praktycznie w ogóle nie odczuwam degradacji kontekstu. Całość będzie więc biec w jednym miejscu.
Sześć procedur, jeden wątek — konfiguracja w naturalnym języku
(Informacja dodatkowa: autor używa nazw zamiennie — GPT-6 Astra to model, a Codex to środowisko agentowe, w którym model pracuje.)
Zakładam świeży wątek w nowym projekcie, bo czeka nas sześć procedur — i wszystkie muszą wskazywać dokładnie ten sam czat. Najprzyjemniejsze w tym wszystkim jest to, że całą konfigurację zlecam w naturalnym języku, zamiast klikać wszystko ręcznie. Porzucam szkic zadania, tworzę projekt „trading challenge” (lokalny), podpinam folder z Herk 2 — ten z przygotowanymi wcześniej plikami — i w nowym wątku piszę krótko: to właśnie tu będą działać wszystkie zaplanowane zadania; wszystko w jednym wątku, dla zachowania spójności. Wątek nazywam „challenge thread”.
Potem wracam do rozmowy, w której powstawała strategia, i wysyłam zlecenie startowe. Brzmiało mniej więcej tak:
„Cześć, Codex. Skoro projekt i strategia są skonfigurowane, a ty masz połączenie z Alpacą, czas ustawić procedury. Dokładnie wiesz, co robić, bo całą strategię omówiliśmy. Utwórz w Codexie sześć osobnych zadań planowanych — lokalnych, na tym urządzeniu. Najważniejsze: w nowym projekcie „trading challenge” założyłem wątek „challenge thread” i chcę, żeby wszystkie sześć zadań wykonywało się właśnie tam; przy konfiguracji każdego musisz więc wybrać ten czat. Wtedy zachowamy spójność: ciągłość, logowanie postępu i notatki przekazaniowe — wszystko w jednym miejscu. Masz pytania? Daj znać, co jest niejasne, a potem bierzemy się do roboty.”
Przy okazji: istnieje też sposób na procedury chmurowe współpracujące z Astrą — w tym odcinku nie będę się w to zagłębiał.
Kontrola konfiguracji
Agent zrozumiał polecenie bez pudła: odnalazł „challenge thread” i przypisał go do wszystkich zadań — każde uruchomienie będzie wracać do tego samego czatu. Mogę teraz zajrzeć w szczegóły. Zadanie numer jeden dostaje kompletny opis: właściwe foldery i pliki do przejrzenia oraz listę czynności. A na samym końcu najważniejsza fraza: „zastosuj wspólną procedurę startu i przekazania na koniec sesji; zapisz, co się zmieniło, rzeczywiste rezultaty, otwarte ryzyka, nierozwiązane kwestie i dokładnie następne zadanie — także w dniu bez transakcji albo po nieudanym starcie”. I rzeczywiście: zadanie działa w wątku „challenge thread”, dokładnie tak, jak chciałem.
Powiadomienia: raporty i alerty w ClickUp
Została jeszcze jedna rzecz, którą polecam skonfigurować, a o której na razie nie wspominałem: powiadomienia. Chcę wiedzieć o każdej awarii, ale chciałbym też dostawać streszczenie raz czy dwa razy dziennie — najlepiej prosto do ClickUp (menedżera zadań). Wykorzystuję opcję „steer”, czyli możliwość dopisania polecenia do pracującego właśnie agenta: „Chcę dwie aktualizacje dziennie: jedną w okolicach popołudniowego przeglądu, drugą po zamknięciu sesji — z podsumowaniem dnia, stanem pozycji i tym podobnym. Skonfiguruj tę automatyzację”.
Wychodzi na to, że potrzebne będą jeden lub dwa dodatkowe zadania planowane — również w tym samym wątku — których jedyną rolą będzie wysyłanie mi powiadomień na wewnętrzny kanał w ClickUpie. Podobne komunikaty dostawałem wcześniej z innego projektu, więc mechanizm znam z praktyki. Tymczasem wątek „challenge thread” ożył: wpada do niego wiadomość „od ChatGPT z innego zadania” — sześć żądanych harmonogramów zostało utworzonych i na czas weryfikacji tymczasowo wstrzymanych. Dokładnie tak będzie wyglądać każde odpalenie procedury. Dla mnie oznacza to pełny wgląd w to, co się dzieje, co zrobiono i nad czym agent się zastanawiał — do tego wgląd w samo konto: transakcje, zlecenia, pozycje.
Po chwili w kanale ClickUp ląduje wiadomość testowa. Wysłano ją z mojego profilu; gdybym chciał, mógłbym podpiąć inne konto i odbierać powiadomienia w inny sposób — na razie tak wystarczy.
