bennyjo/phil · 上手攻略

仓库：bennyjo/phil
链接：https://github.com/bennyjo/phil
分类：项目 · AI 量化交易
作者：Tom
更新：2026-10-13

这是什么

Phil 是一个自我改进的交易 AI Agent：它用 Claude Code 在短期预测市场（以 Polymarket 为主）上进行交易，每结算一笔赌注后重写自己的策略。它的核心是一个纸艺学习引擎——所有交易决策先用模拟账户跑，积累足够证据后才可能开真实仓位，且真实仓位由 Pearl Connect 签名服务托管，Agent 本身永远不持有密钥。

它不是理财建议，也不是套利工具。它是一个研究项目，研究的核心问题是：在哪些市场类别里，快速的 AI 研究能够打败市场价格？

解决什么问题

预测市场研究有两个痛点：人工研究太慢，赶不上 24 小时轮转的市场；现成的量化策略不透明，不知道策略什么时候会退化。Phil 用持续运转的纸艺循环回答第一个问题，用 git 提交记录策略演化历史，用 Brier Score（而非单纯 P&L）衡量预测质量回答第二个问题。

快速安装

前置要求

Claude Code：在 PATH 中可用的 claude 命令（https://claude.com/claude-code）
Python 3：推荐 3.10+
Polymarket 账号（仅真实交易需要，默认纸艺模式无需注册）
（可选）Pearl Connect：仅真实交易需要（https://pearl.you/connect）
（可选）ODDS_API_KEY：仅跑博彩赔率基准需要，从 https://the-odds-api.com 获取

⚠️ 市场数据本身不需要 API key，Polymarket 的公开 gamma/CLOB 端点直接可用。

克隆安装

git clone https://github.com/bennyjo/phil.git
cd phil
pip install -r requirements.txt  # 或 pip install -e .

验证环境

python3 core/real.py doctor
# 检查真实交易路径是否就绪（仅 --real 模式需要）

核心用法

基础运行（纯纸艺）

./loop.sh 10 45
# 运行 10 个纸艺周期，每个周期间隔 45 分钟
# 在 headless Claude Code 环境下运行

这会：筛选约 300 个市场 → 研究最大偏差项 → 下注 → 结算后更新 Brier Score → 编辑自己的 playbook → 提交 git diff → 进入下一轮。

带真实交易运行

./loop.sh 1 45 --real
# 一个完整周期 + Polymarket 真实仓位（通过 Pearl Connect）

查看报告

python3 core/score.py
# 任意时刻输出校准度与 P&L 报告

查看当前策略演化

策略的 git log 本身就是产品——每个提交都是 Agent 用纸艺资金买来的教训：

git log --oneline
git diff HEAD~5

典型适用场景

预测市场量化研究：在 Polymarket 上系统化地研究哪些事件类别 AI 能打败市场定价。
Agent 自我改进实验：观察一个 AI 如何在无人工干预的情况下通过反馈循环改进自己的决策质量。
Brier Score 校准训练：用真实市场结算数据训练概率估计质量，而非简单赌方向。

坑与注意

这是研究实验，不是理财工具。所有文档和代码都明确说明：不构成任何金融或投资建议，过去表现无论纸艺还是真实都预测不了未来。部分司法管辖区对预测市场交易有限制或违法，请先确认你所在地的法规。

真实资金上限极低。即使开启 --real，config/protected.json 强制限制每笔 $1 上限、每天上限、全仓上限，且所有签名通过 Pearl Connect 的审计本地断点，Agent 代码本身不持有密钥。但 $1 也是真实资金，操作仍需谨慎。

市场范围受限制。加密货币涨/跌硬币翻转类（P[L]<50% 的纯概率赌注）被明确禁止，这是有意设计，不是 bug。

需要持续在线。整个学习引擎依赖 24/7 云端循环——每小时一次完整扫描，每 15 分钟检查新上市和价格变动。机器关机会中断循环，但不会丢数据（Polymarket 结算是链上的）。

Pearl Connect 签名服务需单独安装。它不是 pip 包，需要从 https://pearl.you/connect 下载 Pearl 客户端并完成本地配置，才能在 --real 模式下签名真实交易。

Brier Score 是核心指标。项目刻意不用 P&L 作为主要评估标准，因为它衡量的是"Agent 的概率估计是否比市场定价更准"，这比单纯看盈亏更能反映预测质量。

与同类对比

项目	真实交易	Agent 自我改进	预测市场	开源
bennyjo/phil	✅ 小额 Pearl Connect	✅ 每轮重写策略	✅ Polymarket	✅ Apache-2.0
Numerai	✅ 真实资金池	部分	❌ 股票	✅
常规量化平台	✅	❌	部分	❌

Phil 的独特之处在于它是一个透明的研究日志——策略演化完全记录在 git 里，每个改动都有迹可查、有市场结算背书。它不追求规模，而追求可验证的自我改进循环。

一句话推荐结论

Phil 是一个极有意思的 AI 自我改进实验，而非赚钱工具——如果你对预测市场、AI Agent 自我校准、或者如何用 git 历史记录一个 AI 的学习过程感兴趣，它值得跑一两个周期看看它的策略日志是怎么演进的。