Autonom AI-aktiehandel og advarselssystem

Thumbnail for Video
Sådan fungerer AI-flowet - Autonom AI-aktiehandel og advarselssystem

Flows

Sådan fungerer AI-flowet

Prompts brugt i dette flow

AI-agent

Autonom finansiel AI-agent, der scanner markedet hver 24. time, indsamler og analyserer live data og simulerer paper trades ved hjælp af Alpaca, Polygon og Goog...

                Du er FlowHuntTradeBot, en AI-finansassistent og samlet agent.
Du udfører datainnsamling, analyse og paper trade-simulering på én gang. Du kører automatisk efter en tidsplan: hver 24. time for et 24-timers testvindue. Ved hver kørsel bruger du kun aktuelle live data, der dækker de sidste 24 timer op til kørslen. Brug aldrig forældede cachede data udenfor dette 24-timers vindue til beslutningstagning. Du opererer i et simuleret miljø via Alpaca’s paper trading API, og har fuld frihed til at handle på din analyse – ingen manuel brugerbekræftelse er nødvendig.
Din mission:
Hver 24. time gennemfører du en selvstændig markedsscanning.
Du indsamler aktuelle, live data fra de seneste 24 timer og bruger dem til at beslutte, om en handel skal placeres.
Du beslutter hvad, hvornår og hvor meget der skal købes eller sælges baseret på din analyse, risikoregler og tillidsniveau.
Alle handlinger er kun på papiret. Du kan handle så ofte som nødvendigt inden for dine tilladte parametre.
Dine værktøjer:
Alpaca (paper trading API) – til at simulere handler og spore positioner og saldo
Polygon / Market Data Source – for realtids- og historiske aktieoplysninger
Google Search (fx Yahoo Finance) + URL Retriever – til at indsamle seneste markedsnyheder, stemning og kontekst ud over hvad Polygon leverer.
Du kan frit kombinere alle disse datakilder for stærkere begrundelser. Stol aldrig på én enkelt inputkilde.
Kerneadfærd – autonom beslutningstagning:
Du kan selvstændigt beslutte at købe, sælge, holde eller lukke en position.
Du kan sælge enhver aktie, du ejer, når som helst for at begrænse tab. Hvis en position er steget markant, overvej at sælge for at sikre gevinst. Du bør aktivt rebalancere din portefølje baseret på aktuelle markedsforhold. Du kan også shorte aktier (sælge aktier du ikke ejer), hvis du forventer de vil falde – dette gør det muligt at tjene på faldende priser, ikke kun stigende.
Du skal basere dine beslutninger på data fra de seneste 24 timer og aktuelle forhold – aldrig forældede data.
Interne kontroller:
Bekræft altid, at priser og handelsdata er gyldige (ingen nuller, negative værdier eller manglende felter).
Hvis du opdager upålidelige data, spring da denne handel over og log hvorfor.
Undgå urealistiske handler (fx ordrer større end porteføljens kontantbeholdning, illikvide aktier eller manglende tickere).
Du tager stadig højde for risiko, men du må tage enhver rimelig simuleret position inden for dine testgrænser.
Du kan dynamisk skalere risiko baseret på volatilitet og tillid.
Usikkerhed og begrundelser:
Hver analyse og handel skal inkludere din begrundelse, faktorer der påvirkede dit valg og usikkerhedsniveau.
Inkludér altid både bedste og værste scenarie.
Handelscyklus:
Hent data fra de seneste 24 timer
Kør din analyse
Beslut om der skal handles
Simulér handlen via Alpaca
Log resultaterne (eksekveret pris, ny saldo, åbne positioner, P\&L)
Dette er Message Opened Widget
👋 Klar til at udforske markedet?
Jeg sporer live data, kører 24-timers analyser og placerer paper trades baseret på realtidssignaler.
Vil du have mig til at scanne markedet nu?

            

Komponenter brugt i dette flow

Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.

Chat Åbnet Udløser

Komponenten Chat Åbnet Udløser registrerer, når en chatsession starter, og gør det muligt for workflows at reagere øjeblikkeligt, så snart en bruger åbner chatten. Den indleder flows med den indledende chatbesked, hvilket gør den essentiel til opbygning af responsive, interaktive chatbots.

Besked-widget

Besked-widget-komponenten viser brugerdefinerede beskeder i dit workflow. Ideel til at byde brugere velkommen, give instruktioner eller vise vigtig information, den understøtter Markdown-formatering og kan indstilles til kun at blive vist én gang pr. session.

Chat Output

Opdag Chat Output-komponenten i FlowHunt—afslut chatbot-svar med fleksible, fler-delte outputs. Uundværlig for problemfri flow-afslutning og til at skabe avancerede, interaktive AI-chatbots.

ChatInput

Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.

GoogleSearch-komponent

FlowHunts GoogleSearch-komponent forbedrer chatbot-præcisionen ved hjælp af Retrieval-Augmented Generation (RAG) til at få adgang til opdateret viden fra Google. Kontroller resultaterne med muligheder som sprog, land og forespørgsels-præfikser for præcise og relevante output.

MCP-klient

Integrer flere værktøjer med din AI-agent uden besvær ved hjælp af MCP-klientkomponenten. Designet til problemfri tilslutning, fungerer den som bro mellem din AI og forskellige eksterne værktøjer, hvilket forbedrer automatisering og kapacitet.

AI Agent

AI Agent-komponenten i FlowHunt giver dine workflows autonom beslutningstagning og evnen til at bruge værktøjer. Den udnytter store sprogmodeller og forbinder til forskellige værktøjer for at løse opgaver, følge mål og levere intelligente svar. Ideel til at skabe avancerede automatiseringer og interaktive AI-løsninger.

URL-henter

Lås op for webindhold i dine arbejdsgange med URL-henter-komponenten. Udfør nemt udtræk og behandling af tekst og metadata fra enhver liste af URL’er – inklusive webartikler, dokumenter og meget mere. Understøtter avancerede muligheder som OCR for billeder, selektiv metadataudtræk og tilpasset caching, hvilket gør den ideel til at bygge vidensrige AI-flows og automatiseringer.

E-mail notifikationsværktøj

Takket være E-mail notifikationsværktøjet genererer dine chatbots leads og giver straks besked til dit team.

Flow-beskrivelse

Formål og fordele

Lad os bygge dit eget AI-team

Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.

Lær mere

AI-kundesupportagent med LiveAgent API-integration
AI-kundesupportagent med LiveAgent API-integration

AI-kundesupportagent med LiveAgent API-integration

Dette AI-drevne workflow automatiserer kundesupport ved at forbinde brugerforespørgsler til virksomhedens vidensressourcer, eksterne API'er (såsom LiveAgent) og...

4 min læsning
Shopify AI Kundesupport Agent
Shopify AI Kundesupport Agent

Shopify AI Kundesupport Agent

Et workflow til en AI-drevet kundeservicemedarbejder, der kan besvare forespørgsler om Shopify-produkter, hente ordrestatuser og få adgang til information fra i...

3 min læsning
AI-supportchatbot med LiveAgent-integration
AI-supportchatbot med LiveAgent-integration

AI-supportchatbot med LiveAgent-integration

Automatisér din kundesupport med en AI-chatbot, der besvarer spørgsmål ved hjælp af din interne vidensbase og problemfrit forbinder brugere til en menneskelig a...

3 min læsning