Polymarket AI 交易堆疊解構 · 六層
預測市場交易堆疊 · 整理自 @antpalkin 技術文章

AI Trading Stack — 交易堆疊解構 拆解一套六層的
Polymarket 交易堆疊。
28 個工具，從大腦到回測到執行。

本報告整理 @antpalkin 對一套 Polymarket 自動交易堆疊的技術解構：六層、28 個工具，每一層各補上一個會讓多數操作者虧損的缺口 — 缺資料、缺驗證、缺紀律、缺速度。文中的獲利數字與單一錢包績效均為原文宣稱，本報告僅作架構整理，不構成投資建議；預測市場交易具高風險。

堆疊層級
6 Layers
大腦 → 編排 → 資料 → 情報 → 回測 → 基礎設施。
工具總數
28 Tools
多數為開源 GitHub 倉庫，涵蓋推理、執行、資料與回測。
價差窗口
2.7 sec
Polymarket 相對 Binance 的價格延遲；依原文，2024 年約 12 秒，2026 Q1 壓縮至此。
合約結算
$1 / $0
二元合約：結果正確結算 $1.00，錯誤結算 $0.00。
01 / 概述 OVERVIEW · WHERE THE EDGE LIVES

一個價差，撐起整套交易堆疊。

概述 OVERVIEW

Polymarket 預測市場合約以 $1.00（正確）或 $0.00（錯誤）結算。關鍵類別是短週期 BTC/ETH 上漲 / 下跌合約，其價格更新比 Binance 慢，依原文，此延遲在 2024 年平均 12 秒，2026 Q1 壓縮到 2.7 秒。對機器而言，2.7 秒仍是永恆。這個價差是本文每個策略的根據。

01

價差為什麼存在。

Polymarket 是去中心化預測市場，價格只在交易者主動掛單時更新，沒有專責造市台即時刷新報價。Binance 一動，願意以過時賠率成交的賣方很少，價差就出現。它從 12 秒收窄到 2.7 秒，但尚未關閉，這是一場沒有明顯終局的軍備競賽。

02

機制，逐步拆解。

bot 監看 Binance WebSocket（延遲低於 50ms），算出 Binance 隱含機率與 Polymarket 顯示價的差距，用 Kelly 公式決定部位大小，經 Polymarket CLOB API（Polygon、chain ID 137、USDC 結算）執行，約兩秒後市場修正、平倉。依原文，這樣每天重複 200–500 次。

03

人 vs bot：差距在執行。

依原文，在相同延遲套利邏輯下，bot 約產生 $206,000、人約 $100,000，約 2× 差距。差距不在預測，而在執行：人進場慢、情緒化下注（與 Kelly 數學反向）、長時間監看會疲勞、虧損後的回撤心理。bot 用硬性 kill switch 避開這些。

02 / Layer 1–2 · 推理與編排 BRAIN & ORCHESTRATION · REASONING TO EXECUTION
01

推理大腦與代理編排

Layer 1 負責推理與機率估計，Layer 2 把意見變成可執行的決策。沒有執行層的推理引擎只是意見產生器。

9 Tools · 列核心 6
Brain · Orchestration
Layer 1–2
01/06
Layer 1 · Claude (Anthropic)

主策略推理引擎

推理市場問題、估計機率與當前價的差距、判定邊際大小

依原文，這套 bot 以 Anthropic 的 Claude 為主要策略師：從市場 context 推理到 Kelly 化的下單決策，每一步決策事後可稽核。原文引用一個 2026 年 3 月的對照實驗（相同 $1,000 起始資金、相同市況、48 小時），將 Claude 與 OpenClaw 框架對比，結果歸因於風控品質的差異，較保守的預設參數、更多防禦性邊界與更乾淨的錯誤處理。上述績效數字為原文宣稱。

✓ 主策略師 機率 vs 價格 Kelly 下單 決策可稽核
Layer Brain Role 策略師 關鍵 風控品質
02
smtg-ai / claude-squad

