Files

T

gavindiaz bb3f702cca docs: explain why forward P&L changes daily in AGENT.md

Added section explaining:
- Forward 30d P&L is a rolling window, changes every day
- Why numbers shift (window moves, sync_floors recalculates p80, git reset restores different backtest.json)
- Judgment rules: 1 week negative = observe, 2 weeks = demote, 3 weeks = kick
- Don't swap wallets based on one day's data - look at multi-week trends
- This is why weekly Friday review exists, not daily

2026-07-21 09:33:55 +08:00

20 KiB

Raw Blame History

AGENT.md - AI 代理协作指南：每周钱包 Review

本文档供 AI 代理（如 Claude）与人类协作完成每周钱包 review。人类从云端提供数据，AI 代理在本地分析并给出建议。

流程严格遵循原作者（GitHub: jaxperro）的方法论。

概览

每周五 Review 流程：

人类从云端拉数据 → AI 代理分析 → 人类决策 → 人类在云端执行

  ┌─────────────┐     ┌──────────────┐     ┌──────────┐     ┌──────────────┐
  │ 人类：从云端  │     │ AI：分析 5 个  │     │ 人类：   │     │ 人类：在云端  │
  │ 拉取 6 份数据 │ ──→ │ 维度 + 给建议 │ ──→ │ 最终决策 │ ──→ │ 执行变更     │
  └─────────────┘     └──────────────┘     └──────────┘     └──────────────┘

第一部分：钱包筛选的完整链路

三层结构

第一层：watch_sharps.json（自动，每天变）
  daily.sh 自动筛选：enumerate → collect → skill → conviction_scan → validate_timing
  产出：统计上"费后可复制"的钱包列表（最近 35 个）
  含义：这些钱包 PAST 表现好（in-sample）
  ⚠️ 不能直接用这个排名选钱包！copy_pnl 是历史数据算的

第二层：backtest.json（手动，相对稳定）
  人类从 watch_sharps 里挑候选，放进 backtest.json
  daily.sh 每天对 backtest.json 里的钱包跑 portfolio.py 前瞻回测
  含义：这些钱包的 FORWARD 表现被持续追踪（out-of-sample）
  ⚠️ 这是决策的核心数据源

第三层：copybot.paper.json / config.live.json（手动，最终跟单）
  从 backtest.json 里挑表现好的放进跟单配置
  bot 实际跟这些钱包的信念单
  含义：这些是"上场名单"

关键区别：copy_pnl vs 前瞻 realized

	copy_pnl（watch_sharps.json）	realized（portfolio.json）
是什么	用历史数据模拟"如果跟着赚多少"	实际回测"过去 30 天跟了之后赚多少"
数据类型	in-sample（用同一批数据算的）	out-of-sample（前瞻测试）
可信度	⚠️ 会骗人	✅ 真实
实例	oliman2 copy_pnl #1 (+4735)	oliman2 前瞻 realized -$143

实例证明：oliman2 在 watch_sharps 里 copy_pnl 排名 #1，但前瞻 30 天实际亏 $143。leegunner copy_pnl #2，前瞻亏 $180。前瞻 realized 才是决策依据。

第二部分：每周五 Review 流程

第 1 步：人类从云端拉取 6 份数据

人类在服务器上跑以下命令，把输出复制给 AI 代理：

数据 1：前瞻盈亏排名（最重要）

cd /opt/winning-wallet-finder/live && python3 portfolio.py --days 30 && python3 -c "
import json
d = json.load(open('portfolio.json'))
live_names = {'Kruto2027','0xbadaf319','1kto1m','Vahan88','LSB1','EdwardIN','lma0o0o0o','Coteykens'}
ws = d.get('wallets', [])
print('=== 30天前瞻盈亏排名 ===')
for w in sorted(ws, key=lambda x: x.get('realized',0), reverse=True):
    name = w.get('name','?')
    tag = 'LIVE' if name in live_names else 'bench'
    wr = w.get('won',0)/(w.get('bets',1))*100 if w.get('bets',0) > 0 else 0
    print(f'{name:20s} bets={w.get(\"bets\",0):3d} W={w.get(\"won\",0):2d} L={w.get(\"lost\",0):2d} S={w.get(\"sold\",0):2d} realized=\${w.get(\"realized\",0):+9.2f} winrate={wr:.0f}% [{tag}]')
print(f'\n总计: equity \${d[\"equity\"]:,.0f} | realized \${d[\"realized\"]:+,.0f} | {d[\"resolved_count\"]} resolved')
"

