2026 年 1 月底，OpenClaw 爆火。一个月后，创始人 Peter Steinberger 加入 OpenAI，负责"下一代个人 Agent"。
很多人问：能不能用 OpenClaw 在 Polymarket 上交易？
能。 已经有人用 OpenClaw + Polymarket 单周赚了 $115K。
但怎么做到的？门槛在哪？这篇文章拆开讲。
OpenClaw 是一个自托管的个人 AI 助手。你通过 Telegram、WhatsApp、Discord 发消息给它，它能：
这不仅仅是投机。
在完成了开发和交易后，我不再把 Polymarket 仅仅看作一个套利场所。
本文作为终章，聊聊技术之外的思考。
海耶克说：“价格体系是一种传递信息的机制。”
Polymarket 证明了这一点。在大选期间，它的赔率比民调更准。
从“观点”到“资本”
Twitter 上的观点是免费的，噪音很大。
Polymarket 上的观点要付钱。
Skin in the Game（利益攸关） 天然过滤了噪音，留下了最纯粹的信息精华。
活得久，比赚得多更重要。
策略决定你赚什么，风控决定你能不能继续做下去。
很多人把风控放到最后补。实盘里应该反过来：每一轮下单前先过风控。
先说明一下：文里的数字都是示例，不是固定标准。你的账户大小、市场波动、下单速度不一样，参数就该不一样。
高频里最先要防的，不是方向看错，而是数据过期。
常见做法是给行情加一个“保质期”。超过时间就不下单。
两个市场在交易同一件事，却给出不同价格，这就是套利窗口。
在加密相关题材里，这件事发生得很频繁：币安先完成价格发现，预测市场后吸收信息。
所以这套策略的核心不是“预测方向”，而是利用两者的吸收速度差。
可以把它写成一句话：
可交易错价 = 外部市场价格发现速度 - 预测市场价格吸收速度
币安这种高流动性市场负责“先定价”，预测市场负责“后定价”。只要这段时滞稳定存在，错价窗口就会反复出现。
这是系列中最“硬核”的一篇。
我们将揭开 V5 机器人的核心盈利逻辑——双向做市（Two-Sided Market Making）。
这里没有玄学，只有数学。
预测市场有一个核心公理：
Yes Price + No Price = 1.0 (理论值)
如果市场上 Yes 卖 0.60，No 卖 0.40，这是完美平衡。
但实际上，订单簿往往是这样的：
技术只是工具，认知才是天花板。
经过一段时间的开发后，我才真正理解 Polymarket 究竟是个什么市场。
它不是股市，不是币圈。它是 二元期权（Binary Option） 的荒野。
传统市场是连续的。100 买入，跌到 90，亏 10%。
但预测市场是二元的。
最痛苦的不是写代码，而是推翻自己的想法。
在开发迭代中，我做了三个关键决策。每一次，都意味着要把之前的代码推倒重来。
最初的幻想：
预测市场是信息不对称的。只要盯着胜率高的巨鲸（Smart Money），他们买啥我买啥。
现实的打脸：
很多人把这类项目理解成“把策略写出来就行”。
真正跑过实盘后会发现，策略只是起点。真正决定生死的是三件事：数据是否新鲜、状态是否一致、失败能不能自动收敛。
这篇不讲大而空的心路历程，只讲 5 个版本里最关键的技术决策。
V1 很朴素：轮询大户地址，看到买单就跟。
# V1 思路（简化）
while True:
trades = requests.get(data_api).json()
if whale_bought(trades):
place_market_order()
time.sleep(1)
做交易系统，经常会看错问题。
表面看是“下单不够快”，实质是“状态不一致”。
串行下单就是这个误区最典型的样子：
# 串行发送两条腿
await self.place_order(yes_token)
await self.place_order(no_token)
EOA 是给人类用的，Proxy 才是给机器人的。
如果你坚持用 MetaMask（EOA）跑脚本，你会遇到三个死结：
要突破这些限制，我们需要引入 Relayer（中继器）。