交易所为"小龙虾"（交易员）配置技能树；Openclaw会将人类交易员甩在后面吗?

作者:Frank,PANews

一夜之间,似乎人人都在部署AI Agent(AI代理)。这股潮流终于吹到了加密行业。3月3日,Binance和OKX这两大加密巨头同时推出并开源了面向AI Agent的AI Skills库,使AI Agent能够通过这些协议直接实现链上Alpha发现和实时交易。此前不久,预测市场领导者Polymarket也推出了专门为代理设计的CLI工具。

在这看似巧合的情况背后,实际上是AI正在成为加密行业未来的主要交易主体,而这一变化已经开始。

但用户面临的核心问题是:基于代理的交易真的可靠吗?

引领潮流,加密市场正式迎来AI交易员

让我们看看Binance和OKX这次开源的Skill实际上能做什么。

Binance的七大Skills定位为"统一智能核心",将碎片化的加密市场信号转化为可执行的交易决策。具体来说,它们使AI代理能够自动执行现货交易,例如获取实时市场数据和下单。它们还可以分析任何钱包地址以生成聪明钱追踪报告,包括详细持仓。其他功能包括代币检索、跟单交易和合约风险监控。

OKX的OnchainOS AI升级定位为"AI代理的链上操作系统"。它支持超过60个与自主钱包管理、交易和支付相关的链上功能。这些功能包括钱包持仓查询(跨链资产余额和投资组合)、DEX市场数据、交易执行和代币发现。

Polymarket早前推出的Rust CLI接口是AI代理的终端,允许它们直接查询、交易和管理Polymarket上的所有预测市场。此外,Bitget和Coinbase也发布了类似的技能库。

从功能角度来看,这些技能提供了普通用户进行链上交易或参与其他加密交易所需的基本功能,包括市场研究、订单执行、聪明钱追踪等。

然而,这是否意味着现在每个人都可以享受咖啡,同时看着AI Agent在幕后为他们赚钱?

一位社交媒体用户分享了一个"AI Agent"赚钱工具。

AI Agent ≠ 量化机器人

但实际结果可能与大多数人想象的不同。

许多人将"AI交易"等同于量化交易机器人,但两者的底层逻辑根本不同。

差异是根本性的。传统量化交易机器人本质上是执行预定义规则的自动化程序,例如"当RSI跌破30时买入,升至70以上时卖出"。它们速度极快,但不理解自己在做什么,无法阅读新闻,也不了解市场情绪。它们策略的有效性完全取决于编写代码的人。

AI Agent的核心是大型语言模型。它可以阅读有关美联储加息的新闻文章,理解这对加密市场的意义,然后决定是否减少持仓。

简单来说:机器人执行规则,而代理做出判断。

换句话说,当前的代理不会自己监控市场,然后在机会出现时直接下单。由此产生的代币成本和时间延迟对交易来说是毁灭性的。

当前代理交易倾向于采用"分工"模式:传统程序负责监控和执行,而大型模型只负责分析和决策。

具体来说,传统程序持续从交易所获取实时价格、链上数据、新闻和其他信息,然后将这些数据打包并发送给大型模型。大型模型整合市场状况、新闻和链上异常等多维信息,提供交易决策,例如"买入ETH,10%仓位,订单价格$2450"。最后,交易指令返回给传统程序,后者通过交易所接口执行订单并持续跟踪结果。

传统代码充当代理的"手"和"眼睛",而整体模型充当"大脑"。三大平台提供的Skills本质上为代理提供了标准化的"手"和"眼睛",使其能够快速访问各种交易平台的数据和交易能力。然而,在幕后,人类仍然根据具体策略设计交易逻辑。这不是简单地连接到Skill并看着你的账户余额自动飙升。

除了技术和功能之外,还有两个必须解决的现实问题。

首先是速度。传统高频量化机器人的交易延迟在微秒到毫秒范围内,专业系统甚至可以实现亚毫秒延迟。然而,AI代理的关键瓶颈在于大规模模型推理所需的时间。完整的分析和决策输出通常需要几百毫秒到几秒钟,在复杂场景中甚至可能超过5秒。这比传统机器人慢数千甚至数百万倍。

