前言及免责

本实例代码及所涉场景仅作为 Web3 + AI 落地应用的技术案例，旨在展示两者结合的实现切入点与思路框架，不构成任何投资建议或交易诱导。代码中涉及的自动化交易策略存在资金损失风险，包括但不限于智能合约漏洞、市场流动性不足、预言机争议及模型决策失误。请勿将本代码直接用于真实资金交易，使用前应充分理解其机制并进行严格的安全审计。作者不对任何基于本代码的操作后果承担责任。

一、预测市场的套利机会

Polymarket 作为全球最大的去中心化预测市场平台，其独特的二元市场结构（YES/NO）天然存在套利空间。在理想状态下，同一事件的 YES 和 NO 代币价格之和应等于 1.0 美元（因为事件必然发生或不发生）。然而，由于市场分割、流动性差异和信息传播延迟，这种平价关系经常出现偏离——这正是自动化套利机器人的狩猎场。

传统量化交易依赖硬编码规则，而本文介绍的系统创新性地引入大语言模型作为决策中枢，让 AI 自主理解策略目标、分析市场数据并执行交易。

二、系统架构设计

2.1 核心组件

我们的系统采用模块化设计，四个核心工具函数构成交易闭环：

// 工具矩阵：感知 → 决策 → 执行
const allTools = [
    searchMarketTool,      // 感知：扫描市场机会
    getWalletBalanceTool,  // 感知：风控检查（防止透支）
    getOrderBookTool,      // 感知：获取买卖深度
    executeOrderTool       // 执行：下单成交
];

关键设计决策：

• 余额前置检查：在每次交易前查询 USDC 余额，避免因余额不足导致的链上交易失败
• 金额-份数自动换算：Polymarket API 使用"份数"而非金额，系统自动计算 size = total_dollars / price
• 硬性风控上限：单笔交易金额严格限制在 50 USDC，即使 LLM 被 prompt 注入攻击也无法突破

2.2 LLM 决策层

与传统策略不同，我们使用 DeepSeek-V3 作为推理引擎：

const llm = new ChatOpenAI({ 
    apiKey: process.env.DEEPSEEK_API_KEY,
    configuration: { baseURL: "https://api.deepseek.com" },
    modelName: "deepseek-chat",
    temperature: 0,  // 确定性输出，减少随机交易
});

通过 createOpenAIFunctionsAgent，LLM 获得工具调用能力（Function Calling） 。当接收到策略指令时，AI 会自主决定调用哪些工具、以什么顺序调用，以及如何从工具返回中提取信息。

三、套利策略的工程实现

3.1 市场扫描与机会识别

搜索工具对接 Polymarket 的 Gamma API，提取关键字段：

// 返回结构化的套利分析数据
{
    title: "2024 US Presidential Election",
    markets: [{
        question: "Will Trump win?",
        clobTokenId: "0x...",      // YES 代币 ID
        prices: [0.62, 0.40],       // [YES价格, NO价格]
        outcomes: ["Yes", "No"]
    }]
}

套利信号计算：当 YES价格 + NO价格 ≠ 1.0 时，存在套利空间。例如：

• YES = 0.62，NO = 0.40 → 总和 1.02 → 存在 2% 溢价
• 理论上可同时卖出 YES 和 NO，锁定 2% 无风险收益（需考虑手续费）

3.2 订单簿深度分析

获取订单簿不是为了显示，而是为了计算实际可成交的套利空间：

const book = await client.getOrderBook(tokenId);
// 分析前2档买卖盘，计算滑点成本

LLM 会评估：当前买一/卖一价差是否足够覆盖 3% 收益门槛？深度是否支持目标仓位？

3.3 安全下单机制

// 三重防护
if (total_dollars > 50) return "拒绝执行：单笔金额严禁超过 50 USDC";
const size = Math.floor(total_dollars / price);
if (size <= 0) return "错误：投入金额不足以购买 1 份";

为什么用限价单而非市价单？

• Polymarket 采用 CLOB（中央限价订单簿）模型
• 限价单避免在流动性不足时产生巨大滑点
• 符合"套利"本质：只有价格达到预期才成交

四、无人值守的运行时架构

4.1 主循环设计

while (true) {
    console.log(`[${new Date().toLocaleTimeString()}] 开始新一轮扫描...`);
    await executor.invoke({ input: strategyGoal });
    
    // 强制冷却：2分钟观察期
    await new Promise(resolve => setTimeout(resolve, 120000));
}

工程考量：

• API 频率限制：Polymarket API 有速率限制，2分钟间隔平衡了实时性与稳定性
• Token 成本控制：每次调用都消耗 DeepSeek API 费用，过度频繁的扫描会侵蚀利润
• 错误恢复：异常时进入 30 秒短休眠，避免错误雪崩

