如何用 Grok Bot 搭建 7x24 做市台（完整指南）

如何在 Grok Bot 上构建一个 24/7 做市台（完整指南） 2026 年 8 月 31 日 · 18 分钟阅读 · 查看原文 ↗ Grok Bot AI 金融 我将一步步拆解，如何在 Grok Bot 上构建一个 24/7 做市台，让它在你在睡觉时，从每一笔交易中为你赚取 Alpha。 我们直接开始。 > 收藏本文 —— > > 我是 Roan，一名后端开发者，专注于系统设计、类 HFT 执行以及量化交易系统。我的工作聚焦于预测市场在负载下究竟如何表现。关于任何建议、深度合作、合伙，欢迎私信。 从今天起我要做一件事。 如果你正在 Grok Bot 上构建你自己的做市设置，请把你的当前设置私信我，或在这篇文章下面回复。 只有前 10 个设置。我会亲自带每一个走一遍，并指出你现在所拥有的，与一个「24/7 双向挂单、且不被打穿」的 bot 之间的差距。动作要快。 我过去两周一直在构建的 Grok Bot 叙事，刚刚加了一层新的。 之前的每一篇文章覆盖的都是 taker（吃单）那一侧。找 Alpha 的研究台。给交易排序的信号引擎。发单的执行层。全是方向性的。全都要穿过价差。 做市是那笔交易的反面。 你不是付价差来进场，而是当别人进场时，你收价差。你不是消费流动性，而是提供它。你不是付手续费，而是从交易所赚 maker 返佣。 华尔街每一家大型量化公司都运营一个做市台。 Jane Street。Citadel Securities。Virtu。Jump Trading。DRW。Susquehanna。 对他们来说这不是副业。仅 Virtu 一家，去年做市收入就超过 $10 亿。 到本文结束时，你将知道： 每个机构做市商都在用的 Avellaneda-Stoikov 模型，带精确公式。 散户延迟真正能竞争的三个交易所，以及散户不能的地方。 那四篇能让你少走六个月弯路的研究论文。 通过自然对话运营做市台的六 bot Grok Bot 架构。 那四项 Kimi K3 能力，它们解锁了此前任何独立构建者都无法触及的基础设施层。 那个精确的 8 步构建，让你这个周末就能交付你的第一个能用的 bot。 我们进入正题。 第一部分：做市是什么，以及散户在哪里真正能竞争 做市，是一门为一项资产持续挂出双边买价和卖价、并捕获它们之间价差的生意。 你在 $100.00 挂一个买价（bid），在 $100.02 挂一个卖价（ask）。 一个买家打你的卖价。一个卖家打你的买价。 每一次往返，你赚那两美分的价差。 难点在于库存风险（inventory risk）。 如果在你的报价成交之前价格朝不利于你的方向移动，你就被打穿了。有人在价格跌到 $99.50 之前，打了你的 $100.02 卖价。 你现在做多了一项跌了 50 美分的资产。你那两美分价差，相比 50 美分的损失，只是噪声。 — 「什么是做市」 华尔街每一家严肃的做市台，都用 Avellaneda-Stoikov 模型来给这个库存风险定价。 Marco Avellaneda 和 Sasha Stoikov 在 2008 年于《Quantitative Finance》发表了论文《High Frequency Trading in a Limit Order Book》（限价订单簿中的高频交易）。它是现代做市的基础文本。 — 《High Frequency Trading in a Limit Order Book》 这个模型产出两个输出。 保留价（Reservation price）： > r = s - q · γ · σ² · (T - t) 其中 s 是中间价，q 是你当前的库存，γ 是你的风险厌恶参数，σ 是波动率，T 减 t 是你的时间期限。 这是你在「持有当前库存」和「做一笔新交易」之间无差异的那个价格。当你做多时，它位于中间价之下。当你做空时，它位于其上。 最优半价差（Optimal half-spread）： > δ = γ · σ² · (T - t) + (2/γ) · ln(1 + γ/κ) 其中 κ 是从近期交易活动中估计的订单到达率参数。 这是你从保留价出发、挂出买价和卖价的距离。当波动率上升时它加宽。当订单流变慢时它加宽。当交易所变得更活跃时它收窄。 每一个机构做市商都带着变体运行这个模型。 数学是公开的。持续跨多个交易所运行它的基础设施，才是那道护城河。 > 散户不能竞争的地方。 顶级美国股票被锁死了。SPY、QQQ、IWM，以及按成交量排前 500 的名字，由在 NYSE 和 Nasdaq 共置（colocation）的做市商主导。 他们的报价在微秒内到达交易所。你的报价通过消费者券商 API，在 20 到 100 毫秒内到达交易所。你在每一次有意义的波动上都会被收割。 别在 SPY 上尝试这个。别在顶级美国股票上尝试。别在主要外汇交叉盘上尝试。别在美国国债 on-the-runs 上尝试。亚毫秒级的交易所只属于机构。 > 散户真正能竞争的地方。 有三个交易所奖赏散户延迟，并支付真实的价差经济。 永续 DEX： Hyperliquid 和 dYdX 提供订单簿交易、低延迟、maker 激励和程序化 API，这使它们成为散户做市最强的交易所。 预测市场： Polymarket 提供宽价差和秒级延迟，让散户 bot 能以更少的竞争捕获有意义的优势。 Uniswap V3/V4： 集中流动性让你在价格区间内被动提供流动性、赚取费用，而无需运行持续的报价基础设施。 