AI驱动的DeFi交易机器人：Gladiator Bot实战指南与策略开发

1. 项目概述：打造你的竞技场角斗士

如果你对自动化交易感兴趣，同时又觉得传统的量化策略编写门槛太高、过程枯燥，那么这个项目可能会让你眼前一亮。Gladiator Bot 不是一个冰冷的、只追求夏普比率的交易机器人，它是一个被赋予了个性、战斗风格和进化能力的“角斗士”。它的核心玩法是：你通过与 AI 编程助手（如 Claude Code、Cursor）对话，来“培养”一个属于你自己的交易机器人，然后让它进入 DegenDome 这个竞技场，用真实的 SOL 代币与其他玩家的机器人进行实时对战。

这听起来像是个游戏，但它背后是实打实的去中心化金融交易。你的角斗士会分析来自预言机的实时价格，在高达 75 倍的杠杆下做出买卖决策，赢了赚取对手的 SOL，输了则吸取教训，并在你的指导下调整策略。整个过程，你不需要手动编写复杂的代码，而是像教练一样与 AI 助手交流，比如“让它输的时候更激进点”或者“为什么上一场输了？”。项目通过一个名为AGENTS.md的通用规范文件，让不同的 AI 编程工具都能理解如何构建和调整这个角斗士，极大地降低了参与门槛。

无论你是想体验 AI 辅助编程的威力，还是对另类的 DeFi 应用感到好奇，或是单纯想用一种更“人性化”的方式接触自动化交易，这个项目都提供了一个极具吸引力的沙盒。它模糊了开发、游戏和金融投机之间的界限，让你在培养一个“有灵魂”的数字化交易员的过程中，直观地理解市场动态、风险管理和策略迭代。

2. 核心架构与设计哲学

2.1 以AGENTS.md为中心的 AI 协作范式

这个项目最精妙的设计在于其“AI 原生”的架构。它没有提供一个需要你逐行研读源码的复杂库，而是将核心的交互逻辑和知识库封装在了一个名为AGENTS.md的 Markdown 文件中。这个文件是整个项目的“大脑”和“说明书”，它被设计成一种通用规范，可以被 Claude Code、Cursor、GitHub Copilot、Windsurf 等任何能读取此类文件的 AI 编程助手理解。

为什么选择这种方式？传统的开源交易机器人项目，入门曲线陡峭。你需要理解项目结构、找到策略入口点、学习其 API，然后才能开始修改。而 Gladiator Bot 反其道而行之，它将所有必要的上下文——包括 DegenDome 的竞技协议、交易规则、可修改的文件范围、安全限制以及引导对话的流程——都写进了AGENTS.md。当你对 AI 助手说“设置我的角斗士”时，AI 实际上是在阅读这份文件，然后按图索骥地引导你完成初始化、解释各种概念、并最终只在一个关键文件（src/strategy.ts）上实施修改。这相当于项目作者为你配备了一位 7x24 小时在线的、精通本项目所有细节的“首席开发官”。

这种设计哲学的核心是“对话即配置，交流即开发”。它极大地扩展了潜在的用户群体，让那些有交易想法但缺乏 TypeScript 熟练度的人，也能快速将自己的逻辑转化为可运行的机器人。同时，对于开发者而言，这也是一种高效的“脚手架”，能快速跳过环境搭建和基础代码阅读阶段，直接进入策略核心的迭代。

2.2 模块化与安全边界设计

为了保证在“AI 可修改”的前提下系统的稳定与安全，项目的代码结构做了清晰的职责划分和严格的权限锁定。

核心模块解析：

• src/strategy.ts：这是唯一的“可编辑区”。所有交易逻辑，包括技术指标计算、入场/出场信号生成、以及你为角斗士选择的“战斗风格”专属机制（如“鲨鱼”的耐心模式），都在这里实现。AI 助手所有的策略调整都仅限于此文件。
• src/index.ts与src/risk.ts：这两个是“锁定区”。index.ts负责 WebSocket 连接管理、事件循环、订单提交等底层通信，确保机器人能稳定接入竞技场。risk.ts则封装了资金管理核心，如基于凯利公式的头寸计算、最大回撤控制、时间规则等。将它们锁定，是为了防止 AI 在修改策略时意外破坏连接稳定性或绕过风控底线，这是保障资产安全的关键防线。
• data/profile.json与data/battles.ndjson：这是“成长记录区”。profile.json动态保存你角斗士的名称、风格参数和个性配置，随着你的调整而进化。battles.ndjson则以 NDJSON 格式记录每一场战斗的详细数据，为事后分析和策略回测提供了原始材料。

