TAKA的學習筆記

平常有在關注台股抽籤的話應該都知道，雖然抽中就像領紅包，但手動查資料真的很煩。要去看有哪些新股、算溢價差多少、還要記得在截止日前去下單。為了省下這些瑣碎事，我寫了一個叫 Boren.StockLottery 的排程服務。

為什麼要做這個？

我的需求很單純：

• 每天自動抓最新的申購清單。
• 幫我過濾掉那些溢價太低、不值得抽的股票。
• 只要符合我設定的門檻（比如溢價 10% 以上），就自動塞進我的 Google 日曆提醒我。
• 最後下單動作還是由我本人把關，避免自動化出錯造成損失。

技術細節與運作邏輯

這套工具是用 .NET 8 (C#) 寫的，架構很簡單，就是一個 BackgroundService。

• 資料來源： 主要是爬 ibfs.com.tw 的網頁資料，因為它已經幫我算好溢價率，省得我再去抓即時股價來算。
• 資料過濾： 透過 HtmlAgilityPack 解析 HTML，只留「申購中」的標的。
• 防止重複： 我用了 SQLite 來記錄處理過的股票，避免同一個申購案每天重複塞爆我的日曆。
• 日曆整合： 透過 Google Calendar API v3，在申購截止前一天跟抽籤當天建立行程。

跟 AI (Claude Code) 協作的經驗

這次開發有個重點是想嘗試用 Claude Code 自動化生成程式碼。我在專案中的貢獻大概是：

1. 資料來源蒐集、結果驗證
2. 開通Google Calendar API
3. 佈上Github Action 執行
4. 建立空白 .NET 專案 (沒錯)

這邊是我下給他的第一個prompt : 

一個自動的排程，每天抓股票公開申購資料，依照我設定的溢價比例(%)，篩選出符合的股票，將該股票的相關日程自動安排到我的行事曆上。

功能跟流程如下:

1.事先設定溢價成數

2.每天固定時間去抓取台灣最新的股票抽籤清單(https://www.twse.com.tw/zh/announcement/public.html)。需要的欄位有(抽籤日期、證券名稱、證券代號、申購結束日、申購價格、申購股數)。抓取條件: 限定在股票代碼會是四碼，當下日期小於申購結束日兩天以內，且沒有抓過的(已經抓過的會記錄在localDB 裡)

3.當每天從網站抓取到新資料，用股票代碼去GET呼叫API，XXXX填入股票代碼(http://mis.twse.com.tw/stock/api/getStockInfo.jsp?ex_ch=tse_XXXX.tw) 取得回傳json，解析出裡面y 的數值就是該股票目前價格。

json 範例: { "msgArray": [ { "y": "1840.0000", } ] }

4.取得目前價格，與申購價格做計算，算出"溢價比例"。公式: 溢價比例 = 100.00*(目前價格-申購價格)/申購價格。比對超過事先設定溢價成數的股票，就自動到google 日曆，在申購結束日前一天新增項目，抽籤日期也新增一個項目，兩個項目都要載明 $"{證券代號}{證券名稱} {申購價格*申購股數}:{溢價比例}"。如果沒超過事先設定溢價成數，就跳過不處理。

5.只要有經過2,3 步驟的股票資料，就將 $"{證券代號}-{抽籤日期:yyyyMMdd}" append寫到一個文字檔

我第一次用Claude Code 產生整個專案。下面的結構 99 % 是他第一次生出來的。

說實話，初版出來比我想像的快很多，大概 8 分鐘就搞定了。但後來我花了快 4 小時 ( 不是花 100% 專注力 ) 在微調，也踩了幾個坑：

1. Prompt 要給得夠細： 一開始沒指定要用 Worker Service，也沒說 Google 日曆要怎麼串，不過 Claude 還是找到一個對的方式。
2. 別讓 AI 猜錯誤： 解析 HTML 、資料失敗時，最好直接把他哪裡做錯、正確處理方式跟它說，比讓它在那邊"trial and error"效率高很多。
3. 驗證很重要： 因為爬完資料後解析出來的JSON 內容不正確，但我又不太想人工介入DEBUG，直接讓它寫了單元測試再另外寫一個 HTML 解析邏輯，跟原本的處理Service 結果比對，這對穩定性很有幫助。

實測結果

目前我把這個專案掛在 GitHub Actions 上跑排程。每天 13:00 它會自動動起來，檢查有沒有值得抽的標的。下面是GitHub Actions 的執行LOG

實際跑下來是真的有效，日曆確實添加事件，當我每天開啟 Calendar，就知道有沒有要申購的了。

總結心得

Claude Code 在開發上真的可以幫上大忙。這次只用到了基本的程式碼生成，後續還有更進階的：Skills、更詳細的各種md 檔案。還等待我去研究。

雖然這只是一個 side project，但真的省下不少心力。這個專案的收穫，比起開發出一個功能，更應該是怎麼操作 AI。

AI 的出現，取代掉大部分開發的黑手作業。以前花最多時間的是Coding，現在慢慢轉變成計畫跟驗證。詳細來說，我認為工程師不再是只需要精雕細琢每一行Code、每一個Function。人人從設計師，變成架構師、專案經理甚至老闆。你的心力會轉變到：

1. 關心、蒐集並理解需求
2. 做好 QA (品質保證)，看系統output 是不是正確、效能是否可接受。而不是像以往一樣，很精準地了解你的某個功能是寫在哪一個介面、哪一個Service。
3. 顧好系統架構，讓後續AI 甚至需要人工介入 DEBUG 的成本可以小一點

在 AI Coding 時代，就算AI Agent 再怎麼強大，都不可能會讀心。所以要懂得怎麼隨心所欲的控制AI，懂得怎麼樣讓AI 產生一個好的架構，可以利於維護、可測試、穩固可靠的程式碼，正是我們需要學習的。