預測市場 OpenClaw 實作手冊下篇：從配置到交易實戰

作者：Changan I Biteye内容团队

你上一次盯盤盯到幾點？

小編最長的一次，從美股開市一直盯到亞洲收盤，中間睡了兩小時，醒來發現自己錯過了一個完美的入場點。

小編就開始琢磨：這件事為什麼一定要人來做？

OpenClaw 接入 Hyperliquid 和 Polymarket 之后，把这个问题的答案测试了一遍。 有些东西比预期的顺，有些坑比预期的深。 這篇全寫在裡面了。

因為之前淋過雨，所以 Biteye 也想給你撐起一把傘。

這一章把安裝、設定、推播通知三件事一次說清楚，配置好之後就可以直接進入第二章的實戰部分。

• hyperliquid skill

• polymarket  skill

安裝完成後，確認 skill 已經被加載，可以訪問本地控制台頁面：左側代理欄→點擊 skill 

如果能看到剛安裝的 skill ，表示安裝成功。

此時部分 skill 會顯示 Save key，表示需要繼續設定 API 或私鑰，屬於正常現象，下一步需要填入對應的權限資訊。

要讓 AI 能下單，必須給它交易權限。

不要直接使用主帳戶，建議單獨開一個新帳戶作為測試，只放少量資金。

不同交易所取得方式不同，這裡給兩個例子。

1️⃣Hyperliquid

打开 Hyperliquid → More→ API

這裡可以產生一個 API 錢包，只有交易權限，無提現權限的錢包。

输入钱包名称→ 点击 Generate 即可获得 API key ，可自定义选择授权天数。

產生 API 錢包後，小編用血淚經驗告訴你：不需要向 API 錢包地址轉入任何資金，資金留在主帳戶即可。 （轉入 API 錢包的資金會流失）

配置時需要填兩個資訊：主帳號的錢包位址（API Key），以及 API 錢包產生時顯示的私密金鑰（API Secret）。 AI 透過 API 錢包簽名，操作的是主帳戶裡的資金。

測試方法，讓 OpenClaw 查詢帳戶餘額，在對話方塊輸入： "查詢我在 Hyperliquid 的目前餘額" 

如果能傳回具體數字，表示 API 配置正常。

2️⃣Polymarket

開啟 Polymarket 設定頁面：

Settings → Relayer API Keys → API key →點選 Create New

創建後會得到：

• RELAYER_API_KEY

• RELAYER_API_KEY_ADDRESS

• Signer Address

如果需要进行交易，还需要导出 signer 对应的钱包私钥，并填入配置中。

这里用 OKX钱包做演示：点击钱包左上角头像→管理钱包→查看私钥

再將私鑰與 API key 一起填入 OpenClaw 的 openclaw.json 檔案中，接下來開啟 openclaw.json（路徑一般在 C:Users你的使用者名稱.openclaw），在 env 欄位填入三項資料。

⚠️ 私鑰是最高權限憑證，不要截圖、不要發給任何人、不要有聊天記錄裡。

配置完 API 之后，还需要先完成一次链上授权。 最簡單的方法是：在 Polymarket 手動做一筆交易，例如買入 1 USDC 的部位。

配置完 API 之後，小龍蝦已經能交易了，但你總不能一直盯著電腦螢幕吧？

接入 Telegram 之後，無論是成交通知、報錯訊息，或是臨時想下一筆單，掏出手機就能搞定。 出门吃饭、睡前躺着，小龙虾该干嘛还是干嘛，你随时都知道它在做什么。

建立 Telegram bot：

回傳的 JSON 裡找 chat → id，那串數字就是你的 Chat ID。

再把两个参数填进配置：

• TELEGRAM_BOT_TOKEN

• TELEGRAM_CHAT_ID

然後測試：給我發一條測試訊息

如果 Telegram 能收到，表示推播成功。

如果無法收到，常見原因是代理或網路問題，需要在設定中填入 HTTPS 代理連接埠。

打开 openclaw.json 文件，加入：

{

  "HTTPS_PROXY": "https://127.0.0.1:你的連接埠",

  "HTTP_PROXY": "https://127.0.0.1:你的連接埠"