Ostatecznie doszły dwa dodatkowe zadania: powiadomienia o 13:00 i 15:15 czasu centralnego, a raport południowy lekko się przy tym przesunął. Raporty wychodzą także w dni bez transakcji, doręczenie testowe się powiodło — wszystko zagrało. Całość pracuje wewnątrz „challenge thread” i tam też będzie się toczyć. Obok wątku pojawia się ikona zegarka: system wie, że podpięto pod niego harmonogramy. W zakładce zadań widać wszystkie — aktywne, ale wstrzymane do jutra, bo wtedy dopiero startują. Każde będzie mieć historię uruchomień, a kliknięcie w czat zawsze prowadzi w to samo miejsce rozmowy.
Kontrola z telefonu
Na koniec ostatni smaczek. Na ekranie mam telefon przeniesiony na pulpit komputera. Opcja „remote” pozwala zdalnie wejść na lokalny komputer: otwieram projekt na telefonie i wszystko jest idealnie zsynchronizowane — wystarczy, że na telefonie napiszę „cześć”, a wiadomość natychmiast pojawi się także w sesji na komputerze. To bardzo podobne do zdalnego dostępu, jaki znamy chociażby z Claude Code. W praktyce oznacza to, że nawet poza domem mogę otworzyć „challenge thread” i sprawdzić, co porabiają moi agenci i jak ma się strategia. Jeśli nie znałeś tej opcji — warto ją zapamiętać.
Co dalej
Tyle jeśli chodzi o konfigurację: widziałeś dokładnie, jak zbudowałem cały system i na jakiej strategii się opiera. Przez najbliższych siedem dni będę uważnie obserwować, czy nic się nie sypie. Wyniki pokażę w osobnym filmie za kilka tygodni — jeśli chcesz śledzić, jak to się skończyło, zostań z nami. A jeśli wszystko pójdzie dobrze, utrzymam system w ruchu przez wiele miesięcy, bo naprawdę ciekawi mnie, jak rozumne stają się te narzędzia — jak potrafią wyciągać wnioski z wcześniejszych błędów i z czasem samodzielnie korygować strategię. Jeśli dowiedziałeś się czegoś nowego, zostaw łapkę w górę — bardzo mi to pomaga. Dziękuję, że dotrwaliście do końca, i do zobaczenia w następnym odcinku.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Najpierw wirtualne pieniądze, potem prawdziwe
Na czym polega: Alpaca oferuje konto demonstracyjne — prawdziwe notowania i spółki, ale wirtualna gotówka. Autor przechodzi na realne środki dopiero przy kolejnym wyzwaniu, po udanym doświadczeniu z Claude’em.
Jak stosować: Podepnij agenta do konta demo i obserwuj jego działanie przez kilka tygodni lub miesięcy — do momentu, w którym jego decyzje przestaną cię zaskakiwać. Dopiero wtedy przełącz się na prawdziwy rachunek.
Na co uważać: Sukces na wirtualnym koncie to nie gwarancja zysku — sam autor podkreśla, że to nie jest porada inwestycyjna i nie zaleca oddawania agentowi 10 000 dolarów na start.
2.Rozpisz dzień tradingowy na osi godzin
Na czym polega: Strategia Astery to sześć stałych punktów sesji: 7:45 wiadomości i wybór spółek, 9:30 pierwsza kwalifikująca się transakcja, 11:00 przegląd pozycji, 13:00 zarządzanie, 14:15 zamknięcie pozycji, 14:45 potwierdzenie wyjścia i zapis wyników.
Jak stosować: Jeśli masz własne rytuały, zapisz je analogicznie jako listę godzin — każdy punkt zamienisz w osobne zadanie planowane dla agenta, nawet jeśli nie chcesz automatyzować samych decyzji.
Na co uważać: Godziny muszą pasować do sesji, na której faktycznie grasz (tu: czas centralny USA). Przejmując cudzy harmonogram, przejmujesz też cudze założenia strategii.
3.Agent bez pamięci — ciągłość przez zapisy
Na czym polega: Każde uruchomienie zaczyna się od zera: model nie pamięta poprzednich sesji, więc musi na starcie przeczytać strategię, poprzednią notatkę i sprawdzić stan konta przez API.
Jak stosować: Zacznij każde zadanie planowane od tego samego rytuału odczytu (strategia → notatka przekazaniowa → stan konta u brokera), a zakończ zapisem aktualnego stanu i postępu.
Na co uważać: Bez tego rytuału agent nie „kontynuuje”, tylko zaczyna od nowa — może na przykład otworzyć pozycję, którą chwilę wcześniej zamknięto.
