# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：0x_Miko (@Mikocrypto11) · 平台：X (Twitter) · 日期：2026-06-02

> 原始來源：https://x.com/Mikocrypto11/status/2058857976786764062

## 中文摘要

# Hermes + Polymarket：如何搭建一個能自學習的 BTC 交易 Agent，從 100 美元小資金開始跑自動化策略

2025–2026 年，Polymarket 上的交易 bot 已經創造了超過 6000 萬美元利潤。

其中 77%，來自同一個市場：

Crypto UP/DOWN

更具體一點，是 BTC Up/Down 這類短週期加密市場。

這篇文章講的不是簡單的「AI 自動交易」概念，也不是讓你盲目跟單某個 bot。

它真正想拆解的是：

為什麼 BTC 5 分鐘 Up/Down 市場會長期存在結構性低效？

這些 bot 到底在吃什麼 edge？

以及如何用 Hermes + Atomic + Claude Opus + Polymarket CLOB v2，搭建一個可以持續復盤、持續調整參數、具備自學習能力的 BTC 交易 Agent。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245890-diaHJJ3RiZaoAAcSkjpg.jpg)

# 01｜機會在哪裡？

> 為什麼是 BTC Up/Down 市場？

Polymarket 上的 BTC 5 分鐘 Up/Down 市場，是預測市場裡結構性低效最明顯的板塊之一，大多數人交易這類市場，依靠的是情緒。

新聞來了，跟。

社群媒體熱了，跟。

K 線突然波動，憑感覺下注。

但真正賺錢的 bot，不是這樣交易的。

它看的不是情緒，也不是短期噪音。

它看的是 BTC 價格狀態背後的轉移機率，當 BTC 進入一個明確的方向狀態時，這種狀態是否會繼續，是可以被數學模型測量出來的。

人群還在根據感覺下注時，transition matrix 已經能提前識別出狀態持續性。

這就是差距。

數學模型給出的機率，和市場當前價格之間的差，就是 edge，而且這個 edge 不是一次性的，它可以被重複捕捉。

可以被放大，也可以被自動化執行，這套系統使用的 Agent 框架是 Hermes。

Hermes 是 NousResearch 推出的開源框架。

NousResearch 背後有 Paradigm 的 7000 萬美元支持。

到 2026 年 4 月，Hermes 的 GitHub stars 已經超過 Anthropic 的 Claude Code。

這說明開發者社群正在快速採用這類 Agent 框架。

也意味著，自動化交易正在從「寫死規則的 bot」，升級成「能呼叫模型、讀取日誌、持續復盤的 Agent 系統」。

## BTC Up/Down 市場非常適合這種系統

單個資產每天有：288 個交易視窗。

平均：每 81 秒就可能出現一筆交易機會。

平均 edge window 大約是：5%–15% gap。

當模型機率滿足：p ≥ 0.87

對應勝率大概在：63%–72%。

這不是說每一筆都會贏。

而是 bot 只在機率優勢足夠明顯的時候進場。

現在已經有幾個 bot 在這類市場裡跑出了結果。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362246196-diaHJJ5jHQbQAArt7png.png)

## 第一個是 Bonereaper

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245998-iaHJJ5sjmbcAAY7Yjjpg.jpg)

它的策略是：

High-Confidence Spread Capture

也就是高確定性價差捕捉。

Profile：https://polymarket.com/@bonereaper?via=Miko66

---

## 第二個是 0xe1D6b514

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245649-iaHJJ7EIIaMAAGJFOjpg.jpg)

它的策略是：

Dual-Mode Expected Value

也就是雙模式 EV 策略。

Profile：

https://polymarket.com/@0xe1d6b51521bd4365769199f392f9818661bd907?via=Miko66

---

## 第三個是 0xB27BC932

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362246104-iaHJJ8Gy8bIAAgtmFjpg.jpg)

Multi-Asset Variance Reduction

也就是多資產降低方差。

Profile：

https://polymarket.com/@0xb27bc932bf8110d8f78e55da7d5f0497a18b5b82-1772569391020?via=Miko66

---

三個 bot

同一個市場板塊，同一套底層數學邏輯。

合計收益：$2,112,019

# 02｜edge 是怎麼來的？

> 這套模型的核心，是 Markov Chain analysis

也就是馬可夫鏈分析。

它的基本思路是：

把 BTC 的價格變化拆成不同狀態，然後計算當前狀態轉移到下一個狀態的機率。

關鍵點在於：

價格運動並不總是隨機的。

當市場進入一個持續性的方向狀態時，它繼續沿著這個狀態運行的機率，可能會顯著高於 50%，這時，如果市場價格還沒有完全反映這個機率，就會出現交易機會。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245802-ediaHJJ8qbakAAL9gjpg.jpg)

