ইথেরিয়ামে আপনার নিজস্ব এআই ট্রেডিং এজেন্ট তৈরি করুন

এআই

ট্রেডিং

এজেন্ট

Python

মধ্যবর্তী

ওরি পোমেরান্টজ

13 ফেব্রুয়ারী, 2026

23 মিনিট পড়ার সময়

এই টিউটোরিয়ালে আপনি শিখবেন কীভাবে একটি সাধারণ এআই ট্রেডিং এজেন্ট তৈরি করতে হয়। এই এজেন্ট নিচের ধাপগুলো ব্যবহার করে কাজ করে:

একটি টোকেনের বর্তমান এবং অতীতের দাম, সেইসাথে অন্যান্য সম্ভাব্য প্রাসঙ্গিক তথ্য পড়া
এই তথ্যগুলোর সাথে ব্যাকগ্রাউন্ড তথ্য যোগ করে একটি কোয়েরি তৈরি করা, যাতে বোঝানো যায় এটি কীভাবে প্রাসঙ্গিক হতে পারে
কোয়েরি জমা দেওয়া এবং একটি সম্ভাব্য দাম ফেরত পাওয়া
সুপারিশের ওপর ভিত্তি করে ট্রেড করা
অপেক্ষা করা এবং পুনরাবৃত্তি করা

এই এজেন্ট দেখায় কীভাবে তথ্য পড়তে হয়, সেটিকে এমন একটি কোয়েরিতে রূপান্তর করতে হয় যা একটি ব্যবহারযোগ্য উত্তর দেয় এবং সেই উত্তরটি ব্যবহার করতে হয়। এগুলোর সবই একটি এআই এজেন্টের জন্য প্রয়োজনীয় ধাপ। এই এজেন্টটি Python-এ তৈরি করা হয়েছে কারণ এটি এআই-তে ব্যবহৃত সবচেয়ে সাধারণ ভাষা।

এটি কেন করবেন?

স্বয়ংক্রিয় ট্রেডিং এজেন্টগুলো ডেভেলপারদের একটি ট্রেডিং কৌশল নির্বাচন এবং কার্যকর করার সুযোগ দেয়। এআই এজেন্টগুলো আরও জটিল এবং ডায়নামিক ট্রেডিং কৌশলের সুযোগ দেয়, যা সম্ভবত এমন তথ্য এবং অ্যালগরিদম ব্যবহার করে যা ডেভেলপার হয়তো ব্যবহার করার কথা ভাবেনওনি।

টুলস

এই টিউটোরিয়ালে কোট (quote) এবং ট্রেডিংয়ের জন্য Python (নতুন ট্যাবে খোলে), Web3 লাইব্রেরি (নতুন ট্যাবে খোলে) এবং ইউনিসোয়াপ v3 (নতুন ট্যাবে খোলে) ব্যবহার করা হয়েছে।

Python কেন?

এআই-এর জন্য সবচেয়ে বেশি ব্যবহৃত ভাষা হলো Python (নতুন ট্যাবে খোলে), তাই আমরা এখানে এটি ব্যবহার করছি। আপনি যদি Python না জানেন তবে চিন্তা করবেন না। ভাষাটি খুব স্পষ্ট, এবং এটি ঠিক কী করে তা আমি ব্যাখ্যা করব।

Web3 লাইব্রেরি (নতুন ট্যাবে খোলে) হলো সবচেয়ে সাধারণ Python ইথেরিয়াম API। এটি ব্যবহার করা বেশ সহজ।

ব্লকচেইনে ট্রেডিং

ইথেরিয়ামে টোকেন ট্রেড করার জন্য অনেক ডিস্ট্রিবিউটেড এক্সচেঞ্জ (DEX) রয়েছে। তবে, আর্বিট্রেজ (arbitrage)-এর কারণে সেগুলোর এক্সচেঞ্জ রেট প্রায় একই রকম থাকে।

ইউনিসোয়াপ (নতুন ট্যাবে খোলে) হলো একটি বহুল ব্যবহৃত DEX যা আমরা কোট (টোকেনের আপেক্ষিক মান দেখতে) এবং ট্রেড উভয়ের জন্যই ব্যবহার করতে পারি।

OpenAI

একটি লার্জ ল্যাঙ্গুয়েজ মডেলের জন্য, আমি OpenAI (নতুন ট্যাবে খোলে) দিয়ে শুরু করার সিদ্ধান্ত নিয়েছি। এই টিউটোরিয়ালের অ্যাপ্লিকেশনটি চালানোর জন্য আপনাকে API অ্যাক্সেসের জন্য অর্থ প্রদান করতে হবে। ন্যূনতম $5 পেমেন্ট যথেষ্টর চেয়েও বেশি।

ধাপে ধাপে ডেভেলপমেন্ট

ডেভেলপমেন্ট সহজ করার জন্য, আমরা ধাপে ধাপে এগোব। প্রতিটি ধাপ হলো GitHub-এর একটি ব্রাঞ্চ।

শুরু করা

UNIX বা Linux-এর (যার মধ্যে WSL (নতুন ট্যাবে খোলে) অন্তর্ভুক্ত) অধীনে শুরু করার জন্য কিছু ধাপ রয়েছে

যদি আপনার কাছে আগে থেকে না থাকে, তবে Python (নতুন ট্যাবে খোলে) ডাউনলোড এবং ইনস্টল করুন।

GitHub রিপোজিটরিটি ক্লোন করুন।

git clone https://github.com/qbzzt/260215-ai-agent.git -b 01-getting-started
cd 260215-ai-agent

uv (নতুন ট্যাবে খোলে) ইনস্টল করুন। আপনার সিস্টেমে কমান্ডটি ভিন্ন হতে পারে।
```
pipx install uv
```
লাইব্রেরিগুলো ডাউনলোড করুন।
```
uv sync
```
ভার্চুয়াল এনভায়রনমেন্ট অ্যাক্টিভেট করুন।
```
source .venv/bin/activate
```
Python এবং Web3 সঠিকভাবে কাজ করছে কিনা তা যাচাই করতে, python3 রান করুন এবং এটিকে এই প্রোগ্রামটি দিন। আপনি এটি >>> প্রম্পটে লিখতে পারেন; কোনো ফাইল তৈরি করার প্রয়োজন নেই।
```
from web3 import Web3
MAINNET_URL = "https://eth.drpc.org"
w3 = Web3(Web3.HTTPProvider(MAINNET_URL))
w3.eth.block_number
quit()
```

ব্লকচেইন থেকে পড়া

পরবর্তী ধাপ হলো ব্লকচেইন থেকে পড়া। এটি করার জন্য, আপনাকে 02-read-quote ব্রাঞ্চে যেতে হবে এবং তারপর প্রোগ্রামটি রান করার জন্য uv ব্যবহার করতে হবে।

git checkout 02-read-quote
uv run agent.py

আপনি Quote অবজেক্টের একটি তালিকা পাবেন, যার প্রতিটিতে একটি টাইমস্ট্যাম্প, একটি দাম এবং অ্যাসেট (বর্তমানে সর্বদা WETH/USDC) থাকবে।

নিচে লাইন-বাই-লাইন ব্যাখ্যা দেওয়া হলো।

from web3 import Web3
from web3.contract import Contract
from decimal import Decimal, ROUND_HALF_UP
from dataclasses import dataclass
from datetime import datetime, timezone
from pprint import pprint
import time
import functools
import sys

