EA Factoring: สร้างโรงงาน EA + ให้ AI หลายตัวคอย optimize — ไม่เขียน code แม้แต่บรรทัดเดียว

"ช่วยสร้างระบบเทรดที่แม่นยำด้วย AI ได้ไหม?" — ถาม AI ตรงๆ แบบนี้. ไม่อ้อมค้อม ไม่แต่งคำถาม.

พูดตรงๆ นะ — เทรดมานาน ใช้ MT5 มาหลายปี เห็นคนอ้างว่า AI เทรดได้กำไรเป็นล้าน ก็อยากลองบ้าง.

แต่ที่ AI ตอบตรงๆ แบบนี้ — กลายเป็นจุดเปลี่ยน.

ถามต่อว่า:

นั่นคือจุดเริ่มต้นของทุกอย่าง.

จาก "AI ช่วยเทรด" เป็น "EA Factoring"

แนวคิดที่เปลี่ยนทุกอย่าง — แยกหน้าที่ให้ EA เทรด และ AI วิเคราะห์ + ปรับปรุง

แนวคิดที่เปลี่ยนไป

ตอนแรกคิดง่ายๆ ว่า AI = เทรดให้. เปิด เข้า ออก จบ.

ไม่ใช่.

สิ่งที่ได้ผลจริงคือแยกหน้าที่ชัดเจน — ให้แต่ละส่วนทำในสิ่งที่มันเก่ง:

• EA Spike Scalper v2= มือเทรด — ตรวจจับ Spike/Crash/Wick ด้วยตัวเอง (standalone) + Trend Alignment Filter + เปิด/ปิดอัตโนมัติ 24 ชม.
• God's Eye Dashboard= เครื่องมือวิเคราะห์สำหรับคน — ดู indicators หลายตัวข้าม 4 timeframes ช่วยตัดสินใจ manual trade (EA ใช้สูตร threshold เดียวกัน แต่ทำงานแยกกัน)
• AI + Python ML= ผู้จัดการ — วิเคราะห์ผลเทรดทุก 6 ชั่วโมง ปรับ parameter ให้ดีขึ้น แนะนำกลยุทธ์ใหม่

ทำไมเรียก "EA Factoring"?

ไม่ใช่แค่ EA ตัวเดียว.

จะสร้างหลายตัว. ตามแนวคิดต่างๆ กลยุทธ์ต่างๆ. ทดสอบพร้อมกัน. เหมือนโรงงานที่ผลิต EA ออกมาเรื่อยๆ — ตัวไหนดีก็เก็บ ตัวไหนไม่ดีก็ปิด.

EA ตัวแรก:Spike Scalper — จับจังหวะราคากระชากแรงๆ ของ Gold (XAUUSD) กับ Bitcoin (BTCUSDm).

แต่มันจะไม่ใช่ตัวสุดท้าย.

AI ไม่ได้เทรดเอง — แค่วิเคราะห์ผลและแนะนำการปรับปรุง แบ่งหน้าที่ชัดเจน EA เทรด, AI คิด

ระบบทำงานยังไง — เบื้องหลังทั้งหมด

EA Spike Scalper v2, AI TradeLogger, 2 เครื่อง Windows+Linux, n8n workflow และ AI Feedback Loop ทำงานร่วมกัน

EA Spike Scalper v2 — ตรวจจับเอง เทรดเอง

EA ตัวนี้ทำงานstandalone — ไม่ต้องพึ่ง indicator ภายนอก ตรวจจับ event ด้วยตัวเองทั้งหมด.

3 ประเภท event ที่จับได้:

• Spike/Crash — แท่งเทียน body ใหญ่ กระชากทิศทางเดียว (4 ระดับ: 25/50/75/100)
• Wick — แท่งเทียน wick ยาว (liquidity sweep) บ่งบอก reversal
• Trend Alignment — ใช้ EMA(9/21/50) + H4/D1 ตรวจทิศทาง trend ก่อนเข้า

สูตร threshold เดียวกับ God's Eye Dashboard indicator — แต่ EA ทำงานแยกกันอิสระ ไม่ต้องเปิด indicator คู่กัน.