第二部分：Grok Bot 界面层 Grok Bot 是 xAI 的自主 agent 平台。你创建的每一个具名 bot，共享一台持久的云电脑。 浏览器。文件系统。终端。所有这些都活在云 VM 上，而不是你的笔记本上。 你像一个在 Slack 上给同事发消息那样，给一个 bot 发消息。bot 接过任务。用它自己的电脑完成它。做完后回报。 — 「做市台的 6 个 bots」 对做市台，你部署六个具名 bot： > 报价 Bot（Quoting Bot）。 用 Avellaneda-Stoikov 计算保留价和最优价差。 从共享工作空间读取当前中间价、当前库存、当前波动率估计、以及当前订单到达率。 每秒把当前买价和卖价报价写到一个共享报价文件。 > 库存 Bot（Inventory Bot）。 追踪所有活跃交易所的持仓。 实时调整给报价 Bot 的库存输入。 当库存漂出目标区间时，向风险 Bot 发警报。 > 风险 Bot（Risk Bot）。 强制执行硬性熔断开关。这个 bot 没有谈判权限。 回撤超过已分配资本的 5%，触发所有交易所立即撤掉报价。 库存超出硬性区间，通过交易所 API 触发方向性对冲订单。 波动率峰值超过阈值，在一个定义好的窗口内触发报价加宽或全额撤单。 > 对账 Bot（Reconciliation Bot）。 把每一笔成交的订单和预期成交核对。 捕捉 API 错误、漏掉的取消、幽灵成交、交易所侧的差异。 每 30 秒对交易所报告的持仓和内部持仓簿跑一次。 > 微观结构 Bot（Microstructure Bot）。 监视每个活跃交易所的订单簿深度、竞对做市商的报价、以及价差动态。 当一个竞对 MM 加宽价差时，提醒报价 Bot 考虑加宽。 当簿深度下降时，标记库存风险升高。 > 宏观过滤 Bot（Macro Filter Bot）。 监视那些加宽价差的宏观事件。 用 Grok Bot 原生的 X 集成，盯美联储理事账户、Trump Truth Social、宏观数据发布账户。 当有重大事件触发时，指示报价 Bot 在一个定义好的窗口内加宽或撤掉报价。 六个 bot。每一个响应自然语言对话。每一个有具体角色。每一个都写到 Grok Bot 云电脑上的共享工作空间。 你用平实的英语给风险 Bot 发消息： > 「把每日回撤限制设为已分配资本的 5%。把最大库存设为 50 张合约。如果 30 秒已实现波动率超过 3 倍滚动估计，就把报价加宽到正常值的 3 倍。」 风险 Bot 更新它的强制执行规则。下一个报价周期就使用新的限制。 你给宏观过滤 Bot 发消息： > 「盯 Powell 的 X 账号、Trump 的 Truth Social、以及 BLS 发布信息流。如果有任何重大帖子触发，就告诉报价 Bot 撤掉报价 15 分钟。」 宏观过滤 Bot 部署监控例程。 这就是自然语言驾驶舱。每一次运营变更都通过对话发生。没有配置文件。没有重新部署。没有上下文丢失。 现在到了六 bot 做市台撞上第一个真正基础设施约束的地方。 第三部分：Kimi K3 基础设施层 过去一年，我一直在尝试运营一个个人做市台。 每一次尝试都撞上同样的三堵墙。 跨多个交易所的持续订单簿监控最先崩掉。 没有任何消费者 AI 模型能生成足够多的并行监控流，来真正在同一秒覆盖 Hyperliquid、dYdX 和 Polymarket。 Avellaneda-Stoikov 的 Python 实现是第二堵墙。 数学很直接，但代码需要持续运行、自我迭代、并随着市场条件变化而演化。传统的「模型写进笔记本」设置会崩，因为代码无法跨交易会话维持状态。 实时仪表盘是第三堵墙。 每一个严肃的做市商都盯着一个报价、成交、库存和竞对 MM 行为的实时可视化。构建它需要雇一个前端工程师。 然后上个月，我找到了那个一次打破三堵墙的工具。 Kimi K3，来自 Moonshot AI。 Kimi K3 是一个 2.8 万亿参数的混合专家（mixture-of-experts）模型，每个 agent 有一百万 token 的上下文窗口。它有两种变体。K3 Max 用于聊天和单 agent 任务。K3 Swarm Max 用于大规模并行处理，加上长时程 agentic 编码。 K3 Swarm Max 在你的 Grok Bot 做市台底下，运行做市基础设施。 — 「Kimi K3，来自 Moonshot AI」 四项具体能力让它跑起来。 > 能力 1：长时程 agentic 编码。 Kimi K3 在持续数天的会话中维持编码上下文。 Avellaneda-Stoikov 的 Python 实现活在一个持久代码库里。 随着市场条件变化，Kimi K3 迭代地改进代码。 你注意到在 Hyperliquid 上，美东时间下午 2 点到 4 点窗口里你的价差在被收割。你给 Kimi K3 发消息： > 「波动率估计器低估了 Hyperliquid 上美东时间下午 2-4 点窗口的已实现波动率。调整估计器，让它给更近期的 tick 数据更高的权重。」 Kimi K3 修改代码。下一个报价周期使用更新后的模型。没有重新部署。没有上下文丢失。 这是那个把一次性构建变成复利循环的能力。 > 能力 2：三百个并行子 agent。 K3 Swarm Max 在一个协调器上拉起多达 300 个子 agent。 