আমাদের প্রয়োজনীয় লাইব্রেরিগুলো ইমপোর্ট করুন। এগুলো যখন ব্যবহার করা হবে তখন নিচে ব্যাখ্যা করা হবে।

print = functools.partial(print, flush=True)

Python-এর print-কে এমন একটি ভার্সন দিয়ে প্রতিস্থাপন করে যা সর্বদা আউটপুট সাথে সাথে ফ্লাশ করে। এটি একটি দীর্ঘ সময় ধরে চলা স্ক্রিপ্টে দরকারী কারণ আমরা স্ট্যাটাস আপডেট বা ডিবাগিং আউটপুটের জন্য অপেক্ষা করতে চাই না।

MAINNET_URL = "https://eth.drpc.org"

মেইননেট-এ যাওয়ার জন্য একটি URL। আপনি নোড অ্যাজ আ সার্ভিস থেকে একটি পেতে পারেন অথবা Chainlist (নতুন ট্যাবে খোলে)-এ বিজ্ঞাপিত যেকোনো একটি ব্যবহার করতে পারেন।

BLOCK_TIME_SECONDS = 12
MINUTE_BLOCKS = int(60 / BLOCK_TIME_SECONDS)
HOUR_BLOCKS = MINUTE_BLOCKS * 60
DAY_BLOCKS = HOUR_BLOCKS * 24

একটি ইথেরিয়াম মেইননেট ব্লক সাধারণত প্রতি 12 সেকেন্ডে তৈরি হয়, তাই এগুলো হলো একটি নির্দিষ্ট সময়ের মধ্যে আমরা যে সংখ্যক ব্লক আশা করতে পারি। মনে রাখবেন যে এটি কোনো সঠিক সংখ্যা নয়। যখন ব্লক প্রস্তাবক ডাউন থাকে, তখন সেই ব্লকটি এড়িয়ে যাওয়া হয় এবং পরবর্তী ব্লকের জন্য সময় হয় 24 সেকেন্ড। আমরা যদি একটি টাইমস্ট্যাম্পের জন্য সঠিক ব্লকটি পেতে চাই, তবে আমরা বাইনারি সার্চ (নতুন ট্যাবে খোলে) ব্যবহার করব। তবে, আমাদের উদ্দেশ্যের জন্য এটি যথেষ্ট কাছাকাছি। ভবিষ্যৎবাণী করা কোনো নিখুঁত বিজ্ঞান নয়।

CYCLE_BLOCKS = DAY_BLOCKS

সাইকেলের আকার। আমরা প্রতি সাইকেলে একবার কোটগুলো পর্যালোচনা করি এবং পরবর্তী সাইকেলের শেষে মান অনুমান করার চেষ্টা করি।

# আমরা যে পুলটি পড়ছি তার ঠিকানা
WETHUSDC_ADDRESS = Web3.to_checksum_address("0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640")

কোটের মানগুলো 0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640 (নতুন ট্যাবে খোলে) ঠিকানায় থাকা ইউনিসোয়াপ 3 USDC/WETH পুল থেকে নেওয়া হয়েছে। এই ঠিকানাটি ইতিমধ্যেই চেকসাম ফর্মে রয়েছে, তবে কোডটিকে পুনরায় ব্যবহারযোগ্য করার জন্য Web3.to_checksum_address (নতুন ট্যাবে খোলে) ব্যবহার করা ভালো।

POOL_ABI = [
    { "name": "slot0", ... },
    { "name": "token0", ... },
    { "name": "token1", ... },
]

ERC20_ABI = [
    { "name": "symbol", ... },
    { "name": "decimals", ... }
]

এগুলো হলো সেই দুটি কন্ট্রাক্টের ABI (নতুন ট্যাবে খোলে) যার সাথে আমাদের যোগাযোগ করতে হবে। কোডটি সংক্ষিপ্ত রাখার জন্য, আমরা কেবল সেই ফাংশনগুলো অন্তর্ভুক্ত করি যেগুলো আমাদের কল করতে হবে।

w3 = Web3(Web3.HTTPProvider(MAINNET_URL))

Web3 (নতুন ট্যাবে খোলে) লাইব্রেরি ইনিশিয়েট করুন এবং একটি ইথেরিয়াম নোড-এর সাথে কানেক্ট করুন।

@dataclass(frozen=True)
class ERC20Token:
    address: str
    symbol: str
    decimals: int
    contract: Contract

Python-এ ডেটা ক্লাস তৈরি করার এটি একটি উপায়। কন্ট্রাক্টের সাথে কানেক্ট করার জন্য Contract (নতুন ট্যাবে খোলে) ডেটা টাইপ ব্যবহার করা হয়। (frozen=True) লক্ষ্য করুন। Python-এ বুলিয়ান (booleans) (নতুন ট্যাবে খোলে) True বা False হিসেবে সংজ্ঞায়িত করা হয়, যার প্রথম অক্ষর বড় হাতের হয়। এই ডেটা ক্লাসটি হলো frozen, যার মানে ফিল্ডগুলো পরিবর্তন করা যাবে না।

ইনডেন্টেশন লক্ষ্য করুন। C-ভিত্তিক ভাষাগুলোর (নতুন ট্যাবে খোলে) বিপরীতে, Python ব্লক বোঝাতে ইনডেন্টেশন ব্যবহার করে। Python ইন্টারপ্রেটার জানে যে নিচের সংজ্ঞাটি এই ডেটা ক্লাসের অংশ নয় কারণ এটি ডেটা ক্লাসের ফিল্ডগুলোর মতো একই ইনডেন্টেশনে শুরু হয়নি।

@dataclass(frozen=True)
class PoolInfo:
    address: str
    token0: ERC20Token
    token1: ERC20Token
    contract: Contract
    asset: str
    decimal_factor: Decimal = 1

দশমিক ভগ্নাংশগুলো সঠিকভাবে পরিচালনা করার জন্য Decimal (নতুন ট্যাবে খোলে) টাইপ ব্যবহার করা হয়।

    def get_price(self, block: int) -> Decimal:

Python-এ একটি ফাংশন সংজ্ঞায়িত করার এটিই উপায়। সংজ্ঞাটি ইনডেন্ট করা হয়েছে যাতে বোঝা যায় এটি এখনও PoolInfo-এর অংশ।

একটি ডেটা ক্লাসের অংশ এমন একটি ফাংশনে প্রথম প্যারামিটারটি সর্বদা self হয়, যা হলো ডেটা ক্লাস ইনস্ট্যান্স যা এখানে কল করেছে। এখানে আরেকটি প্যারামিটার রয়েছে, ব্লক নম্বর।

        assert block <= w3.eth.block_number, "Block is in the future"

আমরা যদি ভবিষ্যৎ পড়তে পারতাম, তবে ট্রেডিংয়ের জন্য আমাদের এআই-এর প্রয়োজন হতো না।

        sqrt_price_x96 = Decimal(self.contract.functions.slot0().call(block_identifier=block)[0])

Web3 থেকে EVM-এ একটি ফাংশন কল করার সিনট্যাক্স হলো এটি: <contract object>.functions.<function name>().call(<parameters>)। প্যারামিটারগুলো হতে পারে EVM ফাংশনের প্যারামিটার (যদি থাকে; এখানে নেই) অথবা ব্লকচেইনের আচরণ পরিবর্তন করার জন্য নেমড প্যারামিটার (নতুন ট্যাবে খোলে)। এখানে আমরা একটি ব্যবহার করছি, block_identifier, যাতে আমরা যে ব্লক নম্বরে রান করতে চাই তা নির্দিষ্ট করতে পারি।

