DAYBREAK · CASE STUDY
產品經理視角 · 2026.09.22 — 2026.10.23
號外個人產品 · 從零到每日出刊

Daybreak破曉

把 15 個免費資料源，變成每天台北 08:30 出刊、會自己追蹤對錯的比特幣簡報。

角色

產品負責人（個人專案）
問題定義、規則設計、資料策略、AI 編輯流程與品質標準

協作

Claude Code 實作
Claude 排程任務每日撰寫判讀；GitHub Actions 跑資料管線

平台

靜態網站 + PWA
GitHub Pages、中文／英文、日刊／夜刊、可加到手機主畫面

連結

daybreak.aronlab.dev
GitHub 原始碼

Daybreak 桌面版頭版：左側九個版面的目錄，上方是號外標題，中間是超大的收盤價 81,086。
頭版，2026-10-23 收盤版（第 18 期）。號外標題總結當天市場，收盤價是全頁唯一的視覺重量。
18期連續每日出刊（10/06 起）
15個公開資料來源，0 把 API 金鑰
$0資料與主機成本
26條序列每天自動掃描異動
9個版面 × 中英兩種語言
155次提交，公開倉庫 16 天內
TL;DR

一頁看完

問題

資料很多，結論很少

長期持有者要在週期頂部前分批賣出，但鏈上、ETF、衍生品數據散在十幾個網站，每個數字都沒有「所以呢」，最需要紀律的時候最容易被情緒帶走。

做法

數字、判讀、規則分三層

程式產生數字，AI 只負責解釋，出場規則寫死、每月才檢討。每天自動出刊，再用「今日發現」把注意力集中到不尋常的地方，並在下一期檢查自己說得對不對。

結果

零成本、每天準時

18 期連續出刊，全程用免費 API；每天人工只剩一步（發 X 貼文）。發現有可驗證的追蹤條件，第一批已在隔天得到「確認」或「追蹤中」的結果。

Problem

問題與使用者

目標使用者是手上有比特幣、打算在這一輪週期分批賣出的長期持有者。第一位使用者是我自己。

  • 資訊分散鏈上指標在 Glassnode、CheckOnChain，ETF 流量在 Farside，衍生品在 Deribit、CoinGlass。每天早上要開一輪分頁，還得自己對齊日期。
  • 數字沒有解讀MVRV 1.5 是高還是低？資金費率 10% 代表什麼？跟昨天比變了什麼？工具給的是數字，使用者要的是判斷。
  • 紀律最難事先寫好的出場計畫，到了頂部常常不照做。價格越熱，越容易找到「這次不一樣」的理由。
  • 免費資料有坑免費層有每日額度，部分序列晚 5 到 7 天，網站會擋自動抓取。付費工具則要長期訂閱。
Job to be done每天早上花幾分鐘就知道：市場在週期的哪裡、今天有沒有任何出場規則被觸發、接下來該盯哪幾個價位和日期。
要做
  • 結論先行的每日簡報
  • 週期位置與出場框架的距離
  • 每個數字附一句白話解讀
  • 手機上也好讀，中英文都有
刻意不做
  • 短線價格預測與喊單
  • 顯示任何人的實際持倉或金額
  • 交易下單或串接帳戶
  • 需要金鑰或付費的資料源
Principles

產品原則

這五條寫在 README 和每日任務的規則裡，後面所有取捨都回到它們。

先給結論，再給證據

每一版最上方是「今日判讀」，一句話說這一版今天最值得注意的事，數字放在後面當證據。

寧可「本日未取得」，也不推估

來源失敗只影響那一項，頁面照實標示，絕不沿用昨天的數字。頁首的資料狀態列出每個來源落後幾天。

不同資料商的數字不相減

CoinMetrics 和 bitcoin-data 的 MVRV 口徑不同，混算會產生看起來精確、實際錯誤的結論。

分數附樣本數

引用歷史一律寫出樣本數，少於 30 不下結論。比特幣只有 3 到 4 輪週期，所有「遞減」推論都標明假設。

讀值不連動規則

市場階段、數字解讀、新聞、第三方模型都只作參考，不能改變出場框架。規則參數每月檢討時才改。

週期版：今日判讀說明市場階段為牛市第 15 天，下方是三個判定燈號與六個佐證燈號的表格，以及短期持有者成本與真實市場均價的走勢圖。
週期版。市場階段用寫死的規則判定（投降出現過、在上升的 200 日均線上連 30 天），六盞佐證燈號只顯示、不參與判定；圖上的虛線一律代表外推。
How it works