進場公式是：

> Δ⁽ʷ⁾ = p̂⁽ʷ⁾ − q⁽ʷ⁾ ≥ ε → ENTER

> 其中：p̂ = 模型機率  q = 市場價格  ε = 最小 gap

這裡設置的最小 gap 是：5%。

也就是說，如果模型認為某個方向的真實機率是 70%，而市場只定價到 62%，中間就有 8% 的差距，只要這個差距超過 5%，這筆交易就進入候選。

> 收益公式是：r = (1 − q) / q

> 如果進場價格是：q = 0.647

> 那麼單筆收益率約為：+54.5%。

> 如果進場價格是：q = 0.441

> 那麼單筆收益率約為：+126.7%。

這就是為什麼一些中等價格區間的 Up/Down 交易，看起來收益率非常高。

但價格越低，潛在收益越高，風險也越大，所以不能只看收益率，還要看模型機率、勝率和倉位控制。

bot 還有一個更嚴格的入場條件：

> p(j*,j*) ≥ 0.87

這是 Markov persistence threshold

也就是狀態持續性閾值，只有當某個狀態繼續保持的機率達到 87% 以上，bot 才會進場，低於這個閾值，不交易。

這也是為什麼它不需要傳統意義上的「方向預測」，勝率依然可以穩定在 65% 以上，它不是每個視窗都下注，它只等市場進入高持續性狀態，再去捕捉模型機率和市場價格之間的 gap，倉位管理用的是 Kelly Criterion。

公式是：

> Kelly f* = p − (1−p)/b

其中：

> p 是模型機率或勝率  b 是賠率收益

當：

> p = 0.87   b = 0.647

對應的 Kelly 倉位約為：f* ≈ 0.71。

Kelly 的作用不是讓 bot 無腦重倉，而是在勝率和賠率確定的情況下，計算一個更合理的下注比例，倉位太小，增長太慢，倉位太大，一次錯誤就可能傷到本金，所以這套系統真正依賴的不是「每一筆都贏」。

而是：

1. 機率過濾。

2. 狀態持續性過濾。

3. 5% 以上 gap 過濾。

4. 再用 Kelly sizing 控制倉位。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245582-iaHJJ9z0qbMAA3KEtpng.png)

---

## 03｜需要哪些工具？

這套系統可以完全基於開源工具運行，不需要從零寫一個完整交易系統。

也不需要一開始就是高級開發者，整體成本也很低。

- 每月成本：低於 $10。

- 最低啟動資金：$10。

- 更推薦的起步資金：$50。

- Gas 費用：約 2 POL，大概 $1。

- 搭建時間：約 30 分鐘。

核心組合是：

> Hermes Agent framework

> Atomic

> Claude Opus

> GitHub repo

> Polymarket CLOB v2

> Telegram bot

這套組合的重點不是讓 AI 憑感覺下注。

而是讓 Agent 讀取策略、執行規則、記錄日誌、復盤交易，並根據結果更新參數。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1780362245596-diaHJJRFCaAAEolPNjpg.jpg)

---

## 04｜如何用 3 步設置 Hermes？

> Step 01｜安裝 Atomic，並啟動 Hermes

第一步，進入：atomicbot.ai

下載 Atomic。

打開後，在主頁選擇 Hermes Agent。你可以選擇本地運行，也可以選擇右上角的：

Run in Cloud

用 Google 登入之後，雲端和本地使用的是同一套介面，如果是在 Mac 上本地運行，下載後把 app 移動到 Applications 資料夾。

Atomic 支援 100+ integrations、persistent memory，以及 Claude、ChatGPT、Gemini 等主流 AI 模型，所以它更像是一個 Agent 工作台，而不是單純的交易腳本。

> Step 02｜連接模型 API

第二步，在 Atomic 裡連接模型 API。

路徑是：

Atomic settings → AI Models → Anthropic → paste your API key

然後選擇：

Claude Opus 4.7

它的作用是作為 Agent 的大腦。

用來做即時市場分析、讀取交易日誌、復盤策略表現，並根據結果調整參數。

也可以選擇替代方案：OpenRouter

按量付費。

或者：OpenAI Codex

透過 ChatGPT Pro 使用。

配置範例：

```
# Atomic → Settings → AI Models → Anthropic
Model:     claude-opus-4-7-20261001
API Key:   sk-ant-...
Max tokens: 4096
Temperature: 0.2  # lower = more consistent decisions
```

