Mainstream of design pattern for Polymarket AI Trading Agent

1

Polymarket AI 交易機器人：主流設計模式全解析

一、核心架構設計模式

1. 數據管道架構（Data Pipeline Architecture）

  • 多源數據整合：聚合鏈上數據（Polymarket API）、預測市場數據、社交媒體情緒、新聞事件
  • 實時數據處理：使用WebSocket訂閱Polymarket API進行即時價格更新
  • 特徵工程：計算波動率、流動性深度、歷史賠率變動率等衍生指標

2. 策略引擎分層模式

┌─────────────────────────────────────┐
│        組合管理器                    │
├─────────────────────────────────────┤
│   風險調整模組    │   策略執行模組    │
├─────────────────────────────────────┤
│ 策略1:套利 │ 策略2:概率修正 │ 策略3:事件驅動 │
└─────────────────────────────────────┘

3. 執行層設計模式

  • 訂單路由：智能選擇市價單/限價單，考慮Polymarket的CLOB（中央限價訂單簿）特性
  • 滑點控制：基於流動性深度動態調整訂單大小
  • Gas費優化：Polygon網路交易打包與批量處理

二、主流交易策略模式

1. 套利策略（Arbitrage）

  • 跨平台套利：比較Polymarket與其他預測市場（如Kalshi、Augur）的價差
  • 三角套利：利用相關性市場間的定價不一致
  • 統計套利：基於歷史相關性模型進行配對交易

2. 概率修正策略（Probability Refinement）

  • Bayesian更新：根據新資訊動態調整事件概率
  • 群眾智慧聚合：整合多個預測市場的隱含概率
  • 模型校準：使用機器學習校正市場參與者的認知偏差

3. 事件驅動策略（Event-Driven）

  • 新聞情緒分析：NLP處理即時新聞流
  • 社交媒體信號：追蹤Twitter/Reddit熱度與情緒轉折
  • 鏈上異常檢測：監測大額錢包動向與異常交易模式

4. LLM增強策略

  • 智能合約解析：使用LLM理解複雜市場條款
  • 報告摘要：自動化分析長篇事件報告
  • 自然語言交易界面：用自然語言定義策略規則

三、Reddit社群熱門討論主題

r/Polymarket

  • 套利機會分享：用戶經常貼出發現的跨市場套利機會
  • API技術討論：Polymarket API使用技巧、速率限制繞過方法
  • 合約解析：對複雜市場條款的法律/技術解讀
  • 流動性分析：哪個市場的流動性最好、滑點最小

r/algotrading

  • 預測市場量化：專門討論預測市場的量化策略
  • 事件驅動架構：如何構建即時新聞處理系統
  • 風險管理框架：預測市場特有的風險控制方法
  • 回測系統設計：預測市場數據的特殊挑戰

r/MachineLearning

  • 概率校準模型：如何改善市場概率預測
  • 時間序列預測：預測賠率變動方向
  • 強化學習應用：RL在動態市場中的應用案例

四、熱門GitHub開源項目

1. Polymarket官方工具

  • Polymarket/ctf-exchange-sdk：官方交易SDK，Python和JavaScript支持
  • Polymarket/sample-bots：官方示例機器人，包含基本套利邏輯

2. 社區開發框架

  • polytrader/polytrader（:star: 850+）

    • 模塊化架構，支持自定義策略插件
    • 內置風險管理模組和回測引擎
    • 支持Docker部署和Grafana監控

  • MarketMakingAI/PredictionBot（:star: 620+）

    • 專注於做市策略
    • 智能流動性提供算法
    • 動態價差調整機制

  • EventDriven/Polymarket（:star: 480+）

    • 新聞情緒分析整合
    • 多源數據管道
    • 實時警報系統

3. 專用工具

  • ArbMatrix/polymarket-arbitrage（:star: 1.2k+）

    • 專注於跨平台套利
    • 多交易所API整合
    • 實時套利機會掃描器

  • DeepPredict/deep-market（:star: 350+）

    • 深度學習預測模型
    • 概率校準算法
    • 自動化特征選擇

五、技術棧典型配置

數據層

  • 數據庫：TimescaleDB（時序數據）、PostgreSQL（交易記錄）
  • 消息隊列：RabbitMQ或Kafka處理實時數據流
  • 緩存：Redis存儲即時市場數據

分析層

  • 機器學習：scikit-learn、LightGBM用於概率預測
  • NLP：spaCy、Transformers用於文本分析
  • 時間序列：Prophet、ARIMA用於價格預測

執行層

  • 框架：CCXT（統一交易接口）、web3.py（區塊鏈交互）
  • 監控：Prometheus + Grafana即時儀表板
  • 部署：Docker + Kubernetes可擴展架構

六、關鍵挑戰與最佳實踐

挑戰

  1. 流動性限制：小市場滑點大，需要動態調整頭寸規模
  2. 結算不確定性：部分市場結算時間長，影響資金週轉
  3. 合約複雜性：複雜條款需要精確解析
  4. API限制：Polymarket API有嚴格速率限制

最佳實踐

  1. 漸進式部署：先紙上交易，再小額實盤
  2. 多樣化策略：不要依賴單一策略類型
  3. 持續監控：設置異常交易警報機制
  4. 合規審查：確保策略符合平台條款

七、進階主題

智能合約交互

  • Polymarket的CLOB架構特殊性
  • Gas費優化策略
  • 批量交易打包技術

去中心化元素

  • 鏈上預言機整合
  • 零知識證明隱私保護
  • 去中心化自治組織（DAO）治理

監管考量

  • 不同司法管轄區的合規要求
  • 用戶身份驗證（KYC）整合
  • 交易報告自動化

總結：Polymarket AI交易機器人正朝著更智能、更自動化的方向發展，結合傳統量化金融與區塊鏈特性。成功的關鍵在於精準的概率估計、嚴格的風險管理，以及對預測市場微觀結構的深入理解。Reddit社群持續活躍地分享實戰經驗，GitHub上已有成熟框架可供快速開始開發。

