我用 Grok Bot 重建套利机器人，如今每周赚 1.2 万（完整指南+代码）

我用 Grok Bot 重建了我的套利机器人，现在它每周赚 $12k（完整指南 + 代码） August 23, 2026 · 17 min read · View source ↗ Grok Bot AI Side Hustle 我的套利机器人过去是一个巨大而纠缠的脚本。 现在它是一个 AI Agent 团队，每个各司其职，而且它已经做到 $66k PnL。 我用 Grok Build 重建了整件事，这让机器人更容易运行、更容易修复，而且比那个单体可靠得多。 公开钱包：[ https://polymarket.com/@l5zn1bwom8etsk?via=surfer ] 这是完整的构建，已更新，而且是进阶版，不是入门概览。 还是我一直鼓吹的那些久经沙场的骨架，但围绕专门的 Agent 重组，而不是一个大脑试图同时干所有事。 我建了 500 多个机器人来学到这些。其中 99% 都失败了。 这就是那 1% 能印钱的背后的架构，我要把每一块都展示给你，包括那些悄悄把人搞死的部分。 让我一步一步带你走一遍。 1. 为什么一个 Agent 团队胜过单个脚本 首先，整个重建的核心想法，因为它改变了一切下游的东西。 我的旧套利机器人是一个单体。 一个脚本负责找套利、查风险、算手续费、下单、管理退出。 一个大脑干五件活，而每件活都让另外四件更难推理。 当它出问题时，我分不清是哪一部分出了问题。 是扫描器误报了一个假价差？是风险检查放行了一条坏腿？还是手续费算错了？你没法隔离它，所以每个 bug 都是一场噩梦。 Grok Build 改变了整件事的形状。 它启动并行的子 Agent，所以你不是建一个纠缠的大脑，而是建一支由小专家组成的团队，每个只负责一件活，并干净地交接给下一个。 我的例子： > hunter agent 找到套利。 > risk agent 验证两条腿是否都能真正成交。 > fee agent 判断这个价差能否扛过成本。 > 执行层下单、追踪并管理这对仓位。 每一个都只有一件单一、可测试的活，而且从不搞砸。 而真正的赢面在于可调试性。 现在出问题时，我确切知道该看哪个 Agent，因为每个都有狭窄、明确的职责。 这正是我一直鼓吹的关于机器人本身的教训。 专家在他那一件事上每次都能碾压通才。 一颗为单一运算打造的芯片，胜过一颗什么都做的芯片。 我只是把同一条原则应用到了运行我机器人的 AI 上，整个系统就变得更敏锐、修得更快、更可靠。 单体是一个单点故障。 团队是五个小故障点，你可以分别单独检查，这在实践中意味着故障反而少得多。 2. 套利到底是什么（以及两种类型） 在写任何代码之前，先说机制，因为如果 Agent 不懂它们在猎什么，它们就是废物。 在一个二元 Polymarket 市场上，两边加起来应该正好是 $1。 Up 加 Down 等于一美元。 这是整套策略赖以成立的那条规则，它源于一个事实：一边在结算时一定会支付 $1，另一边一定会支付 $0。 但有时市场会打破这条规则： > Up 成交于 0.55 > Down 成交于 0.42 > 加起来是 0.97，不是 1.00 那 3 美分的价差，如果你能同时抓住两边，就是免费的钱。 你以 97c 锁定这对仓位，它在结算时保证价值正好 $1，无论市场朝哪边结算。 不预测。不承担方向性风险。只是你收集到的一个定价错误。 现在说初学者会漏掉的部分：这其实有两种。 简单套利，两边在同一个市场 一个 BTC 窗口上的 Up 和 Down 加起来小于一美元。最干净、最明显，也是竞争最激烈的，所以这些价差很小，而且几毫秒内就关闭。 组合套利，关联市场 两个逻辑上相连的独立市场。"A 队获胜"和"A 队赢 2 分以上"不可能互相矛盾，所以它们的价格必须遵守一条规则，当它们漂移时，你就在两个市场之间得到一个锁定仓位。猎这个的人更少，因为搜索空间巨大，所以价差更肥、持续更久。 hunter agent 可以被指向任意一种。 大多数人只建第一种，然后跟所有人抢残渣。 长期来看真正的钱，是教会你的 hunter 去发现第二种。 下面的一切对两种都适用，区别只在于 hunter 扫描什么。 3. 前置条件（进阶版） 和每个严肃机器人一样的基础，Grok Build 并不能替代它们。 Python 和 NumPy，以及理解生成了什么 你仍然需要处理 websocket、订单簿重建和快速向量化决策。现在 Grok Build 会写大部分，但如果你读不懂、推不动它产出的东西，你就会发布你找不到的 bug。工具抬高了你的天花板，它并没有消除理解你自己机器人的需要。 低延迟基础设施，位置放对 一台物理上靠近 Polymarket 基础设施的 VPS 或服务器。这对套利比对几乎所有其他策略都更重要，因为套利要求两条腿都成交，而它们之间的每一毫秒，都是一边可能移动、打破这对仓位的每一毫秒。选一个到他们服务器 ping 最低的云区域。一个遥远的主机不只是拖慢你，它会主动制造半成交的套利。 Polymarket API 访问和一个真钱包 拿到你的密钥，设置好 funder 钱包，从零余额开始干跑，让真实错误——资金不足、额度问题、被拒——尽早浮现，并成为你喂回给回测的数据。 