ফলাফল হলো এই স্ট্রাক্ট, অ্যারে ফর্মে (নতুন ট্যাবে খোলে)। প্রথম মানটি হলো দুটি টোকেনের মধ্যে এক্সচেঞ্জ রেটের একটি ফাংশন।

        raw_price = (sqrt_price_x96 / Decimal(2**96)) ** 2

অনচেইন ক্যালকুলেশন কমানোর জন্য, ইউনিসোয়াপ v3 আসল এক্সচেঞ্জ ফ্যাক্টর সংরক্ষণ করে না বরং এর স্কয়ার রুট সংরক্ষণ করে। যেহেতু EVM ফ্লোটিং পয়েন্ট ম্যাথ বা ভগ্নাংশ সমর্থন করে না, তাই আসল মানের পরিবর্তে, রেসপন্স হলো $\sqrt{price} \cdot 2^{96}$

         # (প্রতি টোকেন0-তে টোকেন1)
        return 1/(raw_price * self.decimal_factor)

আমরা যে র (raw) দাম পাই তা হলো প্রতিটি token1-এর জন্য আমরা যে পরিমাণ token0 পাই। আমাদের পুলে token0 হলো USDC (স্টেবলকয়েন যার মান একটি ইউএস ডলারের সমান) এবং token1 হলো WETH (নতুন ট্যাবে খোলে)। আমরা আসলে যে মানটি চাই তা হলো প্রতি WETH-এর জন্য ডলারের পরিমাণ, এর বিপরীতটি নয়।

ডেসিমাল ফ্যাক্টর হলো দুটি টোকেনের ডেসিমাল ফ্যাক্টরগুলোর (নতুন ট্যাবে খোলে) অনুপাত।

@dataclass(frozen=True)
class Quote:
    timestamp: str
    price: Decimal
    asset: str

এই ডেটা ক্লাসটি একটি কোট উপস্থাপন করে: একটি নির্দিষ্ট সময়ে একটি নির্দিষ্ট অ্যাসেটের দাম। এই মুহূর্তে, asset ফিল্ডটি অপ্রাসঙ্গিক কারণ আমরা একটি একক পুল ব্যবহার করি এবং তাই আমাদের একটি একক অ্যাসেট রয়েছে। তবে, আমরা পরে আরও অ্যাসেট যোগ করব।

def read_token(address: str) -> ERC20Token:
    token = w3.eth.contract(address=address, abi=ERC20_ABI)
    symbol = token.functions.symbol().call()
    decimals = token.functions.decimals().call()

    return ERC20Token(
        address=address,
        symbol=symbol,
        decimals=decimals,
        contract=token
    )

এই ফাংশনটি একটি ঠিকানা নেয় এবং সেই ঠিকানায় থাকা টোকেন কন্ট্রাক্ট সম্পর্কে তথ্য ফেরত দেয়। একটি নতুন Web3 Contract (নতুন ট্যাবে খোলে) তৈরি করতে, আমরা w3.eth.contract-এ ঠিকানা এবং ABI প্রদান করি।

def read_pool(address: str) -> PoolInfo:
    pool_contract = w3.eth.contract(address=address, abi=POOL_ABI)
    token0Address = pool_contract.functions.token0().call()
    token1Address = pool_contract.functions.token1().call()
    token0 = read_token(token0Address)
    token1 = read_token(token1Address)

    return PoolInfo(
        address=address,
        asset=f"{token1.symbol}/{token0.symbol}",
        token0=token0,
        token1=token1,
        contract=pool_contract,
        decimal_factor=Decimal(10) ** Decimal(token0.decimals - token1.decimals)
    )

এই ফাংশনটি একটি নির্দিষ্ট পুল (নতুন ট্যাবে খোলে) সম্পর্কে আমাদের প্রয়োজনীয় সবকিছু ফেরত দেয়। f"<string>" সিনট্যাক্সটি হলো একটি ফরম্যাটেড স্ট্রিং (নতুন ট্যাবে খোলে)।

def get_quote(pool: PoolInfo, block_number: int = None) -> Quote:

একটি Quote অবজেক্ট পান। block_number-এর ডিফল্ট মান হলো None (কোনো মান নেই)।

    if block_number is None:
        block_number = w3.eth.block_number

যদি কোনো ব্লক নম্বর নির্দিষ্ট করা না থাকে, তবে w3.eth.block_number ব্যবহার করুন, যা হলো সর্বশেষ ব্লক নম্বর। এটি হলো একটি if স্টেটমেন্টের (নতুন ট্যাবে খোলে) সিনট্যাক্স।

এটি দেখে মনে হতে পারে যে ডিফল্ট মানটি কেবল w3.eth.block_number সেট করা ভালো হতো, তবে এটি ভালোভাবে কাজ করে না কারণ এটি ফাংশনটি সংজ্ঞায়িত করার সময়ের ব্লক নম্বর হবে। একটি দীর্ঘ সময় ধরে চলা এজেন্টে, এটি একটি সমস্যা হবে।

    block = w3.eth.get_block(block_number)
    price = pool.get_price(block_number)
    return Quote(
        timestamp=datetime.fromtimestamp(block.timestamp, timezone.utc).isoformat(),
        price=price.quantize(Decimal("0.01")),
        asset=pool.asset
    )

এটিকে মানুষ এবং লার্জ ল্যাঙ্গুয়েজ মডেল (LLM)-এর পড়ার উপযোগী একটি ফরম্যাটে রূপান্তর করতে datetime লাইব্রেরি (নতুন ট্যাবে খোলে) ব্যবহার করুন। মানটিকে দুই দশমিক স্থান পর্যন্ত রাউন্ড করতে Decimal.quantize (নতুন ট্যাবে খোলে) ব্যবহার করুন।

def get_quotes(pool: PoolInfo, start_block: int, end_block: int, step: int) -> list[Quote]:

Python-এ আপনি list[<type>] ব্যবহার করে এমন একটি তালিকা (list) (নতুন ট্যাবে খোলে) সংজ্ঞায়িত করতে পারেন যা কেবল একটি নির্দিষ্ট টাইপ ধারণ করতে পারে।

    quotes = []
    for block in range(start_block, end_block + 1, step):

Python-এ একটি for লুপ (নতুন ট্যাবে খোলে) সাধারণত একটি তালিকার ওপর ইটারেট করে। কোট খোঁজার জন্য ব্লক নম্বরগুলোর তালিকা range (নতুন ট্যাবে খোলে) থেকে আসে।

        quote = get_quote(pool, block)
        quotes.append(quote)
    return quotes

প্রতিটি ব্লক নম্বরের জন্য, একটি Quote অবজেক্ট পান এবং এটিকে quotes তালিকায় যুক্ত করুন। তারপর সেই তালিকাটি ফেরত দিন।

pool = read_pool(WETHUSDC_ADDRESS)
quotes = get_quotes(
    pool,
    w3.eth.block_number - 12*CYCLE_BLOCKS,
    w3.eth.block_number,
    CYCLE_BLOCKS
)

pprint(quotes)

এটি হলো স্ক্রিপ্টের মূল কোড। পুলের তথ্য পড়ুন, 12টি কোট পান এবং সেগুলোকে pprint (নতুন ট্যাবে খোলে) করুন।

একটি প্রম্পট তৈরি করা

এরপর, আমাদের এই কোটগুলোর তালিকাকে একটি LLM-এর জন্য প্রম্পটে রূপান্তর করতে হবে এবং একটি প্রত্যাশিত ভবিষ্যৎ মান পেতে হবে।

git checkout 03-create-prompt
uv run agent.py

আউটপুটটি এখন একটি LLM-এর জন্য প্রম্পট হতে চলেছে, যা অনেকটা এরকম:

এই কোটগুলো দেওয়া হলো:
অ্যাসেট: WETH/USDC
        2026-01-20T16:34 3016.21
        .
        .
        .
        2026-02-01T17:49 2299.10

অ্যাসেট: WBTC/WETH
        2026-01-20T16:34 29.84
        .
        .
        .
        2026-02-01T17:50 33.46


2026-02-02T17:56 সময়ে WETH/USDC-এর মান কত হবে বলে আপনি আশা করেন?