這裡 temperature 設置為 0.2，因為交易決策需要穩定性，不需要模型每次都發散思考，溫度越低，輸出越一致。

> Step 03｜連接 Telegram bot

第三步，把 Telegram bot 接入 Agent。

路徑是：

Atomic → Skills → Messengers → Telegram → Connect

然後打開 Telegram，透過：@BotFather 創建一個 bot。

複製 token，貼回 Atomic。

這樣 Hermes Agent 就可以透過 Telegram 給你發送交易報告、運行狀態、dry run 總結和每日復盤。

從這一步開始，Agent 就已經在線，等待你輸入交易邏輯。

---

## 05｜設置 BTC 交易策略

> 不要從零開始寫交易系統

更好的方式是找一個已有 GitHub repo 作為基礎邏輯，然後交給 Hermes，讓 Claude Opus 把它更新到最新的 Polymarket CLOB v2。

推薦的 repo 有 3 個。

> 第一個：aulekator/polymarket-BTC-15-Minute-Trading-Bot

特點是 production-grade。

包含 7-phase architecture、Grafana、Redis、SL/TP。

適合做：

- Markov-based entries

- Kelly sizing

> 第二個：JLowo/gengar-polymarket-bot

特點是：

- Quarter-Kelly

- Brownian motion

- calibrated vol

適合更保守的倉位管理，以及帶有現實風控邊界的策略。

> 第三個：dijenne/Polymarket-bot

它有兩套策略：arbitrage + momentum。

並且支援 auto-optimization。

適合做多策略組合。

## Step 1｜給 Hermes 輸入交易邏輯 prompt

第一段 prompt 的目標，是讓 Hermes 基於已有 repo 構建一個 Polymarket BTC 5 分鐘 Up/Down trading Agent。

基礎 repo：github.com/aulekator/polymarket-BTC-15-Minute-Trading-Bot

目標：更新到 Polymarket CLOB v2，並準備成可以安全實盤的版本。

提示詞：

```
要求包括：保留現有架構
使用 Python，把執行層遷移到 py_clob_client_v2
支援 SAFE_ADDRESS，也就是 Polymarket Safe / proxy wallets
使用 collateral balance 術語，而不是 legacy USDC
根據 CLOB v2 market metadata，加入 fee-aware trade evaluation
實現 Markov persistence filter
只有當：p(j*,j*) ≥ 0.87 時才進場
使用 Kelly criterion 做倉位管理：f* = p − (1−p)/b
預設保持：DRY_RUN=true
不要在聊天或日誌中暴露 private keys
這裡最關鍵的是兩點
第一，預設 DRY_RUN=true
也就是先模擬，不直接實盤
第二，不要暴露 private keys
交易 bot 不是只看策略
錢包安全、私鑰管理、日誌安全，同樣重要
```

## Step 2｜設置錢包

```
下一步是創建 Polymarket trading wallet，並返回地址，用來存入 collateral。
同時需要批准 3 個 Polymarket 合約：
CTF Exchange
Neg Risk CTF Exchange
Neg Risk Adapter
這一步涉及錢包權限和合約互動。
所以繼續之前，必須確認自己理解相關風險。
尤其是私鑰，不要放進聊天記錄，也不要寫進日誌。
```

Step 3｜環境變數配置

.env 配置如下：

```
PRIVATE_KEY=your_wallet_key
SAFE_ADDRESS=your_safe_address
CLOB_HOST=https://clob.polymarket.com
DRY_RUN=true          # start here always
MIN_EDGE=0.05         # 5% minimum arbitrage gap
MIN_PROB=0.87         # Markov persistence threshold
MIN_BET=1.00          # $1 minimum for testing
MAX_BET=50.00         # start conservative
BANKROLL=100.00       # initial capital
```

幾個核心參數：DRY_RUN=true

先模擬運行。

MIN_EDGE=0.05

至少 5% gap 才考慮入場。

MIN_PROB=0.87

Markov 狀態持續機率至少達到 87%。

MIN_BET=1.00

用 1 美元小額測試。

MAX_BET=50.00

限制單筆最大倉位。

BANKROLL=100.00

初始 bankroll 設置為 100 美元。

這也是「從 100 美元開始」的來源。

但它不是保證 100 美元一定變成 10,000 美元。

它只是用 100 美元作為初始資金，測試一個可學習、可復盤、可迭代的交易框架。

## Step 4｜先跑 dry test

```
在進入實盤之前，先讓 bot 以 DRY_RUN 模式運行 24 小時
每個 session 結束後，記錄：檢測到多少個訊號
入場價格
入場時的 Markov state
每筆模擬 P/L
在 p(j*,j*) 閾值下的勝率
每 6 小時，透過 Telegram 發送一次總結
這一步非常重要，策略不能靠文案證明，也不能靠某個 bot 過去賺了多少錢證明，必須先看日誌
如果 24 小時 dry run 裡訊號不穩定、模擬 P/L 不成立、某些視窗持續虧損，就不應該進入實盤
只有當 dry run 能跑出相對穩定的結果，再考慮用小額實盤測試
```

