2025–2026 年，Polymarket 上的交易 bot 已经创造了超过 6000 万美元利润。
其中 77%，来自同一个市场：
Crypto UP/DOWN
更具体一点，是 BTC Up/Down 这类短周期加密市场。
这篇文章讲的不是简单的“AI 自动交易”概念，也不是让你盲目跟单某个 bot。
它真正想拆的是：
为什么 BTC 5 分钟 Up/Down 市场会长期存在结构性低效？
这些 bot 到底在吃什么 edge？
以及如何用 Hermes + Atomic + Claude Opus + Polymarket CLOB v2，搭建一个可以持续复盘、持续调整参数、具备自学习能力的 BTC 交易代理。
01｜机会在哪里？
为什么是 BTC Up/Down 市场？
Polymarket 上的 BTC 5 分钟 Up/Down 市场，是预测市场里结构性低效最明显的板块之一，大多数人交易这类市场，依靠的是情绪
新闻来了，跟
社交媒体热了，跟
K 线突然波动，凭感觉下注
但真正赚钱的 bot，不是这样交易的
它看的不是情绪，也不是短期噪音
它看的是 BTC 价格状态背后的转移概率，当 BTC 进入一个明确的方向状态时，这种状态是否会继续，是可以被数学模型测量出来的
人群还在根据感觉下注时，transition matrix 已经能提前识别出状态持续性
这就是差距
数学模型给出的概率，和市场当前价格之间的差，就是 edge，而且这个 edge 不是一次性的，它可以被重复捕捉
可以被放大，也可以被自动化执行，这套系统使用的 agent 框架是 Hermes
Hermes 是 NousResearch 推出的开源框架
NousResearch 背后有 Paradigm 的 7000 万美元支持
到 2026 年 4 月，Hermes 的 GitHub stars 已经超过 Anthropic 的 Claude Code
这说明开发者社区正在快速采用这类 agent 框架
也意味着，自动化交易正在从“写死规则的 bot”，升级成“能调用模型、读取日志、持续复盘的 agent 系统”
BTC Up/Down 市场非常适合这种系统
单个资产每天有：288 个交易窗口。
平均：每 81 秒就可能出现一笔交易机会。
平均 edge window 大约是：5%–15% gap。
当模型概率满足：p ≥ 0.87
对应胜率大概在：63%–72%。
这不是说每一笔都会赢
而是 bot 只在概率优势足够明显的时候进场
现在已经有几个 bot 在这类市场里跑出了结果
第一个是 Bonereaper
它的策略是：
High-Confidence Spread Capture
也就是高确定性价差捕捉
Profile：https://polymarket.com/@bonereaper?via=Miko66
第二个是 0xe1D6b514
它的策略是：
Dual-Mode Expected Value
也就是双模式 EV 策略
Profile：
https://polymarket.com/@0xe1d6b51521bd4365769199f392f9818661bd907?via=Miko66
第三个是 0xB27BC932
Multi-Asset Variance Reduction
也就是多资产降低方差。
Profile：
https://polymarket.com/@0xb27bc932bf8110d8f78e55da7d5f0497a18b5b82-1772569391020?via=Miko66
三个 bot
同一个市场板块，同一套底层数学逻辑
合计收益：$2,112,019
02｜edge 是怎么来的？
这套模型的核心，是 Markov Chain analysis
也就是马尔可夫链分析
它的基本思路是：
把 BTC 的价格变化拆成不同状态，然后计算当前状态转移到下一个状态的概率
关键点在于：
价格运动并不总是随机的
当市场进入一个持续性的方向状态时，它继续沿着这个状态运行的概率，可能会显著高于 50%，这时，如果市场价格还没有完全反映这个概率，就会出现交易机会。
进场公式是：
Δ⁽ʷ⁾ = p̂⁽ʷ⁾ − q⁽ʷ⁾ ≥ ε → ENTER
其中：p̂ = 模型概率 q = 市场价格 ε = 最小 gap
这里设置的最小 gap 是：5%。
也就是说，如果模型认为某个方向的真实概率是 70%，而市场只定价到 62%，中间就有 8% 的差距，只要这个差距超过 5%，这笔交易就进入候选
收益公式是：r = (1 − q) / q
如果进场价格是：q = 0.647
那么单笔收益率约为：+54.5%。
如果进场价格是：q = 0.441
那么单笔收益率约为：+126.7%。
这就是为什么一些中等价格区间的 Up/Down 交易，看起来收益率非常高
但价格越低，潜在收益越高，风险也越大，所以不能只看收益率，还要看模型概率、胜率和仓位控制
bot 还有一个更严格的入场条件：
p(j*,j*) ≥ 0.87
这是 Markov persistence threshold