安全边界的具体体现：

1. 环境隔离：敏感的 API 密钥严格存储在.env文件中，并被.gitignore排除在版本控制之外。代码中通过process.env读取，确保密钥不会意外泄露。
2. 编译检查：在 AI 修改完strategy.ts后，项目会强制运行 TypeScript 编译检查。只有通过编译的策略修改才会被部署，这避免了因语法错误导致机器人运行时崩溃。
3. 网络权限限制：AI 助手被明确禁止安装新的 npm 包或发起任意网络请求，杜绝了潜在的安全风险。
4. 模拟与限制运行：提供了“纸面模式”和“最大战斗场次”等运行参数，让你可以在完全无风险或有限风险的环境下测试策略。

注意：尽管有这些安全措施，但请务必牢记，当你使用真实的 API 密钥连接生产环境时，你的角斗士是在用真实的 SOL 进行杠杆交易。所有的风控最终都依赖于src/risk.ts中的逻辑和你策略本身的稳健性。切勿在未充分进行本地回测和纸面模拟的情况下，就投入大量资金。

3. 从零开始：角斗士的诞生与训练

3.1 环境准备与初始化

开始之前，你需要准备好三样东西：Node.js 运行环境、一个 Solana 钱包（用于最终的真实对战和支付 Gas 费）、以及一个你喜欢的 AI 编程助手。这里以 VSCode + Cursor 为例，因为它的 AI 代理模式与该项目理念高度契合。

首先，将项目克隆到本地并安装依赖：

git clone https://github.com/DegenDome/gladiator-bot.git cd gladiator-bot npm install

安装完成后，不要急着运行。用 Cursor 打开这个项目文件夹。此时，Cursor 的 AI 助手会自动读取项目根目录下的.cursorrules文件（该文件会指向AGENTS.md），从而“了解”自己在这个项目中的角色和任务。

接下来，就是与 AI 对话，启动初始化流程。你可以在 Cursor 的聊天框中直接输入：“帮我设置一个角斗士”或“Set up my gladiator”。这时，AI 会开始扮演引导者的角色，向你提出四个核心问题：

1. 角斗士名称：给你的战斗机器起个响亮的名字，比如 “TitanSlayer” 或 “Oracle”。
2. 战斗风格：从四大原型中选择其一。这决定了策略的底层逻辑框架。
3. 风险偏好：AI 会询问你倾向的风险水平，这将影响risk.ts中某些参数的初始值（如基础仓位比例）。
4. 个性：角斗士在战斗中会说垃圾话。你可以定义它的语气是傲慢、冷静还是滑稽。

AI 在获取这些信息后，会做几件事：首先，在data/profile.json中创建你的角斗士档案；其次，根据你选择的战斗风格，在src/strategy.ts中生成对应的基础策略模板；最后，它会建议你启动一次本地训练战，来亲眼看看你的角斗士如何行动。

3.2 深入四大战斗原型

你的初始选择至关重要，因为它设定了策略的“基因”。每个原型并非只是名字不同，其内在机制有显著区别：

• 鲨鱼：适合震荡市或趋势不明朗的市场。它的“耐心模式”机制会设置一个较高的信号置信度阈值。在回测中，我观察到如果阈值设置得当，它能有效过滤掉 60%-70% 的无效小幅波动信号，避免在震荡行情中被反复“刮耳光”。但缺点是，在强趋势启动的早期，可能会因为等待“完美时机”而错过一大段利润。
• 狂战士：高风险高收益的风格。“狂暴模式”是在亏损后加大仓位的机制，这本质是一种“马丁格尔”变种。这里有一个关键心得：项目内置的risk.ts会有最大回撤和总仓位限制，这在一定程度上防止了“无限加仓直到爆仓”的悲剧。但在实盘中，你必须非常清楚，连续亏损后加大仓位，是在放大风险以寻求翻本，这需要极强的心理承受能力和严格的止损纪律作为前提。
• 研磨者：适合高频、小波动市场。它的“复利模式”在每次盈利后按比例增加下一次交易的仓位。这听起来很美，但实战中最大的敌人是交易费用。在 DegenDome 中，每笔交易都有成本。如果单笔盈利无法覆盖费用，复利增长就会变成“复亏”。因此，为研磨者设计策略时，入场信号的盈亏比评估必须将费用作为核心考量。
• 百变牌：这是最复杂、也最具潜力的原型。它的“机制检测”功能要求策略能实时判断市场处于趋势、震荡还是高波动状态，并切换不同的子策略。实现它的关键在于选择简单且有效的市场状态指标，例如用 ADX 判断趋势强度，用布林带宽度判断波动率，而不是试图用一个复杂的机器学习模型去预测。