অন্য কোনো টেক্সট ছাড়া, আপনার উত্তরটি দুই দশমিক স্থান পর্যন্ত রাউন্ড করা একটি একক সংখ্যা হিসেবে প্রদান করুন।

লক্ষ্য করুন যে এখানে দুটি অ্যাসেটের কোট রয়েছে, WETH/USDC এবং WBTC/WETH। অন্য একটি অ্যাসেট থেকে কোট যোগ করলে প্রেডিকশনের নির্ভুলতা উন্নত হতে পারে।

একটি প্রম্পট দেখতে কেমন হয়

এই প্রম্পটে তিনটি বিভাগ রয়েছে, যা LLM প্রম্পটগুলোতে বেশ সাধারণ।

তথ্য। LLM-গুলোর কাছে তাদের ট্রেনিং থেকে অনেক তথ্য থাকে, তবে সাধারণত তাদের কাছে সর্বশেষ তথ্য থাকে না। এই কারণেই আমাদের এখানে সর্বশেষ কোটগুলো পুনরুদ্ধার করতে হবে। একটি প্রম্পটে তথ্য যোগ করাকে রিট্রিভাল অগমেন্টেড জেনারেশন (RAG) (নতুন ট্যাবে খোলে) বলা হয়।
আসল প্রশ্ন। এটিই আমরা জানতে চাই।
আউটপুট ফরম্যাটিং নির্দেশাবলী। সাধারণত, একটি LLM আমাদের একটি অনুমান দেবে এবং সাথে ব্যাখ্যা করবে কীভাবে এটি সেখানে পৌঁছেছে। এটি মানুষের জন্য ভালো, তবে একটি কম্পিউটার প্রোগ্রামের কেবল মূল ফলাফলটি প্রয়োজন।

কোড ব্যাখ্যা

নিচে নতুন কোড দেওয়া হলো।

from datetime import datetime, timezone, timedelta

আমরা যে সময়ের জন্য একটি অনুমান চাই তা আমাদের LLM-কে প্রদান করতে হবে। ভবিষ্যতে "n মিনিট/ঘণ্টা/দিন" সময় পেতে, আমরা timedelta ক্লাস (নতুন ট্যাবে খোলে) ব্যবহার করি।

# আমরা যে পুলগুলো পড়ছি তার ঠিকানাগুলো
WETHUSDC_ADDRESS = Web3.to_checksum_address("0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640")
WETHWBTC_ADDRESS = Web3.to_checksum_address("0xCBCdF9626bC03E24f779434178A73a0B4bad62eD")

আমাদের দুটি পুল পড়তে হবে।

@dataclass(frozen=True)
class PoolInfo:
    .
    .
    .
    reverse: bool = False

    def get_price(self, block: int) -> Decimal:
        assert block <= w3.eth.block_number, "Block is in the future"
        sqrt_price_x96 = Decimal(self.contract.functions.slot0().call(block_identifier=block)[0])
        raw_price = (sqrt_price_x96 / Decimal(2**96)) ** 2  # (প্রতি টোকেন0-তে টোকেন1)
        if self.reverse:
            return 1/(raw_price * self.decimal_factor)
        else:
            return raw_price * self.decimal_factor

WETH/USDC পুলে, আমরা জানতে চাই একটি token1 (WETH) কিনতে আমাদের কতগুলো token0 (USDC) প্রয়োজন। WETH/WBTC পুলে, আমরা জানতে চাই একটি token0 (WBTC, যা হলো র‍্যাপড বিটকয়েন) কিনতে আমাদের কতগুলো token1 (WETH) প্রয়োজন। পুলের অনুপাতটি উল্টানো দরকার কিনা তা আমাদের ট্র্যাক করতে হবে।

def read_pool(address: str, reverse: bool = False) -> PoolInfo:
    .
    .
    .

    return PoolInfo(
        .
        .
        .

        asset= f"{token1.symbol}/{token0.symbol}" if reverse else f"{token0.symbol}/{token1.symbol}",
        reverse=reverse
    )

একটি পুল উল্টানো দরকার কিনা তা জানতে, আমরা সেটিকে read_pool-এর ইনপুট হিসেবে পাই। এছাড়াও, অ্যাসেট সিম্বলটি সঠিকভাবে সেট আপ করতে হবে।

<a> if <b> else <c> সিনট্যাক্সটি হলো টার্নারি কন্ডিশনাল অপারেটরের (নতুন ট্যাবে খোলে) Python সমতুল্য, যা একটি C-ভিত্তিক ভাষায় <b> ? <a> : <c> হবে।

def format_quotes(quotes: list[Quote]) -> str:
    result = f"Asset: {quotes[0].asset}\n"
    for quote in quotes:
        result += f"\t{quote.timestamp[0:16]} {quote.price.quantize(Decimal('0.01'), rounding=ROUND_HALF_UP)}\n"
    return result

এই ফাংশনটি এমন একটি স্ট্রিং তৈরি করে যা Quote অবজেক্টের একটি তালিকাকে ফরম্যাট করে, ধরে নেওয়া হয় যে সেগুলো সবই একই অ্যাসেটের ক্ষেত্রে প্রযোজ্য।

def make_prompt(quotes: list[list[Quote]], expected_time: str, asset: str) -> str:
    return f"""

Python-এ মাল্টি-লাইন স্ট্রিং লিটারেলগুলো (নতুন ট্যাবে খোলে) """ .... """ হিসেবে লেখা হয়।

Given these quotes:
{
    functools.reduce(lambda acc, q: acc + '\n' + q,
        map(lambda q: format_quotes(q), quotes))
}

এখানে, আমরা format_quotes দিয়ে প্রতিটি কোট তালিকার জন্য একটি স্ট্রিং তৈরি করতে MapReduce (নতুন ট্যাবে খোলে) প্যাটার্ন ব্যবহার করি, তারপর প্রম্পটে ব্যবহারের জন্য সেগুলোকে একটি একক স্ট্রিংয়ে রিডিউস করি।

What would you expect the value for {asset} to be at time {expected_time}?