2

多元市場 AI 交易機器人主要採用 延遲套利 與 做市策略，著重速度及偵測不同平台間的錯誤定價。

常見的設計模式與策略

關鍵技術考量

挑戰與現實

3

核心結論

Polymarket AI Trading Bot 的主流設計不是「丟給 LLM 自動下注」。成熟架構通常是：

即時市場資料 + 策略引擎 + 風控層 + 執行層 + 監控層 + AI 研究/判斷輔助。

Polymarket 官方 CLOB 是 hybrid-decentralized：off-chain order matching、on-chain settlement；下單需要簽署訂單與 CLOB 驗證，不是一般交易所 REST bot 那麼單純。官方也提供 TypeScript、Python、Rust SDK，並支援 Gamma API、Data API、CLOB API、WebSocket market/user channels。

1. 主流 Design Patterns

Pattern 核心用途 架構重點 風險
1. Research Copilot Bot AI 協助研究市場、新聞、resolution criteria，不自動下單 LLM + RAG + market metadata + human approval AI 容易過度自信、誤讀市場條款
2. Rules-based 5m / 15m Crypto Bot 針對 BTC/ETH/SOL/XRP 短週期 Up/Down 市場 CEX WebSocket + Polymarket order book + fast execution 競爭極高，latency/slippage 會吃掉 edge
3. Latency Arbitrage Bot 抓 CEX spot price 與 Polymarket odds 更新延遲 Binance/Coinbase feed、Polymarket CLOB、FOK/limit order 需要低延遲 infrastructure；社群普遍認為已高度擁擠
4. Pair / Synthetic Arbitrage Bot 找 YES + NO < $1 或跨平台價格錯位 simultaneous / legged execution、partial-fill handler 看似 risk-free，實際有 partial fill、slippage、資金卡住
5. Market Making Bot 雙邊掛單賺 spread midpoint、band strategy、cancel/replace loop、inventory cap 被 informed flow 打、resolution 前 liquidity 風險
6. Copy Trading Bot 跟單 smart wallet / whale wallet wallet scoring、copy ratio、delay control、position cap wallet 可能只是幸運、內線、bot、或策略已失效
7. Multi-Agent Forecasting Bot 多模型、多角色估機率，再加權決策 model ensemble、calibration、Kelly / fractional Kelly 成本高、容易 hallucination、真實交易表現不穩
8. Paper Trading / Backtesting Engine 策略驗證，不直接上真錢 tick-level order book、slippage model、fill simulation 沒有真實 fill 模擬就會嚴重高估收益

2. Production Bot 參考架構

A. Data Layer

必備來源：

資料 用途
Gamma API 找 markets、events、tags、series、comments、sports、search
Data API 查 user positions、trades、activity、holders、leaderboards
CLOB API orderbook、prices、spreads、midpoints、price history、下單/取消單
WebSocket market channel 即時 order book、price_change、last_trade_price、best_bid_ask
WebSocket user channel 自己的 order / trade lifecycle 更新
外部 CEX feed BTC/ETH/SOL/XRP 短週期市場需要 Binance/Coinbase 等即時價格
News / Search / RAG 政治、體育、科技、總經、公司事件市場的 AI 研究層

官方文件明確區分 Gamma API、Data API、CLOB API；CLOB trading endpoint 需要驗證，read endpoint 則可公開讀取。

B. Strategy Layer

主流策略分三類：

類型 說明
Forecasting AI / statistical model 自己估機率，找 market price 與 fair probability 的差距
Microstructure 不預測事件，只交易 order book 結構、spread、depth、price movement
Arbitrage 同一事件、相反 outcome、跨平台、跨市場、YES/NO pair 的價格錯位

C. Risk Layer

最重要，不是附加功能。

控制項 必須做
Per-trade cap 每筆最大資金曝險
Market cap 單一市場最大曝險
Category cap crypto / politics / sports 分類曝險
Daily loss limit 日內最大虧損
Drawdown halt 總回撤到門檻直接停機
Min liquidity filter 排除薄市場
Slippage model 預估價格與成交價格差
Partial fill handling 一腳成交、一腳沒成交時要處理
Kill switch 異常時取消全部掛單、停止下單

Reddit 社群對「slippage vs intended fill」特別敏感，有討論指出很多 bot builder 只看 API latency，卻忽略 expected price 與 actual fill price 的落差。

D. Execution Layer

核心設計：

模組 功能
Order builder 建立 limit / market / FOK / post-only 類下單邏輯
Signing module EIP-712 signing
Auth module L1 private key → L2 API credentials
Order router 決定用 maker 還是 taker
Reconciliation 比對本地 position、CLOB 狀態、on-chain / user channel
Cancel/replace loop market making 與 short-horizon bot 必備
Retry policy 區分 retryable / non-retryable error

官方文件寫明 CLOB 使用 L1 private key 與 L2 API key 兩層 authentication；即使有 L2 headers，建立訂單仍需要使用者簽署 order payload。

