我一个朋友推出了Polymarket机器人，但失败了真实的故事

我的一个朋友推出了 Polymarket 机器人，但失败了。 真实的故事。

他们推动人们启动 Python 代码，却没有意识到 Python 比 Rust 慢得多。 使用 Python，你根本无法与运行在拥有机器学习和高级执行系统的严肃基础设施上的高速机器人竞争。

所以这是真实的故事。（附带证明）

我的朋友在 2026 年 1 月开始构建他自己的交易机器人。

他花费了大约： > $500 用于 Cursor 积分 > ~$50 用于服务器、VPS、测试环境 > Polygon 的私有 RPC 节点 > 测试了 5 种不同的策略

听起来不多。 但对于一个只公开访问了大约三个月的市场来说，测试五种策略实际上已经很多了。

最重要的是，他还在实时测试中烧掉了大约 500 美元。

在意识到当机器人进行数百次预测时，成交量会变得多么庞大之前，这听起来并不可怕。 即使你每次交易用 10 美元进行测试，执行次数也会非常迅速地增加。

现实：

构建一个可以进行交易的机器人并不难。 > 构建一个可以扫描订单簿（“CLOB”）并检测套利机会的机器人也不是那么难。

真正的问题是速度

当你的机器人看到套利机会时，它已经消失了。

对于你需要多快才能获胜，存在着根本性的误解。 - 仅 Polygon 就能给你大约 ~2000 毫秒的延迟。 - 然后你会在以下方面损失额外的两位数毫秒：

• RPC 调用 • 预言机更新 • 内部处理 • 执行延迟

所有这些都扼杀了优势。

我的朋友对每个短期市场（BTC 上涨/下跌 15 分钟市场）进行了大约 250 次预测。

他测试了几个星期：

• 止损逻辑 • 仅在市场开放 2 分钟后进入 • 跟踪币安价差 • 最大程度地减少币安、Chainlink、预言机数据源和 Polymarket 之间的延迟

有时一切都运行良好几个小时。 然后一切都崩溃了。

我们甚至还有连胜的截图：

连续 20 胜，然后 10 胜，然后 2 胜，然后 10 胜，然后 3 胜……

然后一个糟糕的序列抹去了所有进展。

所以结论是：

如果你想构建一个真正的 Polymarket 交易机器，你需要：

• 强大的工程能力 • 扎实的数学和概率知识 • 真正的交易经验 • 精英级的执行速度

而具有讽刺意味的是：

如果你真的可以构建出在 Polymarket 上持续获胜的东西，那么你可能也可以在全球任何 DEX/CEX 上构建有利可图的系统。 这些机制是通用的。

在这个层面上，你不是在“运行一个机器人”，你基本上是在建立一家高频交易初创公司。

你正在尝试与每天印刷超过 100,000 美元的系统竞争。

我不是说“不要尝试”

我是说：

小心你在时间线上看到的 AI 机器人炒作。 这比有影响力的人让它看起来要难得多。

• 原文链接： x.com/anastassiua/status...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～