God's Eye Dashboard เป็นเครื่องมือวิเคราะห์สำหรับ manual trade — ไม่ได้ส่ง signal ให้ EA

AI สร้าง code 700+ บรรทัดให้ — compile ผ่าน 0 errors

สิ่งที่ระบบยังขาดคือการเก็บข้อมูลเพื่อให้ AI วิเคราะห์ได้.

AI สร้างAI_TradeLogger.mqhออกมา — 700+ บรรทัด ภาษา MQL5. ไม่ได้พิมพ์แม้แต่บรรทัดเดียว.

ข้างในมีอะไร:

• CSV Logger — บันทึกทุกออเดอร์ 27 columns (ราคาเข้า ราคาออก กำไร/ขาดทุน spread session เวลา ฯลฯ)
• Smart Spread Filter — เก็บค่า spread เฉลี่ย 30 นาที ถ้า spread ตอนนั้นกว้างกว่าเฉลี่ย 3 เท่า → ไม่เข้าออเดอร์
• DD Guardian — ถ้าขาดทุนถึง 10% ลด risk ครึ่งหนึ่ง ถึง 15% เหลือ 1/4 ถึง 20% หยุดเทรดทันที

กด Compile ใน MetaEditor — 0 errors, 0 warnings.

ไม่ได้โม้. ดูรูปเอา.

2 เครื่อง 1 ระบบ — Windows เทรด, Linux วิเคราะห์

ระบบนี้ทำงานบน 2 เครื่องที่คุยกัน:

Windows VM — รัน MetaTrader 5 + EA เทรดจริง 24 ชม. เขียน CSV ทุกออเดอร์

Linux Server — รัน n8n (ดึงข้อมูล) + PostgreSQL (เก็บข้อมูล) + Grafana (แสดงกราฟ) + Dashboard (สรุป report)

เชื่อมกันผ่านSMB shared folder — EA เขียน CSV ฝั่ง Windows → n8n อ่านฝั่ง Linux.

เมื่อ AI วิเคราะห์เสร็จ → เขียน config file กลับ → EA อ่านแล้วปรับ parameter อัตโนมัติ.

วนซ้ำ. ไม่หยุด.

n8n — สมองที่เชื่อมทุกอย่าง

n8n เป็น workflow automation tool — เหมือน Zapier แต่ self-hosted ฟรี.

ใช้ 2 workflows หลัก:

Workflow 1: CSV Trade Importer(รันทุก 5 นาที)

Schedule Trigger → Read CSV Files → Parse CSV to SQL → Insert to DB

ง่ายมาก. ทุก 5 นาทีมันจะไปอ่าน CSV ที่ EA เขียน → แปลงเป็น SQL → ใส่เข้า database. ข้อมูลซ้ำ? ไม่มีปัญหา — ใช้ ON CONFLICT DO NOTHING กันไว้แล้ว.

Workflow 2: AI Trade Analyzer(รันทุก 6 ชม.)

อันนี้คือหัวใจของระบบ.

Every 6 Hours → Get Active EAs → Get Recent Trades → Build AI Prompt → Call OpenRouter AI → Process AI Response → Save to DB + Write Config File + Send Lark Notification

ทุก 6 ชั่วโมง n8n จะ:

1. ดึงรายชื่อ EA ที่ active จาก database
2. ดึงข้อมูลเทรดล่าสุดของแต่ละ EA
3. สร้าง prompt ที่รวม 5 บทบาทผู้เชี่ยวชาญ
4. ส่งไป OpenRouter API → Claude/GPT/Gemini วิเคราะห์
5. เอาผลลัพธ์มา:บันทึกลง database+เขียน config file→ EA ปรับ params อัตโนมัติ +ส่ง Larkแจ้งว่าปรับอะไร ทำไม

