AI 工具 14 min read

AI 交易機器人 22 小時翻 3.5 倍是真的嗎?我把 GROK BOT 流程跑了 1 萬次

IG 上一支「GROK BOT 6 Agent」影片說 $2,500 在 22 小時變 $8,750,面板右上角其實標著 SIMULATED DATA 與 22H REPLAY。我照同樣的 6 步狙擊流程寫了模擬器跑 1 萬次:中位數 $2,102、三分之二虧錢,到 $8,750 的只有 4 次——影片的數字是從分佈最右端挑出來的那一次。

AI 交易機器人 22 小時翻 3.5 倍是真的嗎?我把 GROK BOT 流程跑了 1 萬次
本文目錄 · 11
懶人包
  • IG 上一支「GROK BOT」影片說 $2,500 在 22 小時內變 $8,750,但面板右上角自己標了 SIMULATED DATA 和 DEMO,標題列寫的是 22H REPLAY:這是模擬回放,不是真實帳戶紀錄。
  • 我照面板上的 6 個 Agent 流程寫了一個迷因幣狙擊模擬器,同一套邏輯跑 1,000 次:中位數 $2,102(虧 16%),只有 33.9% 有賺,最好的一次 $8,046,沒有一次到 $8,750。
  • 加到 10,000 次,到 $8,750 以上的只有 4 次(0.04%)。隨機抽 10 次挑最好的一次,結果的中位數是 $4,022;抽 100 次挑最好的是 $5,888。
  • 把手續費和滑價歸零重跑,中位數從 $2,102 回到 $2,467、賺錢比例從 33.9% 升到 48.9%:在我的參數下,最穩定的支出是每筆約 8% 的來回成本。
  • 看到這類貼文先問四件事:有沒有標模擬或回放、給的是一次結果還是分佈、成本有沒有算進去、要你做什麼才能拿到「系統」。

2026-10-25,IG 帳號 @denghao.0304 發了一支影片,封面字幕寫「$2,500 → 22 小時後變成 $8,750 美元?這套 6 Agent 系統到底做了什麼?」。我 10/29 看到時是 696 個讚、3,000 多則留言。

我想知道這個數字在這套流程裡有多常出現,所以把面板上的流程寫成模擬器,跑了 1 萬次。這篇記錄面板上寫了什麼、我怎麼復刻、跑出來的分佈長什麼樣子,以及模擬本身的限制。

影片裡的 GROK BOT 面板寫了什麼?

IG 影片的 GROK BOT 面板:右上角標著 SIMULATED DATA 與 DEMO,標題下方寫 TRADING MODE · 22H REPLAY,訂閱費 $200 另計

這是影片的預覽畫面(Instagram 公開的 og:image)。把畫面上的字一格一格讀出來:

位置字樣意思
右上角SIMULATED DATA、DEMO資料是模擬的,這是展示模式
標題下方TRADING MODE · 22H REPLAY播的是一段 22 小時的回放
SUBSCRIPTION 卡$200.00 paid separately · next in 25 days有一筆另外付的月費
Activity log1180 new pairs – liquidity filter、CHECKING LP、READY TO EXEC、REJECTED – LOCK掃新交易對、查流動性池、檢查 LP 鎖倉
底部ODEN、VIRA、KESH、NOLU、TAMB、RYZO6 個 Agent
Activity log 裡的「new pairs」「LP」「LOCK」是 DEX 新幣池的用語,我從這些字判斷它在做的是迷因幣新池狙擊(sniping):新幣一上池就買,漲了就跑。面板上沒有交易所帳戶、錢包地址或成交紀錄可以對。

面板上也沒有任何 xAI 的標示。xAI 在 2026-08 推出的官方產品也叫 Grok Bot,但那是幫你處理 Gmail、CRM 的工作 agent,跟交易無關,兩者的差別我在〈Grok bot 是什麼〉整理過。

6 個 Agent 各自在做什麼?

影片只給了名字。我照 Activity log 的流程,把這 6 個 Agent 對應成狙擊機器人的 6 個步驟。分工是我依畫面推的,不是影片作者公布的規格。log 字樣跟 Agent 的對應也是我配的;標「—」的步驟在 log 裡沒看到,是我依狙擊機器人的常見步驟補上。面板上的排列是 ODEN、VIRA、KESH、NOLU、TAMB、RYZO,我把風控 TAMB 放在下單 NOLU 前面,因為部位大小要在下單前決定:

順序Agent我推的職責對應的 log 字樣
1ODEN掃新池、過流動性門檻1180 new pairs – liquidity filter
2VIRA檢查 LP 鎖倉,擋掉 rugCHECKING LP、REJECTED – LOCK
3KESH社群熱度打分,低於門檻不買—
4TAMB決定部位大小、限制同時持倉數—
5NOLU下單,付手續費和滑價READY TO EXEC
6RYZO停損、停利、移動停利—
這條流程每一步都在「篩掉壞幣」,聽起來很合理。決定結果的是各層篩得多準、剩下的幣漲跌分佈長怎樣,以及每一筆要付多少成本。這些數字面板上都沒有,所以要跑模擬才看得到。

我怎麼復刻這個 22 小時回放?