三層分工與每日流程

最重要的架構決定，是讓 AI 只負責「解釋」，不負責「算」，也不負責「決定」。

確定性程式

數字層

Python 管線抓 15 個來源、計算指標、偵測異動、封存前一期。同樣的輸入永遠得到同樣的輸出。

Claude 排程任務

判讀層

讀精簡摘要、查證新聞與研報，寫中英文頭條、各版判讀和今日發現。不改任何數字，也不改網站程式。

寫死的參數

規則層

出場框架：8 階價格階梯、鏈上觸發、頂部加速、200 日均線避險、時間停損。只有每月檢討時才改。

台北時間誰做什麼
06:40Actions預先抓 7 個鏈上指標，把免費層每天 15 次的額度分成兩批用。
08:06Actions抓全部資料、算指標、跑異動偵測、封存前一期、發布到網站。
08:30Claude讀摘要、查證新聞與研報，寫中英文判讀與發現；格式檢查與隱私掃描通過才提交。
08:3xActions產生中英文分享圖；X 貼文草稿推播到手機。
22:00Actions補抓前一個交易日的 ETF 流量（來源約晚一天公布）。
Decision log

關鍵決策與取捨

核心設計

AI 寫判讀，但不碰數字

情境
讓模型直接看原始資料寫日報很快，但數字可能被改寫、捏造，或混用不同口徑。
決定
數字只由管線產生；AI 只讀約 20KB 的精簡摘要，所有數字都要能在摘要裡找到。規則寫成一份任務文件，提交前由 notes_lint.py 檢查格式、數量、長度、英文版沒有中文、制式提醒句全期最多 4 次。
取捨
文字彈性變小，換來可審計：每句判讀都能追到資料欄位。品質靠規則和檢查器維持，不靠每天人工審稿。
10/08 · 10/15

零成本資料策略

情境
bitcoin-data 免費層每天只有 15 次請求；它的 STH-SOPR 晚約 7 天；Farside 用 Cloudflare 擋自動抓取。
決定
請求分前一晚 7 個、當天 6 個輪替；STH-SOPR 改讀 CheckOnChain 公開圖表；ETF 改用 The Block，逐日和 Farside 比對一致才採用。
取捨
多了快取與輪替的複雜度。STH-SOPR 的延遲從約 7 天降到約 1 天，同時每天省下額度，總用量維持在 13 次。
10/08 · 10/21

準時比聰明重要

情境
GitHub 內建排程在這個倉庫每天晚 5 到 7 小時，晨報變午報。
決定
改由 cron-job.org 準時觸發；原排程保留當備援，同一天重複觸發自動略過。AI 任務發現資料過期時，會自己觸發管線並等待。10/21 再修正「今天抓過沒」的判斷，改以週期起點計算，不再用 UTC 日期。
取捨
多一個外部服務要維護。換到的是晨報回到早上出刊，公開以來 18 期沒有斷過。
10/21

寧可拿掉，也不顯示舊資料

情境
鯨魚與大戶分層的來源 BitInfoCharts 開始擋自動抓取。
決定
暫停這個面板。管線不報錯，網站在沒有資料時連同狀態列和來源說明一起隱藏；程式碼保留，找到替代來源再回補。
取捨
少一個受歡迎的面板，但守住「不沿用舊數字」的原則。
10/18

發現自己的回測錯了，公開更正

情境
淨實現損益面板上線時，回測用的是每段尖峰「最極端的那一天」，這是事後才知道的資訊。
決定
改用即時可得的「每段第一天」重測，結論反轉：虧損尖峰之後的報酬普通，不是買點；獲利尖峰之後常繼續漲，也不是賣點。同時補上限制：歷次觸發都在現貨 ETF 之前，訊號在 ETF 時代可能變鈍。
取捨
少了一個好看的「買點訊號」。讀者拿到的是可信的讀值，每日任務也加上一條規則：不能把「沒觸發」寫成「還沒見底」。
10/08 → 10/12

