قضيت نصف يوم آخر في العمل المتكرر في عطلة نهاية الأسبوع، وفجأة أدركت أن مجموعة أتمتتي AI الخاصة بي تعمل منذ حوالي نصف عام، وفعلاً كان هناك تحسن ملحوظ في الكفاءة. قررت أن أجمع بعض الأفكار حول كيفية تعاون هذه البنية.
الأساس يتكون من دورين رئيسيين: **Hermes يتولى التنظيم**، وClaude Code يقوم بالبرمجة. Hermes في جوهره هو مدير المهام، يتعامل مع الجدول الزمني، إدارة الذاكرة، المهام الخلفية cron، بالإضافة إلى توزيع الرسائل على Telegram وFeishu. تخيل أنه سكرتير دائم متصل، يتذكر فكرة البارحة، ويذكرني في الوقت المناسب الليلة، ويشغل تلقائياً سكربت جمع البيانات غداً.
أما بالنسبة للبرمجة المعقدة، فأنا أتركها لـ Claude Code ليقوم بها مرة واحدة. إعادة هيكلة كبيرة، تدقيق الكود، أو تصميم ميزة من 0 إلى 1 - كل هذه الأمور يمكن إنجازها باستخدام نمط CLI الخاص بـ Claude Code. كلا الجانبين يمكنهما الوصول إلى مكتبة المهارات الخاصة بي (تراكم المنهجيات)، وإذا أراد Hermes إعادة استخدام منطق موجود، يمكنه ببساطة استدعاء المهارة؛ وClaude Code يستطيع استخدامها أيضاً، بتكلفة تحويل شبه معدومة.
اختيار النموذج يعتمد على توازن التكلفة والفائدة. المحادثات اليومية، والنشرات الإخبارية الصباحية، ومراقبة السوق - هذه الأنشطة ذات التردد العالي تعتمد على Haiku (رخيص)، وعندما نواجه مهمة كبيرة تتطلب استدلال عميق، نقوم بالترقية إلى Sonnet أو Opus. بهذه الطريقة يمكننا السيطرة على تكاليف الرموز الشهرية.
من منظور آخر، **العميل هو دماغ خط الإنتاج الأوتوماتيكي**، يتخذ القرارات وينظم الأمور؛ **المهارة هي يد خط الإنتاج**، تعمل بشكل فعلي. Hermes يتواجد في جانب العميل، ويعطي كل مرحلة من مراحل الخط ذاكرة وسياق. إذا تجاوزت مهمة ما نطاقها، يتم تصعيدها مباشرة إلى Claude Code كخبير.
قبل استخدام هذه المجموعة، كنت أقضي 8 ساعات أسبوعياً في الأعمال المتكررة. الآن، بعض المهام تعمل أساساً في الخلفية، ولا يتطلب الأمر سوى مراجعة التقارير أو الإنذارات غير العادية بشكل دوري. أكبر مشكلة كانت كتابة وثائق المهارات بشكل غير واضح مما أدى إلى أخطاء في الاستدعاء. الآن، أفرض على كل مهارة جديدة إضافة "أخطاء شائعة" و"سيناريوهات الاستخدام".
عندما نتحدث عن هذا، أشعر أن جوهر الأتمتة AI ليس في استخدام أقوى نموذج، بل في **تفكيك العمل إلى وحدات صغيرة، بحيث تكون كل وحدة مستقلة بما يكفي، وفي حال حدوث خطأ، يسهل تصحيحه**. من المفترض أن يوفر الاستثمار في هذا الاتجاه للفريق الصغير الكثير من العمل اليدوي.
لقد استخدمت Binance Skills Hub لمدة تقارب نصف عام، ومنذ البداية حيث كانت جميعها "تبدو مفيدة" إلى الآن حيث "الأشياء التي أستخدمها بنشاط هي 4 أنواع فقط"، أود مشاركة نتائج تجربتي.
**النوع الأول: التداول + متابعة السوق** (80% من المستخدمين يقضون وقتهم هنا) إدارة أوامر الشراء والبيع، مراقبة مواقع جني الأرباح والحد من الخسائر، مراقبة رسوم التمويل في الوقت الحقيقي —— هذه هي أكثر الاستراتيجيات شيوعًا. أستخدمها بشكل رئيسي لضبط نقاط وقف الخسارة بشكل تلقائي ومراقبة تقدم رسوم التمويل الليلية. الجوهر هو "أتمتة ما كنت ستفعله يدويًا 10 مرات". التحسين في الكفاءة واضح جدًا، خاصة عندما تتجاوز العقود المفتوحة 5 صفقات.
**النوع الثاني: Alpha على السلسلة** (يوليها أصحاب المراكز المتقدمة أهمية كبيرة) تتبع عناوين الأموال الذكية، مسح إصدارات العملات الجديدة، رادار المسارات الساخنة. على سبيل المثال، عند إطلاق آلية جديدة لتعدين السيولة، أو توسع نظام DeFi على سلسلة معينة، يمكن لهذه الأدوات مساعدتي في تحديد الاتجاهات القابلة للاستكشاف بسرعة، بدلاً من الانتظار السلبي لوصول المعلومات إلى المجتمع. البيانات التي يتم تتبعها عادة ما تكون متأخرة من 1-3 دقائق، وهو ما يكفي كمعيار مرجعي.
**النوع الثالث: عوائد DeFi** (إعدادات مستقرة تم تجاهلها بشدة) مراقبة أحواض APY العالية وقواعد التحكيم القريبة من انتهاء الصلاحية —— غالبًا ما تتراوح العوائد الشهرية في هذه المنطقة بين 8-15%، والتقلبات فيها نسبياً صغيرة، مما يجعلها إعدادًا ممتازًا لتوازن مخاطر التداول ذو الرافعة المالية العالية. قمت بتخصيص 20% من حساب التداول الخاص بي لهذه الاستراتيجيات، مما يساعد في تقليل التراجع العام.
**النوع الرابع: توزيع المحتوى** (أعتقد أنه الأكثر تقديرًا بشكل خاطئ) توليد تقارير السوق تلقائيًا، دفع ملخصات الاتجاهات الساخنة، نشر متزامن عبر منصات متعددة —— هذه الأدوات أتمت بالكامل العملية الكاملة من "جمع البيانات → توليد النصوص → النشر". معظم الناس لا يعرفون عن إمكانياتها، معتقدين أن المحتوى المولد بواسطة الذكاء الاصطناعي غير موثوق. في الواقع، إذا تم استخدام الكلمات الدلالية ومصادر البيانات بشكل جيد، يمكن أن تتجاوز الجودة والكفاءة تحرير يدوي.
بصراحة، النوع الأول مناسب لجميع المتداولين النشطين، بينما يحتاج النوعان 2-3 إلى فهم أساسي للنظام البيئي على السلسلة وDeFi، ولم يتم استغلال إمكانيات النوع الرابع بالكامل بعد. ما هو النوع الذي تستخدمه في الوقت الحالي؟