实操心得：不要被原型限制死。原型只是一个起点。你可以指示 AI：“把我的鲨鱼角斗士的耐心阈值从 0.8 调到 0.65，让它更敏感一些”，或者“给研磨者加上一个条件：连续两次盈利后才启动复利模式”。通过对话，你可以混合不同原型的特性，创造出独一无二的战斗风格。

3.3 本地训练：沙盒中的淬炼

在投入真金白银前，项目提供了三种强大的本地训练方式，这是打磨策略不可或缺的环节。

3.3.1 挑战回测服务器这是最快上手的测试方式。项目内置了几个预设的“挑战场景”：

# 1. 构建项目 npm run build # 2. 复制示例配置（无需真实API密钥） cp config.json.example config.json echo “WS_URL=ws://localhost:8765” > .env # 3. 开启第一个终端，启动特定挑战的回放服务器 # 测试“在暴跌中生存”场景 node dist/test/replay-server.js --file test/gauntlet/survive-the-crash.ndjson --speed instant # 4. 开启第二个终端，运行你的角斗士 npm start

--speed instant参数让回放以最快速度进行，立刻就能看到结果。完成后，控制台会输出一份“战后报告”，清晰列出盈亏、交易次数、最大回撤、手续费等关键数据。我的经验是，不要只看最终盈亏，更要关注“最大回撤”和“胜率”。一个在“暴跌挑战”中回撤控制得很好的策略，即使微亏，也值得进一步优化。

3.3.2 复盘真实战斗这是最有价值的训练。每场真实战斗后，价格数据都会保存在data/replays/目录下。如果你某场战斗输了，可以找到对应的.ndjson文件，用回放服务器重新跑一遍，同时让 AI 修改策略，看看新策略在完全相同的市场环境下表现如何。

node dist/test/replay-server.js --file data/replays/battle_20231027_abc123.ndjson --speed 10

使用--speed 10进行 10 倍速回放，可以在较短时间内观察策略在整个战斗过程中的表现细节。

3.3.3 纸面模式实战演练当你对策略有信心后，可以进行最后一步演练：纸面模式。此时，你需要将.env中的WS_URL改回真实的 DegenDome 生产服务器地址，然后运行：

node dist/src/index.js --paper

在此模式下，角斗士会真实地连接竞技场，接收实时价格数据，并完整执行策略逻辑、计算仓位、生成交易指令，但不会真正将订单发送上链。所有“它本应执行的操作”都会打印在日志里。这是检验策略在真实网络环境和实时数据流下是否稳定、逻辑有无错误的最终关卡。

4. 策略开发与迭代：与AI的深度对话

4.1 解读与修改策略文件

当你通过npm start运行角斗士，或在回测中观察其表现后，自然会产生调整的想法。这时，与 AI 的对话就进入了核心阶段。你不需要自己打开src/strategy.ts去琢磨那一行行 TypeScript 代码，而是直接向 AI 描述你的意图。

例如，你觉得角斗士交易太频繁，可以问：“查看我们当前的策略，为什么交易这么频繁？能减少一些交易吗？” AI 会分析当前的strategy.ts，可能会告诉你：“当前使用的是研磨者原型的基础模板，它基于简单的 RSI 超买超卖进行交易，阈值设置较宽，所以信号多。我可以为您提高 RSI 的入场阈值，并添加一个最小价格波动过滤条件来减少交易频率。”

你同意后，AI 就会生成具体的代码变更，并展示给你看。确认无误后，它会应用修改，并自动运行npm run build来编译验证。整个过程，你就像是在和一位懂交易的工程师 pair programming。

一个典型的策略迭代循环如下：

1. 观察：在回测或纸面模式中运行策略，查看战后报告。
2. 假设：形成改进想法，如“趋势行情中持仓时间太短”。
3. 对话：向 AI 提出指令，如“添加一个移动止盈跟踪，当利润回撤 30% 时平仓”。
4. 实施与验证：AI 修改代码，编译后，重新运行回测验证效果。
5. 分析：对比新旧两份战后报告，判断修改是否有效。

4.2 常见策略优化方向与AI指令示例

基于常见的交易问题，你可以尝试以下方向的调整，并学会如何向 AI 有效下达指令：

重要提示：给 AI 的指令要尽可能具体、可操作。比起“让它更聪明”，说“当出现三根连续上涨的 K 线，且成交量放大时，才考虑入场”会有效得多。AI 的强大之处在于它能将你的自然语言描述转化为严谨的代码逻辑，但前提是你的描述本身有逻辑。