AI ที่คิดเหมือนทีม 5 คน

ก่อน AI จะวิเคราะห์ ไม่ได้แค่บอกว่า:

ให้มันสวมบทบาทผู้เชี่ยวชาญ 5 ตำแหน่งพร้อมกัน — แต่ละตำแหน่งมี JD มี skills มีมุมมองที่ต่างกัน:

ผลลัพธ์? AI ไม่ได้แค่บอกว่า "ปรับ TP จาก 10 เป็น 8.5"

มันบอกด้วยว่า:

• ทำไม — "Win rate ช่วง Asian session ต่ำกว่า London 15% เพราะ spike ไม่แรงพอ"
• มั่นใจแค่ไหน — "Confidence: 82%"
• คาดว่าผลจะเป็นยังไง — "Expected: Win rate +5-8%"

6 parameters ที่ AI ปรับ:

และไม่ใช่แค่ AI จาก OpenRouter — ยังมีPython ML layerด้วย: XGBoost + scikit-learn สำหรับวิเคราะห์เชิงลึก + SHAP เพื่ออธิบายว่า feature ไหนมีผลต่อกำไร/ขาดทุนมากที่สุด.

OpenRouter — เลือก AI ได้เหมือนเลือกพนักงาน

OpenRouter คือAI Gateway — เป็นทางเข้าเดียวที่เรียกใช้ AI ได้หลายโมเดล.

ไม่ต้อง manage API key หลายเจ้า. ไม่ต้องแก้ code เวลาเปลี่ยนโมเดล. แค่เปลี่ยนชื่อโมเดลใน config — จบ.

ตอนนี้เลือกได้ 3 ตัวหลัก:

Claude ชนะเรื่องวิเคราะห์ trading data. จบ. ลองทั้ง 3 ตัวแล้ว — Claude ให้ insight ที่ละเอียดและ actionable กว่า.

แต่ Gemini ก็มีที่ใช้ — สำหรับ quick check ที่ไม่ต้องลึกมาก ฟรี tier ก็เพียงพอ.

เลือกจาก Dashboard ได้เลย. ไม่ต้องแก้ code.

Dashboard — ดู EA ทุกตัวจาก browser

2 ระบบเสริมกัน:

Grafana — Real-time monitoring

• Equity Curve (กราฟกำไร/ขาดทุน)
• Win Rate % แยกตาม session/วัน
• Drawdown Chart
• Trade Distribution (Buy/Sell ratio)
• Auto-refresh ทุก 30 วินาที

Next.js Dashboard — สรุปแบบ MyFxBook

• Overview — Profit, Win Rate, Active EAs แยกตาม Portfolio (Gold / BTC / Forex)
• Trades — ประวัติเทรดทุกออเดอร์
• AI Lab — ผลวิเคราะห์ AI + config history + strategy suggestions
• EA Detail — ดูรายละเอียด EA แต่ละตัว

ทำไมต้อง 2 ระบบ? Grafana เก่งเรื่อง real-time chart กับ monitoring. Next.js เก่งเรื่อง custom UI กับ AI integration. ใช้คู่กันดีกว่า.

LARK Bot — แจ้งเตือนที่เปิดดูจริง

ทำไมไม่ใช้ LINE? ทำไมไม่ใช้ Slack?

เพราะLARK คือ tool ที่เปิดทำงานทุกวันอยู่แล้ว. ใช้จัดการบริษัท ใช้คุยกับทีม ใช้ดู task.

ถ้าแจ้งเตือนมาที่ LARK — เห็นแน่นอน.