Provide your answer as a single number rounded to two decimal places,
without any other text.
    """

প্রম্পটের বাকি অংশ প্রত্যাশা অনুযায়ী।

wethusdc_pool = read_pool(WETHUSDC_ADDRESS, True)
wethusdc_quotes = get_quotes(
    wethusdc_pool,
    w3.eth.block_number - 12*CYCLE_BLOCKS,
    w3.eth.block_number,
    CYCLE_BLOCKS,
)

wethwbtc_pool = read_pool(WETHWBTC_ADDRESS)
wethwbtc_quotes = get_quotes(
    wethwbtc_pool,
    w3.eth.block_number - 12*CYCLE_BLOCKS,
    w3.eth.block_number,
    CYCLE_BLOCKS
)

দুটি পুল পর্যালোচনা করুন এবং উভয়টি থেকে কোট পান।

future_time = (datetime.now(timezone.utc) + timedelta(days=1)).isoformat()[0:16]

print(make_prompt(wethusdc_quotes + wethwbtc_quotes, future_time, wethusdc_pool.asset))

আমরা যে ভবিষ্যৎ সময়ের জন্য অনুমান চাই তা নির্ধারণ করুন এবং প্রম্পটটি তৈরি করুন।

একটি LLM-এর সাথে ইন্টারফেসিং

এরপর, আমরা একটি আসল LLM-কে প্রম্পট করি এবং একটি প্রত্যাশিত ভবিষ্যৎ মান পাই। আমি OpenAI ব্যবহার করে এই প্রোগ্রামটি লিখেছি, তাই আপনি যদি অন্য কোনো প্রোভাইডার ব্যবহার করতে চান, তবে আপনাকে এটি সামঞ্জস্য করতে হবে।

একটি OpenAI অ্যাকাউন্ট (নতুন ট্যাবে খোলে) পান
অ্যাকাউন্টে ফান্ড যোগ করুন (নতুন ট্যাবে খোলে)—লেখার সময় ন্যূনতম পরিমাণ হলো $5
একটি API কী তৈরি করুন (নতুন ট্যাবে খোলে)
কমান্ড লাইনে, API কী এক্সপোর্ট করুন যাতে আপনার প্রোগ্রাম এটি ব্যবহার করতে পারে
```
export OPENAI_API_KEY=sk-<the rest of the key goes here>
```
চেকআউট করুন এবং এজেন্ট রান করুন
```
git checkout 04-interface-llm
uv run agent.py
```

নিচে নতুন কোড দেওয়া হলো।

from openai import OpenAI

open_ai = OpenAI()  # ক্লায়েন্ট OPENAI_API_KEY এনভায়রনমেন্ট ভেরিয়েবলটি পড়ে

OpenAI API ইমপোর্ট এবং ইনস্ট্যানশিয়েট করুন।

response = open_ai.chat.completions.create(
    model="gpt-4-turbo",
    messages=[
        {"role": "user", "content": prompt}
    ],
    temperature=0.0,
    max_tokens=16,
)

রেসপন্স তৈরি করতে OpenAI API (open_ai.chat.completions.create) কল করুন।

expected_price = Decimal(response.choices[0].message.content.strip())
current_price = wethusdc_quotes[-1].price

print ("Current price:", wethusdc_quotes[-1].price)
print(f"In {future_time}, expected price: {expected_price} USD")

if (expected_price > current_price):
    print(f"Buy, I expect the price to go up by {expected_price - current_price} USD")
else:
    print(f"Sell, I expect the price to go down by {current_price - expected_price} USD")

দাম আউটপুট করুন এবং একটি কেনা বা বেচার সুপারিশ প্রদান করুন।

প্রেডিকশনগুলো পরীক্ষা করা

এখন যেহেতু আমরা প্রেডিকশন তৈরি করতে পারি, আমরা দরকারী প্রেডিকশন তৈরি করছি কিনা তা মূল্যায়ন করতে ঐতিহাসিক ডেটাও ব্যবহার করতে পারি।

uv run test-predictor.py

প্রত্যাশিত ফলাফল অনেকটা এরকম:

Prediction for 2026-01-05T19:50: predicted 3138.93 USD, real 3218.92 USD, error 79.99 USD
Prediction for 2026-01-06T19:56: predicted 3243.39 USD, real 3221.08 USD, error 22.31 USD
Prediction for 2026-01-07T20:02: predicted 3223.24 USD, real 3146.89 USD, error 76.35 USD
Prediction for 2026-01-08T20:11: predicted 3150.47 USD, real 3092.04 USD, error 58.43 USD
.
.
.
Prediction for 2026-01-31T22:33: predicted 2637.73 USD, real 2417.77 USD, error 219.96 USD
Prediction for 2026-02-01T22:41: predicted 2381.70 USD, real 2318.84 USD, error 62.86 USD
Prediction for 2026-02-02T22:49: predicted 2234.91 USD, real 2349.28 USD, error 114.37 USD
Mean prediction error over 29 predictions: 83.87103448275862068965517241 USD
Mean change per recommendation: 4.787931034482758620689655172 USD
Standard variance of changes: 104.42 USD
Profitable days: 51.72%
Losing days: 48.28%

টেস্টারের বেশিরভাগ অংশই এজেন্টের মতো, তবে এখানে নতুন বা পরিবর্তিত অংশগুলো দেওয়া হলো।

CYCLES_FOR_TEST = 40 # ব্যাকটেস্টের জন্য, আমরা কতগুলো সাইকেল টেস্ট করি

# প্রচুর কোট সংগ্রহ করুন
wethusdc_pool = read_pool(WETHUSDC_ADDRESS, True)
wethusdc_quotes = get_quotes(
    wethusdc_pool,
    w3.eth.block_number - CYCLE_BLOCKS*CYCLES_FOR_TEST,
    w3.eth.block_number,
    CYCLE_BLOCKS,
)

wethwbtc_pool = read_pool(WETHWBTC_ADDRESS)
wethwbtc_quotes = get_quotes(
    wethwbtc_pool,
    w3.eth.block_number - CYCLE_BLOCKS*CYCLES_FOR_TEST,
    w3.eth.block_number,
    CYCLE_BLOCKS
)

আমরা CYCLES_FOR_TEST (এখানে 40 হিসেবে নির্দিষ্ট করা হয়েছে) দিন পেছনে তাকাই।

# পূর্বাভাস তৈরি করুন এবং বাস্তব ইতিহাসের সাথে সেগুলো যাচাই করুন

total_error = Decimal(0)
changes = []

আমরা দুই ধরনের এরর নিয়ে আগ্রহী। প্রথমটি, total_error, হলো প্রেডিক্টরের করা এররগুলোর যোগফল।

দ্বিতীয়টি, changes, বোঝার জন্য আমাদের এজেন্টের উদ্দেশ্য মনে রাখতে হবে। এর উদ্দেশ্য WETH/USDC অনুপাত (ETH-এর দাম) প্রেডিক্ট করা নয়। এর উদ্দেশ্য হলো কেনা এবং বেচার সুপারিশ জারি করা। যদি বর্তমানে দাম $2000 হয় এবং এটি আগামীকাল $2010 প্রেডিক্ট করে, তবে আসল ফলাফল $2020 হলে এবং আমরা অতিরিক্ত অর্থ উপার্জন করলে আমাদের কোনো আপত্তি নেই। কিন্তু আমরা অবশ্যই আপত্তি করব যদি এটি $2010 প্রেডিক্ট করে, এবং সেই সুপারিশের ওপর ভিত্তি করে ETH কেনে, এবং দাম $1990-এ নেমে যায়।

for index in range(0,len(wethusdc_quotes)-CYCLES_BACK):

আমরা কেবল সেই ক্ষেত্রগুলো দেখতে পারি যেখানে সম্পূর্ণ ইতিহাস (প্রেডিকশনের জন্য ব্যবহৃত মানগুলো এবং এর সাথে তুলনা করার জন্য বাস্তব-জগতের মান) উপলব্ধ। এর মানে হলো সবচেয়ে নতুন ক্ষেত্রটি অবশ্যই সেটি হতে হবে যা CYCLES_BACK আগে শুরু হয়েছিল।

    wethusdc_slice = wethusdc_quotes[index:index+CYCLES_BACK]
    wethwbtc_slice = wethwbtc_quotes[index:index+CYCLES_BACK]

