Polymarket Agents是一個免費開源的Python框架，用於構建自主完成Polymarket預測交易市場中交易的AI代理。該框架集成Polymarket API從新聞和交易投注數據中提取信息，使用檢索增強生成（RAG）技術實現智能信息檢索，並提供大型語言模型（LLM）工具來實施各種交易策略-例如，當YES/NO類型交易對象的平均成本低於1美金時，識別此類具有穩定利潤和完整交易空間的低價目標。
使用該框架的核心優勢是：實現自動化交易，無需情感干擾，在市場定價失敗時立即捕捉套利機會，無需持續手動監控即可提高投資回報。
雖然大多數人工智慧應用仍然停留在「回答問題」和「生成內容」階段， 多元市場代理 將人工智慧推入了一個更現實和殘酷的場景--投注 用真錢展望未來.
這是一個開源的實驗項目，由 綜合市場 團隊的目標不是構建商業產品，而是探索問題：
如果人工智慧成為預測市場的參與者會發生什麼？
什麼是預測市場？
在了解代理商之前，您需要知道Polymarket在做什麼。
多元市場是一個 預測市場平台.
用戶可以圍繞現實世界的問題下注，例如：
- 候選人是否當選
- 政策是否會在一定時間之前通過
- 事件是否會發生
市場價格代表 對未來的集體概率判斷.
例如：
- YES的價格為0.63美金
- 市場認為事件發生的可能性為63%
多元市場代理？
多元市場代理 是一 AI Agent框架示例項目 這展示了如何構建：
AI智能體，可以自主獲取信息，分析事件，判斷概率，並在預測市場中自動交易
它不是Polymarket主網站的一部分，而是一個 獨立、開源、實驗性 代碼存儲庫。
換句話說：
- 多元市場=市場
- 代理=自動參與市場的「人工智慧玩家」
你在做什麼？
代理的基本工作流程可以簡化為四個步驟：
1.关注某个市场问题
2.获取外部信息（新闻、数据、推理）
3.使用 LLM 分析事件走向
4.數據判決進入/退出這裡的關鍵不在於「預測是否正確」，而是：
人工智慧能否不斷更新對概率的判斷並表達在市場行為中
代理設計想法
本項目採用 典型的代理架構而不是一次性提示.
每個代理通常包含：
狀態/記憶
- 當前位置
- 觀測信息
- 過去的判斷
工具
- 查詢市場數據
- 獲取外部信息
- 執行交易
法學碩士推理
- 分析新信息是否改變事件發生的概率
- 確定是否值得調整位置
這種設計允許代理成為 長期運作、不斷發展的決策機構.
對這個項目感興趣嗎？
人工智慧不再只是「輸出文本」
在這裡，人工智慧的輸出並不是一個完整的答案，而是：
- 買入或賣出
- 長或短
- 該行動是否得到市場驗證
這是 包含成本、反饋和後果的決定.
市場是一個天然的「評價體系」
與傳統基準不同：
- 無需人工評分
- 無需設計測試集
市場價格本身就是評價標準.
如果人工智慧犯了錯誤：
- 將直接反映在損益中
群體智能的試驗場
當多個代理同時運行時，問題自然會出現：
- 人工智慧會形成共識嗎？
- 它們會相互影響嗎？
- 人類還是人工智慧，誰更理性？
這些問題可以在預測市場中觀察到。
該項目的實驗性質？
需要強調的是：
Polymarket Agents不是一個成熟的產品
其特點包括：
- 部分研究/演示性質
- 代碼結構適用於發現服務
- 不追求交易策略的最大化
這是一個「提出問題比給出答案更重要」的項目。
Github：https://github.com/Polymarket/agents
管材：