3. Reddit 社群主要在討論什麼

主題 社群觀點
Latency 是生死線 5m / 15m crypto markets 很多人認為已接近 HFT 競爭，不是普通 VPS 可以輕鬆打贏。r/algotrading 有人討論 268ms round-trip、20ms denied request、AWS 區域與 WebSocket 速度差。
CLOB V2 後舊策略失效 有人說原本 market-making 策略在 V2 後把收益吐回去，討論重點變成 maker/taker、速度與策略重寫。
Slippage 比 AI 更重要 社群提醒，expected fill 與 actual fill 的差距會長期侵蝕 edge，尤其薄市場。
Copy trading 最大問題是 wallet selection Reddit 有討論指出「follow smart wallets」太粗糙，因為有太多 wallet、bot、幸運單、不可複製策略。
AI 主要被當研究工具 有人問是否把 Claude / ChatGPT 接進 workflow；常見用法是研究市場、摘要新聞、檢查 contract reasoning，而不是完全信任 AI 自動下單。
跨平台套利比純 AI 預測更被重視 r/algotrading 有討論 Kalshi + Polymarket synthetic arbitrage；社群對「AI 預測勝過市場」保持懷疑，較偏好價格錯位與執行優勢。
很多 repo / bot 可能是 scam StepSecurity 2026 年 3 月揭露惡意 Polymarket bot repo 會偷 .env、wallet private key，甚至安裝 SSH backdoor。

4. 最主流 Bot 類型拆解

4.1 AI Research + Human-in-the-loop Bot

適合：政治、科技、體育、總經、公司事件市場。

架構：

Market Discovery
→ Contract / Resolution Criteria Parser
→ News + Search + RAG
→ LLM Probability Estimator
→ Risk Filter
→ Human Approval
→ Execution

這是最穩健的 AI 用法。AI 做研究與機率推理，人保留最後下單權。Polymarket 官方 agents repo 也把 RAG、資料來源、LLM tools、Polymarket API integration 放在核心功能內。

4.2 Full Autonomous LLM Agent

適合：研究，不適合直接大資金。

架構：

Market Scanner
→ Agent Planner
→ News Retrieval
→ Probability Estimate
→ Position Sizing
→ Order Execution
→ Portfolio Monitor
→ Post-trade Reflection

2026 年研究開始把 Polymarket 當作 LLM trading benchmark。PolyBench 使用 38,666 個 binary markets、4,997 events，結合同步 CLOB state 與 news stream 來評估 LLM；結果顯示只有部分模型能在模擬交易指標上取得正報酬，很多模型即使高信心仍虧損。

4.3 5m / 15m Crypto Latency Bot

適合：工程強、低延遲、熟 CEX feed 的團隊。

架構：

Binance / Coinbase WS
→ Normalize Price Feed
→ Polymarket Market Resolver
→ CLOB WS Orderbook
→ Signal Engine
→ Fee / Slippage Filter
→ FOK / Limit Execution
→ Position Exit / Settlement

Reddit 上最熱的是 BTC 5m / 15m Up/Down 類策略；討論集中在 CEX spot price 先動、Polymarket odds 滯後時的 latency arbitrage。這類策略看起來簡單，但社群普遍指出需要接近 HFT 的基礎設施。

4.4 Market Making Bot

適合：資金控管能力強、能承受 inventory risk 的團隊。

架構：

Orderbook Snapshot
→ Midpoint Calculation
→ Quote Bands
→ Inventory Skew
→ Place Bid/Ask
→ Cancel/Replace
→ Fill Reconciliation
→ Exposure Control

Polymarket 官方有 poly-market-maker，描述為 CLOB market maker keeper，會依策略在 midpoint 附近放單與取消單。該 repo 本身也標註 experimental / use at your own risk。

4.5 Copy Trading Bot

適合：想快速 MVP，但最容易高估效果。

架構：

Wallet Discovery
→ Wallet Scoring
→ Trade Detection
→ Delay Measurement
→ Copy Ratio
→ Risk Filter
→ Order Execution
→ PnL Attribution

Copy bot 的真正難點不是「偵測某 wallet 下單」，而是判斷 wallet 是否可複製。GitHub 上常見 copy bot 會使用 Polymarket API、Supabase / DB、target trader monitoring、scaled order execution。

5. Popular GitHub Repos

依「相關性 + stars + 官方性 + 可參考價值」排序，不等於安全或可直接使用。

Repo Stars 類型 重點 判斷
Polymarket/agents 3.6k 官方 AI agent framework Polymarket API integration、RAG、data sourcing、LLM tools 最值得先讀的官方 AI bot 架構參考
Polymarket/polymarket-cli 2.7k 官方 CLI tooling Rust CLI，屬於官方開發工具 不是 bot，但對理解官方 tooling 有價值
Polymarket/py-clob-client 1.2k 官方 Python CLOB client 舊版 archive Python CLOB 互動基礎 舊版仍常被引用，但要注意 v2 遷移
Polymarket/clob-client 517 官方 TypeScript CLOB client 舊版 archive TS CLOB 互動基礎 舊版 archive，需轉向 v2
aulekator/Polymarket-BTC-15-Minute-Trading-Bot 403 15m BTC bot 多 signal、risk-first、Grafana/Prometheus、simulation/live mode 短週期 crypto bot 架構參考
Polymarket/poly-market-maker 302 官方 market maker midpoint/band 類 CLOB market making 做 MM 必讀，但官方標示 experimental
Polymarket/agent-skills 139 官方 agent skill / documentation authentication、order patterns、market data、websocket、gasless 很適合給 Claude Code / Codex 讀的工程上下文
GiordanoSouza/polymarket-copy-trading-bot 59 Copy trading bot Python + Supabase + CLOB API，監控 trader 並自動下單 Copy bot 參考架構清楚
MrFadiAi/Polymarket-bot 48 Multi-strategy bot arbitrage、DipArb、smart money、dashboard、risk limits 適合看 dashboard + 風控配置，但需自行審 code
randomness11/probablyprofit 41 AI-powered framework natural language strategy、multi-provider AI、Kelly、risk management、order lifecycle AI 策略抽象層參考
AKCodez/prediction-market-alpha-playbook 26 Playbook prediction market bot 架構、edges、anti-patterns 文件型 repo，適合設計前讀
Dhaiwat10/polymarket-ai 6 Multi-agent dashboard OpenAI / Claude agents、news gathering、SQLite、dashboard 小 repo，但 multi-agent UI 架構可參考

