القائمة
发现 Polymarket 上有利可图的预测市场。通过 AI 概率估算与市场隐含赔率的对比，识别定价偏差最大的前 3 个市场，从信息流、结算清晰度、流动性和波动性四个维度进行分析，并给出仓位建议。当用户提到 Polymarket 机会、预测市场推荐、每日市场脉搏、市场分析、找到错误定价的市场时使用此技能。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Polymarket CLOB API 自动交易执行层。非交互式、指令驱动，支持买入/卖出（市价/限价）、撤单、余额查询、持仓查询、订单簿读取与智能定价。可被 orchestrator 或其他 skill 直接调用执行真实交易。当需要在 Polymarket 上执行实盘交易、查询余额、查看持仓、读取订单簿时使用此技能。
Backtest Polymarket recommendation history. Fetches current market prices, computes P&L for each historical recommendation, evaluates returns by category and direction, and generates a strategy reflection report. Use when the user asks to backtest, evaluate performance, review returns, or analyze P&L of their Polymarket recommendations.
回测 Polymarket 推荐历史。获取当前市价，计算每笔历史推荐的盈亏，按类别和方向评估收益，并生成策略反思报告。当用户要求回测、评估表现、查看收益、分析 Polymarket 推荐盈亏时使用此技能。
DANGER: Polymarket 全自动交易编排器。无需人工确认，AI 自主完成市场扫描、概率评估、仓位计算和实盘下单。一句话触发完整交易链路。当用户要求自动交易、全自动下单、danger trade、auto trade Polymarket 时使用此技能。
Monitor Polymarket positions and open orders for specific wallet addresses. Detects price anomalies, volume spikes, whale activity, and position changes across held markets, with alerts via terminal, Telegram, and email. Use when the user wants to monitor their Polymarket positions, track wallet activity, set up position alerts, or watch for market anomalies on held markets.
监控 Polymarket 持仓和挂单。检测价格异常、成交量暴涨、巨鲸活动和仓位变化，通过终端、Telegram 和邮件发送告警。当用户要求监控 Polymarket 持仓、追踪钱包活动、设置持仓告警、或监视持仓市场异动时使用此技能。
| name | polymarket-market-pulse-zh |
| description | 发现 Polymarket 上有利可图的预测市场。通过 AI 概率估算与市场隐含赔率的对比，识别定价偏差最大的前 3 个市场，从信息流、结算清晰度、流动性和波动性四个维度进行分析，并给出仓位建议。当用户提到 Polymarket 机会、预测市场推荐、每日市场脉搏、市场分析、找到错误定价的市场时使用此技能。 |
扫描 Polymarket 上的错误定价预测市场。通过网络搜索估算真实概率，对比市场赔率，推荐前 3 个最具盈利潜力的机会，并提供仓位建议。
按顺序执行以下 7 个步骤，不可跳过。
运行市场数据获取脚本，从 Polymarket Gamma API 拉取活跃市场：
python scripts/fetch_markets.py --pages 5 --min-liquidity 5000
脚本通过 /events 端点获取数据（每个事件包含嵌套市场），按交易量、流动性、上线时间和竞争度四个维度各分页 5 页（每页 50 个事件），扫描约 1,000 个事件。自动合并去重、展开为独立市场。
如需深度扫描（如每周全面复盘），使用 --pages 20 覆盖最多 4,000 个事件。
如果脚本执行失败（网络错误、API 变更），改用手动 API 调用。端点详情见 references/polymarket-api.md。
从获取的市场中，用以下条件筛选至 10-15 个候选。
注意：脚本已自动过滤以下垃圾市场，无需手动处理：
排除：
优先选择：
Longshot Bias 扫描（重要）： 每次分析必须专门选取 3-5 个 Yes 价格 < 20% 且流动性 > $50k 的市场作为"No 扫描"候选。 这些市场的 Yes 侧大概率被高估，No 侧是最常见的系统性 edge 来源。
多结果市场（Top-N 偏差扫描）： 部分市场有 2 个以上结果（如选举、锦标赛冠军）。不要跳过这些市场。 多结果市场往往流动性最深、参与者最多， 但因为 outcome 数量多，个别 outcome 的定价效率反而更低。
处理方式：
clob_token_ids）。对每个候选市场（约 10 个），进行网络调研并形成独立的概率估算。这是最关键的步骤。
结算规则获取（必须在概率估算之前执行）：
对每个通过初筛的候选市场（~10 个），必须获取完整结算规则和 annotations。
优先方式 — scrape 脚本（推荐）：
cd ~/.claude/skills/api-trade-polymarket/scripts && npx tsx scrape-market.ts --slug <event_slug> --sections context,rules
