不是幾分鐘做出銀行系統，而是三十年累積的模型

昨天晚上，朋友來聊天順便吃肯德基，然後就聊到了他們家銀行需要一套期貨自行結算系統，現在呢都是靠人去抓 SPAN ，解碼，然後再來處理，一邊在聊的時候，拿著手機的我就已經把 PoC 做出來了。一定會有人覺得「你怎麼可能跟朋友聊天幾分鐘，就把一套銀行的期貨自行結算系統架構列出來？」好啦，我也不是幾分鐘就只做了 PoC，等候過程中我還在拿老公的手機，把被我玩廢的遊戲帳號慢慢養回來🙄 愛果然會消失啊！

其實這不是今天才發生的，真正的原因是那幾分鐘之前的三十年

我一直覺得人很容易誤會一件事情：當你看到一個成果，只會看見最後那幾分鐘，卻看不見那個人的腦袋裡早就累積了多少模型。

例如昨天，朋友只是隨口抱怨一下這個結算工作真的很累人，然後我反問了幾個問題，就把結算系統的 PoC 完成了。

銀行如果要做一套期貨自行結算系統，需要哪些東西？

一般人的第一反應，大概是開始問 AI，有人會搜尋「期貨自行結算系統功能」，有人會搜尋「銀行結算流程」，有人會開始下載一堆 PDF 丟給 AI 讀。

但我不是這樣運作的，我沒有先找答案，我先問對方的是這到底是一個什麼系統？

我的第一個習慣不是看功能，而是看角色

銀行，不是證券商，不是期貨商，不是交易所，所以它站在整個金融流程的哪一個位置？誰提供資料給它？它要提供資料給誰？每天必須跟哪些單位互動？如果把銀行拿掉，整個流程哪裡會斷掉？如果要把整個流程弄壞，只要插拔了誰就能成功？

光是得到這些問題的答案，系統的輪廓就開始出來了。

第二個習慣是找「每天一定會發生的事情」

我很少從功能開始設計，我問的是每天早上八點可以開機的時候，你在辦公座位上的第一件事情是什麼？九點呢？收盤之後呢？下班之後呢？有哪些事情每天都一定要做？有哪些事情只有異常才會做？有哪些事情一年只會發生幾次？

因為合用的系統不是由畫面組成，而是由事件組成的。

★ 事件才會決定資料
★ 資料才會決定功能

第三個習慣是找資料流

銀行每天需要哪些資料？資料哪裡來？結算價哪裡來？保證金誰公告？部位怎麼更新？成交誰通知？

想到這裡，我幾乎已經知道一定要有一個 TAIFEX Adapter，因為所有資料不可能靠人工輸入單幹，接著大腦就開始自動補完整個流程，包含商品主檔、成交、部位、每日洗價、保證金、風控、對帳、會計、稽核、報表。

每一個模組不是我「自己想到的」，是它們自己跑出來的，因為它們彼此之間有很明確的因果關係，沒有成交就沒有部位，沒有部位就沒有損益，沒有損益就沒有保證金，沒有保證金就沒有追繳，沒有追繳就沒有現金流，沒有現金流就沒有會計。

所以你不用背這個流程，只要順著資料流走，整套系統自然而然就會長出來。

這也是很多人誤會 AI 的地方

大家以為我是在跟 AI 對話，其實不是誒，我是在跟自己的腦袋中的模型對話，AI 只是把我腦袋裡那些還沒有畫出來的東西快速具象化而已。

那如果今天是一個完全沒有概念的人，坐在同一個餐桌前邊啃炸雞邊聊天，得到的結果會一樣嗎？

我認為不會，因為 AI 不會替你建立模型，它只會放大你原本就有的模型。

所以現在當有人問我「Prompt 要怎麼寫」，我反而會反問對方：你到底看見了什麼？一個需求來了，你看到的是功能？還是資料？還是流程？還是角色？還是風險？還是責任？

這些才是真正決定 AI 能力上限的東西。

我這幾年一直在做一件事。

剛開始是研究 Prompt，後來開始研究哪一個模型在哪些方面比較厲害，但現在我是在研究人類是怎麼理解一個陌生領域的？為什麼有些人第一次接觸一個產業就能很快抓到重點？為什麼有些人看了三百頁文件卻還是不知道系統在做什麼？

差別不在記憶力也不在智商，而是觀察的順序，如果順序錯了，你就會一直在細節裡迷路，如果順序對了，很多細節根本不用背，它們會自己連起來。

好啦！想學這種思考法？看一樓的連結！

#靠真人聊天與AI協作的方法

本文原發表於 2026/07/29 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。