平行運行多個 Claude 實例

一個看政治、一個看加密、一個看體育，餵同一引擎

Layer 1 大腦的擴展：同時運行多個 Claude 實例，各自監看不同市場類別，再匯流到同一決策引擎。讓單一策略師覆蓋多個並行市場，而非循序輪詢。

多實例平行 分市場監看
Layer Brain Mode Parallel
03
QwenLM / Qwen3-Coder

開源編碼 LLM，自動改寫模組

監看實時績效、偵測擁擠策略、自主重寫程式碼

Layer 1 的輔助大腦：開源編碼模型，持續觀察策略的實時表現，偵測已被過度使用而失去邊際的策略，並自主重寫相關模組。把「策略會被套利掉」這件事變成可自動因應的迴圈。

開源 LLM 擁擠策略偵測 自動重寫
Layer Brain Type Coding LLM
04
msitarzewski / agency-agents

Bull vs Bear，Risk Manager 否決

角色化辯論：多方代理 vs 空方代理 vs 風控否決權

Layer 2 編排的核心模式：Bull Agent 與 Bear Agent 辯論，由 Risk Manager 握有否決權，共識決定交易與部位大小。這個框架的作用是讓「有信心但錯誤」不會變成「有信心且破產」。

角色化辯論 風控否決 共識定倉
Layer Orchestration Roles Bull/Bear/Risk
05
MiroMindAI / MiroThinker

強制思維鏈層

進場前必須先說明理由

Layer 2 的紀律層：bot 必須在進入每個部位前先論證其理由，作為強制的 chain-of-thought 檢查點。搭配 ClaudeAgent OneClick（github.com/cvxv666/ClaudeAgentOneClick，一鍵部署常駐 24/7 市場監看）與 Superpowers（github.com/obra/superpowers，為代理加上 web、檔案與 API 存取）構成完整編排層。

強制 CoT 進場前論證 + OneClick / Superpowers
Layer Orchestration Gate CoT 論證
06
TauricResearch / TradingAgents

多代理分析師框架

基本面 + 技術面 + 情緒面分析師 → 匯總訊號

Layer 2 的訊號聚合：基本面分析師、技術面分析師、情緒面分析師各自產出觀點，再匯總成單一交易訊號。把多視角分析變成可組合的代理管線，而非單一模型的一次性判斷。

多代理框架 三類分析師 訊號匯總
Layer Orchestration Agents 3 分析師
03 / Layer 3 · 資料與市場訊號 DATA & MARKET SIGNALS · THE EYES
02

資料與市場訊號

堆疊的眼睛。bot 的表現上限取決於它能看到什麼，這層補上宏觀資料、指標運算與實時圖表，更接近 Bloomberg 終端而非一支腳本。

8 Tools · 列核心 6
Data · Signals
Layer 3
01/06
OpenBB-finance / OpenBB

開源版 Bloomberg

統一 100+ 資料來源：股票、宏觀、加密、選擇權流、新聞

這層的骨幹。OpenBB 把上百個資料來源整合成單一介面，是資料層的基礎設施。原文將其定位為整套堆疊的「眼睛」，bot 的判斷品質受限於它能取得的資料廣度與即時性，OpenBB 負責把這個上限拉高。

✓ 資料骨幹 100+ 來源 股票 / 宏觀 / 加密
Layer Data Sources 100+ Role 骨幹
02
virattt / dexter

自主深度研究

SEC 申報、財報電話、分析師報告

自主深度研究代理：閱讀 SEC 申報、財報電話逐字稿與分析師報告，原文形容能把「兩小時的分析師工作壓縮到數秒」。搭配 MCP Server（github.com/financial-datasets/mcp-server）以 MCP 協定把型別化、已驗證的財務資料直送 Claude 的 context window。