干净的数据源，来自多个来源 Polymarket CLOB 和 Gamma 的 websocket，加上 Binance 和 Coinbase 之类的外部参考，用于对结算价做合理性检查。脏数据意味着假套利：你会看到一个并不存在的价差，因为一边的报价是陈旧的。 这里是 Grok Build 带来的转变： 你不再需要花好几天手写所有这些管道。 你用大白话把每一块描述给一个 Agent，它就去构建那个 worker、测试它、迭代它。 但架构决策、区域选择、数据源、钱包设置都由你掌握，而且你必须读懂并信任每个 Agent 在它碰到真钱之前产出的东西。 工具把几周的构建压缩成几天。 它没有压缩判断力。 4. HUNTER AGENT（代码） 第一个 Agent 的全部工作，就是不眠不休地扫描价差。 你没法手工做这个。价差很小，它们同时出现在几十个市场上，而且在几秒甚至更快内关闭。 所以这个 Agent 持续运行，在每一次订单簿更新时，检查每一对活跃仓位的两边相对于一美元的关系。 它运行的核心检查长这样： def find_arb(book_up, book_down, min_edge=0.02, fee=0.0): # you must BUY at the ask, not the bid - this trips up beginners up_ask = book_up.best_ask down_ask = book_down.best_ask # depth matters: a gap you can't fill in size is not a gap up_size = book_up.ask_size down_size = book_down.ask_size fillable = min(up_size, down_size) pair_cost = up_ask + down_ask + fee edge = 1.0 - pair_cost # guaranteed $1 payout minus what you paid if edge >= min_edge and fillable > 0: return { "up_price": up_ask, "down_price": down_ask, "edge": round(edge, 4), "max_size": fillable, } return None 注意两件大多数人都搞错的事。 第一，你在 ASK（卖价）买入，不是 bid（买价）。价差必须存在于你实际会支付的价格上，而不是中间价或买价。 第二，这个 Agent 检查 DEPTH（深度），而不只是价格。一个 5 美分的价差，后面只有 $3 的量，在手续费和精力之后几乎一文不值。真正的奖品是价差乘以可用量，所以 hunter 要报告它实际能成交多少。 这个 Agent 标记出符合条件的设置，直接交给 risk agent，连同最大可成交量。 它从不睡觉、从不眨眼、从不因为分心或疲倦而错过价差。 这恰恰是 AI Agent 真正擅长的：不知疲倦、专注的扫描。 不是去下注，而是去猎取设置。 Grok Build 让我把这个 worker 启动起来，用录制的订单簿数据测试它，并在价差阈值上迭代，所用时间只是我手写第一版的一小部分。 5. RISK AGENT——为什么"无风险"并不无风险（代码） 找到价差是容易的那 20%。 不被它搞垮是困难的那 80%，而这正是 risk agent 作为一个独立专职 worker 存在的全部理由。 这里是把"无风险"套利变成真实亏损的陷阱。 套利只有在两条腿都成交时才是无风险的。 成交一边、错过另一边，你就不再是在套利。 你现在是一个持有单边裸仓的方向性交易员，完全暴露在你本要中和的那个价格波动之下。 那条裸腿可能立刻朝对你不利的方向移动，于是"安全"的交易变成你当天最惨的一笔亏损。 这是套利机器人爆仓最常见的唯一方式，而且它几乎从不显现在一个天真的回测里，因为回测假设两条腿总是都能成交。 所以 risk agent 在开火之前运行一系列硬检查： def approve_trade(setup, book_up, book_down, inventory, max_imbalance=50): # 1. can BOTH legs actually fill at the flagged size? size = setup["max_size"] if book_up.ask_size < size or book_down.ask_size < size: return False, "insufficient depth on one leg" # 2. would this leave me dangerously lopsided? projected = inventory.net_exposure + 0 # arb should stay ~neutral if abs(projected) > max_imbalance: return False, "inventory too imbalanced" # 3. is one leg suspiciously cheap? (stale quote / adverse selection) if setup["up_price"] < 0.02 or setup["down_price"] < 0.02: return False, "leg price looks stale, likely fake gap" return True, "approved" 走一遍它实际在防什么。 