--- title: "Создайте собственного торгового ИИ-агента на Эфириуме" description: "В этом руководстве вы узнаете, как создать простого торгового ИИ-агента. Этот агент считывает информацию из блокчейна, запрашивает у LLM рекомендацию на основе этой информации, выполняет сделку, рекомендованную LLM, а затем ждет и повторяет процесс." author: "Ори Померанц" tags: ["ИИ", "трейдинг", "агент", "Python"] skill: intermediate breadcrumb: "Торговый ИИ-агент" published: 2026-02-13 lang: ru sidebarDepth: 3 --- В этом руководстве вы узнаете, как создать простого торгового ИИ-агента. Этот агент работает по следующим шагам: 1. Считывание текущих и прошлых цен токена, а также другой потенциально важной информации 2. Создание запроса с этой информацией, а также с контекстными данными, объясняющими ее значимость 3. Отправка запроса и получение прогнозируемой цены 4. Торговля на основе рекомендации 5. Ожидание и повторение Этот агент демонстрирует, как считывать информацию, преобразовывать ее в запрос, который дает полезный ответ, и использовать этот ответ. Все это — необходимые шаги для ИИ-агента. Этот агент реализован на Python, поскольку это наиболее распространенный язык, используемый в сфере ИИ. ## Зачем это нужно? {#why-do-this} Автоматизированные торговые агенты позволяют разработчикам выбирать и выполнять торговую стратегию. [ИИ-агенты](/ai-agents) позволяют использовать более сложные и динамичные торговые стратегии, потенциально задействуя информацию и алгоритмы, о которых разработчик даже не задумывался. ## Инструменты {#tools} В этом руководстве используются [Python](https://www.python.org/), [библиотека Web3](https://web3py.readthedocs.io/en/stable/) и [Юнисвоп v3](https://github.com/Uniswap/v3-periphery) для получения котировок и торговли. ### Почему Python? {#python} Наиболее широко используемым языком для ИИ является [Python](https://www.python.org/), поэтому мы используем его здесь. Не волнуйтесь, если вы не знаете Python. Этот язык очень понятен, и я подробно объясню, что именно он делает. [Библиотека Web3](https://web3py.readthedocs.io/en/stable/) — это самый распространенный API Эфириума для Python. Ее довольно легко использовать. ### Торговля в блокчейне {#trading-on-blockchain} Существует [множество децентрализованных бирж (DEX)](/apps/categories/defi/), которые позволяют торговать токенами в Эфириуме. Однако они, как правило, имеют схожие обменные курсы из-за [арбитража](/developers/docs/smart-contracts/composability/#better-user-experience). [Юнисвоп](https://app.uniswap.org/) — это широко используемая DEX, которую мы можем применять как для получения котировок (чтобы видеть относительную стоимость токенов), так и для торговли. ### OpenAI {#openai} В качестве большой языковой модели (LLM) для начала я выбрал [OpenAI](https://openai.com/). Для запуска приложения из этого руководства вам потребуется оплатить доступ к API. Минимального платежа в 5 долларов будет более чем достаточно. ## Разработка шаг за шагом {#step-by-step} Чтобы упростить разработку, мы будем действовать поэтапно. Каждый шаг представляет собой ветку на GitHub. ### Начало работы {#getting-started} Ниже приведены шаги для начала работы в UNIX или Linux (включая [WSL](https://learn.microsoft.com/en-us/windows/wsl/install)). 1. Если у вас его еще нет, скачайте и установите [Python](https://www.python.org/downloads/). 2. Клонируйте репозиторий GitHub. ```sh git clone https://github.com/qbzzt/260215-ai-agent.git -b 01-getting-started cd 260215-ai-agent ``` 3. Установите [`uv`](https://docs.astral.sh/uv/getting-started/installation/). Команда в вашей системе может отличаться. ```sh pipx install uv ``` 4. Скачайте библиотеки. ```sh uv sync ``` 5. Активируйте виртуальную среду. ```sh source .venv/bin/activate ``` 6. Чтобы убедиться, что Python и Web3 работают правильно, запустите `python3` и передайте ему эту программу. Вы можете ввести ее в командной строке `>>>`; создавать файл не нужно. ```python from web3 import Web3 MAINNET_URL = "https://eth.drpc.org" w3 = Web3(Web3.HTTPProvider(MAINNET_URL)) w3.eth.block_number quit() ``` ### Чтение из блокчейна {#read-blockchain} Следующий шаг — чтение из