6. Repo 安全判斷標準

Polymarket bot repo 會要求 private key、API key、wallet credentials；這是高風險類別。StepSecurity 已揭露惡意 Polymarket bot repo 透過 typosquatted npm packages 偷 .env、wallet private key，並在 install 階段執行 postinstall payload。

最低安全標準：

檢查項 判斷
是否官方 repo 優先 Polymarket org
是否要求 private key 高風險，必須用 dedicated wallet
是否有奇怪 npm dependency 高風險
是否有 postinstall script 高風險
stars 是否異常暴增 高風險
README 過度承諾收益 高風險
是否可 dry-run / paper mode 必須
是否可不放真 private key 測試 必須
是否有 lockfile / pinned version 必須
是否有 monitoring / logs 必須

7. 最佳 MVP 架構

不要一開始做 full autonomous AI trader。MVP 應該長這樣：

1. Market Scanner
   - Gamma API 找市場
   - CLOB API 讀 bid/ask/spread
   - liquidity / volume / close time filter

2. Paper Trading Engine
   - 模擬下單
   - 模擬 slippage
   - 記錄 expected fill vs actual fill
   - 記錄 missed trade

3. Strategy Engine
   - 先做 rules-based
   - 再加 AI research score
   - 不讓 LLM 直接控制下單

4. Risk Manager
   - max position
   - daily loss limit
   - per-market cap
   - kill switch

5. Execution Engine
   - limit only first
   - partial fill handler
   - cancel / replace
   - user channel reconciliation

6. Dashboard
   - open positions
   - realized / unrealized PnL
   - win rate
   - slippage
   - latency
   - drawdown

8. 技術選型

層級 推薦
Research / AI layer Python
Execution layer Python / TypeScript
Latency-sensitive crypto bot Rust / Go
DB PostgreSQL / TimescaleDB / Supabase
Queue Redis / NATS
Metrics Prometheus + Grafana
Dashboard Next.js / FastAPI + simple admin UI
Backtesting 自建 tick-level replay，不要只用 OHLC
LLM Claude / GPT / Gemini 做 research，不直接裸下單
Hosting 低延遲策略用靠近交易/API endpoint 的 VPS；research bot 不需要極低延遲

9. 主要 Anti-patterns

錯誤做法 問題
讓 LLM 直接決定買賣與金額 容易 hallucination、過度自信、不可回測
只看 win rate 忽略 payoff ratio、slippage、tail loss
Copy whale wallet 可能是 bot、內線、一次性運氣或不可複製
只做 paper PnL 沒有真實 fill / partial fill / latency 模型會高估
市價單亂打 薄市場直接被 spread 吃掉
沒有 kill switch API bug、策略 bug、CLOB 行為改變時會連續虧損
從 GitHub 隨便 clone bot 放 private key 最高風險
忽略 CLOB / SDK 版本變動 社群已有 CLOB V2 後策略失效與 client issue 討論

10. 實際路線圖

Phase 1：只做資料與監控

目標：不下單。

做：

  • market scanner
  • liquidity filter
  • WebSocket recorder
  • order book snapshot
  • dashboard
  • wallet / market watchlist

Phase 2：Paper trading

目標：驗證策略，不碰真錢。

做：

  • expected fill vs actual fill
  • latency log
  • slippage log
  • missed opportunity log
  • partial fill simulation
  • strategy versioning

Phase 3：小額 live execution

目標：測執行，不測賺錢。

做：

  • dedicated wallet
  • small size
  • limit order only
  • per-trade cap
  • daily stop
  • kill switch
  • full audit log

Phase 4：AI layer

目標：AI 只加在 research / probability / contract parsing。

做：

  • news summarizer
  • market ambiguity detector
  • resolution criteria checker
  • probability estimate
  • confidence calibration
  • human approval 或 strict rules gate

Phase 5：多策略 portfolio

目標：不同策略分離，不讓一個 bot 管全部。

做：

  • crypto short-horizon strategy
  • market making strategy
  • copy trading strategy
  • event research strategy
  • separate capital allocation
  • separate kill switches

11. 最重要的工程指標

Metric 為什麼重要
Expected price vs actual fill 衡量 slippage
Signal timestamp → order submitted 衡量策略反應速度
Order submitted → ACK 衡量 API / network latency
ACK → matched 衡量成交品質
Partial fill rate 衡量 execution risk
Cancel success rate market making 必看
Realized PnL by strategy version 避免策略混雜
Max adverse excursion 看持倉後最壞浮虧
Drawdown 看真實風險
Liquidity-adjusted return 避免薄市場假收益
Model confidence calibration AI bot 必看，不看 confidence 沒意義

12. 判斷標準

真正能做的 Polymarket AI Trading Bot，不是「AI 幫我預測哪邊會贏」。

可行方向是：

  1. AI 做研究，不直接下單
  2. 規則引擎控制交易
  3. 風控層擁有最高權限
  4. 執行層處理 slippage、latency、partial fill
  5. 所有策略先 paper trading
  6. 只用 dedicated wallet
  7. 優先讀官方 repo 與 SDK
  8. 不要信任高星但不明來源的 bot repo