4.3 利用战斗记录进行深度分析

data/battles.ndjson文件是一个宝库。它不仅是简单的胜负记录，每一行都是一个完整的战斗状态快照，包含了时间戳、仓位、余额、当前价格等信息。你可以利用这些数据进行更深入的分析。

例如，你可以让 AI 编写一个简单的 Node.js 分析脚本（这超出了角斗士本身的范围，但 AI 可以帮你写），来统计：

• 在不同市场时段（亚洲盘、欧美盘）的胜率差异。
• 面对不同对手原型（比如 vs 鲨鱼、 vs 狂战士）时的表现。
• 最大回撤通常发生在连续亏损的第几笔交易。

通过这些分析，你可以获得超越直觉的洞察，从而给出更精准的调整指令，比如：“分析发现我们对阵狂战士时胜率低。请修改策略，当检测到对手可能采用高频激进打法时，我们转而采用更保守的区间突破策略。”

5. 实战部署与风险管理

5.1 从训练场到真实竞技场

当你经过多轮回测和纸面模拟，对策略的稳定性和盈利能力有了一定信心后，就可以准备实战了。

第一步：获取 API 密钥。

1. 访问 DegenDome 官网，连接你的 Solana 钱包。
2. 在“我的机器人”页面，创建一个新的机器人。
3. 系统会生成一个以bot_sk_开头的 API 密钥，复制它。

第二步：安全配置。在项目根目录的.env文件中进行最终配置：

BOT_API_KEY=bot_sk_your_actual_key_here WS_URL=wss://collateral-combat-api.onrender.com/battle NODE_ENV=production

务必确保.env文件已在.gitignore中，且不会通过任何方式上传或分享。

第三步：最终检查与启动。

1. 运行npm run build确保代码编译无误。
2. 首次实战，强烈建议加上战斗次数限制：node dist/src/index.js --max-battles 5。先打 5 场看看真实表现。
3. 密切监控控制台日志，观察连接状态、信号触发、订单提交是否正常。

5.2 实战中的关键风险管理

在真实环境中，以下几个风险点需要格外关注：

1. 网络延迟与连接稳定性：WebSocket 连接可能意外断开。虽然index.ts中有重连逻辑，但在断连期间，市场可能已剧烈波动。你的策略是否考虑了这种极端情况？在纸面模式中很难模拟，实战初期需人工密切关注。
2. 预言机价格延迟与操纵：DegenDome 使用 Pyth 预言机。虽然 Pyth 是主流预言机，但仍存在极短时间内价格更新延迟或被操纵的风险（尽管在 SOL 这样的大市值资产上概率极低）。策略不应依赖于单次价格跳动，而应基于一段时间内的价格聚合。
3. 对手的“针对性”策略：在高端局，你可能会遇到专门针对常见策略（如 RSI 均值回归）进行“狙击”的对手机器人。你的策略需要有足够的适应性和反脆弱性。这也是“百变牌”原型的优势所在。
4. Gas 费与资金效率：每笔交易都需要支付 Solana 网络的交易费用。过于高频的策略可能会被 Gas 费侵蚀大量利润。在risk.ts中，确保最小开仓金额远高于预计的 Gas 成本。

5.3 持续运维与心态管理

将角斗士投入实战后，你的角色从“建造者”转变为“教练”和“经理”。

• 定期复盘：每天或每打完一定场次，回顾battles.ndjson记录和日志。不要只盯着盈亏，要分析每一笔亏损交易的原因，是策略逻辑问题，还是遇到了极端行情？
• 小步快跑，迭代优化：不要在一次大亏后，就命令 AI 对策略进行翻天覆地的改动。每次只调整一个变量（如一个参数、一个过滤条件），然后通过回测和少量实战验证效果。科学的迭代比灵感乍现更重要。
• 管理预期与心态：这是一个带有赌博性质的竞技游戏。即使策略在历史回测中表现优异，也无法保证未来持续盈利。务必只用你完全输得起的资金参与，并将其视为一个学习自动化交易和 AI 协作的、代价可能较高的实践课程。永远不要借贷或使用影响生活的资金进行此类高风险活动。

最后，这个项目的魅力在于它提供了一个极低门槛的、交互式的量化交易实验平台。通过它，你不仅能学到策略构建的知识，更能切身感受到市场的不确定性、风险管理的重量，以及如何与 AI 协作来解决复杂问题。无论你的角斗士最终战绩如何，这个过程本身，就是一次宝贵的数字时代金融实战演练。