блокчейна. Для этого вам нужно переключиться на ветку `02-read-quote`, а затем использовать `uv` для запуска программы. ```sh git checkout 02-read-quote uv run agent.py ``` Вы должны получить список объектов `Quote`, каждый из которых содержит временную метку, цену и актив (в настоящее время всегда `WETH/USDC`). Вот построчное объяснение. ```python 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 ``` Импортируем необходимые библиотеки. Они будут объяснены ниже по мере использования. ```python print = functools.partial(print, flush=True) ``` Заменяет `print` в Python на версию, которая всегда немедленно сбрасывает вывод. Это полезно в долго работающем скрипте, поскольку мы не хотим ждать обновлений статуса или отладочного вывода. ```python MAINNET_URL = "https://eth.drpc.org" ``` URL-адрес для доступа к мейннету. Вы можете получить его через [узел как услугу (Node as a service)](/developers/docs/nodes-and-clients/nodes-as-a-service/) или использовать один из тех, что представлены на [Chainlist](https://chainlist.org/chain/1). ```python BLOCK_TIME_SECONDS = 12 MINUTE_BLOCKS = int(60 / BLOCK_TIME_SECONDS) HOUR_BLOCKS = MINUTE_BLOCKS * 60 DAY_BLOCKS = HOUR_BLOCKS * 24 ``` Блок в мейннете Эфириума обычно создается каждые двенадцать секунд, поэтому это количество блоков, которое мы ожидаем за определенный период времени. Обратите внимание, что это не точная цифра. Если [предлагающий блок](/developers/docs/consensus-mechanisms/pos/block-proposal/) недоступен, этот блок пропускается, и время до следующего блока составляет 24 секунды. Если бы мы хотели получить точный блок для временной метки, мы бы использовали [бинарный поиск](https://en.wikipedia.org/wiki/Binary_search). Однако для наших целей этого вполне достаточно. Предсказание будущего — не точная наука. ```python CYCLE_BLOCKS = DAY_BLOCKS ``` Размер цикла. Мы просматриваем котировки один раз за цикл и пытаемся оценить стоимость в конце следующего цикла. ```python # Адрес пула, который мы читаем WETHUSDC_ADDRESS = Web3.to_checksum_address("0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640") ``` Значения котировок берутся из пула Юнисвоп v3 USDC/WETH по адресу [`0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640`](https://eth.blockscout.com/address/0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640?tab=read_write_contract). Этот адрес уже представлен в формате контрольной суммы, но лучше использовать [`Web3.to_checksum_address`](https://web3py.readthedocs.io/en/stable/web3.main.html#web3.Web3.to_checksum_address), чтобы сделать код пригодным для повторного использования. ```python POOL_ABI = [ { "name": "slot0", ... }, { "name": "token0", ... }, { "name": "token1", ... }, ] ERC20_ABI = [ { "name": "symbol", ... }, { "name": "decimals", ... } ] ``` Это [ABI](https://docs.soliditylang.org/en/latest/abi-spec.html) для двух контрактов, к которым нам нужно обращаться. Чтобы код был лаконичным, мы включаем только те функции, которые нам нужно вызывать. ```python w3 = Web3(Web3.HTTPProvider(MAINNET_URL)) ``` Инициализируем библиотеку [`Web3`](https://web3py.readthedocs.io/en/stable/quickstart.html#remote-providers) и подключаемся к узлу Эфириума. ```python @dataclass(frozen=True) class ERC20Token: address: str symbol: str decimals: int contract: Contract ``` Это один из способов создания класса данных в Python. Тип данных [`Contract`](https://web3py.readthedocs.io/en/stable/web3.contract.html) используется для подключения к контракту. Обратите внимание на `(frozen=True)`. В Python [логические значения](https://en.wikipedia.org/wiki/Boolean_data_type) определяются как `True` или `False` с заглавной буквы. Этот класс данных имеет атрибут `frozen`, что означает, что его поля не могут быть изменены. Обратите внимание на отступы. В отличие от [C-подобных языков](https://en.wikipedia.org/wiki/List_of_C-family_programming_languages), Python использует отступы для обозначения блоков. Интерпретатор Python знает, что следующее определение не является частью этого класса данных, поскольку оно не начинается с тем же отступом, что и поля класса данных. ```python @dataclass(frozen=True) class PoolInfo: address: str token0: ERC20Token token1: ERC20Token contract: Contract asset: str decimal_factor: Decimal = 1 ``` Тип [`Decimal`](https://docs.python.org/3/library/decimal.html) используется для точной работы с десятичными дробями. ```python def get_price(self, block: int) -> Decimal: ``` Так определяется функция в Python. Определение имеет отступ, чтобы показать, что оно все еще является частью `PoolInfo`. В функции, которая является частью класса данных, первым параметром всегда является `self` — экземпляр класса данных, который был вызван. Здесь есть еще один параметр — номер блока. ```python assert block <= w3.eth.block_number, "Block is in the future" ``` Если бы мы могли читать будущее, нам бы не понадобился ИИ для трейдинга. ```python sqrt_price_x96 = Decimal(self.contract.functions.slot0().call(block_identifier=block)[0]) ``` Синтаксис для вызова функции в EVM из Web3 выглядит так: `.functions.().call()`. Параметрами могут быть параметры функции EVM (если они есть; здесь их нет) или [именованные параметры](https://en.wikipedia.org/wiki/Named_parameter) для изменения поведения блокчейна. Здесь мы используем один из них, `block_identifier`, чтобы указать [номер блока](/developers/docs/apis/json-rpc/#default-block), в котором мы хотим выполнить функцию. Результатом является [эта структура в виде массива](https://github.com/Uniswap/v3-core/blob/main/contracts/UniswapV3Pool.sol#L56-L72). Первое значение — это функция обменного курса между двумя токенами. ```python raw_price = (sqrt_price_x96 / Decimal(2**96)) ** 2 ``` Чтобы уменьшить количество ончейн-вычислений, Юнисвоп v3 хранит не сам коэффициент обмена, а его квадратный корень. Поскольку EVM не поддерживает математику с плавающей запятой или дроби, вместо фактического значения возвращается price⋅296. ```python # (токен1 за токен0) return 1/(raw_price * self.decimal_factor) ``` Сырая цена, которую мы получаем, — это количество `token0`, которое мы получаем за каждый `token1`. В нашем пуле `token0` — это USDC (стейблкоин, стоимость которого равна доллару США), а `token1` — это [обернутый эфир (WETH)](https://opensea.io/learn/blockchain/what-is-weth). Значение, которое нам действительно нужно, — это количество долларов за WETH, а не наоборот. Десятичный коэффициент — это отношение между [десятичными коэффициентами](https://docs.openzeppelin.com/contracts/4.x/erc20#a-note-on-decimals) для двух токенов. ```python @dataclass(frozen=True) class Quote: timestamp: str price: Decimal asset: str ``` Этот класс данных представляет котировку: цену конкретного актива в заданный момент времени. На данном этапе поле `asset` не имеет значения, поскольку мы используем один пул и, следовательно, имеем один актив. Однако позже мы добавим больше активов. ```python 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 ) ``` Эта функция принимает адрес и возвращает информацию о контракте токена по этому адресу. Чтобы создать новый [`Contract` в Web3](https://web3py.readthedocs.io/en/stable/web3.contract.html), мы передаем адрес и ABI в `w3.eth.contract`. ```python 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) ) ``` Эта функция возвращает все необходимое о [конкретном пуле](https://github.com/Uniswap/v3-core/blob/main/contracts/UniswapV3Pool.sol). Синтаксис `f""` — это [форматированная строка](https://docs.python.org/3/reference/lexical_analysis.html#f-strings). ```python def get_quote(pool: PoolInfo, block_number: int = None) -> Quote: ``` Получаем объект `Quote`. Значение по умолчанию для `block_number` — `None` (нет значения). ```python if block_number is None: block_number = w3.eth.block_number ``` Если номер блока не был указан, используем `w3.eth.block_number`, что означает номер последнего блока. Это синтаксис для [оператора `if`](https://docs.python.org/3/reference/compound_stmts.html#the-if-statement). Может показаться, что было бы лучше просто установить значение по умолчанию на `w3.eth.block_number`, но это не сработает должным образом, поскольку это будет номер блока на момент определения функции. В долго работающем агенте это стало бы проблемой. ```python 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 ) ``` Используем [библиотеку `datetime`](https://docs.python.org/3/library/datetime.html) для форматирования в вид, читаемый для людей и больших языковых моделей (LLM). Используем [`Decimal.quantize`](https://docs.python.org/3/library/decimal.html#decimal.Decimal.quantize) для округления значения до двух знаков после запятой. ```python def get_quotes(pool: PoolInfo, start_block: int, end_block: int, step: int) -> list[Quote]: ``` В Python вы определяете [список](https://docs.python.org/3/library/stdtypes.html#typesseq-list), который может содержать только определенный тип, используя `list[]`. ```python quotes = [] for block in range(start_block, end_block + 1, step): ``` В Python цикл [`for`](https://docs.python.org/3/tutorial/controlflow.html#for-statements) обычно перебирает элементы списка. Список номеров блоков для поиска котировок берется из [`range`](https://docs.python.org/3/library/stdtypes.html#range). ```python quote = get_quote(pool, block) quotes.append(quote) return quotes ``` Для каждого номера блока получаем объект `Quote` и добавляем его в список `quotes`. Затем возвращаем этот список. ```python pool = read_pool(WETHUSDC_ADDRESS) quotes = get_quotes( pool, w3.eth.block_number - 12*CYCLE_BLOCKS, w3.eth.block_number, CYCLE_BLOCKS ) pprint(quotes) ``` Это основной код скрипта. Считываем информацию о пуле, получаем двенадцать котировок и [`pprint` (выводим)](https://docs.python.org/3/library/pprint.html#pprint.pprint) их. ### Создание промпта {#prompt} Далее нам нужно преобразовать этот список котировок в промпт для LLM и получить ожидаемое будущее значение. ```sh git checkout 03-create-prompt uv run agent.py ``` Теперь выводом будет промпт для LLM, похожий на: ``` Учитывая эти котировки: Актив: WETH/USDC 2026-01-20T16:34 3016.21 . . . 2026-02-01T17:49 2299.10 Актив: WBTC/WETH 2026-01-20T16:34 29.84 . . . 2026-02-01T17:50 33.46 Каким, по вашему мнению, будет значение WETH/USDC в момент времени 2026-02-02T17:56? Предоставьте свой ответ в виде одного числа, округленного до двух знаков после запятой, без какого-либо другого текста. ``` Обратите внимание, что здесь представлены котировки для двух активов: `WETH/USDC` и `WBTC/WETH`. Добавление котировок другого актива может повысить точность прогноза. #### Как выглядит промпт {#prompt-explanation} Этот промпт состоит из трех разделов, которые довольно часто встречаются в промптах для LLM. 1. Информация. LLM обладают большим объемом информации, полученной в ходе обучения, но обычно у них нет самых свежих данных. Именно поэтому нам нужно извлекать последние котировки здесь. Добавление информации в промпт называется [генерацией с дополненной выборкой (RAG)](https://en.wikipedia.org/wiki/Retrieval-augmented_generation). 2. Сам вопрос. Это то, что мы хотим узнать. 3. Инструкции по форматированию вывода. Обычно LLM дает нам оценку с объяснением того, как она к ней пришла. Это лучше для людей, но компьютерной программе нужен только конечный результат. #### Объяснение кода {#prompt-code} Вот новый код. ```python from datetime import datetime, timezone, timedelta ``` Нам нужно предоставить LLM время, для которого мы хотим получить оценку. Чтобы получить время «через n минут/часов/дней» в будущем, мы используем [класс `timedelta`](https://docs.python.org/3/library/datetime.html#datetime.timedelta). ```python # Адреса пулов, которые мы читаем WETHUSDC_ADDRESS = Web3.to_checksum_address("0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640") WETHWBTC_ADDRESS = Web3.to_checksum_address("0xCBCdF9626bC03E24f779434178A73a0B4bad62eD") ``` У нас есть два пула, которые нам нужно считать. ```python @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 # (токен1 за токен0) if self.reverse: return 1/(raw_price * self.decimal_factor) else: return raw_price * self.decimal_factor ``` В пуле WETH/USDC мы хотим знать, сколько `token0` (USDC) нам нужно, чтобы купить один `token1` (WETH). В пуле WETH/WBTC мы хотим знать, сколько `token1` (WETH) нам нужно, чтобы купить один `token0` (WBTC, который является обернутым биткоином). Нам нужно отслеживать, нужно ли инвертировать соотношение пула. ```python 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 ) ``` Чтобы узнать, нужно ли инвертировать пул, мы передаем это в качестве входных данных в `read_pool`. Кроме того, символ актива должен быть настроен правильно. Синтаксис ` if else ` — это эквивалент [тернарного условного оператора](https://en.wikipedia.org/wiki/Ternary_conditional_operator) в Python, который в C-подобном языке выглядел бы как ` ? : `. ```python 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 ``` Эта функция создает строку, которая форматирует список объектов `Quote`, предполагая, что все они относятся к одному и тому же активу. ```python def make_prompt(quotes: list[list[Quote]], expected_time: str, asset: str) -> str: return f""" ``` В Python [многострочные строковые литералы](https://www.w3schools.com/python/gloss_python_multi_line_strings.asp) записываются как `"""` .... `"""`. ```python Given these quotes: { functools.reduce(lambda acc, q: acc + '\n' + q, map(lambda q: format_quotes(q), quotes)) } ``` Здесь мы используем паттерн [MapReduce](https://en.wikipedia.org/wiki/MapReduce) для генерации строки для каждого списка котировок с помощью `format_quotes`, а затем сводим их в одну строку для использования в промпте. ```python 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. """ ``` Остальная часть промпта выглядит так, как и ожидалось. ```python 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 ) ``` Просматриваем два пула и получаем котировки из обоих. ```python future_time = (datetime.now(timezone.utc) + timedelta(days=1)).isoformat()[0:16] print(make_prompt(wethusdc_quotes + wethwbtc_quotes, future_time, wethusdc_pool.asset)) ``` Определяем будущий момент времени, для которого мы хотим получить оценку, и создаем промпт. ### Взаимодействие с LLM {#interface-llm} Далее мы отправляем промпт реальной LLM и получаем ожидаемое будущее значение. Я написал эту программу с использованием OpenAI, поэтому, если вы хотите использовать другого провайдера, вам придется ее адаптировать. 1. Создайте [аккаунт OpenAI](https://auth.openai.com/create-account) 2. [Пополните счет](https://platform.openai.com/settings/organization/billing/overview) — минимальная сумма на момент написания статьи составляет 5 долларов 3. [Создайте ключ API](https://platform.openai.com/settings/organization/api-keys) 4. В командной строке экспортируйте ключ API, чтобы ваша программа могла его использовать ```sh export OPENAI_API_KEY=sk- ``` 5. Переключитесь на нужную ветку и запустите агента ```sh git checkout 04-interface-llm uv run agent.py ``` Вот новый код. ```python from openai import OpenAI open_ai = OpenAI() # Клиент читает переменную окружения OPENAI_API_KEY ``` Импортируем и создаем экземпляр API OpenAI. ```python response = open_ai.chat.completions.create( model="gpt-4-turbo", messages=[ {"role": "user", "content": prompt} ], temperature=0.0, max_tokens=16, ) ``` Вызываем API OpenAI (`open_ai.chat.completions.create`) для создания ответа. ```python 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") ``` Выводим цену и предоставляем рекомендацию о покупке или продаже. #### Тестирование прогнозов {#testing-the-predictions} Теперь, когда мы можем генерировать прогнозы, мы также можем использовать исторические данные, чтобы оценить, насколько полезны наши прогнозы. ```sh uv run test-predictor.py ``` Ожидаемый результат выглядит примерно так: ``` 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% ``` Большая часть тестера идентична агенту, но вот новые или измененные части. ```python CYCLES_FOR_TEST = 40 # Для бэктеста, сколько циклов мы тестируем # Получить множество котировок 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 ) ``` Мы смотрим на `CYCLES_FOR_TEST` (здесь указано 40) дней назад. ```python # Создать прогнозы и сверить их с реальной историей total_error = Decimal(0) changes = [] ``` Нас интересуют два типа ошибок. Первый, `total_error`, — это просто сумма ошибок, допущенных предиктором. Чтобы понять второй тип, `changes`, нам нужно вспомнить цель агента. Она заключается не в прогнозировании соотношения WETH/USDC (цены ETH). Она заключается в выдаче рекомендаций на продажу и покупку. Если текущая цена