数据 2：watch_sharps 候选排名

cat /opt/winning-wallet-finder/live/watch_sharps.json | python3 -c "
import sys,json
data=json.load(sys.stdin)
data.sort(key=lambda w: w.get('copy_pnl',0), reverse=True)
print('=== watch_sharps 候选排名 ===')
for i,w in enumerate(data):
    name = w.get('name') or w.get('wallet','')[:10]
    win = w.get('conv_win')
    winstr = f'{win:.0f}%' if win is not None else '?'
    print(f'#{i+1:2d} {name:20s} copy_pnl+{w.get(\"copy_pnl\",0):5d} conv_win={winstr} fwd_win={w.get(\"fwd_win\",0):.0f}%')
print(f'\n总共 {len(data)} 个候选')
"

数据 3：当前跟单配置

echo "=== copybot.paper.json ===" && python3 -c "
import json
cfg = json.load(open('/opt/winning-wallet-finder/live/copybot.paper.json'))
for w in cfg['wallets']:
    pin = f' PIN={w[\"floor_pin\"]}' if w.get('floor_pin') else ''
    print(f'{w[\"name\"]:20s} floor=\${w.get(\"floor\",0):.0f}{pin}')
" && echo "=== config.live.json ===" && python3 -c "
import json
cfg = json.load(open('/opt/winning-wallet-finder/config.live.json'))
print(f'bankroll: \${cfg[\"bankroll_usd\"]}')
for w in cfg['wallets']:
    pin = f' PIN={w[\"floor_pin\"]}' if w.get('floor_pin') else ''
    print(f'{w[\"name\"]:20s} floor=\${w.get(\"floor\",0):.0f}{pin}')
"

数据 4：bench 观察区

python3 -c "
import json
live = {w['wallet'].lower() for w in json.load(open('/opt/winning-wallet-finder/live/copybot.paper.json'))['wallets']}
bt = json.load(open('/opt/winning-wallet-finder/live/backtest.json'))
bench = [w.get('name', w['wallet'][:10]) for w in bt['wallets'] if w['wallet'].lower() not in live]
print('bench 观察区:', ', '.join(bench))
print(f'backtest.json 总共 {len(bt[\"wallets\"])} 个钱包')
"

数据 5：live bot 最近表现

journalctl -u copybot-live --since "7 days ago" --no-pager | grep -E "^\[.*\] \[" | tail -20

数据 6：sync_floors 警告（floor 漂移）

grep -E "floor.*->|⚠.*floor" /opt/winning-wallet-finder/live/daily.log | tail -10

第 2 步：AI 代理分析（5 个维度）

AI 代理拿到 6 份数据后，按以下 5 个维度分析每个钱包：

维度 1：前瞻盈亏（权重 ★★★★★）

数据来源：数据 1 的 realized 列

判断规则：

realized > 0 且笔数 ≥ 10 -> ✅ 保留
realized > 0 但笔数 < 5 -> ⚠️ 样本不足，保留但观察
realized < 0 连续 2 周 -> ❌ 降级到 bench
realized < 0 第一周 -> ⚠️ 警告，下周再看

对比基准：LIVE 钱包的前瞻盈亏 vs bench 钱包的前瞻盈亏。如果某个 bench 钱包的前瞻盈亏明显高于某个 LIVE 钱包，考虑替换。

维度 2：copy_pnl（权重 ★★★★）

数据来源：数据 2 的 copy_pnl 列

判断规则：

copy_pnl > 0 且排名靠前 -> 候选
copy_pnl 跌出 watch_sharps -> ❌ 被自动淘汰，必须踢
⚠️ copy_pnl 高 ≠ 前瞻好（oliman2 的教训）

维度 3：信念胜率 conv_win（权重 ★★★）

数据来源：数据 2 的 conv_win 列

判断规则：

conv_win > 70% -> 优秀
conv_win 50-70% -> 正常
conv_win < 40% -> ⚠️ 信念单胜率低，谨慎
conv_win < 25% -> ❌ 建议踢（如 BikesAreTheBikes 21%）

