交易所為「小蝦米」(交易者)提供技能樹；Openclaw 會把人類交易者拋在後頭嗎?

作者:Frank,PANews

一夜之間,似乎每個人都在部署小龍蝦(一個流行的加密貨幣平台)。這股趨勢終於來到了加密產業。3月3日,幣安和OKX這兩大加密巨頭同時推出並開源了AI Agents的AI Skills資料庫,使AI Agents能夠透過這些協議直接實現鏈上alpha發現和即時交易。不久前,預測市場領導者Polymarket也推出了專為代理設計的CLI工具。

在這看似巧合的情況背後,事實是AI正在成為加密產業未來的主要交易實體,而這種變化已經開始。

但使用者面臨的核心問題是:基於代理的交易真的可靠嗎?

引領潮流,加密產業正式迎來AI交易者。

讓我們來看看幣安和OKX這次開源的Skill實際上能做什麼。

幣安的七個Skills被定位為「統一智慧核心」,將零散的加密市場訊號轉化為可執行的交易決策。具體來說,它們使AI代理能夠自動執行現貨交易,例如存取即時市場資料和下單。它們還可以分析任何錢包地址以生成聰明錢追蹤報告,包括詳細的持倉資訊。其他功能包括代幣檢索、跟單交易和合約風險監控。

OKX的OnchainOS AI升級被定位為「AI代理的鏈上作業系統」。它支援超過60個與自主錢包管理、交易和支付相關的鏈上功能。這些功能包括錢包持倉查詢(跨鏈資產餘額和投資組合)、DEX市場資料、交易執行和代幣發現。

Polymarket稍早推出的Rust CLI介面是AI代理的終端,允許它們直接查詢、交易和管理Polymarket上的所有預測市場。此外,Bitget和Coinbase也發布了類似的技能庫。

從功能角度來看,這些技能提供了普通使用者進行鏈上交易或參與其他加密交易所需的基本功能,包括市場研究、訂單執行、聰明錢追蹤等。

然而,這是否意味著現在每個人都可以享受咖啡,同時看著小龍蝦在幕後為他們賺錢?

一位社群媒體使用者分享了一個「小龍蝦」賺錢工具。

AI Agent ≠ 量化機器人

但實際結果可能與大多數人想像的不同。

許多人將「AI交易」等同於量化交易機器人,但兩者的底層邏輯根本不同。

差異是根本性的。傳統量化交易機器人本質上是執行預定義規則的自動化程式,例如「當RSI跌破30時買入,當其升至70以上時賣出」。它們速度極快,但對自己在做什麼毫無理解,無法閱讀新聞,也不了解市場情緒。其策略的有效性完全取決於編寫程式碼的人。

AI Agent的核心是大型語言模型。它可以閱讀一篇關於聯準會升息的新聞文章,理解這對加密市場意味著什麼,然後決定是否減持。

簡單來說:機器人執行規則,而代理做出判斷。

換句話說,當前的代理不會自己監控市場,然後在機會出現時直接下單。由此產生的代幣成本和時間延遲對交易來說是毀滅性的。

當前的代理交易傾向於採用「分工」模式:傳統程式負責監控和執行,而大型模型僅負責分析和決策。

具體來說,傳統程式不斷從交易所提取即時價格、鏈上資料、新聞和其他資訊,然後將這些資料打包並發送到大型模型。大型模型整合市場狀況、新聞和鏈上異常等多維度資訊,提供交易決策,例如「買入ETH,10%倉位,訂單價格$2450」。最後,交易指令返回到傳統程式,該程式透過交易所介面執行訂單並持續追蹤結果。

傳統程式碼充當代理的「手」和「眼睛」,而整體模型充當「大腦」。三大平台提供的Skills本質上為代理提供了標準化的「手」和「眼睛」,使其能夠快速存取各種交易平台的資料和交易能力。然而,在幕後,人類仍然根據特定策略設計交易邏輯。這不是簡單地連接到Skill,然後看著你的帳戶餘額自動飆升。

除了技術和功能之外,還有兩個現實問題必須解決。

第一個是速度。傳統高頻量化機器人的交易延遲在微秒到毫秒範圍內,專業系統甚至可以實現亞毫秒級延遲。然而,AI代理的關鍵瓶頸在於大規模模型推理所需的時間。完整的分析和決策輸出通常需要幾百毫秒到幾秒鐘,在複雜情況下,甚至可能超過5秒。這比傳統機器人慢數千甚至數百萬倍。