Bot "EA AI Analyst" ส่ง 6 ประเภท:

EA Spike Scalper v2 — อัปเกรดล่าสุด

จาก 700 เป็น 2,000+ บรรทัด — เพิ่ม Standalone Detection, Wick, 4-Tier Level, Trend Filter, News Guard

หลังจากรันระบบแรกไปสักพัก เห็นจุดที่ต้องปรับปรุง — และใช้ AI ช่วยสร้าง v2 ขึ้นมาใหม่ทั้งตัว.

จาก 700 บรรทัด → 2,000+ บรรทัด. compile ผ่าน 0 errors.

สิ่งที่เพิ่มมาใน v2:

ที่สำคัญคือ — ทุกอย่างยังเชื่อมกับ AI Feedback Loop เหมือนเดิม. EA v2 เก็บข้อมูลเทรดเป็น CSV → n8n ดึงไปวิเคราะห์ → AI ปรับ params → วนซ้ำ.

แค่ตัว EA ฉลาดขึ้น — กรองสัญญาณได้ดีขึ้น ก่อนที่ AI จะมาช่วยปรับปรุงอีกที.

EA เขียน CSV → AI อ่านวิเคราะห์ → เขียน config กลับ → EA ปรับตัว ทำซ้ำทุก 6 ชม. ไม่มีหยุด

3 สิ่งที่เรียนรู้จากโปรเจกต์นี้

AI ที่ดีคือ AI ที่บอกตรงๆ, ไม่ต้องเก่ง code แค่เก่งตัดสินใจ, และระบบที่ดีคือระบบที่เรียนรู้

AI ที่ดีคือ AI ที่บอกตรงๆ

ถ้าตอนนั้น AI บอกว่า "ได้ครับ สร้างระบบเทรดที่ชนะ 100% ให้เลย" — คงเสียเงินไปแล้ว.

การที่ AI ตอบตรงๆ ว่า"ทำได้ แต่ไม่มีอะไรแน่นอน 100%"ทำให้ได้คิดใหม่. ได้ระบบที่ดีกว่าระบบที่ AI เทรดเองมาก — เพราะมันเป็นระบบที่เรียนรู้.

บทเรียน? ฟัง AI เมื่อมันเตือน — แล้วถามต่อว่า "แล้วทำยังไงให้ดีขึ้นได้?"

ไม่ได้เก่ง code — เก่งตัดสินใจ

ทั้งหมดที่เห็น:

• MQL5 — 700+ บรรทัด (AI_TradeLogger.mqh)
• EA modifications — อีก 200+ บรรทัด
• TypeScript — Dashboard ทั้งระบบ
• SQL — Database schema 6 tables
• Python — ML analysis pipeline
• Docker Compose — Infrastructure ทั้งหมด

ไม่ได้พิมพ์แม้แต่บรรทัดเดียว. ทุกอย่างผ่าน Cursor AI editor.

สิ่งที่ทำจริงๆ:

1. ตั้งโจทย์ — บอก AI ว่าต้องการอะไร
2. เลือก — AI เสนอ 3 options มา เลือก 1
3. ตรวจ — ดูว่าใช้ได้ไหม ถ้าพัง → บอก AI แก้
4. ตัดสินใจ — Docker หรือ OrbStack? Grafana หรือ custom chart? Claude หรือ GPT?

นี่คือ "Vibe Code" — สั่ง AI ด้วยภาษาคน ให้ AI ลงมือทำ.

ระบบที่ดีไม่ใช่ระบบที่แม่น — คือระบบที่เรียนรู้

EA ทั่วไป: set parameter → รัน → ผลดีช่วงแรก → ค่อยๆ ถดถอย → ต้องมานั่งปรับเอง.

EA + AI Feedback Loop: เทรด → วิเคราะห์ → ปรับ → เทรดรอบใหม่ด้วย params ที่ดีขึ้น →ทุก 6 ชั่วโมง.

ไม่ต้องมีคนมานั่งดู. ไม่ต้องตื่นตี 3 มา tune parameter.

Closed-Loop AI Trading System — ระบบเรียนรู้จากผลลัพธ์จริง แล้วปรับตัวเองอัตโนมัติ.

