交易所給「小龍蝦」點技能樹，Openclaw要把人類交易員拍在沙灘上？

作者：Frank，PANews

一夜之間，似乎所有人都在部署小龍蝦。這股風終於也吹到了加密行業當中，3月3日，幣安和OKX兩大加密行業巨頭同時推出並開源針對AI Agent的AI Skills庫，支持AI Agent可以直接通過這些協議實現鏈上Alpha發掘以及實時交易。此前不久，預測市場龍頭Polymarket也推出了專門針對Agent的CLI工具。

這樣看似巧合的背後，似乎都在說明一個問題，AI正在成為加密行業未來主要的交易主體，且這個變化已經開始。

但擺在用戶面前的核心問題是，Agent交易真的靠譜嗎？

大廠帶頭，加密正式迎來AI交易員

先來看下幣安和OKX本次開源的Skill具體能做什麼？

幣安推出的7項Skills定位是“統一智能核心”，將分散的加密市場信號轉化為可執行的交易決策。具體的功能上，可以實現訪問實時市場數據、執行下單等AI Agent自動化現貨交易執行。亦或者是分析任意錢包地址，生成持倉明細等類似聰明錢追蹤報告。另外還有代幣檢索、跟單交易、監測合約風險等多種功能。

OKX推出的OnchainOS AI升級，定位是“AI Agent的鏈上操作係統”。支持60+條鏈上自主管理錢包、交易和支付的相關功能。例如，錢包持倉查詢（跨鏈資産餘額和組合），DEX市場數據、交易執行、代幣檢索發現等功能。

而此前Polymarket所推出的Rust CLI接口，則是一個適用於AI Agent的終端，允許Agent從終端直接查詢、交易、管理Polymarket上的所有預測市場。此外，包括Bitget、Coinbase也都推出了類似的Skill庫。

從功能實現的角度來看，這些Skill已經完整的普通用戶在鏈上交易或參與其他加密交易環節當中所需要的基礎功能，從市場調查、執行下單、聰明錢追蹤等等方面都能實現。

不過，這是否就意味著以後每個人都可以一邊喝著咖啡，一邊看著“小龍蝦”們在後台跑著幫自己賺錢了？

社交媒體上某用戶曬出的“小龍蝦”賺錢工具

AI Agent≠量化機器人

但真實的結果可能與大多數人想象的不同。

很多人把“AI交易”等同於量化交易機器人，但兩者的底層邏輯有根本差異。

區別是根本性的。傳統量化機器人本質上是一套預設規則的自動執行程序，比如“RSI跌破30就買入，漲過70就賣出”。它速度極快，但完全不理解自己在做什麼，不會讀新聞，也不知道市場情緒如何。策略好不好，完全取決於背後寫代碼的人。

AI Agent的核心則是大語言模型。它可以讀一條關於美聯儲加息的新聞，理解這對加密市場意味著什麼，然後決定是否減倉。

簡單說：Bot執行規則，Agent做判斷。

也就是說，當前Agent是並不是自己盯盤，然後發現機會直接下單。這種模式下帶來的Token成本和時效滯後對交易來說是毀滅性的。

當前的Agent交易更偏向一種“分工合作”模式：即傳統程序負責盯盤和執行，大模型只負責分析和決策。

具體來說，一段傳統程序持續從交易所拉取實時價格、鏈上數據、新聞等信息，然後把這些數據打包發送給大模型。大模型綜合行情、新聞、鏈上異常等多維信息，給出交易判斷，比如“買入ETH，倉位10%，掛單價格2450美元”。最後交易指令再交還給傳統程序，通過交易所接口執行下單，並持續追蹤結果。

傳統代碼是Agent的“手”和“眼”，大模型是“大腦”。而三大平台推出的Skills，本質上就是給Agent提供了標準化的“手”和“眼”，讓它可以快速接入各個交易平台的數據和交易能力。但在這個程序運行的背後，仍人類根據特定的策略設計交易邏輯。而非直接接入Skill就能看著賬戶餘額自動飛漲了。

技術和功能之外，有兩個現實問題必須正視。

第一個是速度。傳統高頻量化Bot的交易延遲在微秒到毫秒級別，專業係統甚至可以做到亞毫秒。而AI Agent的關鍵瓶頸在於大模型推理需要時間，一次完整的分析加決策輸出，耗時通常在幾百毫秒到幾秒之間，復雜場景甚至超過5秒。這比傳統Bot慢了上千倍甚至上百萬倍。

