在 Polymarket 上與人類賭博的 OpenClaw，已月入數萬美元

原文作者：李楠，硅星人 Pro

有人說 OpenClaw 這隻龍蝦是玩具，有人則想把它變成賺錢機器。把龍蝦派到 Polymarket 上，是很多人開始嘗試的新玩法。

在小紅書上，有人出價 1000 元，找人幫自己部署 OpenClaw。主要用途之一，就是用 OpenClaw 來做 Polymarket 上的量化交易。而這並非突發奇想。

2 月 13 日，OpenClaw 官方的博文提到，一個由 OpenClaw 驅動的機器人證明了自主智能體在預測市場的強大潛力——單週狂攬 11.5 萬美元利潤。

1 月底，Polymarket 也發布過一條有趣的帖子：Agent 正在 Polymarket 上進行交易，試圖補貼自己的 token 成本。

這看起來有點難以置信。有的龍蝦不斷吞噬主人的錢包，而有的龍蝦已經不僅能養活自己，還能供養主人了。

機器人在 Polymarket 淘金

當人類交易員仍被恐懼與貪婪左右時，一個名為「0x8dxd」的機器人賬戶在 Polymarket 上悄悄完成了兩萬多次交易，總盈利超過 170 萬美元。

先介紹一下 Polymarket，一個萬物皆可交易的地方。

它是全球最大的去中心化預測市場平台，讓用戶圍繞未來可驗證的事件交易 Yes 或 No 合約。合約價格在 0 到 1 美元之間波動，並直接對應市場共識概率。而用戶可以通過預測的準確性，來換取回報。

舉個例子。

在 2024 年到 2025 年間，全球粉絲和投資者都在盯著 Taylor Swift 和橄欖球星 Travis Kelce 的戀情。Polymarket 顺势推出了一個預測交易：「兩人是否會在 2025
「年底前宣布訂婚？」在市場普遍傾向於「NO」時，有人大筆買入「Yes」，後來大賺一筆。

換言之，如果你對某個事件有更精準的洞察，那麼就有機會在 Polymarket 賺錢。不過對 0x8dxd 這類機器人來說，預測能力並不重要。它們的謀財之道，靠的是一套抓 bug 的運作機制和人所不能及的快速反應。

總的來說，機器人主要依賴幾個核心策略。

首先是數學平價套利。這利用了預測市場的 Bug。在 Polymarket 的二元期權交易中，無論結果是「Yes」還是「No」，最終獲勝方的合約結算價必定是 1 美元。當市場情緒波動或流動性突變，市場兩側（Yes 和 No）的總成本有可能低於 1 美元。這時機器人迅速同時買入多空兩側的股份，便能實現無風險套利利潤。

此外，專注於極短期的加密貨幣波動市場。BTC、ETH 等 5 分鐘和 15 分鐘短期預測市場的波動劇烈，特別是在交易平台發生強制平倉潮等極端行情時，極易產生價格錯位，這為機器人的高頻介入提供了完美的溫床。

其三是擔任數字做市商，透過高頻雙向掛單賺取價差。例如，當某個結果的公允價格在 80 美分左右波動時，機器人會以 80 美分買入，並迅速以 81 或 82 美分賣出。這種單筆利潤極小，但積少成多，也非常可觀。

總體來看，機器人憑藉極高的速度優勢和鐵一般的機械紀律，對 Polymarket 進行了無情收割。這正對應了人類作為碳基生物反應慢、理性不足、需要睡覺的劣勢。而 OpenClaw 的出現，大大降低了部署自動交易機器人的門檻，推動矽基勢力進一步爆發。

與傳統的 Python 机器人相比，交易者無需深入編程，即可配置 OpenClaw 交易 Agent，實現自動化交易。OpenClaw 本身的能力，也讓它適配交易場景。龍蝦們可以不间断地監控市場價格和交易量，既能確保交易者不會錯過機會，也能及時警告風險。

實際上，很多人已經將前面提到的 0x8dxd 與 OpenClaw 聯繫起來。雖然沒有直接證據表明它是基於 OpenClaw 構建，但它恰好從 OpenClaw 誕生開始活躍。而且，當 0x8dxd 將 Polymarket 變成提款機的事蹟流傳開後，OpenClaw 社區湧現了製作 Polymarket-trading 之類 Skills 的熱潮。

在近期的 Polymarket 預測市場上，OpenClaw 便成了自動化交易討論中的高頻詞。不過，只靠一些通用策略執行交易，顯然是未必靠譜的。

這樣也能賺錢？

一個簡單的結論是：一旦穩定套利的公式被公開，它就會失效。如果大家都使用同樣的方法，這個方法本身就不會成立。因此，面對任何分享此類經驗的教程，最好謹慎為上。

事實上，Polymarket 已經做出調整，以打擊機器人的套利行為，例如引入交易手續費、增加交易摩擦成本，以及改變訂單執行的底層延遲機制，限制專門利用時間差漏洞進行搶跑的自動化交易。

這就倒逼交易者去發掘 AI 更大的潛力，找更隱秘的機會。於是有心的交易者把通用策略結合獨特場景落地，挖掘出了一些意想不到的玩法。比如，交易天氣。

預測天氣是目前 Polymarket 最受歡迎的案例之一，有機器人專門交易天氣數據。

一個名為「automatedAItradingbot」的帳戶於 2025 年 1 月入驻 Polymarket。它熱衷於針對天氣預測下注，盈利超過 7 萬美元。還有用戶發現，一個僅交易倫敦天氣市場的機器人，在不到一年的時間內，將 1000 美元變成了 2.4 萬美元。

其中的核心邏輯是，預測市場對突發天氣變化反應往往滯後。理論上，如果你有一個靈敏可靠的 AI Agent，比如給 OpenClaw 裝上天氣插件，就可以在官方氣象預報更新後，對未及時調整賠率的盤口下注。

但這還不夠 AI。隨著大模型的演進，機器人不該只是識別天氣預報這類顯而易見的信號，而應該至少在某個智能的維度，做點人類做不到的事情。

事實上，AI 確實在預測市場上展現了更誘人的能力。

一篇關於「LiveTradeBench」的論文，基於真實世界的實時數據進行了「模擬交易」。在 Polymarket「2025 俄烏停火」的盤面上，大模型憑藉自身的推理與預測，就有機會大賺一筆。

案例是這樣的：

去年 10 月，澤連斯基訪問白宮並提出「無人機換戰斧導彈」的交易提案，Grok-3 進行了「基於信念的推理（belief-based reasoning）」，將內部預估的停火概率從 0.15 動態上調到 0.22，同時它注意到，當時「YES」合約的價格大幅跳升至 0.18。這形成交叉驗證，於是，Grok-3 判定該合約存在被低估的套利空間，確立了堅定做多並持有的策略。而最終該合約的市場價格穩步上漲，讓它有機會獲利。

但 Grok 還不是表現最好的。

上述論文測試了 21 個主流大語言模型在金融市場的表現，同時涵蓋了美國股市和 Polymarket 預測市場。其中，Claude-Sonnet-3.7 在 Polymarket 的表現一騎絕塵。它在 50 個交易日的觀測中，實現了 20.54% 的累計回報率。其最大回撤為 10.65%，也大幅領先市場平均水準。