目前最值得研究的起點是：

  • Polymarket/agents：官方 AI agent framework
  • Polymarket/agent-skills：agent / Claude Code / Codex 可讀的官方技能上下文
  • Polymarket/poly-market-maker：官方 market making bot 參考
  • Polymarket CLOB SDKs：真實下單與資料讀取基礎
  • aulekator/Polymarket-BTC-15-Minute-Trading-Bot：短週期 crypto bot 架構參考
  • GiordanoSouza/polymarket-copy-trading-bot：copy trading 架構參考
4

I’ll research this thoroughly — Polymarket trading bot architecture, the GitHub ecosystem, and what communities are discussing. Let me dig in.Good foundation. Now let me look at the AI-agent-specific frameworks and the official Polymarket tooling.Now let me find what the Reddit communities are saying.Let me get the actual Reddit threads directly.Let me dig directly into Reddit threads with different terms.I have good architecture and GitHub data. Let me try to pull actual Reddit threads via direct fetch on Reddit search.The MEXC reposts are crowding out Reddit. Let me fetch the most pattern-focused repo directly and verify star counts on the key repos.That playbook is content-rich but only has 2 stars — I’ll cite it for substance, not popularity. Let me verify the star counts on the canonical repos.Let me make one more focused attempt at the Reddit discussion angle.以下是完整的 Polymarket AI Trading Bot 設計全貌。先講最重要的現實:2026 年初 Polymarket 改了規則,過去那套「靠延遲套利月賺 50 萬美金」的玩法基本已經死了,所以網路上 80% 的教學與 repo 都是過時的。下面我會把架構、策略、規則巨變、技術棧、熱門 repo 與社群討論一次講清楚。

一、主流架構設計模式

幾乎所有能實際運作的 bot,不管 AI 與否,都會收斂成同一個四模組 pipeline,模組之間用 queue 溝通、各自是獨立的一支程式,這樣才能逐塊除錯、抽換、可靠運作:

Listener(監聽 websocket、發出行情/成交事件)→ Risk Engine(套用深度、滑點、部位大小、每日上限規則)→ Executor(組單、EIP-712 簽章、透過 private bundle relay 送單)→ Polygon 為結算層,並有一條回饋路徑把成交記錄寫回 dashboard。四大模組就是:Data Collector(用 WebSocket 蒐集即時行情)、Strategy Engine(產生交易訊號)、Order Manager(透過 CLOB API 下單/撤單)、Risk Manager(部位限制與停損)。

幾個被反覆驗證的核心設計原則:

1. Async event-loop,不要用 REST polling。 REST 輪詢已經完全過時——等你的 HTTP round trip 完成,機會早就消失了;你需要的是基於 WebSocket 的即時 order book 資料流。async 架構是關鍵:bot 必須同時處理 WebSocket order book 更新、監看鏈上錢包活動、跑策略邏輯、管理掛單,而不能互相阻塞。

2. AI Agent 變體 在上面那條 pipeline 中插入 LLM 推理層:News / Twitter / Web → Data Collector → LLM(Claude / GPT)→ Decision Engine →(Probability Model)→ Polymarket CLOB API → Position Tracker,通常再用 RAG 把新聞向量化做事實接地。官方框架就是這個形狀(見下方 repo)。

3. Graduation 狀態機(這是專業與業餘的分水嶺)。 最值得學的設計來自 alpha-playbook:先理解系統骨架(event loop、paper/live 橋接、graduation 狀態機、safety guards),再寫程式;每個策略都要跑 paper → shadow → live-canary → scale 這條 pipeline,用 Wilson 信賴區間下界判斷,絕不在窮舉 cohort 之前就用整體勝率把策略砍掉。它點出的兩個致命反模式:任何由程式內部記帳算出的 PnL 都在騙你,每筆 live trade 都要跟交易所鏈上/官方活動 feed 對帳;以及 side/token alignment 是最常見的隱性 bug——YES/NO 的 outcome index 不一定對應 outcome[0]/outcome[1]。

4. Copy-Trading 變體 是另一條完整產品線:Frontend(設定/分析)+ Backend API(認證、驗證、持久化)+ Worker/Executor(交易複製、排程、backoff、對帳),並有 leader 選擇、配置控制(固定/比例/上限)、風險管理(最大曝險、單市場限額)、帶 queue/retry 與冪等性的執行引擎。

二、主流策略模式(edges)

策略 原理 2026 現狀
Intra-market arbitrage 當 YES + NO 合計 < $1.00 時同時買兩邊,結算時鎖定無風險利潤(如 YES $0.48 + NO $0.47 = $0.95 → $0.05) 仍可行,但被機器人壓得很薄
NEG_RISK sum arb 多選一互斥市場,所有結果隱含機率加總的偏差 結構性、數學保證,playbook 最推薦的入門 edge
Cross-venue synthetic arb 同事件在 Polymarket 與 Kalshi 價差,買兩邊使總成本 < $1.00 鎖定價差 可行但 手續費結構讓跨所套利的最低生 raw edge 約需 ~400bps 才能撐過 round-trip
Latency arbitrage 監看 Binance↔Polymarket 價格回饋延遲,在 50/50 附近進出 :warning: 基本已死——見下節
Market making / 流動性提供 賺 maker rebates + 價差 規則改後變成主戰場,但 rebate 已縮水
Copy trading 鏡像 leader 錢包 熱門,有大量現成 repo 與付費產品
Directional AI/ML 用 LLM + EV 分析 + Kelly criterion 做機率建模與部位管理 最難穩定獲利,變異大
Whale/insider 監控告警 掃 API 找異常錢包/大單 有開發者用此類 alert bot(Claude + Cursor 寫的),由人做最終決策,在 Maduro 相關市場單日獲利 $75k

