jev-trader 的 AI 大脑TypeSafe Jev 模型如何在 100ms 内给出买卖决策【免费下载链接】jev-traderOne AI trade decision every Monad block. Jev on Kuru MON-USDC.项目地址: https://gitcode.com/gh_mirrors/je/jev-traderjev-trader是一个运行在 Monad 链上的 AI 交易机器人TypeSafe 的Jev 模型一种约 100ms 内返回类型化决策的 System One 推理模型实时盯住 Kuru 交易所的 MON-USDC 订单簿每 300ms 一个区块给出一次buy 或 sell决策并立刻把真实订单挂上链上订单簿。本文将拆解这套「AI 大脑」的输入、输出以及它是如何把一次决策压进 100ms 预算、恰好塞进一个区块的。⏱️ 300ms 的生死节奏为什么 AI 必须这么快Monad 的出块间隔约300 毫秒而 jev-trader 的规则简单粗暴每个区块必须做一个决策、必须下一笔真实订单不做观望。这意味着「读盘 → AI 推理 → 广播交易」整条链路必须在一个区块内跑完。项目为此设计了一个极简热路径实测数据mock 模型dry run 环境环节耗时p50说明读取订单簿~18 ms一次eth_call手写解码AI 推理~80 msJev 一次 evaluate 调用广播订单几 mseth_sendRawTransaction返回即止整循环合计~100 ms占一个 300ms 区块的 1/3如果 AI 慢了怎么办逻辑很诚实上一轮决策还没跑完时新到的区块直接被标记为late迟到本块挂起hold不交易而不是硬挤进去。 Jev 模型不问「写段分析」只问「买还是卖」与传统大模型交易机器人「生成一段分析文字再解析」的做法不同jev-trader 里的 Jev 是System One 模型——无文本输出直接返回带概率的类型化决策。源码在 src/model.ts调用入口是 AI SDK 的experimental_evaluate给它状态state 问题questions拿回一个buy或sell的选择外加{ buy: 0.77, sell: 0.23, hold: 0 }这样的概率分布输出结构是Decision类型action、probabilities、upIn10上涨概率、latencyMs耗时全程强类型没有 JSON 解析失败的可能切换模型只需改环境变量MODELjev默认mock是一个动量启发式占位实现用同样的 80ms 推理时延模拟生产节奏方便本地零成本体验完整流水线。它只被问一个问题见 QUESTIONS再过horizonBlocks默认 100 块约 30 秒之后MON 的中价会更高还是更低而且涨幅必须盖过点差spread才值得交易。问题里的goal、inputs指令还告诉模型哪些字段是最强信号——taker 主动买卖流量cvdMon、最近成交方向、某一侧深度偏薄时价格更容易朝那个方向走等等。模型不是在做「预测股价」而是在做一笔盖过交易成本的方向性判断。 模型的「眼睛」一份 40 行左右的紧凑市场快照每次决策前Trader.buildState 会把链上信息压缩成一份紧凑、相对化、人类可读的TradeState快照大致包括 当前 mid 价、点差bps、区块号与观察窗口长度 订单簿 Top 5 档每侧「价格 x 数量」格式 10/25/50 bps 三个距离档的累计深度以及买卖盘不平衡度-1 到 1 最近 1/5/20/100 个区块的收益率bps 每 5 块采样一次的中价序列 观察窗口内的 taker 成交流水买量、卖量、净主动流量cvdMon、VWAP、最近 10 笔成交明细allowed标志当前仓位上限/保证金允许买还是允许卖。这份快照刻意去掉了冗余没有原始字节、没有全量订单簿只保留对「30 秒后涨还是跌」真正有信息量的字段。输入越短推理越快、越便宜——这正是它能塞进 100ms 的另一半原因。 100ms 预算是怎么抠出来的想理解这个项目的工程美学可以看 The 300 ms budget 一节的原始描述。热路径上只发生两次 RPC 往返一次读盘、一次发交易其余全部砍掉或挪到后台读盘只发一个eth_call官方 Kuru SDK 读订单簿要串行两次调用而手写解码器 src/book.ts 一次搞定。MON-USDC 上 AMM 金库档位为空第二次调用纯属浪费延迟万一金库上线还能把两个调用合并进同一个 HTTP 批量请求。scripts/bench-read.ts 专门用于对比自研读盘与 SDK 的精确性和延迟。不做eth_estimateGasMonad 按 gas limit 计费limit 在启动时估算一次后直接硬编码不做 gas 价格查询固定 type-2 费用2 gwei priority 高上限 cap省掉一次 RPC发交易是 fire-and-forgeteth_sendRawTransaction被接受就返回回执、费用刷新、保证金检查全部放到后续区块的后台轮询里。决策落地时的执行细节src/trader.ts每个区块把模型选的那一侧挂上一笔post-only 限价单价格贴在最优盘口内 1 个 tick同一次batchUpdate顺带撤销上一笔残留订单。机器人赚的是价差而不是付出价差——成交发生在别人的 taker 订单打到它头上时。️ 三步跑起来本地体验 AI 每 300ms 交易一次仓库是只读的直接拉取代码运行git clone https://gitcode.com/gh_mirrors/je/jev-trader cd jev-trader cp .env.example .env bun install bun run start不加PRIVATE_KEY自动 dry-run——真实订单簿、真实 AI 决策、模拟成交零成本、零风险启用真 Jev在.env里设置MODELjev和TYPESAFE_AI_API_KEY模型 ID 默认jev-latest见 src/config.ts启动后http://localhost:3000是一个实时仪表盘每 300ms 刷新的价格图、决策概率条、逐块决策延迟ms、AI 花费 vs Gas 花费的对比计数器、逐笔成交流水——所有区块、交易哈希都可到浏览器验证。一个有趣的成本细节Jev 每小时推理花费约$0.20同时段 gas 约$2–5——「AI 比 gas 还便宜」正是这个项目最核心的演示信息。 项目结构速览模块职责src/model.tsModel 接口、JevModelAI 大脑、MockModel 占位实现src/trader.ts区块主循环一次在途、迟到挂起、仓位与盈亏核算src/book.ts单次eth_call订单簿读取与解码src/chain.ts区块事件源WebSocket newHeads HTTP 轮询兜底src/market.ts下单手写编码的batchUpdate撤单 post-only 挂单src/server.ts快照 / 历史 / SSE 实时流web/单页实时仪表盘Next.js 组件SPEC.md完整产品规格设计原则、布局、状态机 给新手的三个关键启发给 AI 做交易决策先收窄问题不问「分析一下」只问二选一的类型化问题experimental_evaluate输出直接可用、天然带概率还省掉了文本解析这一整层不确定性。实时 AI 系统的瓶颈往往不在模型而在链路把 estimateGas、回执确认、费用刷新全部挪出热路径一个 300ms 的窗口就能塞下 100ms 的推理。一切可验证是演示的底线真实钱包、真实区块、逐笔哈希亏损也照常显示——这也是 jev-trader 明确声明的「诚实」原则这是实验性演示模型并不以盈利为目标。想深入模型调用细节读 src/model.ts想理解「迟到就挂起」和成交记账读 src/trader.ts。整套「AI 每个区块下真单」的体验从一次bun run start开始。【免费下载链接】jev-traderOne AI trade decision every Monad block. Jev on Kuru MON-USDC.项目地址: https://gitcode.com/gh_mirrors/je/jev-trader创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考