এজেন্ট যে সংখ্যক নমুনা ব্যবহার করে ঠিক সেই সংখ্যক নমুনা পেতে স্লাইস (slices) (নতুন ট্যাবে খোলে) ব্যবহার করুন। এখান থেকে পরবর্তী সেগমেন্টের মধ্যবর্তী কোডটি এজেন্টে থাকা একই প্রেডিকশন-পাওয়ার কোড।

    predicted_price = Decimal(response.choices[0].message.content.strip())
    real_price = wethusdc_quotes[index+CYCLES_BACK].price
    prediction_time_price = wethusdc_quotes[index+CYCLES_BACK-1].price

প্রেডিক্ট করা দাম, আসল দাম এবং প্রেডিকশনের সময়ের দাম পান। সুপারিশটি কেনার নাকি বেচার ছিল তা নির্ধারণ করতে আমাদের প্রেডিকশনের সময়ের দাম প্রয়োজন।

    error = abs(predicted_price - real_price)
    total_error += error
    print (f"Prediction for {prediction_time}: predicted {predicted_price} USD, real {real_price} USD, error {error} USD")

এরর বের করুন এবং সেটিকে মোটের সাথে যোগ করুন।

    recomended_action = 'buy' if predicted_price > prediction_time_price else 'sell'
    price_increase = real_price - prediction_time_price
    changes.append(price_increase if recomended_action == 'buy' else -price_increase)

changes-এর জন্য, আমরা একটি ETH কেনা বা বেচার আর্থিক প্রভাব চাই। তাই প্রথমে, আমাদের সুপারিশটি নির্ধারণ করতে হবে, তারপর আসল দাম কীভাবে পরিবর্তিত হয়েছে তা মূল্যায়ন করতে হবে এবং সুপারিশটি অর্থ উপার্জন করেছে (ইতিবাচক পরিবর্তন) নাকি অর্থ ব্যয় করেছে (নেতিবাচক পরিবর্তন) তা দেখতে হবে।

print (f"Mean prediction error over {len(wethusdc_quotes)-CYCLES_BACK} predictions: {total_error / Decimal(len(wethusdc_quotes)-CYCLES_BACK)} USD")

length_changes = Decimal(len(changes))
mean_change = sum(changes, Decimal(0)) / length_changes
print (f"Mean change per recommendation: {mean_change} USD")
var = sum((x - mean_change) ** 2 for x in changes) / length_changes
print (f"Standard variance of changes: {var.sqrt().quantize(Decimal("0.01"))} USD")

ফলাফল রিপোর্ট করুন।

print (f"Profitable days: {len(list(filter(lambda x: x > 0, changes)))/length_changes:.2%}")
print (f"Losing days: {len(list(filter(lambda x: x < 0, changes)))/length_changes:.2%}")

লাভজনক দিনের সংখ্যা এবং লোকসানের দিনের সংখ্যা গণনা করতে filter (নতুন ট্যাবে খোলে) ব্যবহার করুন। ফলাফলটি হলো একটি ফিল্টার অবজেক্ট, যার দৈর্ঘ্য পেতে আমাদের সেটিকে একটি তালিকায় রূপান্তর করতে হবে।

ট্রানজ্যাকশন জমা দেওয়া

এখন আমাদের আসলে ট্রানজ্যাকশন জমা দিতে হবে। তবে, সিস্টেমটি প্রমাণিত হওয়ার আগে, আমি এই মুহূর্তে আসল অর্থ ব্যয় করতে চাই না। এর পরিবর্তে, আমরা মেইননেট-এর একটি লোকাল ফর্ক তৈরি করব এবং সেই নেটওয়ার্কে "ট্রেড" করব।

একটি লোকাল ফর্ক তৈরি এবং ট্রেডিং সক্ষম করার ধাপগুলো নিচে দেওয়া হলো।

Foundry (নতুন ট্যাবে খোলে) ইনস্টল করুন
anvil (নতুন ট্যাবে খোলে) শুরু করুন
```
anvil --fork-url https://eth.drpc.org --block-time 12
```
anvil Foundry-এর ডিফল্ট URL, http://localhost:8545-এ (নতুন ট্যাবে খোলে) শুনছে, তাই ব্লকচেইন ম্যানিপুলেট করার জন্য আমরা যে cast কমান্ড (নতুন ট্যাবে খোলে) ব্যবহার করি তার জন্য আমাদের URL নির্দিষ্ট করার প্রয়োজন নেই।
anvil-এ রান করার সময়, দশটি টেস্ট অ্যাকাউন্ট থাকে যেগুলোতে ETH থাকে—প্রথমটির জন্য এনভায়রনমেন্ট ভেরিয়েবলগুলো সেট করুন
```
PRIVATE_KEY=0xac0974bec39a17e36ba4a6b4d238ff944bacb478cbed5efcae784d7bf4f2ff80
ADDRESS=`cast wallet address $PRIVATE_KEY`
```
এগুলো হলো সেই কন্ট্রাক্ট যা আমাদের ব্যবহার করতে হবে। SwapRouter (নতুন ট্যাবে খোলে) হলো ইউনিসোয়াপ v3 কন্ট্রাক্ট যা আমরা আসলে ট্রেড করার জন্য ব্যবহার করি। আমরা সরাসরি পুলের মাধ্যমে ট্রেড করতে পারতাম, তবে এটি অনেক সহজ।

নিচের দুটি ভেরিয়েবল হলো WETH এবং USDC-এর মধ্যে সোয়াপ করার জন্য প্রয়োজনীয় ইউনিসোয়াপ v3 পাথ।
```
WETH_ADDRESS=0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2
USDC_ADDRESS=0xA0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48
POOL_ADDRESS=0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640
SWAP_ROUTER=0xE592427A0AEce92De3Edee1F18E0157C05861564
WETH_TO_USDC=0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc20001F4A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48
USDC_TO_WETH=0xA0b86991c6218b36c1d19D4a2e9Eb0cE3606eB480001F4C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2
```
প্রতিটি টেস্ট অ্যাকাউন্টে 10,000 ETH রয়েছে। ট্রেডিংয়ের জন্য 1000 WETH পেতে 1000 ETH র‍্যাপ করতে WETH কন্ট্রাক্ট ব্যবহার করুন।
```
cast send $WETH_ADDRESS "deposit()" --value 1000ether --private-key $PRIVATE_KEY
```
USDC-এর জন্য 500 WETH ট্রেড করতে SwapRouter ব্যবহার করুন।
```
cast send $WETH_ADDRESS "approve(address,uint256)" $SWAP_ROUTER 500ether --private-key $PRIVATE_KEY
MAXINT=`cast max-int uint256`
cast send $SWAP_ROUTER \
    "exactInput((bytes,address,uint256,uint256,uint256))" \
    "($WETH_TO_USDC,$ADDRESS,$MAXINT,500ether,1000000)" \
    --private-key $PRIVATE_KEY
```
approve কলটি একটি অ্যালাউন্স তৈরি করে যা SwapRouter-কে আমাদের কিছু টোকেন খরচ করার অনুমতি দেয়। কন্ট্রাক্টগুলো ইভেন্ট মনিটর করতে পারেবিধা না, তাই আমরা যদি সরাসরি SwapRouter কন্ট্রাক্টে টোকেন হস্তান্তর করি, তবে এটি জানতে পারবে না যে এটিকে পেমেন্ট করা হয়েছে। এর পরিবর্তে, আমরা SwapRouter কন্ট্রাক্টকে একটি নির্দিষ্ট পরিমাণ খরচ করার অনুমতি দিই, এবং তারপর SwapRouter তা করে। এটি SwapRouter দ্বারা কল করা একটি ফাংশনের মাধ্যমে করা হয়, তাই এটি জানতে পারে যে এটি সফল হয়েছে কিনা।
আপনার কাছে উভয় টোকেন পর্যাপ্ত পরিমাণে আছে কিনা তা যাচাই করুন।
```
cast call $WETH_ADDRESS "balanceOf(address)" $ADDRESS | cast from-wei
echo `cast call $USDC_ADDRESS "balanceOf(address)" $ADDRESS | cast to-dec`/10^6 | bc
```