三、2026 你一定要知道的規則巨變(最關鍵)

這是「everything you need to know」裡最重要、也最少人更新的部分:

  • 15 分鐘加密市場開始收 taker 費。 Taker Fees 已在 15 分鐘加密市場啟用,費率隨價格變動,在 50% 機率處達到峰值 1.56%;Maker Rebates 則以每日 USDC 形式付給流動性提供者,由 taker 費資助。而且 rebate 已從 100% 全額退還改成部分退還,100% 退費在 11 號停止。

  • 500ms taker 延遲被移除(2026/2/18)。 過去每筆 taker order 會等 500ms 才執行,market maker 靠這個 buffer 撤掉過時掛單、等於免費保險;現在 taker order 立即執行,沒有時間撤單。實務後果:若你的 cancel/replace 超過 200ms,就會面臨 adverse selection,別人會在你更新報價前直接吃掉你的過時單。

  • feeRateBps 變成簽單必填欄位。 你簽章的 order payload 現在必須包含 feeRateBps 欄位,否則在啟用費用的市場會直接被拒絕;CLOB 會用簽章驗證 feeRateBps,對不上當前費率就拒單——用官方 Python/Rust SDK 會自動處理,自寫簽章邏輯才需手動帶。

  • 那個傳奇策略死了。 那個靠 Binance 與 Polymarket 價格回饋延遲、一個月做出 $515K、99% 勝率的 bot,該策略已經死亡。所以任何叫你照舊做延遲套利的教學都該丟掉。

四、技術棧(實戰標準配置)

Python 3.11+;Polymarket CLOB REST API + WebSocket;Polygon、Web3.py、py-order-utils;EIP-712 typed data 簽章;pandas/numpy/scipy;AI 層用 OpenAI API + scikit-learn;APScheduler + asyncio 排程;python-telegram-bot / Discord webhooks 告警;PostgreSQL + Redis 儲存;Docker / docker-compose 部署。

關鍵 SDK 與基礎事實:

  • py-clob-client(官方 Python CLOB client)——所有 bot 的地基。社群也有 async fork py-clob-client-async,用 httpx 提供 async/await 與連線池。
  • 三個 API 分工:Gamma API 取市場 metadata、CLOB API 下單與行情;部位以 USDC 在 Polygon(chain ID 137)結算,結算用 UMA Optimistic Oracle,gas 通常 < $0.01/筆。
  • 跨所抽象:pmxt 是一個受 CCXT 啟發、針對 prediction market 的統一 wrapper,把 Polymarket(CLOB)與 Kalshi(REST)的雜亂 JSON 抽象掉。
  • 重要實作雷(來自真實 GitHub issue):永遠不要 hardcode 費率,費率因市場而異且 Polymarket 會改;在啟用費用的市場,下單成功後賣出時可能跳出 “not enough balance / allowance”,且事件頁顯示的淨股數不同,這是費用扣除造成的。

五、最熱門的相關 GitHub Repo

Repo Stars 定位
Polymarket/agents(官方) 2.8k stars、638 forks 首選。AI agent 開發框架
Polymarket/py-clob-client(官方) 高 官方 Python CLOB client,地基依賴
artvandelay/polymarket-agents 中 含 10 個工具的 Polymarket research MCP server + 自主交易框架,Claude Sonnet 做決策、可插拔策略、SQLite 持久化
AKCodez/prediction-market-alpha-playbook 僅 2 stars :star: Star 少但內容含金量最高的設計模式/反模式聖經
CodeX2124/Polymarket-Copy-Trading-bot 中 production 導向的 copy trading 系統

官方框架的架構:模組化、可由社群維護擴充;Chroma.py 用 chroma DB 向量化新聞;Gamma.py 定義 GammaMarketClient 取市場/事件 metadata;cli.py 是主要使用介面,可呼叫 API、撈新聞、查本地資料、送 prompt 給 LLM、執行交易,並整合 LangChain。

:warning: 兩個重要警告:

  1. 大量「Polymarket AI Trading Bot」repo 是 SEO 灌水/付費產品的門面——README 塞滿幾十個關鍵字(Polymarket DeepSeek AI、GPT Trading Engine…)的那種,基本是噪音,別當真。優先信官方 org Polymarket/* 與有實質 commit 歷史的專案。
  2. 法遵:Polymarket 的 ToS 禁止美國人及某些其他司法管轄區的人透過 UI 與 API(包含這些地區開發者寫的 agent)交易,但資料與資訊全球可看。

六、Reddit / 社群在討論什麼

先誠實說:我這次抓 Reddit 直接被搜尋引擎過濾掉了(Reddit 常被擋),大量「結果」其實是 MEXC/新聞農場的轉貼。所以下面是從可信來源彙整的社群討論主軸,而非直接引用某條 reddit thread——你若要原串,我可以再針對 r/Polymarket、r/algotrading 幫你逐一挖。

社群(Reddit + X + 開發者部落格)反覆在吵的幾件事:

  • 「機器人賺翻、散戶被輾」的公平性辯論。 機器人正逐步主宰 Polymarket 超短期加密市場,把小本金變成驚人利潤,而人類交易者跟不上;用戶之間會分享 watchlist 與機器人 profile,標出表現最好的帳號與策略。一份學術研究指出 類機器人交易者在 2024/4–2025/4 間透過套利賺了近 $40M,以政治相關賭注被套利最兇。

  • 收費新政的攻防(這是最近最熱的話題)。 PolyScanner3000 bot 的負責人 Tawer95.eth 在 X 上做了詳細拆解,標題說「嚇人但沒那麼糟」,認為新制給 maker 帶來可持續收入,同時削弱了過去靠免費流動性套利的機器人誘因;也有交易者認為這是針對高頻機器人、能收緊價差,另有人認為能更好防範 wash trading。

