“这需要领域知识。”听起来像写第一行代码之前得先苦学几百小时。但有了 AI，为什么不先广泛找方向，再筛选，用真实交易检验？这种思路适合寻找 DeFi 小价差的机器人。麻烦是其他机器人可能抢先拿走利润。你刚去捡零钱，旁边已经开来工业吸尘器。
1. 领域知识就是理解行业怎么运转
领域知识指掌握某个领域的规则、惯例、例外和失败模式，与会写 Python 不同。编程回答“怎么造”，行业理解回答“机会在哪、为什么会失败”。在 DeFi 中，价格形成、流动性、网络费用、成交稳定性和机器人竞争都很重要。
2. AI 能颠倒传统学习顺序
过去是先学习，再提出假设、开发、验证。现在可以用 AI 生成大量方向，筛选后小额试验，并从结果中积累知识。候选包括跨市场价差、清算、赎回、跨链桥和特殊兑换路径。但“100 个赚钱点子”也可能只是 100 个措辞漂亮的猜想。
3. 价差不等于到手收益
检查资金需求、交易费、网络成本、价格冲击、失败成本、成交概率和竞争。净结果＝价差收入－交易费－网络成本－不利价格变化－失败成本。 假设 ETH 在一个市场为 30 万日元，另一个市场为 31 万日元，表面差额一万日元。真实成交时价格会变，费用也要扣。屏幕显示的利润还没进入钱包。
4. MEV 是从交易排序中提取价值
MEV 指通过决定哪些交易进入区块、哪些被排除，以及排列顺序来获取额外价值。以太坊官方资料举出套利、借贷清算和夹子交易等例子。[1] 机器人可以抢先执行、在其他交易之后回收价差，或在大额交易前后安排自身交易。最后一种可能让普通用户拿到更差的价格。
5. 输给机器人不一定是 MEV
两个机器人可能独立发现同一个价差。想判断是否涉及 MEV，需要查看区块排序和链上交易。发现得早不保证成交得早；竞争者的出价与提交渠道可能让机会提前消失。[1] AI 模拟中的盈利也不等于真实入账。
6. 用真实结果决定去留
知名套利赛道竞争激烈。冷门资产与复杂赎回机制也许有被忽略的机会，但这只是需要测试的假设。小额验证、扣除全部费用、净利润消失就停止；不要利用损害他人资产的漏洞。让 AI 扩大搜索，让真实成交淘汰候选，再把结果变成领域知识。 如果 MEV 机器人又赢了，今天不是寻宝，而是在测评吸尘器。
参考资料: [1] Ethereum.org, “Maximal extractable value (MEV)” — https://ethereum.org/en/developers/docs/mev/