因此,代理在速度方面根本無法與量化機器人競爭。它們無法執行高頻套利或從毫秒級價格差異中獲利。代理的競爭力在於其決策品質:量化機器人可以在毫秒內下單,但它不知道「聯準會主席剛剛發送了一條鳩派推文」的含義,而代理知道。代理更適合每小時做出一兩筆深思熟慮的交易,而不是每秒執行數千次機械操作。

第二個因素是成本。傳統機器人一旦開發完成,只需要伺服器成本即可運行。然而,代理每次做出決策時都會呼叫大型模型介面,這會產生費用。例如,使用GPT-5.2,如果代理每5分鐘分析一次市場(每天288次),每月推理成本約為$106。使用更強大的Claude Opus 4.6,約為$238。對於管理大筆資金的交易者來說,這不是一筆可觀的金額,但對於只有幾千美元資金的散戶投資者來說,這種推理成本加上交易費用,使得實現淨利潤變得更加困難。

作為代理賺錢,陷阱多於機會。

此外,代理的決策品質也是一個主要問題。在那些看似合乎邏輯和清晰的判斷背後,很可能存在荒謬的決策。

2025年,由Nof1舉辦的AI交易競賽提供了一個鮮明的例子。多個大型模型驅動的代理競爭,結果差異巨大:GPT-5驅動的代理損失了62%的初始資金,而Qwen3和DeepSeek分別實現了22.3%和4.89%的利潤。在這場AI交易競賽中,雖然一些模型最終獲利,但它們表現出極其不穩定的特徵。特別是DeepSeek,最初表現出高回報,隨後出現大幅回撤,這降低了市場預期。

在第二季實驗中,15個AI機器人參與,每個本金為$10,000。只有GROK-4.2實現了正回報。總體而言,兩季中只有三個模型實現了正回報,其餘均處於虧損狀態。

此外,PANews還對當時幾個最強大的模型進行了模擬研究,最終結果顯示,從長遠來看,它們的預期利潤都是負數。(相關閱讀:量化AI評估:所有模型的預期利潤低於1,人工智慧離取代交易者還有多遠?)

在Polymarket上,最經典的AI機器人策略是數學平價套利:當在二元市場中同時購買「是」和「否」合約的總成本低於$1時,同時購買兩者可鎖定無風險利潤。許多部落客高度讚揚了這一策略。然而,Polymarket透過引入動態費用和其他規則調整做出回應,使一些套利策略失效。

總體而言,代理交易不是「印鈔機」。模型選擇、策略設計和風險控制紀律都是不可或缺的。

除此之外,代理交易還涉及其他幾個需要考慮的風險。

首先,關於安全性,代理持有私鑰並自主執行交易。如果作業環境被破壞,可能會導致資產損失。以前的案例顯示,惡意技術已被注入開源平台以竊取使用者金鑰。所有三個平台在其聲明中都使用了謹慎的免責聲明,Polymarket甚至直接將其標記為「早期實驗性軟體」。

其次,大型模型的「幻覺」問題不容忽視。模型有時會生成看似合理但實際上錯誤的分析。在日常對話中,這可能只是令人尷尬,但在交易中,這可能意味著真金白銀的損失。

策略同質化也是一個令人擔憂的問題。當大量代理使用相同的技能和相同的模型分析相同的市場時,它們的判斷變得高度相似,買入訊號同時觸發,價格被迅速推高,後來者的空間被擠壓。

AI只是武器;wielding它的仍然是人類。

隨著交易所開始為代理而非人類設計產品,加密市場的遊戲規則正在經歷深刻的轉變。2023年的資料顯示,自動化系統已經佔加密市場交易量的70%以上,而且這個百分比仍在上升。

然而,代理交易仍處於「早期實驗」階段。底層邏輯是這只是工具的改進,而不是「自動化利潤生成」。不要忘記,擁有豐富策略和量化經驗的機構也在使用相同的工具進行改進。

對於普通投資者來說,與其急於建立自己的AI代理,不如首先克制FOMO(投機恐懼),並了解它們的局限性和弱點。誠然,代理交易時代已經到來,但獲利能力仍然取決於其背後人類的策略決策能力。