脚本通过 HTTP 获取页面 SSR HTML 中的 __NEXT_DATA__，返回 JSON 包含：
rules.description — 完整结算规则（比 API description 更完整，不截断）rules.resolution_source — 官方数据源market_context.annotations[] — 市场注释（含 summary、date、hidden 状态）market_data — volume、liquidity、各 outcome 的 bid/ask纯 HTTP 方案，无浏览器依赖，速度快。
回退方式 — WebFetch：
如果 scrape 脚本返回数据不足（如 rules.description 为空），回退使用 WebFetch 访问 https://polymarket.com/event/{event_slug} 提取规则。
从返回数据中提取：
rules.description）market_context.annotations）将提取到的完整规则存储，在后续概率估算中直接引用。
注意： 页面 "Market Context" 标签的可见内容由客户端 JS 渲染，scrape 脚本返回的是 __NEXT_DATA__ 中的原始 annotations 数据（可能标记为 hidden: true）。Playwright 方案因 macOS 沙盒限制不可用。
为什么这一步是强制的： 市场页面上的 "Additional context" 经常包含创建后追加的定量门槛和数据源定义， 这些信息直接决定结算结果。仅靠 API description（截断 500 字符）做判断会导致严重误估。
信息搜集（A1 模块）：
推理与预测（A2 模块）：
详细方法论见 references/analysis-framework.md。
对每个候选市场计算：
Edge = AI估算概率 - 市场隐含概率
其中 市场隐含概率 是第 1 步中 outcome_prices 的值（如 0.35 = 35%）。
筛选标准：
综合得分排序（替代纯 Edge 排序）：
综合得分 = |Edge| × log10(Liquidity + 1)
示例：Edge 20% + $10k 流动性 = 0.20 × 4.0 = 0.80；Edge 10% + $500k 流动性 = 0.10 × 5.7 = 0.57。Edge 仍然主导但流动性极差的市场会被降权。
市场数据中已预计算 liquidity_score 字段（= log10(liquidity + 1)），直接使用即可。
硬性门槛： 流动性 < $5,000 的市场不得进入 Top 3 推荐。
选取综合得分最高的前 3 个市场（最低 10% edge）。
月化收益估算：
对每个通过 edge 阈值的候选市场，计算：
d：取自 end_date（如存在）；否则默认 90 天（标注"假设值"）。下限取 7 天。expected_return = (p - c) / cmonthly_return = (1 + expected_return) ^ (30 / d) - 1在逐市场分析中显示。标注：d<7 → "极短期仅供参考"；d>365 → "长期资金锁定"；无 end_date → "(假设 90d)"。
Longshot Bias 提醒： 统计规律表明，预测市场中 Yes < 20% 的市场普遍存在 No 侧 edge。 在最终 Top 3 推荐中，应至少包含 1 个"买 No"推荐（如果 No 侧确实存在 edge）。 不要仅仅因为"买 No 利润看起来少"而忽略这类机会——高胜率 × 适当仓位 = 稳定收益。
对通过 Edge 筛选的前 3 个推荐市场，执行评论区校验。这是概率估算的最终验证环节，独立于第 3 步的网络调研。
获取评论：
对每个 Top 3 市场，运行 scrape 脚本获取评论（优先方式，自动处理 Series/Event ID 查找）：
cd ~/.claude/skills/api-trade-polymarket/scripts && npx tsx scrape-market.ts --slug <event_slug> --sections comments --comment-limit 20 --comment-sort likes
返回 JSON 中 comments.items[] 包含每条评论的 user、body、likes、created_at、is_holder、positions。
如需按时间排序：--comment-sort newest。
为什么优先用 scrape 脚本： 很多市场的评论挂在 Series entity 下（而非 Event），脚本会自动从 Gamma API 的 series[].id 字段提取 numeric Series ID 进行查询。
回退方式 — polymarket CLI：
# 1. slug → numeric ID
polymarket events get <event_slug> -o json | python3 -c "import sys,json; print(json.load(sys.stdin)['id'])"
# 2. 获取评论
polymarket comments list --entity-type event --entity-id <id> --limit 20 -o json
注意：CLI 仅通过 Event entity type 查询，部分 Series 维度的评论可能无法获取。
如果返回 0 条评论（部分事件确实没有评论），在报告中标注"该市场无用户评论"并跳过评论校验。
分析维度：
逐条审查评论，寻找以下信号：
概率修正：
输出要求：
在报告的每个推荐市场中，添加"评论区校验"区块，记录校验结果。 如果校验导致概率修正，在修正后的概率旁标注"（评论区校验后调整：原 XX% → 现 YY%）"。
对前 3 个市场分别获取订单簿：