所以Agent根本不可能跟量化Bot比速度，它做不了高頻套利，也賺不了毫秒級的價差錢。Agent的競爭力在於決策質量：一個量化Bot可以在幾毫秒内下單，但它不知道“美聯儲主席剛發了一條鴿派推文”是什麼意思，Agent知道。Agent更適合每小時做一兩筆深思熟慮的交易，而不是每秒做幾千筆機械操作。

第二個是成本。傳統Bot一旦開發完成，運行只需要服務器費用。但Agent每做一次判斷都要調用大模型接口，這是要花錢的。以GPT-5.2為例，如果一個Agent每5分鐘分析一次市場（一天288次），每月的推理成本大約是106美元。用更強的Claude Opus 4.6則要238美元左右。對於管理大資金的交易者來說不算什麼，但對於只有幾千美元本金的散戶，這筆推理費用疊加交易手續費，要實現淨盈利就沒那麼容易了。

Agent賺錢這事，坑比機會多

除此之外，Agent的決策質量也是一個大問題。那些看似邏輯嚴謹，思路清晰的判斷背後，很有可能是荒唐的決策。

2025年，Nof1的一場AI交易競賽提供了直觀的樣本。多個大模型驅動的Agent同場競技，結果分化極為劇烈：GPT-5驅動的Agent虧了初始資金的62%，而Qwen3和DeepSeek分別盈利22.3%和4.89%。在這場AI交易大賽當中，部分模型雖然最終盈利，但表現出極其不穩定的特點，尤其像Deepseek前段當中展現出的高收益和最終巨大的回撤給市場也破了一盆冷水。

第二季的實驗當中，15個各有10000美元本金的AI Bot參賽，僅有GROK-4.2實現了正收益。總體來看，兩次實現實現正收益的模型只有3個，其餘的均處於虧損狀態。

此外，PANews也對當時能力最強的幾個大模型進行了模擬研究，最終的結果是長期來看，其盈利預期均為負值。（相關閱讀：量化視角的 AI 測評：盈利期望全員小於 1，人工智能離替代交易員還有多遠？）

在Polymarket上，AI Bot最經典的玩法是數學平價套利：當一個二元市場中“是”和“否”兩種合約的買入總成本低於1美元時，同時買入兩側即可鎖定無風險利潤。有不少博主曾極度推崇此類策略。不過Polymarket也已經做出應對，通過引入動態手續費等規則調整，部分套利策略已經失效。

總的來看，Agent交易不是“印鈔機”。模型選擇、策略設計和風控紀律缺一不可。

除此之外，Agent交易還存在多種風險需要注意。

首先就是安全方面，Agent持有私鑰並自主執行交易，運行環境一旦被攻陷就可能導致資産損失。此前已有案例顯示，惡意技能被注入到開源平台中竊取用戶密鑰。三大平台在聲明中均使用了審慎的免責措辭，Polymarket更是直接標注“早期實驗性軟件”。

其次，大模型的“幻覺”問題也不容忽視。模型有時會生成看似有理但實際錯誤的分析，在日常對話中這只是尷尬，在交易中可能意味著真金白銀的損失。

策略同質化同樣值得警惕。當大量Agent使用同樣的技能和同樣的模型分析同一個市場，判斷高度趨同，買入信號同時觸發，價格被迅速推高，後入場者的空間就被壓縮殆盡。

AI只是刀劍，握刀的還是人

當交易所開始為Agent而非人類設計産品，加密市場的遊戲規則正經歷一場深層轉變。2023年的數據顯示，自動化係統已貢獻了加密市場超過70%的交易量，這個比例還在上升。

不過，Agent交易目前仍處於“早期實驗”階段。其背後的邏輯在於，這只是一種工具上的提升，而非“賺錢自動化”。別忘了，那些擁有大量策略和量化經驗的機構，也在使用同樣的工具在做提升。

對於普通投資者而言，與其急著搭建自己的AI Agent，不如先克制Fomo情緒，去理解它的能力邊界和弱點。誠然，Agent交易時代已經到來，但賺錢與否，仍取決於背後人類的策略決策能力。

内容來源：PANews