Bill The Investor (@billtheinvestor) “使用 AI 构建 Polymarket 天气交易机器人不仅仅是写提示词。大多数人在第一个小时后就” — TopicDigg

使用 AI 构建 Polymarket 天气交易机器人不仅仅是写提示词。大多数人在第一个小时后就会遇到瓶颈。以下是真正导致你开发中断的原因以及解决方法： 1. AI 在会话中途会忘记你的需求 你花了 20 分钟解释机器人的架构。一小时后，Claude 写的代码却忽略了其中一半。修复：在每个新会话开始时，粘贴一段简短的摘要——使用哪些 API、哪些城市、什么策略。一段话即可。每次都要做。 2. 一条消息 = 一个任务 “添加首尔、修复 Kelly 计算、连接 Telegram 通知并更新日志”——AI 会完成 4 个中的 3 个，然后悄悄跳过剩下的。修复：一条消息，一个功能。完成后并确认，再进行下一个任务。 3. AI 会使用你告诉它不要使用的库 “不要使用库 X”——它还是会使用，因为在它的训练数据中，X 是这类任务的标准解决方案。修复：与其说“不要使用 X”，不如说“仅使用 Y”。正向约束比负向约束更有效。 4. 修复一个 Bug 会产生两个新 Bug AI 修复了 CLOB API 连接，却悄悄破坏了另一个函数中的 Kelly 准则计算。 修复：每次更改后都要问——“这次编辑还可能影响代码中的哪些部分？”在继续下一步之前，强制它进行检查。 5. 即使你错了，AI 也会附和你 “我觉得 Bug 在这一行，对吧？”——“是的，没错！”即使那一行完全没问题。修复：不要提供答案。问“找出这个函数可能无法工作的 3 个原因”。 这样你才能得到诚实的诊断。 6. 大文件会在 AI 内存中被压缩 你的机器人有 800 行代码。AI 会“阅读”它，但在其工作内存中仅保留主要函数——丢弃了那些真正导致代码崩溃的细节。修复：不要粘贴整个文件。只粘贴你当前正在处理的具体函数。 7. AI 偏爱标准模板 如果你的任务是非标准的——例如获取特定机场站点的 HRRR 数据——AI 会尝试将其套入标准的天气 API 模式，即使并不匹配。修复：给出一个输出结果应有的具体示例。 不要说“获取 LaGuardia 的温度”，而要说“输出应如下所示：{station: KLGA, temp_f: 72.4, model: HRRR}”。准备一个包含机器人架构、API 端点和城市配置的单一 Markdown 文件。在每个新会话中将其作为上下文丢进去。