雇22个Agent在Hyperliquid上赛跑，我发现了什么？（附全部策略代码）

来源：Odaily 首页 原文链接：https://www.odaily.news/zh-CN/post/5209759 匹配关键词：BTC 本文来自： Jason Goldberg

编译｜Odaily 星球日报（ @OdailyChina ）；译者｜Azuma（ @azuma_eth ）

我们通过  Senpi  在 Hyperliquid 上部署了 22 个自主交易的 AI Agent，每个 Agent 配置 1000 美元真实资金。

它们会全天候 7*24 小时运行 —— 扫描市场、开设仓位、设置移动止损、管理风险 —— 全程不会有任何人工干预。

在投入了 22000 美元初始资金，执行了 5000 多笔交易后，这是我们得到的经验总结。

“更少的交易”加上“更高的信念”，总是等于“更好的结果”。 这并不是偶尔出现的现象，而是每一次都成立。

如上图所示，Agent “Fox” 和 Agent “Ghost Fox” 使用的是同一个扫描工具。Fox 只会选择性地执行其中部分信号，而 Ghost Fox 则会执行更多信号。结果是，两者的投资回报率（ROI）差距达到 56 个百分点。

真正的优势并不在扫描工具本身，而在于是否有纪律去等待正确的信号。

更多交易并不意味着更多机会 —— 它意味着更多的无效交易、更多手续费，以及更多噪音风险暴露。

在我们表现最好的 Agent 中，3–5 笔交易便贡献了全部利润，其余交易基本都是在出现小幅亏损后便被迅速止损。

还是以 Fox 为例，三笔最佳交易（ZEC、TRUMP、FARTCOIN）合计盈利超 350 美元；其余 46 笔交易则合计亏损超 100 美元；最终结果是，净利润约为 248 美元。

这完全是策略设计的结果。我们的设计是：在信念较高时果断进场，几分钟果断止损亏，让盈利仓位持续跑起来，并通过 DSL High Water 移动止损策略锁定部分峰值收益。当平均盈利是平均亏损的 10 倍 时，即使胜率只有 43% 也能稳定赚钱。

那些试图通过“安全”交易维持高胜率的 Agent 反而全部亏损 —— 因为设定微小盈利目标的每笔交易，仍需承担手续费和市场风险。

Fox 以及其他表现稳定的 Agent 都建立在 Senpi 的 Hyperfeed 之上。

Hyperfeed 是一个实时追踪系统，可以看到 Hyperliquid 上所有交易者当前正在赚钱的资产。它并非历史排名或其它滞后指标，而是此时此刻整个交易所正在赚钱的交易行为。

我们用的核心扫描工具 Emerging Movers 每 90 秒便会读取一次 Hyperfeed 的市场集中度数据。当聪明钱突然轮动到某个资产时：比如某个交易者在排行榜上突然跃升至少 15 名，或是某个盈利贡献速度突然上升，亦或是多个顶级交易者同时集中开设同一仓位，扫描工具就能在行情被完全定价之前捕捉到信号。

这正是通过 Senpi 在 Hyperliquid 上构建策略的结构性优势，你可以实时看到顶级交易者利润正在集中到哪里，并立即行动。没有其他交易所提供这种可见性，也没有其他平台能让自主 Agent 据此执行操作。

我们表现最好的 Agent 全部在使用这类数据：

而表现最差的 Agent 则：

所以结论非常清晰， 基于实时 Hyperfeed 数据交易的 Agent，表现全面优于所有纯技术策略。

我们基于“价格偏离过大，很快会回归”的逻辑测试了三个不同版本的 Agent，具体表现如下：

结果是全部亏损。问题出在，Hyperliquid 永续合约市场的趋势性远强于均值回归可能性。在下跌趋势中抄底，是这个市场里代价最昂贵的错误。这些 Agent 不断在所谓的“支撑位”做多，但价格却持续数天不断走低。

我们正在测试的修复方案是加入一个宏观市场状态的过滤工具，即当 BTC 的四小时趋势为下跌时，禁止基于“均值回归策略”抄底。初步结果看起来不错，该过滤工具可以避免 Mamba 28 笔亏损交易中的 14 笔。

我们最新的 Agent（Vixen）基于 Fox 的交易数据，采用了两种截然不同的入场模式。

Fox 的数据表明，这其实是两种完全不同的 Alpha 信号来源。如果只使用单一入场模式，你必须在两者之间做取舍，从而错过另一种机会。

一个令人意外的发现是： 当 Agent 出现连续亏损时，它们会尝试 “自我修复”。常见的修复行为包括放宽入场条件，提高杠杆，移除风险保护机制，但结果是每一次都会加速亏损。

举些例子，Dire Wolf 在亏损 -27% 后，启用了 5 个并行的 25 倍杠杆仓位，并放松了开单速度限制；另一个 Agent 删除了停滞止盈机制；还有一个 Agent 则将每日亏损上限从 10% 提高到了 25%。

我们的解决方案是，将风险保护机制直接写入扫描工具代码，而不是依赖 Agent 自身的策略配置。如果扫描工具没有输出信号，Agent 就无法执行交易 ——无论它在自身配置中做出多么激进的调整。

我们将继续运行实验 24–48 小时，随后关闭那些已经没有回本可能的 Agent，以避免剩余资金继续流失。

接下来我们会部署新的策略版本，并将保护机制写入代码层：

同时我们还将：

与此同时，我们还在开发全新的策略并直接在真实市场测试。这个市场本身就是实验室。每一个新策略都会拥有 1000 美元资金以及完整透明的交易记录。

我们的实验会在 strategies.senpi.ai 实时运行；所有策略代码开源于：github.com/Senpi-ai/senpi-skills

22 个 Agent，22000 美元真实资金，每一笔交易完全公开，实验仍在继续中。