维度 4：季节性催化剂 + niche 分析（权重 ★★）

数据来源：需要人类提供信息（AI 代理无法自动判断）+ 服务器上查 cache

人类需要告诉 AI：

某钱包主要交易什么类型的市场（电竞/足球/BTC/政治等）
是否有即将到来的赛事/事件（如 Esports World Cup、世界杯、选举等）

在服务器上查钱包 niche：

python3 -c "
import cache
bets = cache.get_bets('WALLET_ADDRESS')
from collections import Counter
titles = [b.get('title','?')[:30] for b in bets[-50:]]
# 看最近 50 笔交易的市场类型
for t in titles[-20:]:
    print(t)
"

判断规则：

niche 是 ITF 网球 / 三级电竞（CCT CS、Dota 2 EPL）-> ✅ 强 edge 信号（作者研究发现真正的 edge 集中在这些市场）
niche 有赛季/事件即将开始 -> 加分（如 AIcAIc 在电竞赛季）
niche 赛季结束 -> 减分
niche 是 5min BTC Up/Down -> ❌ 永不跟（结算比跟单快，跟不上）
niche 是高频 scalp（买入后几秒卖出）-> ❌ 不跟（scalper 的胜率是假的，复制后亏钱）
持仓时间 > 7 天才结算 -> ⚠️ 长持仓杀死复利（如 leegunner 7.6 天持仓，前瞻亏 $180）
入场价集中在 0.40-0.60 -> ✅ 真正的 50/50 市场（edge 来源）
入场价集中在 > 0.90 -> ⚠️ favorite-rider（赔率薄，手续费吃掉利润）

作者的研究结论（FINDINGS.md）：

最赚钱的钱包做的是低级别网球 + 三级电竞，入场价 ~0.50，提前 ~160 小时入场
这可能是"内幕信息"（比赛操纵相关），但因为入场早所以可以被复制
edge 可能随时消失：作者的一个顶级钱包在分析过程中突然从 API 消失了
每个月都可能是 edge 的最后一个月，每周重新评估，赚钱了就取出来

维度 5：floor 稳定性（权重 ★）

数据来源：数据 6 的 sync_floors 警告

判断规则：

无警告 -> 正常
⚠ floor X->Y 漂移 > 15% -> 建议钉死 floor_pin
已有 floor_pin -> 不受影响

第 3 步：AI 代理输出建议

AI 代理根据 5 个维度的分析，输出一份结构化建议：

=== 每周 Bench Review 建议 ===

当前 LIVE 钱包评估：
  [钱包名] 前瞻+$XXX 笔数XX 胜率XX% -> ✅保留 / ⚠️观察 / ❌降级
  ...

bench 晋升候选：
  [钱包名] 前瞻+$XXX 笔数XX 胜率XX% -> ⬆️建议晋升 / ❌不建议
  ...

floor 调整建议：
  [钱包名] floor $XX -> $YY 漂移大，建议钉 floor_pin=XX
  ...

季节性提醒：
  [钱包名] 的 [niche] 赛季 [即将开始/即将结束]
  ...

本周操作建议：
  1. [具体操作]
  2. [具体操作]
  ...

第 4 步：人类决策

人类根据 AI 建议做最终决策。AI 只建议，人类拍板。

第 5 步：人类在云端执行

晋升（bench -> live）

cd /opt/winning-wallet-finder

python3 -c "
import json
promote_name = 'WALLET_NAME'  # 改成要晋升的

bt = json.load(open('live/backtest.json'))
promote = next((w for w in bt['wallets'] if w.get('name') == promote_name), None)
if not promote:
    print(f'{promote_name} not found in backtest.json'); exit(1)

for path in ['live/copybot.paper.json', 'config.live.json']:
    cfg = json.load(open(path))
    if not any(w['wallet'].lower() == promote['wallet'].lower() for w in cfg['wallets']):
        cfg['wallets'].append({'wallet': promote['wallet'], 'name': promote['name'],
                                'class': 'volume', 'floor': 25.0})
        json.dump(cfg, open(path, 'w'), indent=2)
        print(f'{path}: added {promote_name}')
"

chown wwf:wwf live/copybot.paper.json config.live.json
systemctl restart copybot-paper copybot-live
sleep 10
journalctl -u copybot-live --since "10 seconds ago" --no-pager | grep "watching"

