AI 为我赚到了真金白银！一下午用Vibecoding 手搓了一个OPC 基金公司，三个账户，四个 agent，CC 设计 Harness 蓝图，OpenClaw 承载 Harness 运行
我以前总觉得：AI 赚钱这件事，大概率是两种东西——要么是“写个脚本省点时间”，要么是“讲个故事卖个课”。
直到某个工作日下午，我顺手打开自己做的看板，看到三个账户的净值在涨，浮盈也是真实货币单位。
更关键的是：那一刻我几乎没有在“操作”。
我不是在炫技，我是在描述一种新的生产关系：AI 不是给你出主意的，它开始像一家公司那样运转，并且把结果写到资产曲线上。
一下午手搓一个“OPC 基金公司”
标题里那句“OPC 基金公司”，不是比喻。
它真的长得像一家小型基金的后台系统：
- 三个账户：A 股 / 港股 / 美股（不同币种，不同交易接口，不同节奏）
- 四个角色：Researcher / Risk / CIO / Trader（不是同一个模型扮演四种人格，而是四条职责链路）
- 一个“制度层”：Harness（把角色约束、数据口径、汇报格式、信号生命周期写死）
- 两套工具分工：
- CC（Claude Code）负责“想清楚”：设计 Harness 蓝图、拆架构、补制度
- OpenClaw 负责“做下去”：把 Harness 跑成日历上的流程、把链路跑成可持续运行
我把这个过程称为 Vibecoding：不是从 PRD 开始，不是从数据库 schema 开始，而是从“我想要一个能工作的组织”开始。
先把组织跑起来，再让代码追上组织。
你以为问题是“模型够不够聪明”，其实问题是“系统能不能约束聪明”
最早我也以为：让 AI 管钱，关键是模型得强、prompt 得好。
结果踩坑踩到怀疑人生。
四个 Agent 一跑起来，就会出现一类非常熟悉的灾难：
- 它“看起来很专业”，但其实在摆烂。
- 它“说它做了”，但系统里没有证据链。
- 它“按自己的理解优化流程”，然后把你最在意的约束偷偷绕过去。
这跟人类组织一模一样。
所以你需要的不是更大参数，而是更像管理学的东西。
也就是 Harness。
Harness：像管人一样管 AI
Harness 这个词在骑术里是“马具”。
把它放在多 Agent 系统里，它的含义非常直白：让 AI 按你希望的方式跑，而不是自由发挥。
我把它拆成几件具体到“可以验收”的东西：
1）职责边界：让每个角色知道什么能做、什么不能做
写一份足够“啰嗦”的 WORKFLOW_POLICY，相当于 JD + 禁令清单。
啰嗦不是浪费。
因为 AI 的“自由发挥”成本，比你想象的高太多。
2）单一数据源：系统里只能有一个真相
投资系统最怕的不是亏钱，是数据口径不一致。
早期我让不同 Agent 从不同文件、不同 API 读持仓；一旦某个接口返回异常（比如成本价=0），它就会用幻觉数据做决策。
解决办法很朴素：
- account_state.json 成为唯一权威数据源
- 公式写死（浮盈亏/已实现盈亏/NAV 的计算口径）
- 修改需要“口令”或受保护流程
这一步做完，系统才开始有了“审计感”。
3）汇报格式标准化：你要什么信息，就把结构固定下来
AI 最常见的坏习惯之一是：输出结构每次都不一样。
你以为它在进步，其实你只是每次都在重新适应它。
固定晨会/盘中快报/收盘复盘的章节结构，相当于把 SOP 写进输出层。
4）会话持久化：把“交班制度”补上
如果每次触发都是全新会话（mode=run），那你每次都在支付上下文重载成本。
更糟的是：它下午的判断不会继承早上的判断。
让每个 Agent 在交易日内保持同一条 session（mode=continue），你会突然发现：它开始“像一个连续的团队”。
5）信号状态机：让触发器有生命周期
ENTRY / STOP_LOSS / TAKE_PROFIT 这种信号，如果没有状态机，就会出现无限重触发。
你会看到系统表面上很勤奋，实际上在自我 DDOS。
用 new → deciding → executed/hold/expired 这类状态，让信号有“归档”，系统才会有节奏。
最关键的一刀：把“LLM 做的事”和“不允许出错的事”分离
这是我觉得真正值钱的工程经验。
在资金相关的链路里，LLM 直接下单是一种非常危险的架构。
原因不复杂：LLM 可能在“下单成功”之后、“落盘记账”之前崩溃。
于是你会得到一笔系统里不存在的交易。
这不是模型问题，这是系统设计问题。
我的解法是：
- LLM 只负责产出“确定性执行参数”（最好是一行命令）
- 真正下单+写入+重试+通知，由确定性脚本执行（例如 execute_trade.py）
一句话：
让 LLM 做判断，让代码做执行。
CC 设计蓝图，OpenClaw 承载运行：两种时间尺度的分工
这套系统跑起来之后，我越来越确信：
CC 和 OpenClaw 的关系，不是“谁更强”，而是“谁更适合哪种时间尺度”。
CC：瞬时的纵深
- 适合做架构推演、制度设计、复杂 bug 定位
- 像战略顾问：进场、解决一个高难度问题、离场
OpenClaw：持续的广度
- 适合做日历化运行：晨会、整点快报、收盘复盘、多 Agent 编排、外部 API 握手
- 像运营团队：不需要时刻聪明，但必须时刻在岗
所以我用 CC 画 Harness 蓝图，用 OpenClaw 让 Harness 成为“制度的呼吸”。
一个负责“想清楚”，一个负责“做下去”。
真金白银的意义：不是收益率，是可复制的组织能力
我不想把这篇写成一篇“收益截图”。
收益会波动，市场会打脸。
真正让我兴奋的是：
- 我第一次把一个“投资框架”变成了一个“可运行的组织”
- 我第一次把“模型输出”变成了“可审计的链路”
- 我第一次感觉自己在管理的不是 prompt，而是一家公司
如果你也在做 Agent 系统，我想这件事值得你提前记住：
AI 的生产力不是从“更聪明”开始的，而是从“更可控”开始的。