两边都有深度 如果任意一条腿无法成交完整量，这对仓位就无法完成，所以它杀掉这笔交易。 库存平衡 套利应该让你保持市场中性。如果一次成交会让你失衡，那就是方向性风险在渗入，它会停。 可疑的便宜腿 一个好过头了的价格通常是一份陈旧报价，或者是一个迹象：你即将被逆向选择，因为你填在会输的那一边，因为有人知道些什么。Agent 把一个不现实的价差当作红旗，而不是礼物。 因为半成交的套利比没有套利更糟。 不交易，你什么都不亏。 一条裸腿，让你亏掉你本要防的那整件事，外加你在已成交那条腿上已经付掉的手续费。 这是独立构建者会跳过的纪律，因为当它正常工作时，它无聊且不可见。 这正是那种狭窄、关键、不光彩的工作，最适合交给它自己的专职 Agent，让它每次都不带懒惰或激动地跑同样的检查，哪怕是面对一个看起来很肥的价差。 6. FEE AGENT 和为什么 GTC 胜过 FAK（代码） 第三个 Agent 回答一个决定一切的问题：这个价差能否扛过成本？ 因为一个 3 美分的价差没有任何可以挥霍的余地。 如果手续费吃掉了价差，你费了那么多劲却什么都没赚到，或者在滑点之后实际上亏了。 而这里有一个控制你手续费的杠杆，就是你的订单类型。 > FAK，fill-and-kill，是一种激进的吃单（taker）订单。它立即吃掉可用流动性，但你为这份特权付 taker 手续费，两条腿都付。 > GTC，good-till-cancelled，作为挂单（maker）订单停在订单簿上。你等着被成交，但你往往赚到 maker 返佣，而不是付手续费。 在薄的套利价差上，那个差别不是细节，它就是整笔交易。 fee agent 在放行任何东西之前跑真正的净额计算： def net_after_fees(setup, size, maker_rebate=0.0, taker_fee=0.0, use_gtc=True): gross = (1.0 - (setup["up_price"] + setup["down_price"])) * size if use_gtc: # resting maker orders: rebate is income, not cost costs = -(maker_rebate * size * 2) else: # aggressive taker on both legs costs = taker_fee * size * 2 net = gross - costs return net > 0, round(net, 4) 把同一个 3 美分的价差跑过两条路径，你会得到两个完全不同的生意。 用 FAK 激进地吃两条腿，taker 手续费可能吞掉整个价差，让你持平甚至为负。 把两条腿作为 GTC 挂单，赚返佣，同样的价差就能带着真利润结算，有时光是返佣就给价差显著加码。 所以 fee agent 强烈推动向 GTC 挂单靠拢，只在价差肥到足以吃掉 taker 手续费仍然盈利时才允许激进的 FAK，而这种情况很罕见。 但这里有一个它必须权衡的取舍。 GTC 意味着你要等待成交，而等待期间，价差可能关闭，或者一条腿在没有另一条腿的情况下成交。 这正是 risk agent 和 fee agent 必须协同工作的原因——fee agent 想要耐心的挂单，risk agent 确保那些挂单腿真的成对完成。 每一个 Agent 约束下一个。 那种咬合，是单体永远无法干净做到的，也是多 Agent 重建超越旧脚本的核心原因。 7. 执行、合并循环和资金周转速度（代码） 现在说几乎没人谈的部分：策略里隐藏的那一半，实际决定你月度 PnL 的部分。 一旦两条腿成交，你就持有一对完整仓位：一份 Up 份额和一份 Down 份额，以 97c 一起买入。 初学者的做法是等市场结算来收取那一美元。 这行得通，但它把你的资金冻结在市场整个存续期内，有时是几小时。 而冻结的资金是死钱，它没法去抓下一个价差。 这里是进阶做法。 一对完整仓位——一份 Up 加一份 Down——可以立刻合并回 $1 的抵押品，无需等待结算。 def recycle_pair(market, size): # you hold `size` Up and `size` Down after the arb filled # merge them back into USDC immediately - no waiting for resolution tx = merge_positions(market.condition_id, size) if confirm_on_chain(tx): return size # capital is liquid again, right now return 0 所以完整循环是：hunter 找到价差，risk 批准它，fee agent 确认它净额为正，执行者以 97c 成交两条腿，然后你立刻把这对仓位合并回 $1，装进口袋那 3c，资金在几秒内自由，去抓下一个。 