降级（live -> bench）

钱包留在 backtest.json 继续观察，只从跟单配置里删除：

cd /opt/winning-wallet-finder

python3 -c "
import json
demote_name = 'WALLET_NAME'  # 改成要降级的

for path in ['live/copybot.paper.json', 'config.live.json']:
    cfg = json.load(open(path))
    old = [w['name'] for w in cfg['wallets']]
    cfg['wallets'] = [w for w in cfg['wallets'] if w['name'] != demote_name]
    json.dump(cfg, open(path, 'w'), indent=2)
    print(f'{path}: {old} -> {[w[\"name\"] for w in cfg[\"wallets\"]]}')
"

chown wwf:wwf live/copybot.paper.json config.live.json
systemctl restart copybot-paper copybot-live

钉死 floor_pin

python3 -c "
import json
pin_name = 'WALLET_NAME'
pin_value = 80.0

for path in ['live/copybot.paper.json', 'config.live.json']:
    cfg = json.load(open(path))
    for w in cfg['wallets']:
        if w['name'] == pin_name:
            w['floor'] = pin_value
            w['floor_pin'] = pin_value
            print(f'{path}: {pin_name} floor_pin = {pin_value}')
    json.dump(cfg, open(path, 'w'), indent=2)
"

chown wwf:wwf live/copybot.paper.json config.live.json
systemctl restart copybot-paper copybot-live

更新 setup_wallets.py（记录变更）

改完钱包后，同步更新 live/setup_wallets.py 里的 OUR_WALLETS 数组，下次 sync-upstream 时不会丢。

第三部分：日志分析

怎么从日志发现问题

问题 1：钱包不跟单（FOLLOW 但不 OPEN）

# 看某个钱包最近的信号和跟单情况
journalctl -u copybot-live --since "24 hours ago" --no-pager | grep "WALLET_NAME"

日志关键字：

FOLLOW = 检测到信号，准备跟
skip = 跳过（看原因：< conviction floor / book unreliable / held before）
OPEN = 下单了
PENDING = 订单挂起中
pending expired unfilled = 订单没成交
re-quote retry = FAK 重试（作者新代码）
MISS = 信号太晚（跟不上了）

分析示例：

FOLLOW Vahan88: BUY JA Gaming @ 0.330 ($26)       <- 信号到了
BUY JA Gaming · ... - skip (held before we started) <- 但之前持仓过，不跟

结论：这个市场之前跟过又卖了，bot 不重复跟。正常。

FOLLOW LSB1: BUY Over @ 0.930 ($347)              <- 信号到了
OPEN Over · ... - skip (book unreliable spread 0.12) <- 价差太宽

结论：作者已删除 spread skip，如果还看到这个说明代码没更新。

问题 2：CASH≠CHAIN

journalctl -u copybot-live --since "24 hours ago" --no-pager | grep "CASH≠CHAIN"

CASH≠CHAIN $+0.02 -> 正常（手续费舍入）
CASH≠CHAIN $+1.00 -> 有订单未追踪，需要修（见问题排查文档）
作者新代码有 chain-balance gates，应该自动处理

问题 3：RTDS 断线

journalctl -u copybot-live --since "24 hours ago" --no-pager | grep "rtds"

rtds: connected -> 正常
rtds: stream down - reconnect -> 断线重连中
⚠ rtds down -> 持续断线，重启 bot

问题 4：某个钱包的 floor 漂移

# 看 sync_floors 的输出
grep "floor" /opt/winning-wallet-finder/live/daily.log | tail -10

pinned 8 trusted-p80 floors -> 正常
⚠ floor X->Y (p80) - was this a manual edit? -> 漂移大，考虑钉 floor_pin

怎么看某个钱包交易什么市场

# 看某个钱包最近的交易（从 cache 查）
python3 -c "
import cache
bets = cache.get_bets('WALLET_ADDRESS')
# 看最近 20 笔的市场名
for b in bets[-20:]:
    print(b.get('title','?')[:60], f'\${b.get(\"size\",0):.0f}', b.get('outcome','?'))
"