也就是状态持续性阈值，只有当某个状态继续保持的概率达到 87% 以上，bot 才会进场，低于这个阈值，不交易
这也是为什么它不需要传统意义上的“方向预测”，胜率依然可以稳定在 65% 以上，它不是每个窗口都下注，它只等市场进入高持续性状态，再去捕捉模型概率和市场价格之间的 gap，仓位管理用的是 Kelly Criterion
公式是：
Kelly f* = p − (1−p)/b
其中：
p 是模型概率或胜率 b 是赔率收益
当：
p = 0.87 b = 0.647
对应的 Kelly 仓位约为：f* ≈ 0.71。
Kelly 的作用不是让 bot 无脑重仓，而是在胜率和赔率确定的情况下，计算一个更合理的下注比例，仓位太小，增长太慢，仓位太大，一次错误就可能伤到本金，所以这套系统真正依赖的不是“每一笔都赢”
而是：
概率过滤
状态持续性过滤。
5% 以上 gap 过滤
再用 Kelly sizing 控制仓位
03｜需要哪些工具？
这套系统可以完全基于开源工具运行，不需要从零写一个完整交易系统
也不需要一开始就是高级开发者，整体成本也很低。
每月成本：低于 $10。
最低启动资金：$10。
更推荐的起步资金：$50。
Gas 费用：约 2 POL，大概 $1
搭建时间：约 30 分钟。
核心组合是：
Hermes agent framework
Atomic
Claude Opus
GitHub repo
Polymarket CLOB v2
Telegram bot
这套组合的重点不是让 AI 凭感觉下注
而是让 agent 读取策略、执行规则、记录日志、复盘交易，并根据结果更新参数
04｜如何用 3 步设置 Hermes？
Step 01｜安装 Atomic，并启动 Hermes
第一步，进入：atomicbot.ai
下载 Atomic
打开后，在主页选择 Hermes agent。你可以选择本地运行，也可以选择右上角的：
Run in Cloud
用 Google 登录之后，云端和本地使用的是同一套界面，如果是在 Mac 上本地运行，下载后把 app 移动到 Applications 文件夹
Atomic 支持 100+ integrations、persistent memory，以及 Claude、ChatGPT、Gemini 等主流 AI 模型，所以它更像是一个 agent 工作台，而不是单纯的交易脚本
Step 02｜连接模型 API
第二步，在 Atomic 里连接模型 API。
路径是：
Atomic settings → AI Models → Anthropic → paste your API key
然后选择：
Claude Opus 4.7
它的作用是作为 agent 的大脑
用来做实时市场分析、读取交易日志、复盘策略表现，并根据结果调整参数。
也可以选择替代方案：OpenRouter
按量付费
或者：OpenAI Codex
通过 ChatGPT Pro 使用
配置示例：
这里 temperature 设置为 0.2，因为交易决策需要稳定性，不需要模型每次都发散思考，温度越低，输出越一致。
Step 03｜连接 Telegram bot
第三步，把 Telegram bot 接入 agent。
路径是：
Atomic → Skills → Messengers → Telegram → Connect
然后打开 Telegram，通过：@BotFather 创建一个 bot
复制 token，粘贴回 Atomic
这样 Hermes agent 就可以通过 Telegram 给你发送交易报告、运行状态、dry run 总结和每日复盘
从这一步开始，agent 就已经在线，等待你输入交易逻辑
05｜设置 BTC 交易策略
不要从零开始写交易系统
更好的方式是找一个已有 GitHub repo 作为基础逻辑，然后交给 Hermes，让 Claude Opus 把它更新到最新的 Polymarket CLOB v2
推荐的 repo 有 3 个。
第一个：aulekator/polymarket-BTC-15-Minute-Trading-Bot
特点是 production-grade
包含 7-phase architecture、Grafana、Redis、SL/TP
适合做：
Markov-based entries
Kelly sizing
第二个：JLowo/gengar-polymarket-bot
特点是：
Quarter-Kelly
Brownian motion
calibrated vol
适合更保守的仓位管理，以及带有现实风控边界的策略
第三个：dijenne/Polymarket-bot
它有两套策略：arbitrage + momentum
并且支持 auto-optimization
适合做多策略组合
Step 1｜给 Hermes 输入交易逻辑 prompt
第一段 prompt 的目标，是让 Hermes 基于已有 repo 构建一个 Polymarket BTC 5 分钟 Up/Down trading agent。
