企业官网建设流程全解析

jev-trader：每 300ms 让 AI 在 Monad 链上下真实交易订单，这是什么？一文读懂

【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

🤖jev-trader是一个运行在 Monad 链上的AI 交易机器人：它盯住 Kuru 交易所的 MON-USDC 订单簿，由一个名为 Jev 的 TypeSafe AI 模型在每个区块（约 300 毫秒）只回答一个问题——买还是卖，然后在订单簿上挂出一笔真实的 post-only 限价单。它不是模拟盘，而是真金白银的链上交易，并配有一个实时刷新的仪表盘网页，让你亲眼看到 AI 每 300ms 做一次决策、上一笔订单的全过程。

一句话概括这个项目："This AI makes a real trade decision every 300 ms on Monad."而且 AI 推理一小时的成本（约 $0.20）甚至比链上 gas 还便宜。

🧠 jev-trader 是什么：AI 决策 + 链上执行的极简组合

传统交易机器人通常由"策略规则 + 行情数据"驱动，而 jev-trader 把决策环节直接交给 AI 模型。整个系统由三部分构成：

它的盈利逻辑很朴素：作为maker（挂单方）而非 taker，在最优买价/卖价内侧一个 tick 处挂单，等别人的吃单砸进来成交——赚的是价差（spread），而不是付出价差。

产品理念定义在 SPEC.md 里，核心原则是：单屏、无登录、无设置，"画面的运动本身就是内容"，每 300ms 必须有东西在变化。

⚡ 核心机制：每 300ms 的"决策-下单"循环

这是整个项目最精彩的部分，主循环实现在 src/trader.ts 的onBlock方法中。每个区块到来时，它做四件事：

1. 读订单簿：一次eth_call读取 Kuru 的 MON-USDC 订单簿（约 18ms）；
2. 问 AI：把盘口、价差、近 30 秒的成交与深度打包成一份紧凑的"交易状态"，问模型一个选择题——"再过约 100 个区块，MON 价格会更高还是更低？"，模型在约 100ms 内返回带概率的 buy / sell；
3. 上一笔订单：在模型指出的那一边，挂出 200 MON 的 post-only 限价单（最优价内侧 1 个 tick），同时取消上一区块留下的旧单，一笔batchUpdate交易搞定；
4. 记账：更新仓位、已实现/未实现盈亏、gas 与 AI 花费，并把整个区块事件推给仪表盘。

📌 如果上一笔订单还没处理完，新区块就被标记为late（迟到），本块只 hold 不下单——保证任意时刻只有一个请求在飞，绝不追赶过期区块。

🏎️ 为什么能在 300ms 里跑完？热路径上只有 2 次 RPC

这是理解项目工程含金量的关键。为了把"决策 + 下单"塞进一个区块，热循环恰好只做两次 RPC 往返（详见 README.md 的 "The 300 ms budget" 章节）：

• ✅ 一次eth_call：读订单簿（src/book.ts，手工解码getL2Book返回数据，比 SDK 少一次网络往返）；
• ✅ 一次eth_sendRawTransaction：发送签名好的交易，RPC 收到哈希即返回。

而被刻意排除在热路径之外的：

• ❌eth_estimateGas——Monad 按 gas limit 收费，所以 limit 在启动时估算一次后硬编码；
• ❌ gas 价格查询——使用静态 type-2 费用（400 gwei 上限 + 2 gwei 优先级）；
• ❌ 同步等待回执——回执、费用刷新、保证金检查都在后续区块的空闲时间里异步完成（见 src/market.ts 的pollPending与refresh）。

实测数据（dry run + mock 模型）：订单簿读取 p50 约 18ms，整个循环 p50 约 100ms。区块来源由 src/chain.ts 提供：WebSocketnewHeads为主、150ms 轮询兜底，突发区块会合并成"只处理最新一个"。

📋 项目结构一览：每个文件各管一件事

后端只有 7 个核心文件，职责清晰（src/ 目录）：

前端是一个 Next.js 单页应用（web/src/），组件与后端事件一一对应：决策面板 DecisionPanel、价格曲线 FlowChart、交易流水 Feed、六格计数器 StatsRow。数据经 useFeed.ts 从 SSE 流入，web/README.md 有更细的前端说明。

🚀 本地跑起来：3 条命令 + 免费 dry-run 模式

配置入口在 src/config.ts，全部走环境变量。最棒的是：不配私钥就是 dry-run——真实的订单簿、真实的 AI 决策，只是成交被模拟（订单挂一个区块，被真实盘口穿越时即视为成交）。

快速启动步骤：

1. 复制环境模板：cp .env.example .env
2. 安装依赖：bun install
3. 启动：bun run start

几个关键开关（默认值见 src/config.ts）：

• MODEL=jev+TYPESAFE_AI_API_KEY：启用真正的 Jev AI（默认mock是动量+盘口失衡+噪声的确定性替身，src/model.ts）；
• TRADE_SIZE_MON：单笔数量，默认 200（Kuru 该市场的最低单量）；
• MAX_POSITION_MON：仓位上限，触顶后订单自动翻到减仓一侧（capped: true，概率仍显示模型原意）；
• DRY_RUN/ 缺少PRIVATE_KEY：进入模拟成交模式。

仓库还附了验证脚本：scripts/bench-read.ts对比自研订单簿读取器与 SDK 的精度和延迟，scripts/dry-encode.ts离线签名一笔买/卖并断言 calldata 与 SDK 完全一致——"手编码"不是猜的，是逐字节对齐过的。

📊 仪表盘：每 300ms 都在动的单屏直播间

前端页面严格遵循 SPEC.md 的五段式布局，一切为了"录一段 20 秒的屏摄就能让人看懂"：

• 头部：标题 + 跳动红点 + 每 300ms 递增的区块号 + 钱包地址 + 模型徽章（真 Jev 显示jev-latest，替身模型挂琥珀色stand-in徽章）；
• 价格主图：MON/USDC 中间价滚动窗口，每个成交打一个绿/红三角标记，几乎每个区块都有；
• 决策面板（招牌元素）：买/卖概率双向条、本块决策延迟（如 "94 ms"）、底部 60 格 tick 条（绿买红卖、琥珀色迟到）；
• 计数器行：区块数、决策数、成交数、AI 花费与 gas 花费并排放置——"AI 比 gas 还便宜"这个卖点直接可视化，无需注解；
• 成交流水：最近 12 笔成交，含区块、方向、数量、价格、延迟与交易哈希。

数据经 src/server.ts 的 SSE 端点/events推送：连接时先发snapshot，之后每区块一条block事件、回执落地时quote事件、成交时fill事件。项目还有一个已部署的公开 dry-run 实例可玩（地址见 README.md），打开就能看到 mock 模型每 300ms 下单的真实节奏。

🎯 总结：它想证明什么？

jev-trader 不是要给你一套能抄的策略（SPEC.md 明确写着"模型并非以盈利为目标"、无回测、无策略讲解）。它想证明的是：

1. AI 决策可以快：TypeSafe 模型不产文本、直接返回带概率的结构化决策，100ms 出答案，快过一个区块周期；
2. 成本可以低到反直觉：AI 推理一小时 ≈ $0.20，同期 gas ≈ $2–5，"The AI costs less than the gas"；
3. 一切真实可验证：钱包地址、交易哈希、区块高度全部上链，盈亏红绿照晒，亏损和盈利一样直白。

一个 300ms 节奏的"AI 心跳"，配上克制的深色交易台美学——这就是 jev-trader 的核心体验：让 AI 的每个决策都以链上订单的形式，肉眼可见地发生。

【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