составляет 2000 долларов, а на завтра прогнозируется 2010 долларов, мы не против, если фактический результат составит 2020 долларов, и мы заработаем дополнительные деньги. Но мы _будем_ против, если он спрогнозировал 2010 долларов, купил ETH на основе этой рекомендации, а цена упала до 1990 долларов. ```python for index in range(0,len(wethusdc_quotes)-CYCLES_BACK): ``` Мы можем рассматривать только те случаи, когда доступна полная история (значения, использованные для прогноза, и реальное значение для сравнения). Это означает, что самый новый случай должен быть тем, который начался `CYCLES_BACK` назад. ```python wethusdc_slice = wethusdc_quotes[index:index+CYCLES_BACK] wethwbtc_slice = wethwbtc_quotes[index:index+CYCLES_BACK] ``` Используем [срезы](https://www.w3schools.com/python/ref_func_slice.asp), чтобы получить то же количество выборок, которое использует агент. Код между этим и следующим сегментом — это тот же код получения прогноза, что и в агенте. ```python 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 ``` Получаем прогнозируемую цену, реальную цену и цену на момент прогноза. Нам нужна цена на момент прогноза, чтобы определить, была ли рекомендация покупать или продавать. ```python 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") ``` Вычисляем ошибку и добавляем ее к общей сумме. ```python 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) ``` Для `changes` мы хотим узнать денежный эффект от покупки или продажи одного ETH. Поэтому сначала нам нужно определить рекомендацию, затем оценить, как изменилась фактическая цена, и принесла ли рекомендация деньги (положительное изменение) или привела к убыткам (отрицательное изменение). ```python 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") ``` Сообщаем о результатах. ```python 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%}") ``` Используем [`filter`](https://www.w3schools.com/python/ref_func_filter.asp) для подсчета количества прибыльных и убыточных дней. Результатом является объект фильтра, который нам нужно преобразовать в список, чтобы получить его длину. ### Отправка транзакций {#submit-txn} Теперь нам нужно фактически отправлять транзакции. Однако на данном этапе, пока система не проверена, я не хочу тратить реальные деньги. Вместо этого мы создадим локальный форк мейннета и будем «торговать» в этой сети. Вот шаги для создания локального форка и включения торговли. 1. Установите [Foundry](https://getfoundry.sh/introduction/installation) 2. Запустите [`anvil`](https://getfoundry.sh/anvil/overview) ```sh anvil --fork-url https://eth.drpc.org --block-time 12 ``` `anvil` прослушивает URL-адрес по умолчанию для Foundry, http://localhost:8545, поэтому нам не нужно указывать URL-адрес для [команды `cast`](https://getfoundry.sh/cast/overview), которую мы используем для управления блокчейном. 3. При запуске в `anvil` доступно десять тестовых аккаунтов, на которых есть ETH — установите переменные среды для первого из них ```sh PRIVATE_KEY=0xac0974bec39a17e36ba4a6b4d238ff944bacb478cbed5efcae784d7bf4f2ff80 ADDRESS=`cast wallet address $PRIVATE_KEY` ``` 4. Это контракты, которые нам нужно использовать. [`SwapRouter`](https://github.com/Uniswap/v3-periphery/blob/main/contracts/SwapRouter.sol) — это контракт Юнисвоп v3, который мы используем для фактической торговли. Мы могли бы торговать напрямую через пул, но так гораздо проще. Две нижние переменные — это пути Юнисвоп v3, необходимые для свопа между WETH и USDC. ```sh WETH_ADDRESS=0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2 USDC_ADDRESS=0xA0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48 POOL_ADDRESS=0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640 SWAP_ROUTER=0xE592427A0AEce92De3Edee1F18E0157C05861564 WETH_TO_USDC=0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc20001F4A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48 USDC_TO_WETH=0xA0b86991c6218b36c1d19D4a2e9Eb0cE3606eB480001F4C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2 ``` 5. На каждом из тестовых аккаунтов есть 10 000 ETH. Используйте контракт WETH, чтобы обернуть 1000 ETH и получить 1000 WETH для торговли. ```sh cast send $WETH_ADDRESS "deposit()" --value 1000ether --private-key $PRIVATE_KEY ``` 6. Используйте `SwapRouter` для обмена 500 WETH на USDC. ```sh 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 ``` Вызов `approve` создает разрешение, которое позволяет `SwapRouter` тратить часть наших токенов. Контракты не могут отслеживать события, поэтому, если мы переведем токены напрямую на контракт `SwapRouter`, он не узнает, что ему заплатили. Вместо этого мы разрешаем контракту `SwapRouter` потратить определенную сумму, а затем `SwapRouter` делает это. Это делается через функцию, вызываемую `SwapRouter`, поэтому он знает, была ли операция успешной. 7. Убедитесь, что у вас достаточно обоих токенов. ```sh cast call $WETH_ADDRESS "balanceOf(address)" $ADDRESS | cast from-wei echo `cast call $USDC_ADDRESS "balanceOf(address)" $ADDRESS | cast to-dec`/10^6 | bc ``` Теперь, когда у нас есть WETH и USDC, мы можем фактически запустить агента. ```sh git checkout 05-trade uv run agent.py ``` Вывод будет выглядеть примерно так: ``` (ai-trading-agent) qbzzt@Ori-Cloudnomics:~/260215-ai-agent$ 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 ``` Чтобы использовать его на практике, вам потребуется внести несколько незначительных изменений. - В строке 14 измените `MAINNET_URL` на реальную точку доступа, например `https://eth.drpc.org` - В строке 28 измените `PRIVATE_KEY` на ваш собственный приватный ключ - Если вы не очень богаты и не можете покупать или продавать 1 ETH каждый день для непроверенного агента, вы, вероятно, захотите изменить строку 29, чтобы уменьшить `WETH_TRADE_AMOUNT` #### Объяснение кода {#trading-code} Вот новый код. ```python SWAP_ROUTER_ADDRESS=Web3.to_checksum_address("0xE592427A0AEce92De3Edee1F18E0157C05861564") WETH_TO_USDC=bytes.fromhex("C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc20001F4A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB48") USDC_TO_WETH=bytes.fromhex("A0b86991c6218b36c1d19D4a2e9Eb0cE3606eB480001F4C02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2") PRIVATE_KEY="0xac0974bec39a17e36ba4a6b4d238ff944bacb478cbed5efcae784d7bf4f2ff80" ``` Те же переменные, которые мы использовали на шаге 4. ```python WETH_TRADE_AMOUNT=1 ``` Сумма для торговли. ```python ERC20_ABI = [ { "name": "symbol", ... }, { "name": "decimals", ... }, { "name": "balanceOf", ...}, { "name": "approve", ...} ] ``` Для фактической торговли нам нужна функция `approve`. Мы также хотим показывать балансы до и после, поэтому нам также понадобится `balanceOf`. ```python SWAP_ROUTER_ABI = [ { "name": "exactInput", ...}, ] ``` В ABI `SwapRouter` нам нужна только `exactInput`. Существует связанная функция `exactOutput`, которую мы могли бы использовать для покупки ровно одного WETH, но для простоты мы используем `exactInput` в обоих случаях. ```python account = w3.eth.account.from_key(PRIVATE_KEY) swap_router = w3.eth.contract( address=SWAP_ROUTER_ADDRESS, abi=SWAP_ROUTER_ABI ) ``` Определения Web3 для [`account`](https://web3py.readthedocs.io/en/stable/web3.eth.account.html) и контракта `SwapRouter`. ```python def txn_params() -> dict: return { "from": account.address, "value": 0, "gas": 300000, "nonce": w3.eth.get_transaction_count(account.address), } ``` Параметры транзакции. Здесь нам нужна функция, потому что [нонс](https://en.wikipedia.org/wiki/Cryptographic_nonce) должен меняться каждый раз. ```python def approve_token(contract: Contract, amount: int): ``` Одобряем разрешение на использование токенов для `SwapRouter`. ```python 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) ``` Вот как мы отправляем транзакцию в Web3. Сначала мы используем [объект `Contract`](https://web3py.readthedocs.io/en/stable/web3.contract.html) для создания транзакции. Затем мы используем [`web3.eth.account.sign_transaction`](https://web3py.readthedocs.io/en/stable/web3.eth.account.html#sign-a-contract-transaction) для подписания транзакции с помощью `PRIVATE_KEY`. Наконец, мы используем [`w3.eth.send_raw_transaction`](https://web3py.readthedocs.io/en/stable/transactions.html#chapter-2-w3-eth-send-raw-transaction) для отправки транзакции. ```python 