对多交易所做市来说，这意味着： 60 个子 agent 同时监控 60 个交易对的 Hyperliquid 订单簿 40 个子 agent 在 dYdX 上 40 个子 agent 在活跃市场的 Polymarket 上 60 个子 agent 在 Uniswap V3 集中流动性池上 40 个子 agent 盯宏观数据发布 60 个子 agent 盯 CEO 和央行的 X 账号，捕捉影响价差的事件 全部喂给一个持有聚合微观结构状态的协调器。 > 能力 3：每个 agent 一百万个 token 的上下文。 每个 agent 持有最多一百万个 token。 对做市来说，这意味着协调器持有一整个交易日里的每一个订单簿快照、每一笔成交、每一次库存变化、每一条宏观警报。 Avellaneda-Stoikov 模型带着完整的历史上下文运行。波动率估计来自完整的订单流。不是分块样本。不是有损摘要。 > 能力 4：为仪表盘的原生代码生成。 做市仪表盘过去需要雇一个前端工程师。 Kimi K3 按需写出生产级 React。 你用平实的英语描述仪表盘。它在几分钟内生成完整可用的代码库。 实时报价可视化。库存热力图。成交历史。价差动态图表。竞对 MM 在场指示。熔断开关状态。 每个面板实时渲染。每个可视化每秒更新。每个图表从共享工作空间拉取。 这四项能力合起来，弥合了「消费者 AI 产品」和「生产级做市台」之间的鸿沟。 Kimi K3 是让报价引擎、多交易所监控、仪表盘、以及迭代代码改进，都能由一个人在一台笔记本上交付的东西。 Kimi K3 不替代的那一样东西，是运营对话的自然语言界面。你不想每次加宽价差都要写 Python 查询。那正是 Grok Bot 交付的东西。 完整技术栈：Grok Bot 是驾驶舱。Kimi K3 是引擎。 第四部分：精确的 8 步构建指南 这是你这个周末交付第一个能用的做市 bot 的精确做法。 > 步骤 1：设置 Grok Bot。 在 grok.com 注册 SuperGrok Heavy。 下载 Grok Bot 桌面应用。 创建工作空间文件夹结构： /workspace/quotes/ /workspace/inventory/ /workspace/fills/ /workspace/microstructure/ /workspace/macro/ /workspace/dashboard/ /workspace/config/ > 步骤 2：安装 Kimi Work。 从 kimi.com 下载 Kimi Work 桌面应用。 适用于 Apple silicon Mac 和 Windows。 用你的 Moonshot 账户登录。在设置里启用 K3 Swarm Max。 启用长时程编码会话模式。 配置 Kimi Work，让它通过云端同步与你的 Grok Bot 工作空间同步。 > 步骤 3：让 Kimi K3 构建 Avellaneda-Stoikov 报价引擎。 打开 Kimi Work。直接给它发消息： Build me a production Python implementation of the Avellaneda-Stoikov market making model. Reservation price formula: r = s - q * gamma * sigma^2 * (T - t) Optimal half-spread formula: delta = gamma * sigma^2 * (T - t) + (2/gamma) * ln(1 + gamma/kappa) Inputs: - Current mid price s (from venue API) - Current inventory q (from position file) - Volatility estimate sigma (rolling 60-second window of returns) - Time horizon T (default 3600 seconds trailing window) - Risk aversion parameter gamma (default 0.1) - Order arrival rate parameter kappa (estimated from recent fills) Outputs written to /workspace/quotes/current.json every 1 second: - reservation_price - half_spread - bid_quote = reservation_price - half_spread - ask_quote = reservation_price + half_spread Include: - Kill switch check: if /workspace/config/kill-switch.txt contains "STOP", pull all quotes and exit - Volatility spike protection: if realized vol in last 30 seconds exceeds 3x the rolling estimate, widen spreads by 2x for next 60 seconds - Inventory band enforcement: if abs(q) exceeds max_inventory in config, skew quotes to reduce inventory Build venue-specific adapters for Hyperliquid Python SDK and Polymarket CLOB API. Save to /workspace/engines/quoting-engine/. Kimi K3 生成完整的生产级 Python 实现。 