এখন যেহেতু আমাদের কাছে WETH এবং USDC আছে, আমরা আসলে এজেন্টটি রান করতে পারি।

git checkout 05-trade
uv run agent.py

আউটপুটটি অনেকটা এরকম দেখাবে:

(ai-trading-agent) qbzzt@Ori-Cloudnomics:~/260215-ai-agent$ uv run agent.py
Current price: 1843.16
In 2026-02-06T23:07, expected price: 1724.41 USD
Account balances before trade:
USDC Balance: 927301.578272
WETH Balance: 500
Sell, I expect the price to go down by 118.75 USD
Approve transaction sent: 74e367ddbb407c1aaf567d87aa5863049991b1d2aa092b6b85195d925e2bd41f
Approve transaction mined.
Sell transaction sent: fad1bcf938585c9e90364b26ac7a80eea9efd34c37e5db81e58d7655bcae28bf
Sell transaction mined.
Account balances after trade:
USDC Balance: 929143.797116
WETH Balance: 499

এটি আসলে ব্যবহার করার জন্য, আপনার কয়েকটি ছোট পরিবর্তনের প্রয়োজন।

14 নম্বর লাইনে, MAINNET_URL-কে একটি আসল অ্যাক্সেস পয়েন্টে পরিবর্তন করুন, যেমন https://eth.drpc.org
28 নম্বর লাইনে, PRIVATE_KEY-কে আপনার নিজস্ব প্রাইভেট কী-তে পরিবর্তন করুন
যদি না আপনি খুব ধনী হন এবং একটি অপ্রমাণিত এজেন্টের জন্য প্রতিদিন 1 ETH কিনতে বা বেচতে পারেন, তবে আপনি WETH_TRADE_AMOUNT কমানোর জন্য 29 নম্বর লাইন পরিবর্তন করতে চাইতে পারেন

কোড ব্যাখ্যা

নিচে নতুন কোড দেওয়া হলো।

SWAP_ROUTER_ADDRESS=Web3.to_checksum_address("0xE592427A0AEce92De3Edee1F18E0157C05861564")
WETH_TO_USDC=bytes.fromhex("C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc20001F4A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48")
USDC_TO_WETH=bytes.fromhex("A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB480001F4C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2")
PRIVATE_KEY="0xac0974bec39a17e36ba4a6b4d238ff944bacb478cbed5efcae784d7bf4f2ff80"

4 নম্বর ধাপে আমরা যে ভেরিয়েবলগুলো ব্যবহার করেছি সেগুলোই।

WETH_TRADE_AMOUNT=1

ট্রেড করার পরিমাণ।

ERC20_ABI = [
    { "name": "symbol", ... },
    { "name": "decimals", ... },
    { "name": "balanceOf", ...},
    { "name": "approve", ...}
]

আসলে ট্রেড করার জন্য, আমাদের approve ফাংশন প্রয়োজন। আমরা আগের এবং পরের ব্যালেন্সও দেখাতে চাই, তাই আমাদের balanceOf-ও প্রয়োজন।

SWAP_ROUTER_ABI = [
  { "name": "exactInput", ...},
]

SwapRouter ABI-তে আমাদের কেবল exactInput প্রয়োজন। একটি সম্পর্কিত ফাংশন রয়েছে, exactOutput, যা আমরা ঠিক একটি WETH কেনার জন্য ব্যবহার করতে পারতাম, তবে সরলতার জন্য আমরা উভয় ক্ষেত্রেই কেবল exactInput ব্যবহার করি।

account = w3.eth.account.from_key(PRIVATE_KEY)
swap_router = w3.eth.contract(
    address=SWAP_ROUTER_ADDRESS,
    abi=SWAP_ROUTER_ABI
)

account (নতুন ট্যাবে খোলে) এবং SwapRouter কন্ট্রাক্টের জন্য Web3 সংজ্ঞা।

def txn_params() -> dict:
    return {
        "from": account.address,
        "value": 0,
        "gas": 300000,
        "nonce": w3.eth.get_transaction_count(account.address),
    }

ট্রানজ্যাকশন প্যারামিটার। আমাদের এখানে একটি ফাংশন প্রয়োজন কারণ নন্স (নতুন ট্যাবে খোলে) প্রতিবার পরিবর্তন হতে হবে।

def approve_token(contract: Contract, amount: int):

SwapRouter-এর জন্য একটি টোকেন অ্যালাউন্স অনুমোদন করুন।

    txn = contract.functions.approve(SWAP_ROUTER_ADDRESS, amount).build_transaction(txn_params())
    signed_txn = w3.eth.account.sign_transaction(txn, private_key=PRIVATE_KEY)
    tx_hash = w3.eth.send_raw_transaction(signed_txn.raw_transaction)

Web3-তে আমরা এভাবেই একটি ট্রানজ্যাকশন পাঠাই। প্রথমে আমরা ট্রানজ্যাকশন তৈরি করতে Contract অবজেক্ট (নতুন ট্যাবে খোলে) ব্যবহার করি। তারপর আমরা PRIVATE_KEY ব্যবহার করে ট্রানজ্যাকশন সাইন করতে web3.eth.account.sign_transaction (নতুন ট্যাবে খোলে) ব্যবহার করি। সবশেষে, আমরা ট্রানজ্যাকশন পাঠাতে w3.eth.send_raw_transaction (নতুন ট্যাবে খোলে) ব্যবহার করি।

    print(f"Approve transaction sent: {tx_hash.hex()}")
    w3.eth.wait_for_transaction_receipt(tx_hash)
    print("Approve transaction mined.")

w3.eth.wait_for_transaction_receipt (নতুন ট্যাবে খোলে) ট্রানজ্যাকশন মাইন হওয়া পর্যন্ত অপেক্ষা করে। প্রয়োজন হলে এটি রসিদ ফেরত দেয়।

SELL_PARAMS = {
    "path": WETH_TO_USDC,
    "recipient": account.address,
    "deadline": 2**256 - 1,
    "amountIn": WETH_TRADE_AMOUNT * 10 ** wethusdc_pool.token1.decimals,
    "amountOutMinimum": 0,
}

WETH বিক্রি করার সময় এগুলো হলো প্যারামিটার।

def make_buy_params(quote: Quote) -> dict:
    return {
        "path": USDC_TO_WETH,
        "recipient": account.address,
        "deadline": 2**256 - 1,
        "amountIn": int(quote.price*WETH_TRADE_AMOUNT) * 10**wethusdc_pool.token0.decimals,
        "amountOutMinimum": 0,
    }

SELL_PARAMS-এর বিপরীতে, কেনার প্যারামিটারগুলো পরিবর্তন হতে পারে। ইনপুট পরিমাণ হলো 1 WETH-এর খরচ, যা quote-এ উপলব্ধ।

def buy(quote: Quote):
    buy_params = make_buy_params(quote)
    approve_token(wethusdc_pool.token0.contract, buy_params["amountIn"])
    txn = swap_router.functions.exactInput(buy_params).build_transaction(txn_params())
    signed_txn = w3.eth.account.sign_transaction(txn, private_key=PRIVATE_KEY)
    tx_hash = w3.eth.send_raw_transaction(signed_txn.raw_transaction)
    print(f"Buy transaction sent: {tx_hash.hex()}")
    w3.eth.wait_for_transaction_receipt(tx_hash)
    print("Buy transaction mined.")


