Blockphd区块博士.Ai 🎒

最近我在做一个挺具体的实验：让一个 AI Wallet 自己管理 Robinhood Chain 上的 LP。 我想做的不是一个 APR 排行榜，也不是看到哪个池收益率高就自动往里冲，而是让 Agent 真正回答一个更现实的问题：现在这笔钱放在哪个池里，扣掉所有成本以后，最值得？ Robinhood Chain 上现在已经不只是美股 / USDG，还有 Meme / USDG、美股 / Meme，以及不同的 v3 / v4、新池和 fee tier。人工去盯这些池子最大的问题，不只是数量多，而是机会变化太快：今天收益最好的池，明天未必还是；一个池过去 24 小时看起来很赚钱，现在进去可能已经是最后一棒。 所以我先把整个系统拆成了几个环节。 第一步是自动发现池子。Agent 会持续扫描可投的 LP universe，把新出现的池也纳入候选，而不是只盯我已经知道的几个池。 第二步是筛选和排名，但这里我刻意不只看 APR。我会让它同时看 fee、成交量、TVL、volume / TVL、最近 1h / 6h 的成交持续性、波动率、IL、资金容量、fee tier、hook / 合约风险等因素。 然后资金再分成两层。一层是 Stable Sleeve，主要寻找流动性更深、成交更持续、波动相对可控的池，目标是比较稳定地赚 swap fee。另一层是 High-yield Sleeve，专门寻找 Meme、新池、高 fee、高 volume / TVL 这种短期高收益窗口。这部分可以更激进，但仓位、容量和退出条件会卡得更严格。 真正关键的是下一层：Ranking ≠ Entry。排名第一，不代表现在就应该交易。 我最近跑了一轮真实扫描，系统一共发现了 432 个池，对其中 60 个做了进一步检查，最后有 10 个进入候选排名。 里面有几个 High-yield 池的数字非常夸张。按过去 24 小时的数据做粗模型，其中一个池的净日化一度接近 88%，另外两个也超过了 40% 和 30%。如果只是做一个 APR Bot，这几个池肯定会排在最前面。 但继续看最近 1 小时和 6 小时的成交以后，结果就完全不一样了。有些池已经明显从爆量状态里冷下来，过去 24 小时很赚钱，不代表现在进去还能拿到同样的 fee。所以这一轮 High-yield 最后的决策是：不投。继续等。 Stable 这一边则筛出了一个 RDDT / USDG。粗模型看起来大概有 1.86% / day，但我很快又发现，仅仅用 Volume / TVL 去估算 concentrated LP 的收益还是太粗了。真正决定我能拿到多少手续费的，不是我占整个 TVL 的比例，而是我的 Position Liquidity 占当前 Active Liquidity 的比例。 把这一层也算进去以后，以大约 $174、±5% range 为例，按当时链上的 active liquidity 和成交数据估算，这笔仓位每天大约能拿到 $1.98 的 fee，再扣掉模型里的 IL，大概剩 $1.88 / day。 这个数字看起来还不错，但这依然不是最终利润。因为做 LP 不是点一下按钮就结束了。你还要考虑入场 swap、slippage、gas、approve / Permit2、mint、未来 rebalance、close，以及最后退出时重新换币的成本。 我继续把真实 funding route quote 出来以后发现，光当前两边资产的 swap 和 gas，粗略按完整进出计算就已经要吃掉大约 $2 左右，而且这还没有把后面的 mint / close 等所有成本全部算完。所以这个池最后也没有直接进入真钱执行。 这反而越来越接近我真正想做的东西。这个 Agent 的目标不是“每天必须交易”，而是：只有当预期赚到的钱，明显大于完整生命周期成本时，才允许 AI Wallet 占用资金。 高 APR 但成交已经衰退的池，要拒绝。收益率看起来不错，但本金太小、最后只能赚几毛几美元，而且来回操作成本很高的池，也应该拒绝。很多时候，AI 最有价值的能力不是帮你“自动下单”，而是帮你判断：这笔钱现在到底值不值得下。 目前这套自动 LP Agent 已经逐渐把这些模块接起来了：Pool Discovery、Stable / High-yield 双资金层、v3 / v4 池识别、Fee / Hook 风险检查、IL 模型、成交持续性判断、资金容量、Economic Entry Gate、Active Liquidity Fee Share、Swap / Mint Simulation、持仓 Readback、出区间判断、Rebalance，以及 Cross-pool Rotation。 执行链目前已经做到真钱签名 / 广播前。 下一步我想让它真正输出的，不再是“这个池 APR 最高”，而是更接近：Pool / 应该投多少钱 / 预计持有多久 / 预计能赚多少美元 / 完整成本多少 / 最终预期净利润多少。只有这个结果足够好，AI Wallet 才真正把钱投进去。 再往后，只要仓位跑起来，它还要继续自己管理。如果出区间，就重新计算新的 range 并 rebalance。如果还没出区间，但发现另一个同类池扣掉换池成本以后明显更赚钱，就考虑 rotation。如果没有值得做的池，就让钱继续待着。 我觉得这也是 AI 之后一个很有意思的变化。以前碰到这种高度个人化的需求，我们往往会去找：有没有 LP Manager？有没有 Auto Rebalance SaaS？有没有 Yield Optimizer？ 现在其实多了一个选择：先把自己的赚钱逻辑和风险规则定义清楚，然后让 AI 帮你把数据、判断、执行、监控和调整一点点接起来。 最后得到的不是一个给所有人用的“通用 LP 工具”，而是一套完全按照你自己的资金逻辑工作的 LP Agent。 接下来我会直接拿真钱继续验证这套东西。第一笔真实 LP 到底赚多少、模型和实际 fee 差多少、第一次自动出区间再平衡，以及第一次发现新池明显更赚钱以后如何自动换池，我都会继续记录。 AI × Crypto 这些实验也会持续更新： join.leolabs.me