GitHub上五个免费Polymarket天气交易机器人汇总

我在 GitHub 上找到了 5 个免费的 Polymarket 天气交易机器人（涵盖从简单自动化到完整机器学习天气模型的不同类型）… 每个仓库都附带了详细的英文分步设置和使用指南。

> 入门级（3-5分钟完成设置）
1. 基于 GFS 的天气交易机器人。它使用来自全球预报系统（Global Forecast System）的 31 种不同预报情景，估算选定城市特定日期最可能出现的气温。
之后它会将这个数值与当前 Polymarket 价格对比，找出定价错误的结果。这个机器人还带有网页面板，可以追踪它的交易、预报、盈亏等等。GitHub：

2. 采用凯利策略的 NWS 预报机器人。这个机器人扫描选定城市最新的 NWS 气温数据，将它和 Polymarket 当前价格做对比。
它使用凯利仓位策略，根据优势的大小计算最优交易仓位，然后自动执行交易。GitHub：

> 进阶级
3. 由 Hermes Agent 驱动的交易机器人。这个自动化机器人从多个来源收集天气数据，采用高斯区间（Gaussian Bucket）策略——举个例子，如果预报是 70 华氏度，它会估算最终气温会落在 69 华氏度到 71 华氏度之间。
之后它会将这个区间和当前 Polymarket 价格对比，直接向你的 Telegram 发送交易信号。这个机器人最好的功能是，它可以追踪和分析自己的交易结果，从中学习并随时间推移优化策略。GitHub：

4. 来自一位中国开发者的实时天气分析机器人。它会扫描不同来源获取最新可用气温数据，包括天气预报、机场数据和航空气象观测（比如 METAR）。
之后它会生成选定城市特定日期的详细天气报告。GitHub：

5. 一名波士顿大学计算机科学学生为本科毕业论文搭建的机器学习天气模型。这个模型通过对比过去预报和实际发生的气温，从天气预报误差中学习。
它的工作原理：举个例子，如果 NWS 多次预报芝加哥最高温为 72 华氏度，但实际日最高温更接近 69 华氏度，模型就会学到，在类似条件下，这个来源对芝加哥气温的估测会偏高大约 3 华氏度。
当收到新预报时，模型不会盲目信任它，而是会根据历史误差调整预报，生成更准确的气温估算。GitHub：

所有这些机器人都自带模拟模式，所以你可以在真实市场中测试它们，不需要承担任何资金风险。