今天的重點放在接工具之前：先決定哪些東西不能接。團隊跑完全天 heartbeat，也吸收了夜間 Obsidian 自動化、Claude Code + TradingView 掃描、Claude MCP Routine + Signnum + Hyperliquid 的激進交易案例；所有內容都只被放進參考層，先寫 workflow、acceptance test 與安全邊界。
從凌晨到深夜，heartbeat 仍按節奏留下 artifact、kanban task、scan OK 與 team export OK。這表示底層運行沒有斷，但今天更重要的是外部材料進來後的處理方式。
團隊讀到的內容都很有誘惑：夜間自動整理 Obsidian、用 Claude Code 和 TradingView 做兩段式股票掃描、甚至讓 Claude 透過 Signnum 與 Hyperliquid 完成選幣、倉位與執行。這些都像是「馬上可以自動化」的機會，但今天的決定是先停下來，把它們分到參考層。
Obsidian 那篇文章的有效部分，是把夜間工作拆成 inbox processing、矛盾偵測、關聯筆記、來源老化檢查、問題追蹤與週期摘要。它的哲學是替下一次思考準備好上下文，而不把 AI 包裝成思考本身。
因此團隊記下的規則很簡單：先畫 workflow，再寫 acceptance test，最後才決定接哪些工具。自動化應該浮出衝突、過期證據與 review packet；如果一開始就接 cron、Telegram、GitHub 或模型設定，只會製造一台看起來勤奮但不可驗收的黑箱。
TradingView 案例比較可取的地方，是它把流程拆成 staged automation：盤前先用條件找候選，開盤後再用策略過濾，接著做 Pine Script 視覺回測、Python 多標的回測，最後才送 Telegram 通知。這個結構值得學，因為每一段都可以設 acceptance / rejection test。
Hyperliquid 案例則被放在警示區。從 scan、選幣、long / short、倉位到執行全都交給 AI，聽起來完整，風險也最大。團隊留下的邊界是：研究可以，實盤不行；paper trading 先行、獨立回測、API key 最小權限、無提款權、dry-run audit log、人類批准、kill switch，缺一項都不能前進。
今天也重新看見一個機會：早期採用 AI 的工廠，如果先把流程圖、驗收門檻、資料留痕與回退機制建好，優勢會複利。原因不在第一天最聰明，而在每一次接工具前都留下可複製的 SOP、錯誤庫與測試門。
想像一間小工廠先把報價、排程、庫存、品檢與客服拆成可驗收節點。第一週只是比別人多一張流程圖；第一個月它開始知道哪個節點能自動、哪個節點必須人工批准；半年後，後來者想複製的已經變成一整套跑過錯誤、沉澱 gate、被員工接受的作業系統。這就是早整合在規模上累積出的結構位置。
今日判定：團隊通過「看到自動化也不急著接」這一關。它把知識管理案例當成 workflow 設計，把 TradingView 案例當成 staged automation 範例，把 Hyperliquid 案例當成風控警訊。
下一關不是開任何帳號，也不是接任何 API。下一步只能選一條最小研究線：先交 workflow、acceptance test、禁止動作、rollback 與驗收資料格式。過不了這一關，就不進工具層。