自主研究 SEC / 財報 + MCP Server
Layer Data Type Research
03
calesthio / Crucix

鏈上聚合器

Polygon 上的鯨魚錢包動向可比可見訂單簿早數分鐘

鏈上資料聚合器：追蹤 Polygon 上的鯨魚錢包動向。依原文，這些鏈上動向可能比可見的訂單簿提前數分鐘出現，提供領先的方向訊號。

鏈上聚合 鯨魚動向 領先訊號
Layer Data Chain Polygon
04
mortada / fredapi

聯準會宏觀資料包裝

CPI、失業率、殖利率曲線，一個 Python 包裝免費取得

把聯準會（FRED）發布的每個宏觀資料集包進單一 Python 介面，免費取得。CPI、失業率、殖利率曲線可直接灌進 Claude 的 context，用以錨定任何與宏觀相關的市場判斷。

FRED 宏觀 CPI / 殖利率 免費
Layer Data Source FRED
05
txbabaxyz / mlmodelpoly

Binance 收集器與公允價計算

預測方向、為短週期 BTC/ETH 合約算公允價

預測市場方向並為短週期 BTC/ETH 合約計算公允價值，每筆延遲套利交易中的價格發現那一半。搭配 Polymarket Assistant Tool（github.com/FiatFiorino/polymarket-assistant-tool，把原始訂單簿與價格行為轉成可用的方向偏好訊號）。

公允價計算 短週期 BTC/ETH + Assistant Tool
Layer Data Role 價格發現
06
tradingview / lightweight-charts

TradingView 的圖表函式庫

45KB、免費，通往生產級監控儀表板的最快路徑

TradingView 自家的圖表函式庫，依原文約 14k stars、45KB、免費。是搭建生產級儀表板、實時監控部位與訊號的最快路徑，把資料層的輸出視覺化成可操作的監控介面。

輕量圖表 實時監控 開源
Layer Data Size 45KB
04 / Layer 4–5 · 情報、回測與基礎設施 INTELLIGENCE · BACKTEST · API INFRA
03

情報、回測與基礎設施

別人已經建好的部分，加上「先證明再上線」這一層。多數散戶 bot 跳過回測，這正是它們爆倉的原因。底層是 Polymarket 的 API 基礎設施。

Layer 4–5 + API
Intelligence · Backtest
先回測，再上線
01/06
dylanpersonguy / Polymarket-Trading-Bot

完整交易框架，七套內建策略

依原文約 53k 行 TypeScript

Layer 4 的完整框架：七套預建策略，套利、動能、造市、AI 預測、鯨魚跟單、收斂等。選一個策略、填入金鑰、執行。原文定位為「別人已經建好、不必從零打造」的代表，是進入市場情報層最快的起點。

✓ 完整框架 7 套策略 TypeScript
Layer Intelligence Strategies 7 Lang TS
02
txbabaxyz / polyrec

實時終端儀表板

Chainlink oracle + Binance feed + 完整訂單簿深度

結合 Chainlink oracle、Binance feed 與完整訂單簿深度的實時終端儀表板，依原文含 70+ 指標、自動 CSV 記錄與內建策略回測器。原文形容為免費可得、最接近機構級操作台的工具。

70+ 指標 CSV 記錄 內建回測
Layer Intelligence Feeds 3 合一
03
HyperBuildX / Polymarket-Trading-Bot

Rust 製，sub-100ms 延遲

多隻鯨魚湧入同一市場時，AI 為跟單訊號排序

以 Rust 寫成、低於 100ms 延遲的交易 bot。當多隻鯨魚同時湧入同一市場時，由 AI 為這些跟單訊號排序。情報層另有純網站工具，Polyscope（thepolyscope.com，掃 2,000+ 市場與鯨魚警報）、Polywhaler（polywhaler.com，$10k+ 鯨魚追蹤）、polymarketanalytics.com（公開交易者分析），本報告僅整理，未獨立驗證其數據。

Rust sub-100ms 跟單排序
Layer Intelligence Latency <100ms
04
evan-kolberg / prediction-market-backtesting

對真實歷史資料回測

任何新想法上線前的第一道理智檢查

Layer 5 的核心：以真實的 Polymarket 與 Kalshi 歷史資料回測交易策略。原文強調，這是多數散戶 bot 跳過、卻是爆倉主因的一層，推理模型能把從未賺錢的策略講得頭頭是道，唯一防線是讓每個想法先跑過歷史資料與模擬執行，再讓真金碰到 CLOB。

