AI 대리인은 진짜 돈을 만듭니다: 8 일 동안 1 00 U

최근에 AI 에이전트 거래 시스템 "무엇" 불에 설정, 그리고 그것은 단지 8 일 1 백만 U를 달성 하 고, 4 월 16, 총 계정 잔액 초과 250,000 U。

저자 Lana에 따르면@lanaaielsa에이 시스템에 대한 이유는 간단합니다。

지난 10 월, BSC 불에, 그는 부유 한의 추구에 100,000 우리를 보냈다 친구가 있었고, 나머지 거의 아무것도 잃지 않고 마지막으로 10,000 우리 체인에 돌아갔다. 가까운 미래에 야마모토에서 열에 대한 회복과 함께 그는 새로운 MM 단계에 들어갈 수 있다고 판단했다. 그는 이차 거래와 K-LINE 분석에 익숙하지 않았기 때문에 그는 AI를 사용하여 거래 시스템을 구축하기로 선택했습니다Claude 쓰기 스크립트를 가지고, 광장에서 높은 열 청구서를 잡아 HF와 통화를 논의하고, 변동을 화면으로 상승과 무역나는 모른다. 시스템은 20 퍼센트 컷오프로 시작하여 200 U의 고정 손실을 최적화하고 단일 방향으로 트렌드를 따릅니다. 그 의미에서그는 또한 Bian Square에서 실제 레코드를 발행, 수익 확인 생성, 운영 계정나는 모른다。

간단한 보기. 그러나 나는 신중하게 공부했다간단한 자동 스크립트는 아니지만 자체 거래 논리와 운영 체제입니다。

돈을 버는 방법

1. 가까운 선택 논리

거래 로그에서우리는 시장 상태를 예측하지 않습니다, 우리는 그들을 따라그것은 유행이다. 초점시작 통화 캡처나는 모른다. 대상은 다음을 포함합니다: CHEONAN LIFE, RAVE, ORDI, BASED, TRUMP, SIREN, 1000SATS, 1000 RATS, EIGEN, PIXEL, EDGE, BAN, ASTER, AIA, FIGHT, GENIUS, CL, BTC, GIGGLE, HIPE, BLESS, PUMP, HEMI, CFX。

검열 기준은 3개의 수준으로 광대하게 분할될 수 있습니다:

첫 번째공공의 의견게시물의 수, 토론의 빈도와 광장의 감정적인 방향은 캡처되지 않습니다, 그리고 짧은 시간에 반복적으로 언급 된 통화는 찾을 것입니다。

이름 *가격 층더 스크리닝은 대중적인 의견에 의해 선택된 통화가 상승과 표시된 변동에 나타나는 경우에만 트리거될 것입니다. 동향의 입증。

마지막으로, 관측을 통해OI (차 보유) 변경) "가입 주식을 포함하지만 가격에서 완전히 반영되지 않는"의 통화는 초기 배포에 사용할 수 있는지 결정하기 위해 상영되었습니다。

2. 손실의 중단의 명확한 기준

풀이 시작되는 시점에서 고정 20 %의 정지 손실을 사용하고 "고정 적층 레벨그것은 모든 거래, 아니 중요 얼마나 큰 그것은최대 손실은 대략 200입니다나는 모른다。

거래의 역사 기록에서 손실의 대부분은이 범위 내에서 집중되었다. 그러나 GENIUS와 같은 손실의 문턱을 넘어가는 목록도 있지만 여전히 평평하지 않고 Lana 자신이 설명합니다. "GENIUS는 새로운 통화이므로 통화는 더 휘발성이므로 일반적으로 500 U.S. 200이며 백 공간이 더 커지면 해당 금액이 더 높습니다."

3. 동적인 nogain 기준

손실과는 달리, 시스템은 고정 된 마진을 설정하지 않습니다, 주로 정기적 인 평가의 수단으로 계속 유지 여부를 결정하기 위해, 현재의 목표 상승의 확률을 회복하고 약간 시간에 떨어지는. 자주 묻는 질문:지금 공간이 없다면, 그것을 살 것이다

거래의 역사 자료의 관점에서, 이익의 광대한 대다수는 작은 손실 또는 작은 이익을 가진 “생존 생활”, “RAVE” “ORDI” 및 다른 대부분의 거래 끝과 같은 몇몇 통화에서 집중됩니다。

당신은 알아모든 단일 시트에 돈을 버는 대신, 그것은 시트의 작은 수에 돈을 벌, 가장 엄격한 중지 페이지를 수행。

당신은 어떻게 꺼내는 훈련? 방법론 재사용이 가능한가요

1 먹이는 자료의 톤

시스템의 초기 전략은 Lana의 수익성 지갑의 장기 안정화의 관측을 기반으로했다1개 이상 방향, 전환을 지키는 충분히 빈 일 것입니다. 그래서 AI 를 먹이십시오;가장 중요한 데이터 중 하나는 Hyperliquid의 스마트 지갑에서 거래입니다AI는 체계적으로 거래로 돈을 벌 수있는 방법을 배우자. 몇몇 기본적인 수축성 지시자 및 몇몇 사슬 자료는 또한 AI에 먹일 것입니다. 이 지갑의 작동을 이해함으로써 자체 프레임 워크를 개발할 수 있습니다。

물론, chained Actional data 외에도 시스템은 자체 검열 및 행동 데이터를 보완합니다

• (b) Bian Square의 토론과 핫스팟의 강도
• (b) 목록과 가격 변동 증가
• OO 변경 기반 계약 지표。

II. DIALOGUE를 위한 REVISED 작품

AI를 허용 한 후 기본 운영 기술을 배우기 위해 다음 단계는 더 많은 정보를 얻을 수 없습니다, 하지만 방법이 정보의 상영 및 포함, I.E. AI에 대한 명확한 의사 결정 프레임 워크 구축나는 모른다。

사용중인 방법으로 시스템의 판단 논리는 한 번 설정이 아니라 지속적인 작동 및 피드백에서 점차 진화 할 가능성이 더 높습니다. 초기 단계에서 AI는 추세 신호 또는 방향의 빈번한 전환과 같은 단일 신호의 기초에 판단 할 수 있습니다. 그러나, 그들은 깊이에 사용, 이러한 편차는 점차적으로 정확하고 그들의 결정은 더 전략적 맥락에서 집중된다。

3. Behavioural 증류 무역 작풍

데이터 입력 및 의사 결정 프레임 워크의 개발을 완료 한 후, 시스템은 "표준화 된 판단"의 수준에 남아 있었지만 대신 개별 행동의 더 증류를 도입했습니다. 운영자는 자신의 TWITTER 콘텐츠를 입력하고 X에서 다른 블로거의 시스템AI를 활성화하여 특정 표현을 배우기 위해나는 모른다. AI를 더 이상 감기 무역 기계, 적어도 표현의 수준, 더 인간 만드십시오。

전체 프로세스가 출발하면 한 사람 만들기와 같은 것이 더 많습니다。

초기 데이터에서 스켈레톤을 공급하여 시장이 무엇인지 이해하기 위해; 일정한 회고 및 바인딩 구조를 통해 판단의 안정된 마진으로 제공; 그리고 의사 결정 경로 및 환경에 더 가까운 결정을 내릴 수있는 행동 회고 세부 사항을 개발하기 위해。

궁극적으로, 그것은 구현 도구보다 더 많은 것이지만 복잡한 시장에서 일관성있는 선택을 할 수있는 "pull-a-go"입니다。

감정에 의존하지 않고 예측을 추구하지 않습니다. 그러나 시장과 검증 된 방법으로 결과를 확대합니다。