Compile ใน MetaEditor — 0 errors, 0 warnings. Code 700+ บรรทัดจาก AI ไม่ได้พิมพ์เอง

ลองทำเลย — Prompt + ขั้นตอน

Prompt ที่ใช้จริง + 3 ขั้นตอนเริ่มต้นที่ทำได้ทันที ไม่ต้องทำทั้งระบบก็ได้

Prompt ที่ใช้เริ่มโปรเจกต์นี้

ใช้กับ: Claude / ChatGPT / Cursor | ระดับ: กลาง

Output ที่คาดหวัง:AI จะออกแบบ architecture diagram + แนะนำ tech stack + แบ่ง phase การทำงาน

ทำไม prompt นี้ได้ผล:กำหนดขอบเขตชัด 4 ข้อ + บอก constraints (ไม่เขียน code เอง) ทำให้ AI ออกแบบ architecture ที่ Cursor สร้างได้จริง

3 ขั้นตอนเริ่มต้น — ไม่ต้องทำทั้งระบบก็ได้

Step 1: ให้ AI สร้าง CSV Logger(30 นาที)

สิ่งที่บอก Cursor:

AI สร้าง AI_TradeLogger.mqh ออกมา — compile ผ่านรอบแรกเลย.

Step 2: เอา trade log ส่งให้ AI วิเคราะห์(10 นาที)

ยังไม่ต้องทำระบบอัตโนมัติ. แค่ copy ข้อมูลจาก CSV ส่งให้ Claude:

ทำแค่นี้ก็มีค่ามหาศาลแล้ว. เจอ insight ที่ไม่เคยเห็นมาก่อน — เช่น Win rate ช่วง Asian session แย่กว่า London 15% เพราะ spike ไม่แรงพอ.

Step 3: ขยายเป็นระบบอัตโนมัติ(เมื่อพร้อม)

ถ้า Step 2 ได้ผลดี → ค่อยบอก AI ให้สร้าง:

• n8n workflow อ่าน CSV อัตโนมัติ
• AI analyzer ทุก X ชั่วโมง
• Dashboard ดูจาก browser

ไม่ต้องทำทุกอย่างวันเดียว. เริ่มจาก Step 1-2 ก่อน.

อนาคตของการเทรดคือ AI + คน ทำงานเป็นทีม — ไม่ใช่เลือกอย่างใดอย่างหนึ่ง

Tech Stack ที่ใช้ (สำหรับคนอยากรู้)

10 layers ตั้งแต่ MetaTrader 5 ยัน Docker — ทุกอย่างสร้างผ่าน Cursor AI

ไม่ได้บอกว่าระบบนี้จะทำให้รวย. บอกไม่ได้เพราะยังอยู่ในช่วงทดสอบ.

แต่สิ่งที่บอกได้แน่ๆ คือ — วิธีคิดที่อยู่เบื้องหลังระบบนี้ใช้ได้กับทุกเรื่อง.

คุณไม่ต้องรู้ว่า MQL5 คืออะไร. ไม่ต้องรู้ว่า n8n ทำงานยังไง. ไม่ต้องรู้ว่า PostgreSQL คืออะไร.

คุณแค่ต้องรู้ว่าคุณต้องการอะไร — แล้วสั่ง AI ให้ทำ.

อนาคตของการเทรดไม่ใช่ "AI เทรดให้ทั้งหมด" — แต่คือ"AI + คน ทำงานเป็นทีม"

ลองถาม AI ของคุณวันนี้ดูสิ. ถ้ามันเตือนว่าไม่แน่นอน — ดีเลย. ถามต่อ. ระบบที่ดีที่สุดเริ่มจากคำถามที่ถูกต้อง.

คำถามที่ถามบ่อย (FAQ)

ทุน, ค่า API, ต้องเปิดคอม 24 ชม.ไหม, ต่างจาก copy trading ยังไง