4.2 策略目标的自然语言描述

最精妙的设计在于：策略本身用自然语言描述：

startAutoTrading("搜索关于『2024美国大选』的市场，寻找 YES 和 NO 之间价格加总偏离 1.0 太多的套利机会，并执行操作。");

LLM 理解：

1. 搜索范围：限定在"2024美国大选"主题
2. 套利逻辑：YES + NO ≠ 1.0 时存在机会
3. 行动指令：分析后执行交易（隐含收益率>3%和<50刀的风控）

这种声明式策略定义让非技术人员也能调整交易逻辑，无需修改代码。

五、风险与局限

5.1 已实现的风控

5.2 未解决的风险

• 智能合约风险：Polymarket 合约漏洞可能导致资金损失
• 预言机风险：事件结果判定争议（如 2024 大选结果争议场景）
• 流动性风险：小市场订单簿深度不足，理论套利无法实际成交
• 模型幻觉：LLM 可能误解工具返回的数据格式，导致错误决策

5.3 生产环境建议

1. 增加模拟交易模式：client.postOrder 前增加 dryRun 参数空跑验证
2. 多签钱包：大额资金改用 Gnosis Safe 多签管理
3. 实时监控：接入 Telegram/Discord 机器人推送交易通知
4. 策略回测：用历史订单簿数据验证策略有效性

六、技术栈总结

七、结语

这个系统展示了LLM Agent 在金融交易领域的应用潜力：不是让 AI "预测"价格（这仍然困难），而是让 AI 理解规则、执行流程、管理风险。在预测市场这种规则明确、数据结构化、套利逻辑清晰的场景中，LLM 的推理能力可以显著降低策略开发门槛。

未来演进方向包括：多市场并行监控、动态调整扫描频率、基于历史胜率的学习优化，以及与其他 DeFi 协议的组合套利（如结合期权、永续合约进行对冲）。

八、补充：示例代码

工具篇

import { ethers } from "ethers";
import { ClobClient } from "@polymarket/clob-client";
import { z } from "zod";
import dotenv from 'dotenv';
import { DynamicStructuredTool } from "@langchain/core/tools";

dotenv.config();

// --- 初始化驱动 ---
const provider = new ethers.JsonRpcProvider(process.env.POLYGON_RPC_URL);
const wallet = new ethers.Wallet(process.env.PRIVATE_KEY, provider);
const client = new ClobClient(
   "https://clob.polymarket.com", 
   137,
   wallet,
   {
       apiKey: process.env.POLY_API_KEY,
       apiSecret: process.env.POLY_API_SECRET,
       apiPassphrase: process.env.POLY_PASS_PHRASE,
   }
);

// 1. 搜索工具（修正 URL 和数据结构）
const searchMarketTool = new DynamicStructuredTool({
 name: "search_polymarket",
 description: "搜索 Polymarket 市场。返回包含 YES 和 NO TokenID 及价格的市场列表，用于计算套利空间（YES价格 + NO价格 偏离 1.0）。",
 schema: z.object({
   query: z.string().describe("关键词，如 'Election'")
 }),
 func: async ({ query }) => {
   try {
     // 修正后的 Gamma API URL
     const url = `https://gamma-api.polymarket.com{encodeURIComponent(query)}`;
     const response = await fetch(url);
     const data = await response.json();
     
     // 提取完整的市场对比数据
     return JSON.stringify(data.slice(0, 3).map(event => ({
       title: event.title,
       markets: event.markets.map(m => ({
         question: m.question,
         // 同时返回 YES 和 NO 的 TokenID 供 Agent 对比
         clobTokenId: m.clobTokenId, 
         prices: m.outcomePrices, // 通常 [YES价格, NO价格]
         outcomes: m.outcomes // 通常 ["Yes", "No"]
       }))
     })));
   } catch (error) {
     return `搜索失败: ${error.message}`;
   }
 },
});

// 2. 余额查询工具（新增：防止透支报错）
const getWalletBalanceTool = new DynamicStructuredTool({
   name: "get_wallet_balance",
   description: "查询当前钱包在 Polygon 网络上的 USDC 余额。",
   schema: z.object({}), // 无需参数
   func: async () => {
       try {
           // Polymarket 主要使用 USDC (Polygon 上的地址)
           const usdcAddress = "0x2791Bca1f2de4661ED88A30C99A7a9449Aa84174";
           const abi = ["function balanceOf(address) view returns (uint256)"];
           const contract = new ethers.Contract(usdcAddress, abi, provider);
           const balance = await contract.balanceOf(wallet.address);
           return `当前钱包余额: ${ethers.formatUnits(balance, 6)} USDC`;
       } catch (e) {
           return `查询余额失败: ${e.message}`;
       }
   }
});