数学是对的。交易所适配器能用。熔断开关在强制执行。 > 步骤 4：让 Kimi K3 构建实时仪表盘。 给 Kimi K3 发消息： Build me a live market making dashboard as a local React application. Include: - Top strip: current mid price, reservation price, bid quote, ask quote for the active venue. Update every 1 second. - Left panel: live inventory chart over the last hour. Colored zones showing target (green), warning (yellow), kill (red). - Center panel: order book depth visualization. Bids on left half, asks on right half. Your quotes highlighted in orange. - Right panel: fill history for the last hour. Each fill shows timestamp, side, size, price, running P&L. - Bottom strip: spread history chart. Your quoted spread vs market spread vs competing MM best spread. - Dark theme with orange accent. - Serve on localhost:3000. - Auto-refresh every 1 second. Save complete project to /workspace/dashboard/. Kimi K3 一次生成完整的 React 应用。 在 dashboard 文件夹里运行 npm install && npm run dev。 你的实时仪表盘就在 localhost:3000。 > 步骤 5：部署 Kimi K3 多交易所监控群。 在 Kimi Work 里，创建一个叫「venue-monitor」的例程。 日程：在交易所交易时段内持续运行。永续 DEX 是 24/7。Polymarket 是 24/7。 配置例程拉起并行子 agent： 60 个 Hyperliquid 子 agent（每个交易对一个） 40 个 dYdX 子 agent 40 个活跃市场的 Polymarket 子 agent 60 个 Uniswap V3 池监控器 40 个宏观数据发布监控器 60 个捕捉影响价差事件的 X 账号监控器 每个子 agent 盯着它分配的簿深度、簿顶报价和近期成交带。 当任何子 agent 检测到重大微观结构变化时，它写到 /workspace/microstructure/live.json。 报价引擎每秒读这个文件，并相应调整模型输入。 > 步骤 6：部署六个 Grok Bot 界面 bot。 在你的 Grok Bot 侧边栏，点「New Bot」六次。 创建报价 Bot、库存 Bot、风险 Bot、对账 Bot、微观结构 Bot、宏观过滤 Bot。 对每个 bot，粘贴与其职能匹配的角色描述。 风险 Bot 的示例： You are Risk Bot for a personal market making desk. Every 10 seconds you check: 1. /workspace/inventory/current.json for position across all venues 2. /workspace/fills/YYYYMMDD.json for cumulative P&L today 3. /workspace/microstructure/live.json for volatility state Trigger conditions: - Daily drawdown above 5% of allocated capital: Write "STOP" to /workspace/config/kill-switch.txt. Ping operator. - Inventory outside hard band (3x normal position size): Route hedge order through venue API. Ping operator. - Realized volatility above 5x rolling estimate: Instruct Quoting Bot to widen spreads by 3x. - Any venue API error rate above 5% in last 60 seconds: Pull quotes on that venue until error rate normalizes. You have no negotiation authority. Rules are hard rules. Enforce them. 