这里才是真正的钱，而且是纯数学。 你的月度回报，是每笔交易那点微小价差，乘以你每天把同一笔资金周转多少次。 一个 3c 价差，一天在 $1,000 上捕获一次，微不足道。 同一个 3c 价差，在同一天、同一笔 $1,000 上周转 40 次，是一份真收入。 周转速度就是策略本身。价差只是每个周期的收益率。 这也正是为什么复制我的钱包毫无用处。 链上，有人看到买入、合并和一个在攀升的 PnL 数字。 他们看不到的是两条腿之间的时机、捕获返佣的订单路由、释放资金的合并节奏，或者杀死"某条腿无法成交"设置的风险逻辑。 等一笔交易出现在链上时，它捕获的那个价差早没了。 优势活在机器人的逻辑和时机里，从来不在可见的钱包里。 8. 回测、风险控制和部署 Agent 并不能让你免于证明机器人有效。如果有的话，套利要求一场更严酷的试炼，因为天真的回测在这里撒谎最多。 在真实订单簿数据上回测，绝不用价格线 套利完全取决于每一时刻实际的 bid、ask 和深度。一个对着收盘价的回测会给你显示从未可成交的价差。你需要自己录制的订单簿快照，两边，带深度。 在假设两条腿并不总是都成交的条件下重跑 这是杀死大多数套利策略的那道门，而它应该如此。建模错失的腿，建模一边成交而另一边移走，建模两次成交之间的延迟。一个真实的套利回测，假设你有时会卡在一条裸腿上，并把它计入价格。如果在这些条件下它仍然盈利，你才可能有点东西。 按订单类型显式建模手续费 分开回测 GTC 返佣路径和 FAK 手续费路径。同一个策略，作为 maker 可能盈利，作为 taker 可能亏损。 零余额干跑上线 让它试着开火，在资金不足上失败，并精确记录它本会做什么。每一次被拒，都是你的回测所缺失的一个真实世界信号。 只有当上线与回测在几个百分点内吻合时才部署 如果它们偏离，就假定是执行的问题——延迟、成交、腿的时机——直到被证明不是。 这里有一个真的提升我信心的 Grok Build 技巧。 用一个单独的 Agent 作为你回测的对抗性评审。 一个 Agent 构建回测，第二个 Agent 唯一的工作就是攻击它：寻找前视偏差，检查它是否假设了不可能的成交，质疑两条腿在那些价格上是否真的都能完成。 你信任的回测，是另一个 Agent 使尽浑身解数想摧毁却没能摧毁的那个。 然后是安全护栏，对套利来说这些没有商量余地，因为一条卡住的裸腿过夜就可能抹掉几周的成果： 一个 kill switch，在单日亏损越过硬上限时停止一切交易。 持续把状态落盘，这样崩溃重启绝不会重复成交一条腿，或忘掉一个未平仓的对子。 一个启动时的 pre-flight 检查——funder 地址、USDC 额度、gas 余额、实时数据源——任何一项不对就拒绝启动。 一个专门的"裸腿"监控，如果你持有任何未对冲的单边就尖叫，让你在它朝你移动之前行动。 把它们拼到一起 退一步，看看这次重建到底完成了什么。 策略本身没有变。 还是同一个套利：抓一个加起来小于一美元的对子，验证它是真的且可成交，便宜地锁定两条腿，合并回 $1，并尽可能快地周转资金。 变的是架构，而架构才是让它在规模下能活下来的东西。 一个纠缠、无法调试的脚本，变成了一支专注的 Agent 团队。 hunter 找到价差并定下规模。 risk agent 保证两条腿都能完成，并让你保持中性。 fee agent 强制要求价差扛过成本，并推向 maker 返佣。 执行者成交、合并、周转资金。 一个对抗 Agent 在你的钱之前就试着攻破回测。 每一块都是隔离的、可测试的、易修复的，这在实际中意味着整个系统坏得少得多。 Grok Build 让构建整支团队变得飞快，把过去几周的单体缠斗，变成几天里把专注的工作描述给专注的 Agent。 但要把分工搞得一清二楚，因为这是那些卖水的人撒谎的部分。 Agent 处理的是管道、扫描、检查、数学、执行。 而优势——策略设计、库存纪律、基础设施选址、判断哪些价差是真的——仍然是我的，也仍然是唯一真正要紧的部分。 Grok Build 移除了"构建"的障碍。 它没有把优势交给我，也不会把优势交给你。 它所做的，是让你用一小部分时间构建出一个正规、专业的多 Agent 系统，好让你把精力花在真正印钱的部分上——优势。 组建团队。 把优势留给自己。 如果你想深入了解我用的确切 Agent 工作流和提示词，我在我的频道里把整件事都拆解了。 在这里加入：[ https://t.me/+jCBHygDAJa9hMTJk ] 这里的一切都免费，而且会一直免费。 祝好运。 Tags: # X # Grok Bot # AI # Side Hustle # Side Hustle # Guide 相关文章 Grok Bot：一条真正赚钱的路 Memecoins 又流行起来了。炒作周期又转回来了，每个人的聊天里都满是"谁在什么上赚了钱"。所以我想测试一件事：如果你不是通过交易来迎接那个周期…… Grok Bot Crypto AI Side Hustle