}

連接埠根據自己的代理軟體填入。

從 AlphaGo 大戰韓國圍棋選手李世石開始，人類就特別熱衷於與 AI 比賽。

去年 10 月，一家叫 Nof1 的 AI 研究機構搞了一場比賽，叫 Alpha Arena。 規則很簡單：給市面上的模型 $10,000 資金，放進 Hyperliquid 上自主交易永續合約，誰最後帳戶餘額最高誰贏。

前段時間 Aster 也舉辦了兩場"人類 vs AI"的實盤交易比賽，沒想到的是：兩場比賽居然都是 AI 勝利。

看完這個小編開始琢磨：能不能自己也接一個類似的鏈路，用 OpenClaw 在 Hyperliquid 上跑？

於是就有了下面兩個 skill。

去 ClawHub 搜了一下，找到了對應的 skill，安裝方式可以參考上篇的部署教學。

配置完後，可以直接用自然語言下單："在 Hyperliquid 上做多 ETH，10 倍槓桿，倉位 30%。"

但實際跑下來，沒有那麼順。

第一個問題是槓桿。 讓他開 10 倍，它開成了 20 倍，而且讓它重複改幾次都改不明白。 "10 倍槓桿"這種表述對 AI 來說有歧義，它會按自己對"合理槓桿"的判斷去調整。 後來改成更明確的指令，讓它下單前先回顯具體參數，確認後再執行，才穩定下來。

第二個問題是部位比例：對小龍蝦說"用餘額的 30%"，結果要麼全倉，要麼開了一個小得離譜的倉位。 後來直接告訴它具體金額，例如"開 200 USDC 的部位"，問題才解決。

小編最開始的目標是想重現 Alpha Arena 的模式：讓 Openclaw 像那些 AI 模型一樣全自動跑，24 小時不間斷，不需要盯著。

這條路理論上是走得通的，但需要先把策略寫成自然語言告訴 OpenClaw：什麼品種、什麼條件入場、倉位多少、止損在哪、什麼情況平倉。 它理解之後會以這套邏輯持續監控和執行，不需要你每次手動觸發。

但現階段，skill 生態的不成熟是一道真實的門檻。 你餵進去的策略再好，執行層出​​問題，結果也會跑偏，就像 Arena 裡的 AI 模型跑在 Hyperliquid 原生環境上，和透過第三方 skill 間接調用，穩定性完全不是一個量級。

這部分等 skill 生態成熟了，會重新再跑一遍。

在 Hyperliquid 上摸了一段時間之後，小編開始好奇：OpenClaw 在預測市場上的表現會怎麼樣？

兩個市場的底層邏輯其實挺像的，都是在給"某件事發生的機率"定價。 資訊來源是同一套，判斷框架也差不多，只是執行的地方不一樣。

上篇只用 PolyClaw 分析市場，沒有真正下單。 分析和下單之間有一道心理門檻，分析錯了沒有損失，下單錯了是真金白銀。 但這次想往前走一步。

於是依照第一章的設定流程把三個 key 填好、完成鏈上授權之後，讓 OpenClaw 幫忙找一個值得入場的機會。

它推過來一個市場：「聯準會 3 月會議後利率是否不變」，目前 YES 報價 $0.99，24 小時成交量 $2.4M，市場共識 99% 認為不變。 基本面也支撐這個判斷：通膨數據穩定，經濟成長溫和，聯準會近期態度偏鴿派但不急於降息。

下單前小編習慣先問一句："這個市場現在訂單簿深度如何？Spread 多少？適合買多少？"

OpenClaw 會分析目前買賣價差，Spread 太大的時候掛限價單能省不少不必要的損耗。

確認深度沒問題之後，告訴 Openclaw 是否買入、買入多少即可下單："買入 5 USDC 的 YES 部位。"

交易完成後查持倉也很直接："OpenClaw，我現在持有哪些倉位？"

從發現機會到完成下單，整個流程都在 OpenClaw 裡完成，不需要切換頁面，也不用忍受經常卡頓的 Polymarket 前端了。

Alpha Arena 裡那些 AI 模型，拿著 $10,000 在 Hyperliquid 上自己跑，不睡覺、不情緒化、不會因為虧了一張就亂了節奏。

以前這套基礎設施只有專業有技術背景的人才玩得起，現在 OpenClaw 把門檻拉到了普通人能進的位置。 你不需要會寫程式碼，不需要自己搭系統，一個自然語言指令就能讓 AI 替你執行。

工具已經在這裡了。

剩下的問題只有一個：你打算什麼時候開始。