加密套利者用AI构建套利程序 提示词决定开发效率

从业者在𝕏分享，自己只是随口提到套利者可以用AI提升效率，没想到内容获得了极高流量。他初步尝试用CODEX构建套利小程序后，认为产品思维和提示词的质量格外重要。

在这种开发模式里，人需要扮演产品经理的角色，大模型只负责执行程序开发。具体流程和产品经理的工作内容一致：发现需求、输出初步提示词、构建最小可行产品（MVP）、优化需求方案、成功运行、持续迭代优化。

他以自己的开发过程举例，输出初步提示词后，CODEX很快完成了第一版程序，但第一版效果和优化后的版本差距极大。问题根源就是最初的提示词不够清晰准确。

最初他计划用Kyber和0x聚合器的喂价捕捉套利信号，但这个方案遭遇了API限流、延迟、调用频率限制等问题，程序执行耗时很高。模糊的需求引导让AI偏离了更优方向，他耗费了大量时间优化执行速度。

后续调整提示词重新引导后，CODEX给出了本地计算可执行空间的方案，同时也解决了非公共免费节点的调用限制问题。这次开发也让他接触到了很多此前不了解的技术知识。

优化完成后，他发现专业最大可提取价值（MEV）从业者已经占据了他找到的套利路径。这些从业者使用自建RPC和更优化的程序，执行速度在100到200毫秒级别，完全碾压他程序1到2秒的执行速度。

专业从业者并没有吃掉全部套利差价，还给他留下了部分套利空间，其他路径可能也存在类似机会。AI无法完全替代人思考套利路径，这部分工作仍需要人自己打磨。他附上优化后的程序执行速度记录，表示会继续推进开发。