AI代理炒幣8天暴賺20萬

近期，AI Agent 交易系統「拉哪」迅速走紅，僅耗時 8 天，便將初始資金 100 USDT 增至 20 萬 USDT；截至 4 月 16 日，帳戶總餘額已突破 25 萬 USDT。

其創作者 Lana（@lanaaielsa）透露，開發此系統的動機源自真實市場教訓：去年 10 月 BSC 牛市期間，身邊友人因追逐暴富敘事投入 10 萬 USDT，行情回調後幾乎歸零；剩餘 1 萬 USDT 轉入鏈上繼續交易亦全數虧損，最終離場。隨著近期山寨幣討論熱度回升，Lana 判斷市場可能迎來新一輪做市（Market Making）行情。鑑於自身不熟悉二級市場交易與 K 線分析，他選擇以 AI 為核心構建一套自主運作的交易系統：由 Claude 協助編寫腳本，自動抓取幣安廣場高熱度貼文與頻繁討論幣種，並結合實時漲幅榜篩選具備明顯波動特徵的標的進行交易。系統初期採用 20% 固定止損，後優化為「單筆固定虧損上限 200 USDT」，且僅執行單一方向趨勢跟進策略。此外，「拉哪」亦自主負責在幣安廣場發布實盤紀錄、生成收益截圖及帳號營運。

看似簡單？實際深入剖析後可發現：「拉哪」並非單純自動下單腳本，而是一套具備完整交易邏輯與自我演化能力的操作系統。

「拉哪」如何實現穩定盈利？三大核心機制解析

1、三層篩選：嚴謹的標的選擇邏輯

從實際交易紀錄觀察，「拉哪」不預測行情，只追蹤已啟動之趨勢，專注捕捉明確上漲動能的幣種。歷次操作涵蓋：幣安人生、RAVE、ORDI、BASED、TRUMP、SIREN、1000SATS、1000RATS、EIGEN、PIXEL、EDGE、BAN、ASTER、AIA、FIGHT、GENIUS、CL、BTC、GIGGLE、HYPE、BLESS、PUMP、HEMI、CFX 等。

其篩選流程分為三個遞進層級：

首為輿論層：透過爬蟲即時監控幣安廣場貼文數量、討論頻率與情緒傾向，鎖定短時間內被密集提及的幣種；

次為價格層：僅當輿論熱度幣種同步出現在實時漲幅榜、並展現顯著價格波動時，才觸發下一階段評估——確認趨勢啟動概率；

終為OI（未平倉合約量）變化層：進一步篩選「OI 持續上升但價格尚未充分反應」的標的，藉此辨識潛在主力提前布局跡象。

2、精準可控：動態演化的止損機制

系統初期採用 20% 固定比例止損，後升級為「單筆最大虧損金額鎖定於約 200 USDT」——無論開倉規模大小，每筆交易風險敞口均受嚴格管控。

歷史紀錄顯示，絕大多數虧損皆落在此範圍內。少數例外如 GENIUS 單筆浮虧曾達 6880 USDT 仍未平倉；Lana 解釋：「GENIUS 屬新上市幣種，波動劇烈，故設定更寬鬆止損。早期以 500 USDT 對應 200 USDT 止損；後期仓位放大至 10,000 或 25,000 USDT 時，對應止損金額亦同步提高。」

3、靈活適應：基於概率重評的止盈邏輯

不同於止損的明確數值標準，「拉哪」並未設定固定止盈點位，而是透過週期性再評估機制決定是否延續持倉——例如每隔一段時間重新計算當前標的「上漲 vs 下跌」的相對概率。

本質上，系統持續自問：「若此刻空倉，我還會不會買進？」 若答案轉為否定，則逐步減倉或平倉。

數據顯示，整體利潤高度集中於少數幾檔幣種（如「幣安人生」、「RAVE」、「ORDI」），其餘多數交易則以微虧或微盈收場。

關鍵洞察： 「拉哪」並非靠每一筆交易獲利，而是透過極端嚴格的虧損控制 + 少數高爆發性單筆盈利，實現整體正向複利。

能否複製「拉哪」？可遷移的方法論架構

1、數據奠基：以真實盈利行為錨定策略基調

系統初始策略雛形，源於 Lana 對 Hyperliquid 上長期穩定盈利錢包操作行為的深度觀察——其中最關鍵共性是：堅持單一方向交易，避免頻繁多空切換。因此，餵給 AI 的核心訓練資料之一，正是這些「聰明錢包」的鏈上交易序列。同時整合基礎合約指標（如資金費率、OI 變化）與鏈上數據（如大額轉帳、巨鯨地址動向），協助 AI 從實戰案例中歸納出可複製的盈利框架。

除靜態歷史數據外，系統亦持續動態補充三類即時信號：

• 幣安廣場討論密度與話題焦點；
• 實時漲幅榜與價格波動強度；
• OI 變化等關鍵合約指標。

2、對話校準：透過持續反饋建立決策邊界

在 AI 掌握基礎交易模式後，下一步重點不在於增加資訊量，而在於篩選、權衡與約束——即為 AI 建立清晰、穩定的決策框架。

實際運作中，該框架並非一次性設定完成，而是透過「運行 → 反饋 → 修正」的循環逐步塑形。初期 AI 可能誤將短期熱度當作趨勢信號，或在方向判斷上反覆搖擺；但隨著實盤驗證與人工干預（如提示詞調整、結果回饋），偏差逐漸收斂，最終使決策穩定聚焦於符合策略本質的範疇。

3、行為蒸餾：賦予系統人性化的表達與風格

在完成數據輸入與框架搭建後，系統進一步引入「行為蒸餾（Behavioral Distillation）」：將操作者本人及 X 平台多位資深博主的公開貼文（含語氣、節奏、敘事邏輯）輸入模型，訓練 AI 學習具個人特色的表達方式。這使得「拉哪」不僅能理性決策，更能以貼近人類語境的方式產出實盤報告、收益圖表與社群互動內容。

若將整體建構過程拆解，實則是一場「造人」工程：

以真實鏈上數據為骨架，理解市場正在發生什麼； 以持續對話校準為筋骨，形成穩定可靠的判斷邊界； 以行為蒸餾為血肉，注入獨特表達與決策偏好。

最終誕生的，已不僅是工具，而是一個能在混沌市場中持續輸出一致、可驗證、可迭代之選擇的「拉哪」—— 它不依賴情緒，不試圖預測，僅以一套經反覆驗證的邏輯，參與市場、放大成果。