  • 「人類反殺機器人」的名場面。 一位匿名交易者在週末低量時段,激進買進 XRP 市場 UP 股推高到 70¢,誘使設計來提供流動性/套利的 Polymarket 機器人在價格上漲時反向賣出 UP,讓他以均價 48¢ 囤到 77,000 股;結算前兩分鐘再用關聯的 Binance 錢包砸 $100 萬買 XRP 拉價,最終獲利 $233,000,引發是否屬操縱的爭議。

  • 務實的潑冷水。 研究顯示 95% 的人因為與策略無關的技術門檻,做不完他們的第一支交易 bot;工程難點在於處理 async API、管理 WebSocket 連線、處理網路 timeout、設計部位追蹤的資料庫 schema,而且 Polymarket 大約每年改兩次 API、leader 模式會變、RPC 供應商會冒出新的故障模式。共識是:會享受工程的人留下來持續迭代;只想配置資金的人最後都轉用代管 copy-trade 服務。

七、給你的具體建議

  1. 先讀 alpha-playbook 的 ARCHITECTURE.md + ANTIPATTERNS.md 再動手,再用 Polymarket/agents 當骨架。
  2. 第一支策略選結構性套利(NEG_RISK sum arb 或 within-market YES+NO<1),別一開始就做 AI directional——偏好低複雜度的結構性套利,而非 ML 式的方向性下注。
  3. 務必 paper → shadow → canary 分階段,並跟鏈上 feed 對帳,不要相信內部記帳的 PnL。
  4. 把費率與 feeRateBps 當動態變數處理,並把 cancel/repost 迴圈壓在 200ms 內,否則新規則下會被逆選擇。

最後提醒:這是技術整理、不是投資建議;Polymarket 涉及加密資產與司法管轄限制,實際獲利的散戶比例極低,務必先在 sandbox/paper 環境驗證再投入任何真金。

需要的話,我可以幫你:(a) 用 Polymarket/agents + py-clob-client 畫出一份可直接給 Claude Code 實作的架構與 prompt;或 (b) 針對 r/algotrading、r/Polymarket 幫你逐串挖出真實的開發者討論。

5

在 2026 年的今天，Polymarket 上的自動化交易已經從傳統的「規則型機器人（Rule-based Bots）」全面進化為「自主型 AI 智能體（Autonomous AI Agents）」。因為預測市場的核心是「資訊流（新聞、情緒、突發事件）」而非單純的「K線圖（技術分析）」，AI 強大的非結構化數據處理能力（如語義理解、邏輯推理）讓其在預測市場中佔盡優勢。

目前主流的 Polymarket AI 交易機器人設計方式（Design Patterns），主要可以歸納為 4 大核心架構。以下為你全面拆解你需要知道的「Everything & Anything」。

一、 4 大主流 AI 交易機器人設計模式 (Design Patterns)

1. 多智能體協同架構 (Multi-Agent Orchestration)

這是 2026 年目前最頂級且主流的架構（例如 Olas Predict、OpenClaw 等開源框架使用的模式）。它不依賴單一 AI 模型，而是建立一個「虛擬交易團隊」。

  • 設計邏輯：將任務拆分給不同的專精 Agent 並行處理。
    • Research Agent (研究員)：負責透過 MCP (Model Context Protocol) 連接搜索引擎、Twitter API、新聞源，抓取市場相關的最新資訊。
    • Math / Quant Agent (量化分析師)：專注於機率計算、計算 Brier Score（布萊爾分數）、以及處理訂單簿（CLOB）深度與流動性分析。
    • Risk Agent (風控長)：套用「凱利公式（Kelly Criterion）」來決定最佳下注倉位比例，並設定止損與曝險上限。
    • Execution Agent (交易員)：透過 Polymarket 官方 API 或區塊鏈智能合約（Polygon）進行私鑰簽名與下單。
  • 優勢：極大程度減少單一 LLM 產生幻覺（Hallucination）導致的暴雷。AI 之間會互相 Review（例如風控 Agent 會駁回研究 Agent 過於激進的勝率預測）。

2. 語義推理與資訊套利模式 (Semantic Trading / LLM RAG Arbitrage)

預測市場中，「資訊傳遞的延遲」就是利潤空間。此模式將 Polymarket 視為一場「閱讀測驗」。

  • 設計邏輯：
    • 即時 RAG（檢索增強生成）：持續監控突發新聞（如彭博、路透社、甚至關鍵人物的推特發言）。
    • 動態機率定價：利用超大上下文窗口模型（如 Claude Opus 4.6 或 GPT-5.3），讓 AI 閱讀新聞後，預測事件發生的「真實機率（True Probability）」。
    • 套利執行：如果 AI 預測的勝率是 70%，而當前 Polymarket 上的 YES 份額價格只有 $0.50 (隱含 50% 機率)，機器人就會瞬間買入 YES。
  • 進階玩法（市場聚類）：AI 會發現「隱含關聯」。例如「某候選人會贏得搖擺州」與「某候選人會贏得大選」，當一個市場價格暴動，另一個市場還沒反應時，AI 會進行跨市場套利（Cross-market Arbitrage）。

3. 零知識證明與量化預言機架構 (ZK-ML Verifiable Agents)

針對高度數據驅動的市場（如體育賽事、經濟數據發布、加密貨幣價格預測），開發者傾向結合傳統機器學習與區塊鏈技術（例如 GitHub 上的 Polymarket Veil Agent）。