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`](https://web3py.readthedocs.io/en/stable/web3.eth.html#web3.eth.Eth.wait_for_transaction_receipt) ждет, пока транзакция не будет добыта. При необходимости она возвращает квитанцию. ```python SELL_PARAMS = { "path": WETH_TO_USDC, "recipient": account.address, "deadline": 2**256 - 1, "amountIn": WETH_TRADE_AMOUNT * 10 ** wethusdc_pool.token1.decimals, "amountOutMinimum": 0, } ``` Это параметры при продаже WETH. ```python 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, } ``` В отличие от `SELL_PARAMS`, параметры покупки могут меняться. Входная сумма — это стоимость 1 WETH, доступная в `quote`. ```python 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.") ``` Функции `buy()` и `sell()` почти идентичны. Сначала мы одобряем достаточное разрешение для `SwapRouter`, а затем вызываем его с правильным путем и суммой. ```python 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)}") ``` Сообщаем балансы пользователя в обеих валютах. ```python 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() ``` В настоящее время этот агент срабатывает только один раз. Однако вы можете изменить его для непрерывной работы, либо запуская его из [`crontab`](https://man7.org/linux/man-pages/man1/crontab.1.html), либо обернув строки 368-400 в цикл и используя [`time.sleep`](https://docs.python.org/3/library/time.html#time.sleep) для ожидания времени следующего цикла. ## Возможные улучшения {#improvements} Это не полноценная рабочая версия; это всего лишь пример для обучения основам. Вот несколько идей для улучшений. ### Более умная торговля {#smart-trading} Есть два важных факта, которые агент игнорирует при принятии решения о том, что делать. - _Величина ожидаемого изменения_. Агент продает фиксированное количество `WETH`, если ожидается снижение цены, независимо от масштаба этого снижения. Возможно, было бы лучше игнорировать незначительные изменения и продавать в зависимости от того, насколько, по нашим ожиданиям, снизится цена. - _Текущий портфель_. Если 10% вашего портфеля находится в WETH, и вы думаете, что цена пойдет вверх, вероятно, имеет смысл купить больше. Но если 90% вашего портфеля находится в WETH, вы, возможно, уже достаточно подвержены риску, и нет необходимости покупать больше. Обратное верно, если вы ожидаете снижения цены. ### Что, если вы хотите сохранить свою торговую стратегию в секрете? {#secret} Поставщики ИИ могут видеть запросы, которые вы отправляете их LLM, что может раскрыть гениальную торговую систему, которую вы разработали с помощью своего агента. Торговая система, которую использует слишком много людей, бесполезна, потому что слишком много людей пытаются купить, когда вы хотите купить (и цена идет вверх), и пытаются продать, когда вы хотите продать (и цена идет вниз). Вы можете запустить LLM локально, например, используя [LM-Studio](https://lmstudio.ai/), чтобы избежать этой проблемы. ### От ИИ-бота к ИИ-агенту {#bot-to-agent} Можно с уверенностью сказать, что это [ИИ-бот, а не ИИ-агент](/ai-agents/#ai-agents-vs-ai-bots). Он реализует относительно простую стратегию, которая опирается на заранее определенную информацию. Мы можем включить самосовершенствование, например, предоставив список пулов Юнисвоп v3 и их последние значения и спросив, какая комбинация имеет наилучшую прогностическую ценность. ### Защита от проскальзывания {#slippage-protection} В настоящее время нет [защиты от проскальзывания](https://uniswapv3book.com/milestone_3/slippage-protection.html). Если текущая котировка составляет 2000 долларов, а ожидаемая цена — 2100 долларов, агент совершит покупку. Однако, если до того, как агент купит, стоимость вырастет до 2200 долларов, покупать больше не имеет смысла. Чтобы реализовать защиту от проскальзывания, укажите значение `amountOutMinimum` в строках 325 и 334 файла [`agent.py`](https://github.com/qbzzt/260215-ai-agent/blob/05-trade/agent.py#L325). ## Заключение {#conclusion} Надеюсь, теперь вы знаете достаточно, чтобы начать работу с ИИ-агентами. Это не всеобъемлющий обзор темы; этому посвящены целые книги, но этого достаточно для начала. Удачи! [Смотрите здесь другие мои работы](https://cryptodocguy.pro/).