agents
AI 自动交易代理框架，连接 Polymarket 预测市场与 LangChain Agent，实现
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
AI 自动交易代理框架，连接 Polymarket 预测市场与 LangChain Agent，实现
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：你正在看一场激烈的体育决赛，或者关注某个重大选举的实时动态—— Polymarket 上的赔率在不断跳动，而你有了一个强烈判断：「这方必胜」。但你不可能 24 小时盯着屏幕，也不一定每次都能理性分析所有信息。
Polymarket Agents 就是来解决这个痛点的。它是 Polymarket 官方开源的 AI Agent 开发框架，让你能够构建自动化交易代理，在预测市场上自主完成从信息获取、事件分析、赔率筛选到交易执行的全流程。
图1：Polymarket Agents 命令行界面
Polymarket 是当前最活跃的加密预测市场平台，用户可以对政治、体育、金融等几乎任何话题下注，平台日交易量已达数亿美元。传统的预测市场参与方式依赖人工研判和手动下单，效率低、覆盖窄、情绪化风险高。Polymarket Agents 的出现，首次将 AI Agent 的「感知—推理—执行」闭环落地到了真实金融场景。
Polymarket Agents 由 Polymarket 官方团队开发和维护，代码以 MIT 协议开源。Polymarket 本身是建立在 Polygon 链上的去中心化预测市场，2024 年以来因美国大选等热点事件交易量爆发式增长，已成为预测市场领域的头部平台。
官方推出这套 Agent 框架，体现了两个趋势：一是 DeFi（去中心化金融）与 AI Agent 的融合正在加速，机器正在取代人工成为预测市场的主要参与者；二是开源工具正在降低量化交易的技术门槛，让普通开发者也能构建自己的「AI 交易员」。
Polymarket Agents 采用清晰的四层模块化架构，每个模块可独立维护和扩展：
应用层是整个 Agent 的「大脑」，包含 5 个核心文件：
交易流程的典型路径：获取全量事件 → RAG 过滤相关事件 → 映射到具体市场 → 筛选最佳交易机会 → 计算最优下单参数 → 执行交易。整个链路完全自主运行。
连接器提供 Agent 的「感官系统」，负责从外部获取信息：
这种设计让 Agent 不仅看盘面数据，还能结合实时新闻做综合判断。
核心业务逻辑层，对接 Polymarket 协议：
Polymarket Agents 的技术选型体现了当前 Agent 开发的主流范式：
LangChain + LangGraph — Agent 编排框架，提供链式推理（Chain-of-Thought）和状态机式的 Agent 流程管理，是目前最成熟的 LLM 应用开发框架之一。
OpenAI GPT 系列 — 默认 LLM，提供推理和决策能力，可通过环境变量切换为其他兼容模型。
ChromaDB — 本地向量数据库，为 Agent 提供 RAG（检索增强生成）能力，使其能够结合历史市场数据做更准确的判断，而非仅依赖实时信息。
py-clob-client — Polymarket 官方的订单簿客户端，负责在 Polymarket DEX 上执行市价单和限价单，支持 Polygon 链上结算。
Web3.py — 以太坊系区块链交互库，管理钱包私钥、签名交易、与 Polygon 链通信。
FastAPI — 提供 HTTP 服务接口，支持将 Agent 能力暴露为 REST API，适合构建服务端交易系统。
OpenTelemetry — 全链路可观测性支持，可接入 Jaeger、Zipkin 等追踪系统，适合生产环境部署。
Polymarket Agents 的一大亮点是内置了 Superforecasting（超级预测）方法论。这是 Intelligence Advanced Research Projects Activity（IARPA）资助的大规模研究项目，总结出了顶尖人类预测者的思维模式，核心包括：
这些方法通过 prompt 工程内置在 prompts.py 中，Agent 在分析每个市场时会自动遵循这套思维框架。
项目支持两种运行方式：
方式一：Docker（推荐）
docker build -t polymarket-agents .
docker run -it polymarket-agents
方式二：虚拟环境
git clone https://github.com/polymarket/agents
cd agents
virtualenv --python=python3.9 .venv
source .venv/bin/activate
pip install -r requirements.txt
需要配置以下环境变量（参考 .env.example）：
POLYGON_WALLET_PRIVATE_KEY — Polygon 链钱包私钥（用于签名交易，注意安全）OPENAI_API_KEY — OpenAI API 密钥（核心推理能力）TAVILY_API_KEY — Tavily 搜索 API（实时信息获取）NEWSAPI_API_KEY — NewsAPI 密钥（新闻数据）# 使用交互式 CLI
python scripts/python/cli.py
# 或运行自动交易策略
python -i agents/application/trade.py
在交互式 Python 环境中：
from agents.application.trade import Trader
t = Trader()
t.one_best_trade() # 自动评估并执行一笔最优交易
注意：交易执行功能默认注释掉了（参考 TOS），需要手动取消注释并确认已阅读服务条款。
1. 交易执行有风险 — 自动下单意味着可能连续亏损，且 AI 判断不代表稳赚不赔，代码中交易执行功能默认禁用体现了团队的谨慎态度。
2. API 密钥安全 — 钱包私钥直接暴露在环境变量中，生产环境需要配合密钥管理服务（如 AWS Secrets Manager、KMS）使用。
3. 监管合规风险 — 预测市场本身在部分地区存在监管不确定性，自动化高频交易可能触发平台风控。
4. 无 Web UI — 纯命令行工具，对非技术用户有一定门槛。
5. Python 3.9 硬限制 — 官方要求 Python 3.9，新版本 Python 可能存在兼容性问题。
Polymarket Agents 的开源，标志着预测市场正式进入了 AI Agent 时代。它展示了四个核心趋势：
趋势一：DeFi × AI = 自动化做市 去中心化金融协议正在成为 AI Agent 的天然执行层。AI 不需要银行账户、不需要 KYC，可以 24/7 自主运行。未来可能会有大量 AI Agent 作为独立的「交易者」参与预测市场。
趋势二：RAG + 金融 = 更聪明的决策 将历史市场数据向量化后用于 RAG，让 Agent 能够学习历史模式（如「赛前赔率变化的规律」），而非仅依赖实时新闻，提升了判断质量。
趋势三：开源降低 AI 交易门槛 以前只有机构才能玩的量化交易，现在普通开发者用几百行 Python + 几十美元的 API 费用就能搭建自己的 AI 交易代理。
趋势四：可验证 AI 的需求 随着 AI Agent 在金融领域的普及，「每笔交易是否由 AI 自动执行」「决策过程是否可审计」成为新问题。已有项目（如 OkoliEvans/polymarket-ai-agent）在探索 ZK（零知识证明）来证明 AI 推理的正确性。
Polymarket Agents 是目前最完整的预测市场 AI Agent 开源方案，适合 AI 研究者学习 Agent 架构、量化交易爱好者搭建实验环境、DeFi 开发者探索 AI + 金融的边界。
相关链接：