因此,代理在速度方面根本无法与量化机器人竞争。它们无法进行高频套利或从毫秒级价格差异中获利。代理的竞争力在于其决策质量:量化机器人可以在毫秒内下单,但它不知道"美联储主席刚刚发了一条鸽派推文"的含义,而代理知道。代理更适合每小时进行一两次深思熟虑的交易,而不是每秒执行数千次机械操作。

第二个因素是成本。传统机器人一旦开发完成,只需要服务器成本即可运行。然而,代理每次做出决策时都会调用大型模型接口,这会产生费用。例如,使用GPT-5.2,如果代理每5分钟分析一次市场(每天288次),每月推理成本约为$106。使用更强大的Claude Opus 4.6,约为$238。对于管理大笔资金的交易者来说,这不是一笔巨款,但对于只有几千美元资本的散户投资者来说,这种推理成本加上交易费用,使实现净利润变得更加困难。

作为代理赚钱,陷阱多于机会

此外,代理的决策质量也是一个主要问题。在那些看似合乎逻辑和清晰的判断背后,很可能存在荒谬的决定。

2025年,Nof1举办的AI交易竞赛提供了一个鲜明的例子。多个大型模型驱动的代理进行竞争,结果差异巨大:GPT-5驱动的代理损失了62%的初始资本,而Qwen3和DeepSeek分别实现了22.3%和4.89%的利润。在这次AI交易竞赛中,虽然一些模型最终获利,但它们表现出极不稳定的特征。特别是DeepSeek,最初展示了高回报,随后出现了显著回撤,这削弱了市场预期。

在实验的第二季中,15个AI机器人参与,每个本金为$10,000。只有GROK-4.2实现了正回报。总体而言,只有三个模型在两季中都实现了正回报,其余都处于亏损状态。

此外,PANews还对当时几个最强大的模型进行了模拟研究,最终结果表明,从长远来看,它们的预期利润都是负数。(相关阅读:量化AI评估:所有模型的预期利润小于1,人工智能距离取代交易员还有多远?)

在Polymarket上,最经典的AI机器人策略是数学平价套利:当在二元市场中同时购买"是"和"否"合约的总成本低于$1时,同时购买两者可以锁定无风险利润。许多博主高度赞扬了这一策略。然而,Polymarket通过引入动态费用和其他规则调整作出回应,使一些套利策略失效。

总体而言,代理交易不是"印钞机"。模型选择、策略设计和风险控制纪律都是不可或缺的。

除此之外,代理交易还涉及几个需要考虑的其他风险。

首先,关于安全性,代理持有私钥并自主执行交易。如果运行环境受到损害,可能导致资产损失。以前的案例表明,恶意技术已被注入开源平台以窃取用户密钥。所有三个平台在其声明中都使用了谨慎的免责声明,Polymarket甚至直接将其标记为"早期实验性软件"。

其次,大型模型的"幻觉"问题不容忽视。模型有时会生成看似合理但实际上错误的分析。在日常对话中,这可能只是令人尴尬,但在交易中,这可能意味着真金白银的损失。

策略的同质化也是一个令人担忧的问题。当大量代理使用相同的技能和相同的模型来分析相同的市场时,它们的判断变得高度相似,买入信号同时触发,价格被迅速推高,后来者的空间被挤出。

AI只是武器;wielding它的仍然是人类

随着交易所开始为代理而非人类设计产品,加密市场的游戏规则正在经历深刻转变。2023年的数据显示,自动化系统已占加密市场交易量的70%以上,而且这一比例仍在上升。

然而,代理交易仍处于"早期实验"阶段。底层逻辑是,这只是工具的改进,而不是"自动化利润生成"。别忘了,拥有丰富策略和量化经验的机构也在使用相同的工具进行改进。

对于普通投资者来说,与其急于构建自己的AI代理,不如首先抑制FOMO(投机恐惧)并了解它们的局限性和弱点。诚然,代理交易的时代已经到来,但盈利能力仍然取决于其背后人类的战略决策能力。