4.Notatka przekazaniowa na koniec każdej sesji
Na czym polega: Koniec uruchomienia to wpis: co zrobiono, co się faktycznie wydarzyło, jakie ryzyka i kwestie pozostały otwarte i co dokładnie ma zrobić następca.
Jak stosować: Narzuć agentowi jeden stały szablon zakończenia sesji. Spójny format pozwala następnemu uruchomieniu szybko się zorientować i płynnie przejąć pracę.
Na co uważać: Kluczowe jest zapisywanie także w dni bez transakcji oraz po nieudanym starcie — to właśnie wtedy notatka ratuje ciągłość całego systemu.
5.Rozpisz z góry scenariusze awarii
Na czym polega: Z modelem przebrano przypadki takie jak: brak wcześniejszego logu przy pierwszym uruchomieniu, brak historii rozmowy, padnięcie sesji po wysłaniu zlecenia, nakładanie się dwóch uruchomień, uszkodzone pliki, utrata łączności.
Jak stosować: Przed startem zapytaj model: „co może pójść nie tak i jak system ma wtedy reagować?”, a odpowiedzi zapisz jako reguły w dokumentacji projektu.
Na co uważać: Rejestrowanie operacji krytycznych na bieżąco to warunek bezpiecznego wznowienia — bez tego przerwana sesja grozi przypadkowym powtórzeniem transakcji.
6.Klucz API to hasło do twoich pieniędzy
Na czym polega: Dostęp do rachunku w Alpacie opiera się na parze klucz API + sekret, wygenerowanej przyciskiem „regenerate” (wymaganej przy koncie realnym).
Jak stosować: Trzymaj dane dostępowe w pliku .env wewnątrz projektu — możesz poprosić agenta, żeby sam go utworzył i wkleił wartości w odpowiednie miejsca.
Na co uważać: Klucza nie udostępniaj nikomu i nie wklejaj go do okna rozmowy — może zostać zapisany w historii konwersacji i trafić tam, gdzie nie powinien.
7.Odizoluj projekt bota od reszty pracy
Na czym polega: Wyzwanie siedzi w osobnym folderze-„świecie” w strukturze Herk 2; bot widzi wyłącznie informacje tradingowe — dokumentację, skrypty, procedury i .env.
Jak stosować: Wydziel dla każdego agenta osobny katalog z własną dokumentacją i plikami, a w zadaniach planowanych wskaż dokładnie ten projekt.
Na co uważać: Zbyt bogate otoczenie kontekstowe to zamieszanie i balast — wiedza o twojej firmie czy innych projektach nic nie wnosi do decyzji kupna i sprzedaży.
8.Lokalne zadania planowane, gdy zależy ci na konkretnym modelu
Na czym polega: Tryb chmurowy działa nawet przy wyłączonym komputerze, ale nie pozwala wybrać projektu, modelu ani poziomu rozumowania — dlatego autor wybrał tryb lokalny z GPT-6 Astrą i wysokim rozumowaniem.
Jak stosować: Przed wyborem wariantu sprawdź, co każdy z nich oferuje; jeśli kluczowa jest konkretna wersja modelu i ustawienia rozumowania, zostajesz przy uruchomieniach lokalnych.
Na co uważać: Lokalność oznacza wymóg włączonego, połączonego z siecią komputera w godzinach zadań — dlatego właśnie warto mieć przygotowane scenariusze awaryjne.
9.Wszystkie uruchomienia w jednym wątku
Na czym polega: Sześć procedur dziennie plus zadania powiadamiające wskazują ten sam czat („challenge thread”); historia pozostaje przechowywana, a autokompaktowanie pilnuje rozmiaru kontekstu.
Jak stosować: Przy konfiguracji każdego zadania planowanego wskaż ten sam wątek — najlepiej zlecić to agentowi jednym poleceniem w naturalnym języku, zamiast klikać ręcznie.
Na co uważać: Osobne wątki dla każdego uruchomienia rozbijają ciągłość i cofają cię do problemu „zbioru oderwanych od siebie pracowników”.
10.Powiadomienia: dwa raporty dziennie i alert o awarii
Na czym polega: Dwa dodatkowe zadania (ok. 13:00 i 15:15) wysyłają autorowi raport na kanał ClickUp — także w dni, w których nie było żadnej transakcji.
Jak stosować: Wybierz kanał, który naprawdę oglądasz, i ustaw streszczenie w okolicach popołudniowego przeglądu oraz po zamknięciu sesji; do tego osobny alert o każdym niepowodzeniu.
Na co uważać: Zadbaj, by raport zawierał konkrety — wynik dnia, stan pozycji, wykryte problemy — a nie samo „wszystko w porządku”. Warto o to wprost poprosić model w poleceniu.