用途：

发现钱包的 niche（电竞/足球/BTC 等）
判断 niche 是否有季节性
发现 5min BTC 等不适合跟单的市场

第四部分：需要人类从云端提供的数据清单

每周五 review 时，人类需要从服务器拉取以下数据给 AI 代理：

编号	数据	命令	用途
1	前瞻盈亏排名	`portfolio.py --days 30` + 解析脚本	核心决策依据
2	watch_sharps 排名	`cat watch_sharps.json \| python3 ...`	候选池 + copy_pnl + conv_win
3	当前跟单配置	读 copybot.paper.json + config.live.json	确认当前 LIVE 列表 + floor
4	bench 观察区	读 backtest.json	确认 bench 列表
5	live bot 周表现	`journalctl -u copybot-live --since "7 days ago"`	跟单情况 + 异常
6	floor 漂移警告	`grep floor daily.log`	floor 稳定性
7	链上余额	`python3 -c "from polymarket import SecureClient..."`	确认资金状况
8	季节性信息	人类自行判断	电竞赛季/体育赛事/选举等

数据 1-6 用命令拉取，数据 7 用链上查询，数据 8 需要人类根据常识提供。

第五部分：AI 代理的工作规范

输入

人类会提供上述 6-8 份数据的输出文本。

分析规则

前瞻盈亏是第一优先级：realized > 0 才考虑保留，realized < 0 连续 2 周建议踢
copy_pnl 只是参考：不能单独用 copy_pnl 排名做决策（oliman2 教训）
信念胜率辅助判断：conv_win < 25% 是危险信号
季节性需要人类输入：AI 不能自己判断赛事时间
floor 漂移 > 15% 建议钉 pin：防止 paper/live 门槛不一致
不跟 5min BTC 等超短周期市场：跟单延迟来不及
新钱包 floor 先设 $25：等 sync_floors.py 自动算 p80

输出格式

=== 每周 Bench Review 报告 ===
日期：YYYY-MM-DD

一、LIVE 钱包评估（当前 N 个）
  1. [钱包名]
     前瞻: +$XXX (XX 笔, 胜率 XX%)
     copy_pnl: +XXXX (排名 #X)
     conv_win: XX%
     floor: $XX (pin: yes/no)
     判定: ✅保留 / ⚠️观察 / ❌降级
     理由: ...

  ...

二、BENCH 晋升候选
  1. [钱包名]
     前瞻: +$XXX (XX 笔)
     判定: ⬆️建议晋升 / ❌不建议
     理由: ...

  ...

三、FLOOR 调整建议
  [钱包名] $XX -> $YY (漂移 XX%) 建议钉 floor_pin=XX
  ...

四、季节性提醒
  ...

五、本周操作建议
  1. [具体操作 + 命令]
  2. ...
  （或：本周无需调整）

注意事项

AI 代理只做建议，不做决策--人类拍板
如果数据不完整（如某个钱包没有前瞻数据），明确指出缺失
如果发现异常（如 CASH≠CHAIN、RTDS 断线），在报告里提醒
如果 backtest.json 里缺少某个 LIVE 钱包，提醒人类添加
不要建议跟 imwalkinghere（5min BTC，跟单来不及）
不要只看 copy_pnl 排名：oliman2 copy_pnl #1 但前瞻亏 $143；leegunner copy_pnl #2 但前瞻亏 $180。前瞻 realized 才是决策依据
注意 niche：ITF 网球/三级电竞 = 真正 edge；5min BTC/高频 scalp = 不能跟；长持仓（>7天）杀死复利
edge 可能消失：钱包可能突然从 API 消失，每周重新评估，赚钱了建议人类取出来
胜率是骗人的：Polymarket 的胜率有幸存者偏差，90% 显示可能是 48% 实际。只有 Copy P&L 是真实的
小资金要集中：$1k 跟 10 个钱包会亏（资金不够覆盖信号），跟 5-8 个高信念钱包更好

前瞻盈亏会每天变（重要！）

前瞻 30d 盈亏是滚动窗口，每天都会变。 某个钱包今天 +$500、明天可能变成 -$200，这不代表钱包变差了，只是 30 天窗口移动了 + floor 可能被 sync_floors.py 重新算了。

