交易所给“小龙虾”点技能树，Openclaw要把人类交易员拍在沙滩上？

作者：Frank，PANews

一夜之间，似乎所有人都在部署小龙虾。这股风终于也吹到了加密行业当中，3月3日，币安和OKX两大加密行业巨头同时推出并开源针对AI Agent的AI Skills库，支持AI Agent可以直接通过这些协议实现链上Alpha发掘以及实时交易。此前不久，预测市场龙头Polymarket也推出了专门针对Agent的CLI工具。

这样看似巧合的背后，似乎都在说明一个问题，AI正在成为加密行业未来主要的交易主体，且这个变化已经开始。

但摆在用户面前的核心问题是，Agent交易真的靠谱吗？

大厂带头，加密正式迎来AI交易员

先来看下币安和OKX本次开源的Skill具体能做什么？

币安推出的7项Skills定位是“统一智能核心”，将分散的加密市场信号转化为可执行的交易决策。具体的功能上，可以实现访问实时市场数据、执行下单等AI Agent自动化现货交易执行。亦或者是分析任意钱包地址，生成持仓明细等类似聪明钱追踪报告。另外还有代币检索、跟单交易、监测合约风险等多种功能。

OKX推出的OnchainOS AI升级，定位是“AI Agent的链上操作系统”。支持60+条链上自主管理钱包、交易和支付的相关功能。例如，钱包持仓查询（跨链资产余额和组合），DEX市场数据、交易执行、代币检索发现等功能。

而此前Polymarket所推出的Rust CLI接口，则是一个适用于AI Agent的终端，允许Agent从终端直接查询、交易、管理Polymarket上的所有预测市场。此外，包括Bitget、Coinbase也都推出了类似的Skill库。

从功能实现的角度来看，这些Skill已经完整的普通用户在链上交易或参与其他加密交易环节当中所需要的基础功能，从市场调查、执行下单、聪明钱追踪等等方面都能实现。

不过，这是否就意味着以后每个人都可以一边喝着咖啡，一边看着“小龙虾”们在后台跑着帮自己赚钱了？

社交媒体上某用户晒出的“小龙虾”赚钱工具

AI Agent≠量化机器人

但真实的结果可能与大多数人想象的不同。

很多人把“AI交易”等同于量化交易机器人，但两者的底层逻辑有根本差异。

区别是根本性的。传统量化机器人本质上是一套预设规则的自动执行程序，比如“RSI跌破30就买入，涨过70就卖出”。它速度极快，但完全不理解自己在做什么，不会读新闻，也不知道市场情绪如何。策略好不好，完全取决于背后写代码的人。

AI Agent的核心则是大语言模型。它可以读一条关于美联储加息的新闻，理解这对加密市场意味着什么，然后决定是否减仓。

简单说：Bot执行规则，Agent做判断。

也就是说，当前Agent是并不是自己盯盘，然后发现机会直接下单。这种模式下带来的Token成本和时效滞后对交易来说是毁灭性的。

当前的Agent交易更偏向一种“分工合作”模式：即传统程序负责盯盘和执行，大模型只负责分析和决策。

具体来说，一段传统程序持续从交易所拉取实时价格、链上数据、新闻等信息，然后把这些数据打包发送给大模型。大模型综合行情、新闻、链上异常等多维信息，给出交易判断，比如“买入ETH，仓位10%，挂单价格2450美元”。最后交易指令再交还给传统程序，通过交易所接口执行下单，并持续追踪结果。

传统代码是Agent的“手”和“眼”，大模型是“大脑”。而三大平台推出的Skills，本质上就是给Agent提供了标准化的“手”和“眼”，让它可以快速接入各个交易平台的数据和交易能力。但在这个程序运行的背后，仍人类根据特定的策略设计交易逻辑。而非直接接入Skill就能看着账户余额自动飞涨了。

技术和功能之外，有两个现实问题必须正视。

第一个是速度。传统高频量化Bot的交易延迟在微秒到毫秒级别，专业系统甚至可以做到亚毫秒。而AI Agent的关键瓶颈在于大模型推理需要时间，一次完整的分析加决策输出，耗时通常在几百毫秒到几秒之间，复杂场景甚至超过5秒。这比传统Bot慢了上千倍甚至上百万倍。

