交易機器人在 2025–2026 年於 Polymarket 上創造了超過 6000 萬美元的利潤，其中 77% 來自 Crypto UP/DOWN 市場，原因是持續存在的結構性效率不足。以下說明如何打造一個這樣的機器人。
01 - 機會
為什麼選擇 BTC Up/Down 市場
Polymarket 上的 BTC 5 分鐘 Up/Down 市場是預測市場中效率最差的區塊之一。群眾根據情緒——新聞週期、社交媒體、直覺——來為方向性波動定價。
與此同時，BTC 價格狀態的轉移矩陣顯示出不同的情況。當市場處於明確的方向性狀態時，其持續性是可衡量的。數學模型比群眾更早洞悉一切。
數學模型所顯示的與市場定價之間的差距，就是優勢所在。而這個優勢是可重複、可擴展、且可自動化的。
我們使用的 Agent 框架是 Hermes——開源工具，由 NousResearch 開發（Paradigm 投資了 7000 萬美元）。到 2026 年 4 月，Hermes 在 GitHub 星數上超越了 Anthropic 的 Claude Code，這清楚顯示了開發者社群採用的速度有多快。
- 每個資產每天 288 個交易窗口
- 每 81 秒一筆交易
- 優勢窗口：平均差距 5–15%
- 勝率：63–72%（當 p ≥ 0.87）
目前運作中的頂尖成功機器人
總計：$2,112,019。三個機器人，同一個市場區塊，同一套底層數學模型。
02 - 優勢
數學模型如何運作
此模型基於 BTC 價格狀態的馬可夫鏈分析。核心洞見：價格波動並非隨機。當市場進入一個持續的方向性狀態時，繼續維持該狀態的機率明顯高於 50%。
進場公式
Δ⁽ʷ⁾ = p̂⁽ʷ⁾ − q⁽ʷ⁾ ≥ ε → 進場 p̂ = 模型機率 · q = 市場價格 · ε = 5% 最低差距
r = (1 − q) / q 當 q = 0.647 → r = 每筆交易 +54.5% · 當 q = 0.441 → r = 每筆交易 +126.7%
機器人只在 p(j\,j\) ≥ 0.87 時進場——這是馬可夫持續性門檻。低於此值則不交易。這就是為什麼即使沒有方向性預測，勝率仍穩定高於 65%。
Kelly f\ = p − (1−p)/b 每筆交易的最佳部位規模 · f\ ≈ 0.71（當 p = 0.87, b = 0.647）
03 - 技術堆疊
你需要什麼來打造這個
整個設置都使用開源工具。無需編寫程式碼。總成本：每月低於 $10
最低 $10 即可開始 → 建議 $50 → 2 POL 作為 gas（約 $1）→ 約 30 分鐘設置
04 - 設置
如何在 3 個步驟內設置 Hermes
步驟 01
安裝 Atomic 並啟動 Hermes
前往 atomicbot.ai → 下載 Atomic → 在主頁選擇 Hermes agent。你可以在 Mac 上本地執行，或點選右上角的「Run in Cloud」——透過 Google 登入，介面相同。下載後將應用程式移至 Applications 資料夾。
Atomic 提供超過 100 種整合、持久記憶，並支援所有主要 AI 模型（Claude、ChatGPT、Gemini）。
步驟 02
連接模型 API——使用 Claude Opus 4.7
在 Atomic 設定中 → AI Models → 選擇 Anthropic → 貼上你的 API 金鑰。選擇 Claude Opus 4.7 作為模型引擎——它具備即時市場分析和自我改進循環所需的推理能力。
替代方案：OpenRouter（隨用隨付）或 OpenAI Codex（透過 ChatGPT Pro 免費使用）。
步驟 03
將 Telegram 機器人連接到你的 agent
Atomic → Skills → Messengers → Telegram → Connect。透過 Telegram 的 @BotFather 建立一個機器人 → 複製 token → 貼到 Atomic 中。兩次點擊即可完成。
從這一刻起，你的 Hermes agent 已上線，等待你的交易邏輯提示。
05 - 交易邏輯
設定 BTC 交易策略
無需從頭建構，使用現有的 GitHub 儲存庫作為基礎邏輯——然後餵給 Hermes，讓 Claude Opus 將其調整為最新的 Polymarket CLOB v2。
推薦的儲存庫
步驟 1 - 將交易邏輯提示交給 Hermes
步驟 2 - 設定錢包
步驟 3 - 環境配置
步驟 4 - 先執行乾測試
06 - 自我學習循環
Agent 如何自我改進
這是 Hermes 與靜態機器人的區別所在。Claude Opus 4.7 在每次交易後讀取執行日誌，並根據哪些策略有效、哪些無效來改寫交易規則。
- 執行交易
機器人在 p(j\,j\) ≥ 0.87 時進場。每次進場、出場和損益都會記錄到日誌中。
- 夜間檢視
Claude Opus 讀取完整日誌，分析哪些持續性門檻表現良好、哪些時間窗口虧損、哪些進場價格具有最佳期望值。
- 策略更新
Opus 自動改寫門檻規則、調整 Kelly 部位規模，並更新 MIN_PROB 和 MIN_EDGE 參數。
- 下一次交易使用更新後的規則
Agent 在 50–100 筆交易後會明顯變得更聰明。讓 AI 來處理繁重的工作。
- 每天早上 Telegram 報告
昨天的交易、更新的規則、今天的策略。你檢視、批准，然後它就會執行。
結論
Polymarket 上的交易機器人已經從手動交易者手中奪走了大量利潤，而且這個比例每天都在增加。
有了像 Hermes 和 Atomic 這樣的 Agent 框架，你不需要是高級開發者也能打造自己的機器人。你需要 Claude Opus 作為大腦、一個 GitHub 儲存庫作為初始邏輯，以及 50–100 筆訓練交易的時間。
自我學習循環會處理其餘的工作。
從小處著手。先設定 DRY_RUN=true。訓練期間每筆交易 $1–$2。Agent 會隨著每一筆交易的執行而進步——不要急於跳過學習階段。
文章中提到的頂尖機器人範例：
https://polymarket.com/@bonereaper?r=joinjoinjoin#tLcpwsE https://polymarket.com/@0xe1d6b51521bd4365769199f392f9818661bd907?r=joinjoinjoin#9TKvd55 https://polymarket.com/@0xb27bc932bf8110d8f78e55da7d5f0497a18b5b82-1772569391020?r=joinjoinjoin#lIVnuAb
快速找到所有洞察及其下一次交易（在爆發之前）：https://predictparity.com?code=ricky
