PolyMarket AI Agent Trading：让 AI 成为预测市场的「超级预测者」

想象一下：你早上刷新闻，看到某科技公司即将发布财报——但你不知道它会超预期还是低于预期。在 Polymarket 上，已经有数百人用真金白银表达了自己的判断，YES 价格 62 美分，意味着市场认为「超预期」的概率是 62%。

问题是：你能不能比市场更聪明？

PolyMarket AI Agent Trading 就是为了回答这个问题而生的。这是一个开源的 AI 自主交易 Agent 框架，它让大语言模型（LLM）直接接入 Polymarket 预测市场，自动分析事件、筛选市场、执行交易——全程无需人工干预。

---

背景：预测市场为什么需要 AI？

Polymarket 是目前最活跃的预测市场平台，用户在上面交易各类事件的「结果份额」——从美国大选到比特币价格，从科技公司财报到体育比赛。交易者本质上是在用真金白银「预测未来」，价格本身就成了一个聚合众人智慧的概率估计。

但人的精力有限。一个交易者能同时跟踪多少个市场？十个？二十个？而 Polymarket 上每天活跃着数百个事件、数千个市场。

AI Agent 的价值就体现在这里：它可以 24 小时不间断地扫描所有市场，结合新闻、社交媒体数据，用 LLM 的推理能力判断哪些交易机会值得把握。

这个项目最初由 BlackSky-Jose 开发，2024 年底经历了一次全面现代化重构，从 Python 3.9 升级到 3.12，全面采用 LangChain v0.3+、FastAPI、Pydantic v2 等现代工具链。

---

核心架构：四层模块如何协同

项目的代码结构分为清晰的四层：

数据连接层（agents/connectors/）

• chroma.py — ChromaDB 本地向量数据库 + OpenAI Embeddings，实现市场描述的 RAG 检索
• news.py — 通过 NewsAPI 抓取实时新闻
• search.py — Tavily 搜索，获取更广泛的信息源

Polymarket 交互层（agents/polymarket/）

• polymarket.py — 核心类，通过 py-clob-client 对接 Polymarket CLOB（中央限价订单簿），使用 web3.py + Polygon 钱包私钥签名并执行交易
• gamma.py — Gamma API 客户端，获取市场列表、事件数据、订单簿快照

Agent 执行层（agents/application/）

• executor.py — AI 执行器，使用 GPT-4o-mini 等 LLM，根据 Prompter 模板（system prompt）分析市场数据，决定是否交易
• creator.py — 市场创建 Agent，评估现有市场后提出新市场的想法
• prompts.py — 精心设计的提示词模板，引导 AI 以「超级预测者」的方式分析预测市场
• trade.py — 交易执行逻辑
• cron.py — 定时任务调度

入口层（scripts/python/）

• cli.py — Typer CLI 工具，提供 get-markets、trade、portfolio 等命令
• server.py — FastAPI HTTP 服务端

agents/
├── application/   # 核心 Agent 逻辑（executor, creator, trade, cron）
├── connectors/    # 数据源（ChromaDB RAG, NewsAPI, Tavily）
├── polymarket/   # Polymarket CLOB API + Gamma API 封装
└── utils/        # 通用对象定义
scripts/
├── bash/         # Docker 构建/运行脚本
└── python/       # CLI + FastAPI server

---

关键技术选型解析

LangChain + LangGraph：整个 Agent 编排基于 LangChain v0.3+，使用 langgraph 定义状态机式的 Agent 工作流（获取事件 → RAG 筛选 → 映射市场 → 找最佳交易）。LangSmith 集成支持链路追踪。

RAG（检索增强生成）：通过 langchain-chroma 构建本地向量索引，将 Polymarket 所有市场的描述向量化。LLM 回答「你对哪个市场最有把握」时，先检索最相关市场，再结合新闻做判断——避免 LLM 在大量市场数据上「大海捞针」。

Polymarket CLOB：项目不依赖中心化交易所，而是直接对接 Polymarket 的链上订单簿（部署在 Polygon 网络）。使用 py-clob-client 构建订单、py-order-utils 签名、web3.py 提交到链上，全程透明、可验证。

Python 3.12 + 现代工具链：项目在 2024 年底做了全面现代化：pyproject.toml 替代 requirements.txt、Ruff + mypy + pre-commit 保证代码质量、Rich 库美化 CLI 输出。

---

快速上手：从零到第一笔交易

环境要求：Python 3.12+，Polygon 网络 USDC

安装（推荐 Docker）：

git clone https://github.com/noriki0202/PolyMarket-AI-agent-trading.git
cd poly-ai-trading-agent
docker build -t poly-agent .
docker run -it --env-file .env poly-agent python -m scripts.python.cli

手动安装：

python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"
export PYTHONPATH="."
python scripts/python/cli.py

配置 .env（参考 .env.example）：

OPENAI_API_KEY=sk-...
POLYGON_WALLET_PRIVATE_KEY=0x...

常用命令：

poly-agent get-markets --limit 10      # 查看热门市场
poly-agent get-markets --sort-by spread  # 按价差排序
poly-agent get-portfolio               # 查看持仓
poly-agent trade --slug xxx --side BUY --usdc 10  # 买入10 USDC

---

局限与风险：这不是稳赚不赔的机器

市场有效性风险：Polymarket 经过多年发展，定价效率已相当高。套利窗口从 2024 年的 12.3 秒压缩到 2026 年的 2.7 秒——靠「捡漏」赚钱的窗口几乎关闭。

LLM 推理的不确定性：大语言模型会产生「幻觉」，可能在不利的赔率下做出交易决策。Agent 的判断质量完全依赖于提示词设计和底层模型能力。

链上执行延迟：Polygon 网络的出块时间约 2 秒，加上 CLOB 订单匹配延迟，滑点不可忽视——尤其是流动性较低的市场。

92.4% 的钱包在亏钱：根据链上数据，绝大多数 Polymarket 交易者最终是亏损的，AI Agent 并不免疫这一统计规律。

---

行业意义：预测市场的 AI 化浪潮

2026 年的 Polymarket 与两年前完全不同：taker 手续费动态化（最高 1.56%）、500ms taker 延迟被移除、机构级套利机器人涌入。AI Agent 正在从「新鲜玩具」变成「标准装备」。

这个项目为代表的意义在于：它证明了开源社区可以在不依赖中心化平台的情况下，构建出完整的 AI 自主交易系统——从数据采集、RAG 推理、LLM 决策到链上结算，全部可验证、可复现。

对于想深入理解 AI Agent 实际应用场景的开发者，这个项目是一个值得研究的范本：它的代码质量高、模块清晰，且直接与真实金融市场挂钩——没有模拟器中的「假数据」，每一次调用都是真金白银的决策。

---

技术评分：代码质量 78/100（现代工具链完备，测试覆盖需加强）；文档质量 良好（README 详细，示例丰富）；部署难度 中等（需配置 API Key 和钱包）；AI 框架 LangChain；架构类型 Agent 状态机