对其余五个 bot 重复。 > 步骤 7：把工作流接起来。 你的报价引擎（跑在 Kimi K3 上）从 /workspace/microstructure/live.json 读市场状态，并把报价写到 /workspace/quotes/current.json。 你的 Grok Bot 报价 Bot 读当前报价文件，并把报价路由到交易所 API。 你的风险 Bot 每 10 秒轮询持仓，并强制执行熔断开关。 你的仪表盘读所有共享文件并渲染实时状态。 你的宏观过滤 Bot 用 Grok Bot 原生的 X 集成，盯美联储理事账户和 Trump Truth Social。 > 步骤 8：先在 Polymarket 上测试，然后放大。 第一次测试从 Polymarket 开始。 挑一个薄市场，200 到 500 个基点的价差。 设置小额的已分配资本（$200 到 $500）。把风险 Bot 的最大回撤设为已分配的 10%（最大损失 $20 到 $50）。 给你的报价 Bot 发消息： > 「开始对 [选举线 X] 的 Polymarket 市场报价。用 $500 已分配资本。最大库存 100 张合约。如果库存超过 50，就加宽价差。」 看仪表盘。看成交。看库存围绕零震荡。 24 小时后，给 Kimi K3 发消息： > 「分析过去 24 小时的成交。给我看成交分布、平均持仓时间、已实现的价差捕获、以及任何我被收割的模式。提出一个具体的模型调整。」 Kimi K3 分析代码、成交、市场状态历史。提出一个调整。你批准。Kimi K3 修改 Avellaneda-Stoikov 实现。下一个周期使用更新后的模型。 这就是复利循环。每 24 小时，模型变得更锐利。 — 「8 步构建」 一旦 Polymarket 干净地跑了一周，加 Hyperliquid。然后 dYdX。然后 Uniswap V3。 总结 做市，是一门持续挂双边买价卖价、并在管理库存风险的同时捕获价差的生意。 每一个机构做市台都跑 Avellaneda-Stoikov 模型。 数学是公开的。持续运行它的基础设施，创造了那道护城河。 那道护城河，刚刚在三个具体交易所塌了，在这三个地方散户延迟真正能竞争：Hyperliquid、Polymarket、以及 Uniswap V3/V4 集中流动性。 完整技术栈： Grok Bot 作为自然语言驾驶舱，带六个具名 bot（报价、库存、风险、对账、微观结构、宏观过滤）。 Kimi K3 Swarm Max 作为基础设施引擎，运行 Avellaneda-Stoikov 的 Python 实现、跨交易所拉起 300 个并行子 agent、持有一百万 token 的微观结构上下文、通过自然语言代码生成实时仪表盘、并通过长时程 agentic 编码会话迭代改进代码库。 两个工具合起来，交付一个做市运营：跨多个交易所持续报价，随着市场条件变化调整模型，并在无需运营者干预的情况下强制执行硬性风险限制。 诚实地说它取代了什么。 报价引擎、多交易所监控层、实时仪表盘、库存管理、风险强制执行、以及散户可触达交易所（Hyperliquid、dYdX、Polymarket、Uniswap V3/V4 集中流动性）做市的宏观过滤器。 诚实地说它不取代什么。 在 SPY、QQQ、IWM 以及成交量前 500 名上的顶级美国股票做市，这需要共置、直连交易所数据流和亚毫秒级执行。 主要外汇做市，这由银行做市商主导。 美国国债 on-the-run 做市，这仅限一级交易商。 任何地方的亚毫秒 HFT 做市。 机构级主经纪关系，用于大规模保证金融资。 把这点说清楚很重要。 这不是一个 Jane Street 杀手。它是一个真实的做市运营，服务于那三个散户延迟真正竞争、且价差经济真实存在的具体交易所。 如果你想构建它，在 grok.com 注册 SuperGrok Heavy，并在 kimi.com 安装 Kimi Work。 然后把你的设置私信我。我会亲自带前 20 个配置走一遍。 在我之前的文章里，我拆解了研究台、图工程 Alpha 模型、AI 智能体群、循环工程执行系统、一人 AI 对冲基金、24/7 新闻交易引擎、以及个人 Bloomberg 终端。 每一篇文章都建立在前一篇之上。 这一篇通过加上做市层，把这个循环闭合了——它把你的基金从一个方向性的吃单者，变成了一个持续的流动性提供者。 先构建这个的交易员，将在未来十年里，对只吃流动性的交易员，复利价差经济。 所以这是那个值得你坐下来的问题。 你是那个仍然在每次进出场时穿过价差、付钱给做市商的交易员，还是那个构建了一个 24/7 双向挂单、并且赚返佣的 bot 的架构师？ 没有错误的答案。但有非常能说明问题的答案。 标签：# X # Grok Bot # AI # 金融 # 指南 相关文章 如何把 Grok Bot 变成你自己的 Bloomberg 终端 Grok Bot 是现在最好的 AI agent。 Grok Bot AI 金融