我用 JavaScript 寫了一個純函式模擬器,一分鐘走一步,跑滿 22 × 60 = 1,320 步。每個 seed 產生一段固定的行情,同一個 seed 每次跑出一樣的結果,方便重播「最好那一次」。

參數全部是我設的示意值,沒有拿真實鏈上資料校準:

Agent參數值
ODEN每分鐘新池數平均 0.9 個(Poisson)
ODEN通過流動性門檻12%
—通過門檻後仍是 rug55%
VIRA抓到 rug 的機率/誤殺正常幣70%/15%
KESH社群熱度門檻0.55
TAMB每筆部位/最多同時持倉總資產 8%/3 檔
NOLU手續費+滑價每邊 1%+3%
RYZO停損/停利/移動停利/最長持有-35%/+150%/回落 30%/4 小時
被 rug 的幣價值剩 3%。每檔幣有一個隱藏的「真實動能」,社群熱度跟它有關但帶雜訊,rug 幣的熱度還會稍微偏高。每分鐘有 0.15% 的機率暴衝 +50% 到 +150%,大賺的交易幾乎都來自這裡。

模擬器的蒙地卡羅函式只有幾行:

function monteCarlo(runs, opt = {}, seed0 = 1) {
  const finals = [];
  let best = null;
  for (let i = 0; i < runs; i++) {
    const res = run(seed0 + i * 7919, opt);
    finals.push({ seed: res.seed, final: res.final });
    if (!best || res.final > best.final) best = { seed: res.seed, final: res.final };
  }
  // 排序後算中位數、P10、P90、賺錢比例
}

同一套流程跑 1,000 次,$8,750 出現幾次?

node run-mc.js 1000 的實際輸出:

runs=1000 start=$2500 hours=22
median=$2102 mean=$2319 p10=$1282 p90=$3595
profitable=33.9%  >=3.5x(≈$8,750)=0.0%
best seed=1005714 final=$8046
best-run stats={"scanned":1223,"passLiq":155,"rejectedRug":67,"rejectedSent":45,"trades":23,"wins":10,"losses":13,"rugged":4,"fees":832}
指標數值
中位數$2,102(-16%)
平均$2,319
P10/P90$1,282/$3,595
有賺的比例33.9%
到 $8,750 的比例0%
最好一次$8,046(seed 1005714)
最好那一次的戰績是 10 勝 13 敗、被 rug 4 次、付了 $832 的手續費加滑價,最後還是到 $8,046。勝率 43%,報酬集中在少數幾筆暴衝。 從 1,000 次回放挑出最好的一次:餘額從 $2,500 漲到 $8,046,下方直方圖顯示這一次落在分佈最右端,中位數是 $2,102

把這次放進面板,餘額曲線一路往上,看起來跟影片很像。下面的直方圖是另外 999 次:紅色是虧錢的,佔了三分之二。

隨機挑一個 seed(395520)跑一次,結果是 $2,978,贏過 80% 的回放。這已經算運氣不錯的一次,勝率 24%,6 勝 19 敗:

隨機挑一次(seed 395520):最終 $2,978、勝率 24%,餘額曲線在起點附近上下震盪

要挑幾次,才挑得出影片那種結果?

1,000 次沒有一次到 $8,750,我把次數拉到 10,000:

runs=10000 median=$2103 mean=$2312 p1=$868 p99=$5631
profitable=33.3%  >=$8,750: 4 runs (0.04%)  best=$11349 seed=66369140
pick-best-of-10 median=$4022  pick-best-of-100 → $5888
  • 10,000 次裡有 4 次到 $8,750 以上,最好的一次是 $11,349。
  • 「跑 10 次、挑最好看的那次」重複 1,000 回,挑出來的中位數是 $4,022,已經是起始資金的 1.6 倍。
  • 跑 100 次挑最好的,中位數是 $5,888。
在這組參數下,3.5 倍的回放平均每 2,500 次出現一次。回放本身每一筆都是「真的照規則跑出來的」,影片作者不需要改任何數字,只要決定放哪一次。

手續費和滑價吃掉多少?

同樣 1,000 個 seed,只把手續費和滑價設成 0:

no-fee runs=1000 median=$2467 profitable=48.9% best=$11645 >=3.5x=0.2%
有成本(每邊 4%)零成本
中位數$2,102$2,467
有賺的比例33.9%48.9%
到 3.5 倍的比例0%0.2%
零成本時中位數接近打平,代表我設的選幣邏輯本身沒有優勢,虧損主要來自每筆來回約 8% 的成本。新池的流動性很淺,滑價 3% 是我設的值,實際可能更高也可能更低。面板上的 $200 月費還沒算進去,22 小時的模擬裡不扣。

看到 AI 交易機器人的獲利影片,先看哪四件事?