基础 repo：github.com/aulekator/polymarket-BTC-15-Minute-Trading-Bot
目标：更新到 Polymarket CLOB v2，并准备成可以安全实盘的版本。
提示词“
Step 2｜设置钱包
Step 3｜环境变量配置
.env 配置如下：
几个核心参数：DRY_RUN=true
先模拟运行
MIN_EDGE=0.05
至少 5% gap 才考虑入场
MIN_PROB=0.87
Markov 状态持续概率至少达到 87%
MIN_BET=1.00
用 1 美元小额测试
MAX_BET=50.00
限制单笔最大仓位
BANKROLL=100.00
初始 bankroll 设置为 100 美元。
这也是“从 100 美元开始”的来源。
但它不是保证 100 美元一定变成 10,000 美元
它只是用 100 美元作为初始资金，测试一个可学习、可复盘、可迭代的交易框架
Step 4｜先跑 dry test
06｜自学习循环：agent 如何变得更聪明？
Hermes 和普通静态 bot 最大的区别，是它可以形成 self-learning loop
普通 bot 是规则写死的，你设定什么参数，它就一直用什么参数
但市场不会一直不变，BTC 波动会变
流动性会变，不同时间段的交易质量会变
某些 Markov state 可能今天有效，明天就失效
所以这套系统需要让 agent 读取交易日志，并根据实际结果调整策略
第一步，执行交易
当 bot 发现：p(j*,j*) ≥ 0.87，并且 gap 满足要求时，它会进入市场，每一次 entry、exit 和 P/L，都会记录到 journal，这份 journal 是后续自学习的基础
没有日志，就没有复盘
没有复盘，就没有优化
第二步，夜间复盘
每天结束后，Claude Opus 会读取完整交易日志
它会分析：
哪些 Markov states 胜率最高
哪些 persistence thresholds 表现最好
哪些窗口亏损最多
哪些 entry price ranges 的 EV 最好
这一步不是让 AI 凭感觉调整策略
而是让模型基于真实交易记录做复盘
第三步，更新策略
Claude Opus 会根据交易日志，重写阈值规则，调整 Kelly sizing，并更新关键参数
比如：
MIN_PROB
MIN_EDGE
如果某个阈值太松，导致亏损变多，就上调
如果某个价格区间表现更好，就提高权重
如果 Kelly sizing 太激进，就降低仓位
第四步，用新规则进入下一轮交易
下一次 session 运行时，agent 会使用更新后的参数继续执行
也就是说，它不是每天重复同一套规则
它会根据过去一天的交易结果，调整明天的策略
当交易数量达到 50–100 笔 后，agent 会逐渐积累自己的交易历史
它开始知道哪些状态有效
哪些价格区间有效
哪些窗口应该避开
哪些规则只是噪音
这就是自学习循环的核心每天早上，Telegram 会发送一份报告
里面包括：
昨天的交易表现
更新后的规则
今天的策略
你可以查看报告，确认变更，再决定是否继续运行
这让 agent 不只是一个自动交易脚本
它更像是一个会记录、会复盘、会调整、会汇报的交易代理
夜间复盘 prompt 可以这样设计：
这套循环的目标，不是让 AI 神奇地预测市场，而是让它把每一笔交易都变成学习数据，每次执行后记录，每天复盘，根据结果更新参数，下一轮再用新参数继续测试
结论
Polymarket 上的 trading bots，已经从手动交易员手里拿走了大量利润
而且这个比例还在继续增加
随着 Hermes 和 Atomic 这样的 agentic frameworks 出现，搭建交易 agent 的门槛正在降低
你不一定需要是高级开发者
你需要的是：
Claude Opus 作为大脑。
一个 GitHub repo 作为起点。
Hermes / Atomic 作为 agent 框架。
Polymarket CLOB v2 作为执行接口。
Telegram 作为汇报入口。
50–100 笔训练交易作为学习数据。
然后让 self-learning loop 持续复盘和优化。
但一开始不要急。
先小额
先：DRY_RUN=true
再用：$1–$2 per trade
跑训练
不要跳过学习阶段
因为这套系统真正重要的，不是第一天赚多少钱
而是 agent 能不能通过每一笔交易变得更好
能不能识别哪些状态有 edge
能不能发现哪些窗口在亏钱
能不能及时调整阈值和仓位
能不能避免把短期好运误判成长期能力
Hermes + Polymarket 真正值得关注的地方，不是“AI 自动赚钱”，而是它把预测市场交易，从人的主观判断，变成了一个可记录、可复盘、可迭代的 agent 系统
PM聪明钱排行榜：
https://polymarket.com/zh/leaderboard?via=Miko66
如果你感觉推文对你帮助，请点赞转发♥