✓ 上線前必經 Polymarket / Kalshi 歷史回測
Layer Backtest Data 真實歷史
05
ent0n29 / polybot

完整執行與紙上交易基礎設施

Kafka · ClickHouse · Grafana

Layer 5 的另一半：含紙上交易（paper trading）的完整執行與市場資料基礎設施。原文形容其 Kafka、ClickHouse、Grafana 組合是「機構級交易台會搭建的分析管線」，由生產策略逆向工程而來。

paper trading Kafka / ClickHouse Grafana
Layer Backtest Stack 機構級
06
Polymarket / agents（官方）

官方 API 基礎設施

Gamma API、CLOB API 與 LangChain 已接好

底層的原始基礎設施。官方 AI 代理框架，已串接 Gamma API、CLOB API 與 LangChain，內建 Chroma 向量資料庫以攝取新聞來源。官方 Python client py-clob-client 三行取得訂單簿、五行在 Polygon 掛出簽章限價單。搭配 polyterm（github.com/NYTEMODEONLY/polyterm，終端儀表板：鯨魚追蹤、套利掃描、跨平台比較與市場風險評級）。

✓ 官方框架 Gamma / CLOB + polyterm
Layer API Infra Client py-clob
05 / 為何爆倉 HUMANS VS BOTS — WHY MOST RETAIL BOTS BLOW UP

差距在執行，不在預測

依原文，同一市場、同一策略、同一時間窗下，bot 與人的績效約有 2× 差距。原因不是更好的預測，而是人會犯四個 bot 不會犯的系統性錯誤。以下為原文整理的觀點，本報告僅作架構記錄，不構成投資建議。

01 · 缺的那一層

多數散戶 bot 跳過回測

推理模型能把從未賺錢的策略講得頭頭是道；跟著鯨魚進場時，行情可能早已移動；上個月有效的訊號，昨天可能已被套利掉。唯一防線是讓每個想法先跑過歷史資料與模擬執行（Layer 5），再讓真金碰到 CLOB。

02 · 人的四個系統性錯誤

進場慢、情緒化下注、疲勞、回撤心理

人辨識出 Polymarket 落差、確認 Binance 動向、手動下單時，窗口常已關閉；有信心時超額下注、不確定時又縮手，正好與 Kelly 數學反向；長時間監看會疲勞；虧損後不是放棄有效策略就是加倍下注。bot 配硬性 kill switch，兩者都不做。

03 · 風控品質決定一切

保守的預設參數

依原文那場 48 小時對照實驗，差別被歸因於風控品質，較保守的預設參數、更多防禦性邊界、更乾淨的錯誤處理。把這套架構照搬之前，先確認你的停損與部位上限是預設值，而非事後補丁。績效數字為原文宣稱，未經本報告獨立驗證。

04 · 窗口在收斂

價差從 12 秒收窄到 2.7 秒

依原文，價差隨更多 bot 進場持續縮小，但尚未關閉，是一場沒有明顯終局的軍備競賽。這也意味先進場者有複利優勢、後進場者面對的邊際更薄。投入前請充分理解預測市場的高風險本質與你所在地的法規。

想把這些 Skills 接進你的團隊？

Skills 已經開源。
接上 生產環境這一段，
是 Tenten 在做的事。

Tenten 是 AI-First 設計與技術顧問公司。我們把 Claude、MCP、Agentic Commerce 接進 Headless CMS、Webflow、Shopify Plus 的企業級交付 — 讓這份 Skills Atlas 裡每一個好的開源資產，都能真正跑在你正式上線的 pipeline 上。

預約 30 分鐘諮詢 → Tenten Awesome List
Tenten 如何部署這些 Skills
Skills 架構諮詢
依團隊與堆疊選出適配 skills，建立 OpenClaw 路由與 CI/CD 部署流程。
Claude Design System Sprint
兩週固定價格，接上 frontend-design + brand-guidelines 到 production。
Agentic Commerce Build
Shopify Plus / Webflow / Headless 遷移，搭配 Claude + MCP 營運層。