KeyFrame內部研究專用

AI Trading Bot Tutorial: How to Build a Crypto Trading Bot with AI & Ethereum

Tony Hayes·6月25日週四·5 min英文

三句話摘要

利用 Claude AI 生成以太坊套利機器人智能合約,實現全自動化交易。 AI 生成的生產級合約讓去中心化套利變得可複製,但成功收益的關鍵在於足夠的起動資本與對 gas 費用的精確計算。 AI 快速生成生產級代碼:單一提示詞即生成具完整架構、優化邏輯與安全控制的合約,無需年訪開發學習。

重點整理

重點
  • 1

    AI 快速生成生產級代碼:單一提示詞即生成具完整架構、優化邏輯與安全控制的合約,無需年訪開發學習。

  • 2

    被動收益實現模式:機器人自動監控去中心交易所間的價格差異,偵測套利機會後透過原子操作在單一區塊內完成買賣並獲利。

  • 3

    資本充足度直接影響效益:最少需 1 ETH,但建議 2 ETH 以上避免 gas 費用蠶食利潤;作者主力配置使用 20 ETH,日均收益 6-8 ETH。

  • 4

    完全鏈上透明與可追蹤:所有交易為真實鏈上交易,可在 Etherscan 上查詢驗證,無黑箱操作。

實用技巧與重點

乾貨
  • 初始投入:最少 1 ETH,建議 2 ETH 以上
  • 作者主力配置:20 ETH,日均獲利 6-8 ETH
  • 測試結果:2 ETH 入金,24 小時後 0.8 ETH 收益(近 3 ETH 總額)
  • 必需工具:MetaMask 錢包、線上開發平台(Remix)
  • 部署步驟
  • 新建檔案 → 粘貼合約代碼
  • 確認編譯器版本 → 編譯
  • 選擇錢包環境 → 部署
  • 轉入 ETH 資金
  • 點擊啟動按鈕
  • 24 小時後提現

結論

結論

AI 生成的生產級合約讓去中心化套利變得可複製,但成功收益的關鍵在於足夠的起動資本與對 gas 費用的精確計算。

完整解析

詳細

這個項目的核心價值在於證明 AI 可以快速生成可直接部署的區塊鏈應用。講者只給 Claude 一個指令「為以太坊去中心交易所創建一個安全、gas 效率最優的套利機器人」,就直接獲得了生產級代碼,完全無需傳統的開發學習周期。

具體的部署流程相當簡潔:使用 MetaMask 錢包連接線上開發平台(如 Remix),創建新檔案後粘貼生成的合約代碼,確認編譯器版本後點擊編譯。編譯完成後切換到部署標籤,選擇錢包環境並完成連接,系統會顯示你的錢包地址與以太坊餘額作為確認。確認合約擁有者地址與你的錢包一致(這是完全控制的關鍵),然後轉入至少 1 ETH 的資金。建議使用 2 ETH 以上,因為這樣才能確保機器人有足夠的運作資本並涵蓋 gas 費用。講者在主力配置中使用 20 ETH,通常日均收益在 6-8 ETH。

機器人的運作邏輯是持續監控去中心交易所(DEX)間的價格差異。當發現有利可圖的套利機會時,它會在單一原子操作中執行買賣兩筆交易,並捕獲價差作為利潤。在測試中,投入 2 ETH 經過 24 小時自動交易後,最終餘額達到近 3 ETH,淨利潤約 0.8 ETH,過程中零錯誤零意外。所有交易都是真實的鏈上交易,可在 Etherscan 上完整追蹤驗證。需要提現時,只需點擊提現按鈕並等待區塊確認,所有資金會立即回到錢包。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。