AI百科网 AI教程
AI百科

早期用户一天给交易 agent 发 800 次请求

800 次请求听起来像高频交易,实际大部分是盯盘。看清这些请求在做什么,以及为什么"人还在决策点上"是这类产品唯一的安全垫。

本文目录 · 6 节

一天 800 次请求。平均下来,醒着的 16 小时里每 72 秒一次。

没人会手打 800 条消息。这个数字说明的不是勤奋,是有人把一部分盯盘工作交出去了。

一、发生了什么

HackerNoon 10 月 22 日发了一篇 Jon Stojan 的文章。需要先说明性质:文首标注这是观点稿,文末注明由商业博客项目发布,属发布稿,不是独立调查。

文中引用的事实有几条可以核对。Binance 在 Agent OS 上线第一周称,平均用户单日发出 800 次以上请求。Binance 产品副总裁 Jeff Li 给的数据是:第一周 MCP 连接数翻倍、调用量增长 20 倍;两周内日请求超过 9 万次,95% 在 60 毫秒内完成,成功率 97%。

文中还引了 CNBC 的一个背景:光是 Polymarket 和 Kalshi 两个预测市场平台,就能列出超过 10 万个活跃市场。这个量级一个人看不过来,所以有人用 Claude 去扫简报和社群找线索。

Binance 公开的三个用户画像方向一致:一个把 Agent OS 接到编码工具上,让它准备一笔现货买单,人看过、批准,才拿到成交价、手续费和余额;一个让模型拉订单簿和近期走势,用模型给的两种思路辅助自己判断;第三个在做加密资讯页,把三个币种的数据拉进聊天工作流,生成简短行情摘要。

还有一条来自《华尔街日报》的观察:有投资者在一个单独的账户里跑三个有名字的 agent,一个扫标的、一个收盘前查持仓、一个写周报。

顺带一个反向数据。Anthropic 九月的内部实验 Project Swap 里,201 名员工派 agent 替自己挑书,agent 的选择和本人选择在 61% 的书对上一致,随机是 50%。参与者说愿意把年度购书预算的约三成交给 agent,而交给一个读书多的朋友是四成。

二、跟你有什么关系

用交易工具的人。 你的 agent 大部分时间在读取,不是在交易。权限要按这个比例分:读可以放开,写必须收口。

做 agent 产品的人。 用户要的不是"帮我赚钱",是"替我一直看着"。产品重心应该在监控、提醒、摘要,而不是自动下单。

三、怎么用这类工具

读到这儿,可以顺路看 怎么盯住比你强的模型?给它装一个倒带键 读完能理解弱审核者如何核验强 AI 的计算结果:新提出的可倒带交互证明允许验证器把模型回退到任意状态重来,效率高、不依赖密码学,关心 AI 安全机制的人值得一看。
  1. 先拆权限。行情、订单簿、余额这类读操作可以给;下单、撤单、划转这类写操作,逐笔人工确认。
  2. 设一个"人必须在场"的节点。文中三个案例的共同点是:agent 准备,人批准。这个顺序别反过来。
  3. 要求可读的日志。30 秒能看完的摘要,比一万行原始调用记录有用。
  4. 用独立账户隔离。那位跑三个 agent 的投资者就是这么做的,主账户不接入。
  5. 定期验一次它懂不懂你。Project Swap 的 61% 说明它能猜对大半,也说明有四成会猜错。抽几单问它"为什么选这个",答不上来就收紧权限。

四、三个别信的说法

"800 次请求说明散户在做高频交易。" 文章自己的解释是:大部分请求是价格检查、订单簿拉取、余额查询和监控循环,真正的下单占比很小。Binance 没有公布这个拆分,所以任何精确的比例都是猜的。

"agent 已经能替人赚钱了。" 全文没有一个收益率数字。三个案例都是"辅助判断"和"准备订单",人做最后决定。Project Swap 那个 61% 更值得看:比随机高 11 个百分点,意味着它对你的理解还很粗。

"请求越多,说明 agent 越聪明。" 请求量衡量的是委托的规模,不是能力。一个不停问价格的 agent 可能只是循环写得好。真正的指标是:它替你做对了几次判断,你推翻了几次。

五、一句话结论

这些 agent 现在干的活是"一直看着",不是"替你决定"——把权限按这个事实分配,风险就小一半。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。

下一站 · 具身智能 机器人学拧螺丝,为什么要拆成两步教 读完能理解机器人自主拧螺丝为何难:接触密集、发力精细、环境多变。新研究把任务拆成两段三模块,在真机上做到对齐成功率接近熟练工人,做具身操作的人可参考其分步思路。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?