用AI Agent低成本构建ETF策略推送

这两天用 AI 搭建了一个 ETF 再平衡策略的自动推送功能。

由于券商量化交易接口的开通门槛普遍偏高，作为小散户，目前最实用的方案是：获取持仓与净值变动，通过某种通道触发再平衡提醒，最后由手工完成买卖。

在整个开发过程中，我只需要向 AI 提出需求，让它给出完整流程图与实现方案，再逐步生成每一块的具体代码。全程我没有手动修改一行代码，仅有一次因腾讯云函数 API 网关下线导致自动触发失败，重新交由 AI 返工修复。

耗时方面，核心功能的搭建仅用了 2 个小时，后续追加“收益报告”等扩展需求又花了 1 个多小时。

成本方面，方案采用了“腾讯云函数 + COS 对象存储”的无服务器架构，单次触发费用不足 0.01 元，被计费系统直接舍去，几乎零成本运行。

唯一的支出是 AI 算力成本。 我使用的是腾讯WorkBuddy（普通版包月 59 元（年交），含 4000 积分），这套流程消耗了约 3000 积分，折合人民币约 45 元。这个价格远低于请一位初级程序员的时薪，更别提它还能随时应对各种小的需求变更——从性价比来看，确实相当划算。

以前看电影，总能看到黑客在终端前快速敲击键盘、屏幕上代码如瀑布般滚动的镜头。而在 AI Agent 时代，每个人似乎都拥有了这种能力。

或许在不久的将来，AI Agent 客户端将彻底取代浏览器，成为下一个时代唯一的互联网入口。无论是点外卖、找电影，还是做复杂的数据分析，只需与 AI 对话，就能由它全程代劳。

但这也带来了一个隐忧：以目前的技术水平来看，普通家用电脑能本地部署的模型（如 DeepSeek 32B 级别），与云端顶尖大模型（如 GLM-5.2 744B 级别）在推理能力上仍有巨大差距。这意味着在相当长的一段时间内，个人的 AI 能力依然高度依赖云服务商。

当 AI 成为像水电一样的日常基础设施时，互联网领域的算力与入口垄断，是否会比以往任何时代都来得更加彻底？