手機和桌面用不同的閱讀方式

情境
9 個版面，資訊密度很高。上線第一天就試了 5 種換版方式。
決定
手機一次一版、左右滑動、換版一律回到頂部；桌面連續捲動、鍵盤 1 到 9 跳版。CSS 和 JS 加版本號，避免手機拿到新舊混搭的檔案。
取捨
兩套導覽要各自測試，所以每個 PR 都用無頭瀏覽器渲染中英文 × 桌面手機，確認沒有 JS 錯誤、不會橫向捲動。
10/12

英文版的預設語言依地區決定

情境
X 上的讀者大多看英文，但核心使用者讀中文。
決定
台灣、香港、澳門、中國大陸、新加坡預設中文，其他地區預設英文；使用者選過就一直沿用。只查國家代碼，結果存在訪客自己的瀏覽器。
取捨
多一次第三方查詢。AI 每天要多寫一份英文判讀，缺檔時退回中文並標示。
Feature deep dive

今日發現：從儀表板到判斷

上線兩週後的觀察：讀者自己看得到數字，看不到的是「哪裡不尋常、為什麼、接下來看什麼」。

前 16 期的日報是「每個版面一段判讀」。資訊完整，但重點平均分配，真正異常的訊號會被淹沒在 9 個版面裡。10/23 上線的「今日發現」改成先找異常、再寫判斷，並讓每個判斷都能在下一期被檢驗。

STEP 1偵測

26 條序列套固定規則：一年 2% 極端值、7 日急變、狀態翻轉、關鍵價位 ±3%、連續、跨指標組合。

signals.py
STEP 2撰寫 0 到 3 則

拆解是哪一邊在動、交叉比對、列出其他解釋、引用過去同樣情況與樣本數。

Claude
STEP 3寫下追蹤條件

例如「實現獲利回到 4,000 顆以下」，附期限，並標明成立時代表確認或推翻。

Claude
STEP 4隔天自動檢查

管線讀上期條件，用今天的數字判斷成立與否。

signals.py
STEP 5寫後續

確認、推翻、到期或追蹤中。結果寫進往期索引。

Claude

↺ 第 5 步的結果成為下一期第 1 步的輸入

今日發現區塊：整體偏空，兩則發現各附可信度與偏空標籤；下方是上期發現的後續，一則追蹤中，一則確認。
10/23 版的今日發現。上期兩則發現，一則「確認」（資金費率維持在 5% 以上），一則仍在「追蹤中」。每則都標偏多／偏空／中性與理由，頂端彙總整體方向。
設計規則