  • 設計邏輯：
    • 鏈下推理 (Off-chain Inference)：使用訓練好的模型（如 MLP、XGBoost）處理民調數據、歷史統計或即時 API 數據。
    • ZKVM 驗證 (zkVM Proofs)：透過 SP1 等零知識虛擬機，將 AI 的「推理過程」打包成密碼學證明（Proof）。
    • 無需信任執行：區塊鏈智能合約在執行交易前，會先驗證該 ZK Proof。這確保了這筆交易「絕對是基於特定模型與特定數據源」算出來的，防止機器人遭到黑客竄改或人為惡意干預。
  • 優勢：絕對的安全性與透明度，適合管理巨額資金（TVL 大）的去中心化基金。

4. AI 輔助自動做市商 (AI-Assisted Market Maker / Liquidity Provision)

這類機器人（如開源項目 poly-maker）不賭「誰輸誰贏」，而是賺取買賣價差（Spread）和官方的流動性提供獎勵。

  • 設計邏輯：
    • 在 Polymarket 的中央限價訂單簿（CLOB）上，同時掛出 YES 和 NO 的買單與賣單。
    • 引入 AI 主要是為了動態調整報價中心點與價差。當 AI 偵測到新聞情緒即將引發單邊行情（例如即將有重磅消息公佈），AI 會迅速撤下逆勢方向的掛單，避免成為「有毒訂單（Toxic Order Flow）」被套利者吃掉。

二、 核心技術棧 (Tech Stack)

要建構一個現代的 Polymarket AI Bot，你需要以下基礎設施：

  1. 資訊攝取層 (Data Layer)：
    • 傳統 API：NewsAPI, X (Twitter) Developer API, 體育/選舉民調 API。
    • 平台數據：Polymarket Gamma API（獲取即時市場元數據、訂單簿深度）。
  2. 大腦與推理層 (Brain Layer)：
    • 大型語言模型 (LLMs)：OpenAI, Anthropic (目前 Claude 在邏輯推理與編程架構的 Multi-agent 表現上極受歡迎)。
    • MCP (Model Context Protocol)：2026 年標準配置，讓 AI Agent 可以標準化地調用外部工具與讀取數據源。
    • 向量資料庫：Pinecone 或 Milvus，用來儲存市場的歷史背景，供 AI 進行 RAG 查詢。
  3. 執行與區塊鏈層 (Execution Layer)：
    • Polymarket CLOB API：Polymarket 目前的核心是中央限價訂單簿，這比以前的 AMM 更複雜，需要精確控制 Limit Orders（限價單）。
    • Web3.py / Ethers.js：透過 Polygon 網絡進行無 Gas 交易簽名（Gasless execution）。
  4. 基礎設施與框架 (Frameworks)：
    • 開源框架：Polymarket Agents、OpenClaw、Clawhub（用於無風險的 Paper Trading / 回測）。
    • Agent 網路：如 Olas (前 Autonolas)，提供現成的 AI 代理部署網路，甚至能將代理服務代幣化。

三、 必備的量化與數學核心觀念

如果你只是讓 ChatGPT 說 “這個新聞看起來很好，買 YES”，你的 Bot 很快就會破產。一個優秀的 AI 架構必須融入以下數學模型：

  • 凱利公式 (Kelly Criterion)：
    用於決定下注金額（Bet Sizing）。
    公式推導：f* = (p * b - q) / b （p=勝率, q=敗率, b=賠率）。AI 推理出勝率後，必須透過凱利公式來決定動用資金池中的多少比例，防止連續虧損導致資金歸零。
  • Brier Score (布萊爾分數)：
    這是一個用來「衡量機率預測準確度」的函數。AI Agent 必須具備「自我反省模組（Reflection Module）」，在市場結算後，計算自己當初的預測準確度（Brier Score 越低越好），並利用強化學習（RL）去微調下一次的情緒分析權重。
  • 隱含機率換算 (Implied Probability)：
    在 Polymarket，一份 $0.60 的 YES 份額，代表市場認為事件有 60% 的機率發生。AI 的核心工作是尋找預期差 (Expected Value, EV) —— 當 AI 的模型算出機率是 80% 時，這 $0.20 的差額就是 Edge（優勢）。

四、 實戰中最大的挑戰與風險 (Risks)

  1. AI 幻覺與假新聞攻擊 (Hallucinations & Sybil News)：
    最大的風險是 AI 抓取到由其他 AI 生成的假新聞（例如 X 上的假消息），從而做出錯誤判斷重倉買入。解法：必須在 Agent 架構中強制設定「多源驗證交叉比對（Cross-verification）」機制。
  2. 流動性陷阱與滑點 (Liquidity & Slippage)：
    Polymarket 上的冷門市場流動性極差。如果 AI 計算出一個完美的套利機會並市價買入（Market Order），很可能因為深度不足，把價格從 $0.3 買到 $0.9，瞬間被套牢。解法：AI 必須被限制只能使用限價單（Limit Orders），並能讀取 L2 訂單簿深度。
  3. API 速率限制與延遲 (Latency)：
    在突發新聞發生時，天下武功唯快不破。Python 腳本的 LLM API 呼叫可能需要 3-5 秒，這在激烈的套利中已經太慢了。高頻的設計會採用本地小模型（Small Language Models）做初篩，或者依賴 Olas 等專用低延遲去中心化網絡。

總結

設計 Polymarket AI Trading Bot 已經從單純的「寫代碼」變成了「架構一家虛擬避險基金」。如果你想入門，建議先從 GitHub 上的 Polymarket Agents 開源框架或 Clawhub 的模擬交易（Paper Trading） 開始，先建立一個「負責讀新聞預測機率 + 負責控制倉位大小」的雙 Agent 基本盤，再逐步擴充你的 AI 交易帝國。