为什么数字会变：

30 天窗口每天往后移一天，新的交易数据进来，旧的出去
sync_floors.py 每天重算 p80 门槛，不同门槛 = 不同信念单被选中 = 不同盈亏
git reset --hard 会恢复作者的 backtest.json（可能有不同的 floor 配置），导致回测结果不同

判断规则：

某一周前瞻负 -> ⚠️ 观察，不急着踢
连续 2 周前瞻负 -> ❌ 降级到 bench
连续 3 周前瞻负 -> ❌ 踢出
某钱包突然从 +$500 变成 -$500 -> 查日志看是不是 floor 漂移太大（需要钉 floor_pin）
不要因为一天的数据变化就换钱包--看几周的趋势

这就是为什么每周五做 bench review 而不是每天看：单天的数据波动大，一周的趋势才可靠。

附录：当前状态快照（2026-07-21）

LIVE 跟单（8 个）

钱包	前瞻 30d	copy_pnl	conv_win	floor	floor_pin	niche
EdwardIN	+$972	+818	89%	$25	-	综合
Vahan88	+$615	+3549	86%	$245	-	板球/体育
LSB1	+$574	+1281	91%	$315	-	瑞典足球
Kruto2027	+$557	+2274	67%	$80	✅ 80	综合
1kto1m	+$503	+531	98%	$332	-	BTC Up/Down
0xbadaf319	+$368	+1370	78%	$42	-	综合
lma0o0o0o	+$305	+667	71%	$25	-	待观察
Coteykens	待确认	+413	62%	$25	-	待观察

BENCH 观察（7 个）

钱包	前瞻 30d	状态	备注
imwalkinghere	+$263	❌ 永不跟	5min BTC，结算比跟单快
0xb0E43B	+$66	观察	作者 bench rev 5
BikesAreTheBikes	+$26	观察	conv_win 21% 偏低
gkmgkldfmg	+$23	观察	被 daily 淘汰出 watch_sharps
AIcAIc	-$24	观察	作者 07-16 重新加入（电竞赛季）
oliman2	-$143	❌ 不跟	copy_pnl #1 但前瞻亏
JuiceFarm	-$161	❌ 不跟	前瞻亏
leegunner	-$180	❌ 不跟	copy_pnl #2 但前瞻亏

此快照每周五 review 后更新。

20 KiB Raw Blame History Unescape Escape

AGENT.md - AI 代理协作指南：每周钱包 Review

概览

第一部分：钱包筛选的完整链路

三层结构

关键区别：copy_pnl vs 前瞻 realized

第二部分：每周五 Review 流程

第 1 步：人类从云端拉取 6 份数据

数据 1：前瞻盈亏排名（最重要）

数据 2：watch_sharps 候选排名

数据 3：当前跟单配置

数据 4：bench 观察区

数据 5：live bot 最近表现

数据 6：sync_floors 警告（floor 漂移）

第 2 步：AI 代理分析（5 个维度）

维度 1：前瞻盈亏（权重 ★★★★★）

维度 2：copy_pnl（权重 ★★★★）

维度 3：信念胜率 conv_win（权重 ★★★）

维度 4：季节性催化剂 + niche 分析（权重 ★★）

维度 5：floor 稳定性（权重 ★）

第 3 步：AI 代理输出建议

第 4 步：人类决策

第 5 步：人类在云端执行

晋升（bench -> live）

降级（live -> bench）

钉死 floor_pin

更新 setup_wallets.py（记录变更）

第三部分：日志分析

怎么从日志发现问题

问题 1：钱包不跟单（FOLLOW 但不 OPEN）

问题 2：CASH≠CHAIN

问题 3：RTDS 断线

问题 4：某个钱包的 floor 漂移

怎么看某个钱包交易什么市场

第四部分：需要人类从云端提供的数据清单

第五部分：AI 代理的工作规范

输入

分析规则

输出格式

注意事项

前瞻盈亏会每天变（重要！）

附录：当前状态快照（2026-07-21）

LIVE 跟单（8 个）

BENCH 观察（7 个）

20 KiB

Raw Blame History