硬湊的發現比沒有更糟

數量上限 3 則，可以是 0。同一件事的多個訊號合成一則；連續多天的異常只有出現新發展才再寫，否則放進後續。

為什麼這樣設計

讓 AI 的判斷可以被記分

每則發現都寫出會推翻自己的條件，系統隔天自動對答案。累積下來，就能算出發現的確認率，評估判讀品質。

Iterations

迭代時間軸

  1. 資料管線與網站

    先解決「每天有一份正確的數字」，再談解讀。

  2. 籌碼流向、掛單簿深度

    掛單簿從 3 家擴大到 13 個交易所（10/06），加入第三方頂底模型讀值。

  3. 公開上線

    請求輪替、ETF 換源、手機滑動換版、資產版本號。

  4. 市場階段規則修訂

    牛市需投降出現過，加上在上升的 200 日均線上連 30 天；加入佐證燈號。

  5. 每個數字附白話解讀；英文版

    依固定門檻自動產生「現在代表什麼」，標上偏多／偏空／留意／中性。PR 自動檢查上線。

  6. 分發

    中英文分享圖、每日 X 草稿、發文小幫手、無 cookie 的訪客統計。

  7. 每張圖都有「讀圖」

    「現在」一句自動產生，「怎麼讀」說明要小心什麼；虛線一律代表推測。11 項鏈上指標補上 3 年走勢。

  8. 淨實現損益與回測更正

    發現後見之明偏誤，改用即時測試，結論反轉並公開更正。

  9. 可靠性週

    修正預抓排程、鯨魚面板暫停、每日任務規則依版面重整。

  10. 今日發現與後續追蹤

    從「每版一段判讀」轉向「先找異常、再寫可檢驗的判斷」。

Distribution

分發與成長

內容每天自動產生，分發也要接近零成本：圖自動畫，文案自動寫，人只按發送。

英文分享圖：號外紅標，標題寫 ETF 流入 5.25 億美元但那斯達克下跌 2.6%，下方三格是市場階段、ETF 七日流量與離出場第一階的距離。
每期推送後由 Actions 自動產生的分享圖（英文版）。
連結預覽卡：DAYBREAK 破曉字標，副標 The first Bitcoin brief of the morning。
網址貼到 X 時的預覽卡，預設英文。
直式短影片封面：比特幣漲了，推它的卻是空頭；空單一天被清算 1.88 億美元。
短影片封面。社群內容只放市場資訊，不放出場框架。
自動化

每天一份草稿

AI 寫完日報後另寫中英文 X 貼文，用 x_len.py 確認在 280 字內，推播到手機。發文小幫手一鍵複製、存圖、開 X 發文視窗。

邊界

資訊公開，策略留在站內

短影片與貼文不放出場框架、觸發條數或「今天不動」之類的動作結論。社群負責帶人進來，判斷框架留在網站裡完整說明。

量測

不收個資的統計

GoatCounter 不用 cookie，只在正式網址計數；X 連結帶 utm_source=x，分得出社群帶來的流量。

Trust & quality

品質與風險控管

風險對策
公開倉庫洩漏個人資訊隱私鐵則列為最高優先：不得出現任何人的實際持倉或金額，出場框架只用百分比；每次提交前掃描。
AI 捏造或誤植數字只讀摘要、不改數字；格式與數量由檢查器把關，沒過就不能提交。
讀值被誤會成買賣訊號標籤只描述「對價格的一般含意」；與自動解讀方向不同時必須寫出原因。
資料延遲或失敗頁首資料狀態列出每個來源的日期與落後天數；失敗的項目顯示「本日未取得」。
改版弄壞網站每個 PR 檢查語法、英文字典、版本號，並渲染每一版的中英文 × 桌面手機。
Metrics & next

成效指標與下一步

產品上線約兩週，流量統計已經埋好但樣本還小，這裡先列出我會用來判斷成敗的指標。

指標定義現況
北極星每天開啟日報的回訪讀者數已埋點，累積中
準時率08:30 前資料與判讀都已更新的天數比例18 期連續出刊
資料完整度每期「本日未取得」的項目數頁首每天顯示
判讀品質發現到期時「確認」對「推翻」的比例10/22 起累積，首批 1 確認、1 追蹤中
分發效率帶 utm_source=x 的造訪占比已埋點，累積中
下一步

往期頁面

每期已自動封存頭條、當天收盤、之後漲跌與價位有沒有被碰到。10/12 決定先只封存，等資料夠多再設計成可回顧的頁面。

下一步

發現的公開記分板

把確認率放到網站上，讓讀者自己判斷這份簡報值不值得信。

下一步

鯨魚資料替代來源

找到不擋自動抓取的地址分層資料，再回補暫停中的面板。

Learnings

學到的事

  • 用 AI 做產品，規格就是規則文件

    每日任務的指示有 160 多行，寫清楚格式、數量、禁止事項和每一版要怎麼寫。品質問題出現時，修的是規則和檢查器，不是當天的那段文字，所以同樣的錯不會再犯。

  • 可信度是累積出來的

    「本日未取得」、樣本數、虛線代表推測、公開更正回測，每一項單看都讓產品顯得不那麼厲害，放在一起才讓讀者願意相信剩下的數字。

  • 先讓它每天出刊，再讓它變聰明

    前兩週大部分的工作是資料來源、排程與額度。準時、正確的基礎打好之後，「今日發現」這種需要判斷力的功能才有意義。