python scripts/fetch_orderbook.py <token_id> --slippage 0.02
使用市场数据中的 clob_token_ids。看涨 Yes 用第一个 token ID；看涨 No 用第二个。
脚本输出：
1/4 凯利仓位管理：
对前 3 个推荐市场分别计算：
f* = (p - c) / (1 - c) — p = AI 估算的买入方向胜率，c = 买入方向的入场价格
f_q = f* / 4
kelly_amount = f_q × 资金总额（默认资金 $10,000；如用户指定则使用用户值）
liquidity_cap = 0.10 × buy_capacity.max_cost_usd
position = min(kelly_amount, liquidity_cap)
position_pct = position / bankroll（实际分配的资金比例）
显示：完整凯利 %、1/4 凯利 %、凯利金额（% → $）、流动性上限（% → $）、建议仓位以资金百分比为主（附 $ 等值）。
安全规则：若 p ≤ c → 凯利 ≤ 0，不推荐。f* 显示上限 100%。
按 references/output-template.md 中的模板格式化最终输出。
每个推荐市场必须包含：
https://polymarket.com/event/{event_slug}，使用事件级 slug 而非市场 slug）时间戳要求（重要）：
YYYY-MM-DD HH:MM:SS将完整报告保存为 Markdown 文件：
mkdir -p ~/polymarket-reports
文件路径： ~/polymarket-reports/market-pulse-{YYYY-MM-DD}-{HHMMSS}.md
使用 Write 工具将报告保存到上述路径。保存后向用户确认文件路径。
示例文件名： market-pulse-2026-02-23-134500.md
追加推荐历史：
保存报告后，追加到 ~/polymarket-reports/recommendation-history.md：
| Date | Market | Link | Direction | Entry Price | AI Prob | Edge | Full Kelly | 1/4 Kelly | Position | Mo. Return | End Date | Status |
|---|
https://polymarket.com/event/{slug}）。终端摘要输出（重要）：
保存报告后，在终端（非文件）中向用户输出简明摘要，必须包含可点击链接：
Top 3 推荐市场逐个输出格式：
### {排名}. {市场问题} — {方向} @ {入场价}
- **链接：** https://polymarket.com/event/{event_slug}
- **Edge:** {edge} | AI {ai_prob}% vs 市场 {market_prob}% | 置信度：{confidence}
- **建议仓位：** {position}（{position_pct}% of bankroll）
- **EMR:** {monthly_return}%（{d}天）
然后输出一张候选池总览表，包含 Top 3 + 次优 5 个（共 8 个），按综合得分排序：
| # | 市场 | 方向 | 市场价 | AI 估计 | Edge | EMR | 链接 |
|---|------|------|--------|---------|------|-----|------|
| 1 | {问题，截断50字符} | {Buy Yes/No} | {market}% | {ai}% | {+X%} | {X%} | [link](https://polymarket.com/event/{slug}) |
| ... | ... | ... | ... | ... | ... | ... | ... |
| 8 | ... | ... | ... | ... | ... | ... | ... |
注：EMR = Estimated Monthly Return（预估月化收益）。第 4-8 名未做深度流动性分析和评论区校验，仅供参考。
~/.cargo/bin/polymarket)：fetch_orderbook.py 和评论回退方案均依赖此工具。确认已安装：polymarket --version~/.claude/skills/api-trade-polymarket/scripts/，用于获取结算规则和评论。需要 npx tsx。以下 polymarket CLI 命令可在工作流中按需使用，无需额外脚本：
| 命令 | 用途 | 适用步骤 |
|---|---|---|
clob batch-prices <ids> --side buy | 批量价格查询 | Step 2 快速筛选候选价格 |
clob spreads <ids> | 批量 spread 查询 | Step 2 流动性快筛 |
clob price-history <id> --interval 1d | 价格历史 | Step 3 波动性分析 |
markets search "query" | 市场搜索 | 按关键词定向查找 |
markets get <slug> | 单个市场详情 | 任意步骤补充数据 |
--min-liquidity 阈值或增加 --pages（如 --pages 20）以扫描更多市场--pages 20 需要 80 次 API 调用（20 页 × 4 维度），约需 30-40 秒。可用 --pages 5 加速enableOrderBook 为 true。fetch_orderbook.py 依赖 polymarket CLI，确认 CLI 可用。--limit 参数：已废弃但仍兼容，会自动映射为 --pagesfetch_orderbook.py.bak 是原始 urllib 版本，可在 CLI 不可用时回退