  1. 畫面有沒有寫 SIMULATED、DEMO、REPLAY、BACKTEST。 這支影片三個都寫了,字很小,在右上角和標題下方。
  2. 給的是一次結果還是一個分佈。 只給一條曲線時,問它是第幾次、總共跑了幾次。我的模擬裡,挑 10 次中最好的就能拿出 1.6 倍。
  3. 成本有沒有算進去。 手續費、滑價、訂閱費,這三項在我的模擬裡決定了中位數是賺還是賠。
  4. 要你做什麼才拿得到「系統」。 這支影片是 3,000 多則留言、696 個讚,留言比讚多 4 倍多,前一輪研究時看到的留言多是 emoji、「想要」「給我指南」這類短字。我沒有留言去換,所以不知道私訊送的是什麼。
這四件事不能證明某個機器人沒用,只能分辨你看到的是不是可驗證的交易紀錄。真實紀錄應該能對到交易所帳戶或鏈上地址。

這個模擬能證明什麼、不能證明什麼?

能證明的:一套有正常篩選流程、但沒有真實優勢的狙擊機器人,跑夠多次就會出現 3 倍以上的回放,而且這些回放本身是照規則產生的。

不能證明的:

  • 不能證明影片裡的機器人會虧錢。 我沒有它的程式、參數或交易紀錄,模擬的是「面板描述的流程」,不是那個產品。
  • 參數沒有校準。 rug 比例、暴衝機率、滑價都是示意值。換一組參數,中位數可以是賺的,也可以虧得更多。要更接近真實,得用 DexScreener 或 Birdeye 的新池資料去校準,這次沒有做。
  • 真實行情的尾巴更胖。 迷因幣有一天 100 倍的,也有開盤一分鐘就歸零的,我的暴衝上限是單分鐘 +150%。

自己跑一次

我把模擬器做成單一 HTML 頁,放在 html.yanchen.app/grok-bot-mc。按「IG 模式」會從 1,000 次裡挑最好的那次回放,按「隨機跑一次」會隨機挑一個 seed。每次都會在底部的直方圖標出這次落在哪裡。

整頁沒有外部依賴,模擬器原始碼就內嵌在頁面裡,用瀏覽器「檢視原始碼」就能讀到所有參數。想改參數,存成本機檔案,把 DEFAULTS 裡的數字改掉再開。

常見問題

影片裡的 GROK BOT 是 xAI 的產品嗎?

我在面板上找不到 xAI 或 SpaceXSI 的標示。xAI 官方 2026-08 推出的 Grok Bot 是處理 Gmail、CRM 等工作的 agent,不是交易機器人。

22H REPLAY 是什麼意思?

字面是「22 小時的回放」,也就是把一段已經跑完(或模擬完)的過程重播,不是即時下單。同一個面板右上角標著 SIMULATED DATA,表示播放的資料是模擬的。

我的模擬可以拿來決定要不要用交易機器人嗎?

不行。參數是示意值,沒有用真實鏈上資料校準。它只示範「挑最好的一次」能讓一套沒有優勢的流程看起來多好。

資料來源

author
陳
陳彥彤

AI 工程師 · AI 顧問。Java 後端 8 年、AI 工程師 2 年。AI 內訓 · AI 導入顧問 · 前後端與雲端培訓。

support

覺得文章有用可以到 GitHub 給個 star,或是透過信箱聊聊 AI 內訓、AI 導入顧問或前後端 / 雲端培訓。

related

相關文章

[AI 工具] · 18min
Kinetograph 實測:不開 Chrome 的 Rust 影片引擎,AI 代理 10 秒算出直式短片
Kinetograph 是 2026-10-23 才開的 Rust 影片引擎,沿用 Remotion 的 TSX 寫法或純 HTML,由 GPU 算每一格,不開 Chrome,還內建 14 個 MCP 工具讓 AI 代理直接出片。我在 Windows 加 RTX 4070 算 150 格直式短片約 10 秒——拿來批次產短片很順,但 0.2.5 還是 beta,中文字型和 Windows 路徑有坑。
[AI 教學] · 13min
awesome-agentic-ai-zh 實測:8.4k 星中文 AI Agent 學習地圖,50 支範例跑過 49 支
awesome-agentic-ai-zh 是 Lehigh 博士研究生 Wenyu Chiou 在 2026-05 開的 MIT 授權 repo,用繁中、英文、簡中三語把 AI Agent 從零排到上線,分「用 CLI Agent 做事」和「自己寫 Agent」兩條路,每題附 mock 測試。半年 8.4k 星,我不帶 API key 跑完 50 支測試 49 支通過——當自學或開課骨架可以直接用,只是 Stage 4 框架要一題一個環境裝。
[AI 工具] · 21min
Harness² 是什麼?Google 開源讓 AI agent 不換模型自己改 harness,我用 claude -p 實測 18 次
Harness² 是 Google Research 在 2026-10-09 發表的 Apache-2.0 框架,模型權重不動,讓另一個 LLM 比對執行軌跡後改寫 agent 的 prompt、script、skill,並把附證據的經驗存進 library。我用 claude -p 做了迷你版跑 3 題 18 次全對——分數沒有進步空間,變的是做法被固化成 script,值得搬它的 prompt 設計,不建議直接用官方 repo。