// 3. 下单工具（修正：金额到份数的换算）
const executeOrderTool = new DynamicStructuredTool({
   name: "execute_polymarket_order",
   description: "在 Polymarket 下达限价单。注意：amount 是你想投入的美元金额，我会自动换算成购买份数。",
   schema: z.object({
       tokenId: z.string().describe("目标的 Token ID"),
       price: z.number().describe("下单价格/赔率 (0.01-0.99)"),
       total_dollars: z.number().describe("准备投入的总美元金额"),
       side: z.enum(["BUY", "SELL"])
   }),
   func: async ({ tokenId, price, total_dollars, side }) => {
       try {
           // 风控：硬性上限
           if (total_dollars > 50) return "拒绝执行：单笔金额严禁超过 50 USDC。";
           
           // 换算：Polymarket API 需要的是 size (份数)
           // 份数 = 投入金额 / 单价
           const size = Math.floor(total_dollars / price);
           
           if (size <= 0) return "错误：投入金额不足以购买 1 份。";

           const order = await client.createOrder({
               tokenID: tokenId,
               price: price,
               side: side.toUpperCase(),
               size: size,
           });
           
           // 重要：如果是第一次测试，可以将下一行改为 return JSON.stringify(order) 进行空跑
           const response = await client.postOrder(order);
           return `订单提交成功！ID: ${response.orderID}, 购买份数: ${size}`;
       } catch (e) {
           return `交易失败: ${e.message}`;
       }
   }
});

// 4. 订单簿查询（保持不变）
const getOrderBookTool = new DynamicStructuredTool({
   name: "get_market_orderbook",
   description: "获取买卖盘深度。",
   schema: z.object({ tokenId: z.string() }),
   func: async ({ tokenId }) => {
       try {
           const book = await client.getOrderBook(tokenId);
           return JSON.stringify({ asks: book.asks.slice(0, 2), bids: book.bids.slice(0, 2) });
       } catch (e) { return `获取深度失败: ${e.message}`; }
   }
});

export const Tools = {
   searchMarketTool,
   getWalletBalanceTool,
   getOrderBookTool,
   executeOrderTool
};

agent执行脚本

import dotenv from 'dotenv';

import { ChatOpenAI } from "@langchain/openai";
import { AgentExecutor, createOpenAIFunctionsAgent } from "langchain/agents";
import { ChatPromptTemplate, MessagesPlaceholder } from "@langchain/core/prompts";
// import { DynamicStructuredTool } from "@langchain/core/tools";
// import { z } from "zod";
dotenv.config();
// import { Tools } from "./tools.js";
// const { searchMarketTool, getOrderBookTool, executeOrderTool } = Tools;
import { Tools } from "./tools1.js";
// AgentExecutor.js 中修改这一行
const { searchMarketTool, getWalletBalanceTool, getOrderBookTool, executeOrderTool } = Tools;

const allTools = [searchMarketTool,getWalletBalanceTool, getOrderBookTool, executeOrderTool].filter(
 (tool) => tool !== undefined
);
// 检查工具数量是否符合预期
if (allTools.length < 4) {
 throw new Error(`工具加载不完整！期望 4 个，实际加载了 ${allTools.length} 个。`);
}

// 定义策略逻辑
async function startAutoTrading(strategyGoal) {
   // --- 1. 定义策略目标 ---
   const prompt = ChatPromptTemplate.fromMessages([
       ["system", `你是一个专业的无人值守套利机器人。
       你的任务是：
       1. 扫描市场。
       2. 分析买卖深度，寻找价格差或不合理的赔率。
       3. 计算预期收益率（需扣除交易成本）。
       4. 只有在收益率 > 3% 且单笔风险 < 50 刀时才下单。
       5. 每一轮操作后，总结你的动作。`],
       ["human", "{input}"],
       new MessagesPlaceholder("agent_scratchpad"),
   ]);
   // --- 2. 配置 DeepSeek 模型 ---
   const llm = new ChatOpenAI({ 
     apiKey: process.env.DEEPSEEK_API_KEY,
     configuration: {
       baseURL: "https://api.deepseek.com",
     },
     modelName: "deepseek-chat",
     temperature: 0,
   });
   const agent = await createOpenAIFunctionsAgent({ llm, tools: allTools, prompt });
   const executor = new AgentExecutor({ agent, tools: allTools, verbose: true });

   console.log("🚀 全自动交易机器人已启动...");

   while (true) {
       try {
           console.log(`\n[${new Date().toLocaleTimeString()}] 开始新一轮扫描...`);
           
           await executor.invoke({ 
               input: strategyGoal 
           });

           // 强制休眠 2 分钟，防止 API 频率受限或产生过多 token 费用
           console.log("⏳ 扫描结束，进入观察期...");
           await new Promise(resolve => setTimeout(resolve, 120000));
       } catch (error) {
           console.error("❌ 循环中出现异常:", error.message);
           await new Promise(resolve => setTimeout(resolve, 30000)); // 遇到错误休息 30 秒
       }
   }
}

// 启动！
startAutoTrading("搜索关于『2024美国大选』的市场，寻找 YES 和 NO 之间价格加总偏离 1.0 太多的套利机会，并执行操作。");