所以Agent根本不可能跟量化Bot比速度，它做不了高频套利，也赚不了毫秒级的价差钱。Agent的竞争力在于决策质量：一个量化Bot可以在几毫秒内下单，但它不知道“美联储主席刚发了一条鸽派推文”是什么意思，Agent知道。Agent更适合每小时做一两笔深思熟虑的交易，而不是每秒做几千笔机械操作。

第二个是成本。传统Bot一旦开发完成，运行只需要服务器费用。但Agent每做一次判断都要调用大模型接口，这是要花钱的。以GPT-5.2为例，如果一个Agent每5分钟分析一次市场（一天288次），每月的推理成本大约是106美元。用更强的Claude Opus 4.6则要238美元左右。对于管理大资金的交易者来说不算什么，但对于只有几千美元本金的散户，这笔推理费用叠加交易手续费，要实现净盈利就没那么容易了。

Agent赚钱这事，坑比机会多

除此之外，Agent的决策质量也是一个大问题。那些看似逻辑严谨，思路清晰的判断背后，很有可能是荒唐的决策。

2025年，Nof1的一场AI交易竞赛提供了直观的样本。多个大模型驱动的Agent同场竞技，结果分化极为剧烈：GPT-5驱动的Agent亏了初始资金的62%，而Qwen3和DeepSeek分别盈利22.3%和4.89%。在这场AI交易大赛当中，部分模型虽然最终盈利，但表现出极其不稳定的特点，尤其像Deepseek前段当中展现出的高收益和最终巨大的回撤给市场也破了一盆冷水。

第二季的实验当中，15个各有10000美元本金的AI Bot参赛，仅有GROK-4.2实现了正收益。总体来看，两次实现实现正收益的模型只有3个，其余的均处于亏损状态。

此外，PANews也对当时能力最强的几个大模型进行了模拟研究，最终的结果是长期来看，其盈利预期均为负值。（相关阅读：量化视角的 AI 测评：盈利期望全员小于 1，人工智能离替代交易员还有多远？）

在Polymarket上，AI Bot最经典的玩法是数学平价套利：当一个二元市场中“是”和“否”两种合约的买入总成本低于1美元时，同时买入两侧即可锁定无风险利润。有不少博主曾极度推崇此类策略。不过Polymarket也已经做出应对，通过引入动态手续费等规则调整，部分套利策略已经失效。

总的来看，Agent交易不是“印钞机”。模型选择、策略设计和风控纪律缺一不可。

除此之外，Agent交易还存在多种风险需要注意。

首先就是安全方面，Agent持有私钥并自主执行交易，运行环境一旦被攻陷就可能导致资产损失。此前已有案例显示，恶意技能被注入到开源平台中窃取用户密钥。三大平台在声明中均使用了审慎的免责措辞，Polymarket更是直接标注“早期实验性软件”。

其次，大模型的“幻觉”问题也不容忽视。模型有时会生成看似有理但实际错误的分析，在日常对话中这只是尴尬，在交易中可能意味着真金白银的损失。

策略同质化同样值得警惕。当大量Agent使用同样的技能和同样的模型分析同一个市场，判断高度趋同，买入信号同时触发，价格被迅速推高，后入场者的空间就被压缩殆尽。

AI只是刀剑，握刀的还是人

当交易所开始为Agent而非人类设计产品，加密市场的游戏规则正经历一场深层转变。2023年的数据显示，自动化系统已贡献了加密市场超过70%的交易量，这个比例还在上升。

不过，Agent交易目前仍处于“早期实验”阶段。其背后的逻辑在于，这只是一种工具上的提升，而非“赚钱自动化”。别忘了，那些拥有大量策略和量化经验的机构，也在使用同样的工具在做提升。

对于普通投资者而言，与其急着搭建自己的AI Agent，不如先克制Fomo情绪，去理解它的能力边界和弱点。诚然，Agent交易时代已经到来，但赚钱与否，仍取决于背后人类的策略决策能力。

内容来源：PANews