## 06｜自學習循環：Agent 如何變得更聰明？

Hermes 和普通靜態 bot 最大的區別，是它可以形成 self-learning loop。

普通 bot 是規則寫死的，你設定什麼參數，它就一直用什麼參數。

但市場不會一直不變，BTC 波動會變。

流動性會變，不同時間段的交易品質會變。

某些 Markov state 可能今天有效，明天就失效。

所以這套系統需要讓 Agent 讀取交易日誌，並根據實際結果調整策略。

> 第一步，執行交易

當 bot 發現：p(j*,j*) ≥ 0.87，並且 gap 滿足要求時，它會進入市場，每一次 entry、exit 和 P/L，都會記錄到 journal，這份 journal 是後續自學習的基礎。

沒有日誌，就沒有復盤。

沒有復盤，就沒有優化。

> 第二步，夜間復盤

每天結束後，Claude Opus 會讀取完整交易日誌。

它會分析：

- 哪些 Markov states 勝率最高

- 哪些 persistence thresholds 表現最好

- 哪些視窗虧損最多

- 哪些 entry price ranges 的 EV 最好

這一步不是讓 AI 憑感覺調整策略。

而是讓模型基於真實交易記錄做復盤。

> 第三步，更新策略

Claude Opus 會根據交易日誌，重寫閾值規則，調整 Kelly sizing，並更新關鍵參數。

比如：

MIN_PROB

MIN_EDGE

- 如果某個閾值太鬆，導致虧損變多，就上調。

- 如果某個價格區間表現更好，就提高權重。

- 如果 Kelly sizing 太激進，就降低倉位。

> 第四步，用新規則進入下一輪交易

下一次 session 運行時，Agent 會使用更新後的參數繼續執行。

也就是說，它不是每天重複同一套規則。

它會根據過去一天的交易結果，調整明天的策略。

當交易數量達到 50–100 筆後，Agent 會逐漸累積自己的交易歷史。

它開始知道哪些狀態有效。

- 哪些價格區間有效

- 哪些視窗應該避開

- 哪些規則只是噪音

這就是自學習循環的核心。每天早上，Telegram 會發送一份報告。

裡面包括：

- 昨天的交易表現

- 更新後的規則

- 今天的策略

你可以查看報告，確認變更，再決定是否繼續運行。

這讓 Agent 不只是一個自動交易腳本。

它更像是一個會記錄、會復盤、會調整、會匯報的交易 Agent。

夜間復盤 prompt 可以這樣設計：

```
每天午夜，讀取今天的 trade journal。

分析：
- 哪些 Markov states 勝率最高
- 哪些 entry price ranges 的 EV 最好
- 當前 MIN_PROB 是否應該上調或下調
- 當前 Kelly f* 是否適合最近的交易結果

然後更新 .env config 和策略參數。

透過 Telegram 發送總結：
- 今天的 P/L、勝率、交易次數
- 策略改變了什麼，以及為什麼改變
- 明天更新後的 thresholds
```

這套循環的目標，不是讓 AI 神奇地預測市場，而是讓它把每一筆交易都變成學習資料，每次執行後記錄，每天復盤，根據結果更新參數，下一輪再用新參數繼續測試。

## 結論

Polymarket 上的 trading bots，已經從手動交易員手裡拿走了大量利潤。

而且這個比例還在繼續增加。

隨著 Hermes 和 Atomic 這樣的 agentic frameworks 出現，搭建交易 Agent 的門檻正在降低。

你不一定需要是高級開發者。

你需要的是：

> Claude Opus 作為大腦。

> 一個 GitHub repo 作為起點。

> Hermes / Atomic 作為 Agent 框架。

> Polymarket CLOB v2 作為執行介面。

> Telegram 作為匯報入口。

> 50–100 筆訓練交易作為學習資料。

> 然後讓 self-learning loop 持續復盤和優化。

但一開始不要急。

先小額。

先：DRY_RUN=true

再用：$1–$2 per trade

跑訓練。

不要跳過學習階段。

因為這套系統真正重要的，不是第一天賺多少錢。

而是 Agent 能不能透過每一筆交易變得更好。

- 能不能識別哪些狀態有 edge

- 能不能發現哪些視窗在虧錢

- 能不能及時調整閾值和倉位

- 能不能避免把短期好運誤判成長期能力

Hermes + Polymarket 真正值得關注的地方，不是「AI 自動賺錢」，而是它把預測市場交易，從人的主觀判斷，變成了一個可記錄、可復盤、可迭代的 Agent 系統。

PM 聰明錢排行榜：
https://polymarket.com/zh/leaderboard?via=Miko66

如果你感覺推文對你幫助，請點讚轉發♥

## 標籤

Agent, 自動化, 教學資源, Hermes, Polymarket, Bitcoin