def sell():
    approve_token(wethusdc_pool.token1.contract,
                  WETH_TRADE_AMOUNT * 10**wethusdc_pool.token1.decimals)
    txn = swap_router.functions.exactInput(SELL_PARAMS).build_transaction(txn_params())
    signed_txn = w3.eth.account.sign_transaction(txn, private_key=PRIVATE_KEY)
    tx_hash = w3.eth.send_raw_transaction(signed_txn.raw_transaction)
    print(f"Sell transaction sent: {tx_hash.hex()}")
    w3.eth.wait_for_transaction_receipt(tx_hash)
    print("Sell transaction mined.")

buy() এবং sell() ফাংশনগুলো প্রায় অভিন্ন। প্রথমে আমরা SwapRouter-এর জন্য পর্যাপ্ত অ্যালাউন্স অনুমোদন করি এবং তারপর আমরা সঠিক পাথ এবং পরিমাণ দিয়ে এটিকে কল করি।

def balances():
    token0_balance = wethusdc_pool.token0.contract.functions.balanceOf(account.address).call()
    token1_balance = wethusdc_pool.token1.contract.functions.balanceOf(account.address).call()

    print(f"{wethusdc_pool.token0.symbol} Balance: {Decimal(token0_balance) / Decimal(10 ** wethusdc_pool.token0.decimals)}")
    print(f"{wethusdc_pool.token1.symbol} Balance: {Decimal(token1_balance) / Decimal(10 ** wethusdc_pool.token1.decimals)}")

উভয় কারেন্সিতে ব্যবহারকারীর ব্যালেন্স রিপোর্ট করুন।

print("Account balances before trade:")
balances()

if (expected_price > current_price):
    print(f"Buy, I expect the price to go up by {expected_price - current_price} USD")
    buy(wethusdc_quotes[-1])
else:
    print(f"Sell, I expect the price to go down by {current_price - expected_price} USD")
    sell()

print("Account balances after trade:")
balances()

এই এজেন্টটি বর্তমানে কেবল একবার কাজ করে। তবে, আপনি এটিকে crontab (নতুন ট্যাবে খোলে) থেকে রান করে অথবা 368-400 লাইনগুলোকে একটি লুপে র‍্যাপ করে এবং পরবর্তী সাইকেলের সময় হওয়া পর্যন্ত অপেক্ষা করতে time.sleep (নতুন ট্যাবে খোলে) ব্যবহার করে ক্রমাগত কাজ করার জন্য পরিবর্তন করতে পারেন।

সম্ভাব্য উন্নতি

এটি কোনো সম্পূর্ণ প্রোডাকশন ভার্সন নয়; এটি কেবল বেসিক বিষয়গুলো শেখানোর একটি উদাহরণ। উন্নতির জন্য এখানে কিছু ধারণা দেওয়া হলো।

আরও স্মার্ট ট্রেডিং

কী করতে হবে তা সিদ্ধান্ত নেওয়ার সময় এজেন্ট দুটি গুরুত্বপূর্ণ বিষয় উপেক্ষা করে।

প্রত্যাশিত পরিবর্তনের মাত্রা। দাম কমার প্রত্যাশা থাকলে এজেন্ট একটি নির্দিষ্ট পরিমাণ WETH বিক্রি করে, কমার মাত্রা যাই হোক না কেন। যুক্তিযুক্তভাবে, ছোটখাটো পরিবর্তনগুলো উপেক্ষা করা এবং দাম কতটা কমবে বলে আমরা আশা করি তার ওপর ভিত্তি করে বিক্রি করা ভালো হবে।
বর্তমান পোর্টফোলিও। যদি আপনার পোর্টফোলিওর 10% WETH-এ থাকে এবং আপনি মনে করেন দাম বাড়বে, তবে সম্ভবত আরও কেনা যৌক্তিক। কিন্তু যদি আপনার পোর্টফোলিওর 90% WETH-এ থাকে, তবে আপনি হয়তো যথেষ্ট এক্সপোজড, এবং আরও কেনার কোনো প্রয়োজন নেই। আপনি যদি দাম কমার প্রত্যাশা করেন তবে এর বিপরীতটি সত্য।

আপনি যদি আপনার ট্রেডিং কৌশল গোপন রাখতে চান তবে কী করবেন?

এআই ভেন্ডররা তাদের LLM-এ আপনার পাঠানো কোয়েরিগুলো দেখতে পারে, যা আপনার এজেন্টের সাথে তৈরি করা আপনার জিনিয়াস ট্রেডিং সিস্টেমকে প্রকাশ করে দিতে পারে। এমন একটি ট্রেডিং সিস্টেম যা খুব বেশি মানুষ ব্যবহার করে তা মূল্যহীন কারণ আপনি যখন কিনতে চান তখন খুব বেশি মানুষ কেনার চেষ্টা করে (এবং দাম বেড়ে যায়) এবং আপনি যখন বিক্রি করতে চান তখন বিক্রি করার চেষ্টা করে (এবং দাম কমে যায়)।

এই সমস্যা এড়াতে আপনি স্থানীয়ভাবে একটি LLM রান করতে পারেন, উদাহরণস্বরূপ, LM-Studio (নতুন ট্যাবে খোলে) ব্যবহার করে।

এআই বট থেকে এআই এজেন্ট

আপনি একটি ভালো যুক্তি দিতে পারেন যে এটি একটি এআই বট, কোনো এআই এজেন্ট নয়। এটি একটি অপেক্ষাকৃত সহজ কৌশল বাস্তবায়ন করে যা পূর্বনির্ধারিত তথ্যের ওপর নির্ভর করে। আমরা সেলফ-ইমপ্রুভমেন্ট সক্ষম করতে পারি, উদাহরণস্বরূপ, ইউনিসোয়াপ v3 পুলগুলোর একটি তালিকা এবং সেগুলোর সর্বশেষ মান প্রদান করে এবং জিজ্ঞাসা করে যে কোন কম্বিনেশনের সেরা প্রেডিক্টিভ মান রয়েছে।

স্লিপেজ সুরক্ষা

বর্তমানে কোনো স্লিপেজ সুরক্ষা (নতুন ট্যাবে খোলে) নেই। যদি বর্তমান কোট $2000 হয় এবং প্রত্যাশিত দাম $2100 হয়, তবে এজেন্ট কিনবে। তবে, এজেন্ট কেনার আগে যদি খরচ বেড়ে $2200 হয়ে যায়, তবে আর কেনার কোনো মানে হয় না।

স্লিপেজ সুরক্ষা বাস্তবায়ন করতে, agent.py (নতুন ট্যাবে খোলে)-এর 325 এবং 334 নম্বর লাইনে একটি amountOutMinimum মান নির্দিষ্ট করুন।

উপসংহার

আশা করি, এখন আপনি এআই এজেন্টগুলো নিয়ে শুরু করার জন্য যথেষ্ট জানেন। এটি এই বিষয়ের কোনো বিস্তৃত ওভারভিউ নয়; এর জন্য পুরো বই নিবেদিত রয়েছে, তবে এটি আপনাকে শুরু করার জন্য যথেষ্ট। শুভকামনা!

আমার আরও কাজের জন্য এখানে দেখুন (নতুন ট্যাবে খোলে)।