Get live statistics and analysis of 0xMomo🕊️ | MemeMax⚡️'s profile on X / Twitter

【 Arbitrage 学习笔记 - ⑤ 寻找最优输入金额 】 在 Dex-Dex 套利中，我们已经把 3 跳甚至 N 跳的路径全部枚举出来，接下来要做的就是： “在这些路径里，哪一条能给我带来最大利润？以及，我应该输入多少 tokens 才能让才能获得最大利润” 之前我在路径查找的时候错误的理解成需要使用二分法快速的查找路径，怪自己学术不精误导了大家，非常尴尬，所以，非常恳求大佬们能够指点一二 在利润计算的环节，这一步本质是一个带约束的线性规划问题。 ▰▰▰▰▰▰ 计算原理 假设我们最终得到的路径是 TokenA → TokenB → TokenC → TokenA 把每一段池子的“有效汇率”写成 1×1 的标量： r₁ = ΔTokenB / ΔTokenA r₂ = ΔTokenC / ΔTokenB r₃ = ΔTokenA / ΔTokenC 设投入 x 枚 TokenA，最终回收 y 枚 TokenA，则 Profit (x) = y − x = x · r₁ · r₂ · r₃ − x = x (r₁r₂r₃ − 1) 套利机会存在的充要条件是 r₁r₂r₃ > 1。 这个方程通常没有解析解，需要用数值方法求根。其中牛顿迭代、二分查找或黄金分割，在一定的迭代次数内挑出能够获利的哪一条。 ▰▰▰▰▰▰ 方法示例 在初次学习时，我们在程序中设置好最小金额和最大金额区间，以及循环步长后使用二分法左右寻找最优解。这里也可以参考 loom 的双向步长缩减算法，初始步长 1%，逐步缩小到 0.1%，以寻找利润最大化的输入金额。 “把区间对半砍，看哪一半包含了根，再砍那一半，一直砍到足够细。”

【 Arbitrage 学习笔记 - ⑥ 链上交易合约 】 在寻找到有利润的套利路径之后，就是收尾将可获利交易提交到链上的部分了。这一步根据自己程序的逻辑习惯可以有很多方法，比如直接将 Pancake 和 Uniswap 的 Swap 接口打包进合约后调用，也可以在此基础上增加使用 Assembly 内联汇编方式将 calldata 需要按特定字节偏移量分段读取数据，进阶了可以使用 Huff 之类的低级类汇编语言来编写自己的逻辑极致节省 GAS，也是一个非常值得深入学习的挑战。 到这一步其实基本流程已经跑通了，同步池子 - 构建路径 - 价格计算 - 寻找最优金额 - 交易上链，可以减少利润预期或者无视 Gas 成本或者负利润的进行一下上链通关。 后续 Dex 套利我会逐步深入的学习一些知识，优化好每一步骤的细节，有时间过程也会写成内容分享给大家，当然内容可能会理解有误，欢迎大佬们指点分享。 合约这一步 Momo 直接整合上了 Assembly 和闪电贷，所以跟我一样入门的小伙伴也可以尝试参考 solidquant/mev-templates 里面的 contracts ，将 amountIn、useLoan(闪电贷模式) 、loanPool(借贷池子)、第一跳的 router 、第一跳的 tokenIn、第一跳的 tokenOut 、第二跳的 router … 根据 useLoan 进行闪电贷协议选择或者直接交易，使用 assembly 拆分好后面重复的多跳交换路径，其每三组地址即为一跳数据，长度就是条数 nhop。 再根据路由地址执行相应协议的交换，最后可以 require (finalAmount >= repayAmount) 进行盈利检查，确保套利后的金额能覆盖闪电贷本金+手续费。 这里需要特别注意的是，solidquant/mev-templates 的示例合约仅供参考，有授权漏洞，小伙伴入门的时候也要注意权限控制，比如授权、提款等操作，可以用 AI 来过一遍安全监测，毕竟也是资金交易的环节，合约安全即资金安全！

【 Arbitrage 学习笔记 - 学习使用 Revm Database ① 】 我刚开始学 Dex 套利时，为了计算 path 利润，直接用 RPC 拉取池子最新状态（用的 amms pool init），再把有利可图的交易 call 套利合约。虽然跑的是本地节点，但这套暴力操作还是会浪费服务器资源。 后来我在学习大佬代码的时候发现一个宝藏的 crates -> revm:: database，可以使用该接口实现自己项目中一个小型内存数据库，这样既可以从 RPC Fork 目标账户等状态，也可以自由的修改调试执行状态变更。 ▰▰▰▰▰▰ 简单使用 举个例子，我在上一篇中把最新区块变动的 Pool 保存下来包括池子的 reserve、slot 0 等状态已便后面的利润计算，那么我们开始尝试把这部分使用 revm:: database 实现一个内存数据库，记录和更新池子的信息。 在 revm:: database 中，有一个 in_memory_db.rs ，其设计了一个 CacheDB，Cache 中有账户的基础信息(balance、nonce、code/code_hash) ，可以按需从只读后端懒加载账户/代码/存储，并支持本地执行后 commit 写回缓存，当然也可以使用它们外包一些适合自己的功能。 CacheDB 有几个非常符合 EVM 的函数，load_account ()，basic()，insert_contract ()，insert_account_storage ()，replace_account_storage ()。 那么我们可以直接使用 insert_account_storage () 插入或修改 pool 的状态信息， 之后我们可以使用 storage_ref () 来读取存储的最新 pool 信息，直接建立 AMM trait 来进行价格计算。运行后会发现 RPC 节点性能会非常稳定，且程序在建立池子信息时速度非常的快！ ▰▰▰▰▰▰ 小结 这里我简单使用了 revm:: database ，但是它非常的强大，可以说是 REVM 与区块链状态之间的“桥梁”，之后我也会继续使用它来优化在程序中的细节，当然内容可能会理解有误，欢迎大佬们指点分享。

【 Arbitrage 学习笔记 - V3 池子 ticks 快速获取 】 有些时候进行 V3 pool 进行交换会计算代币输入输出的具体价格及数量会考虑到池子的 tick 数据以及当前 tick 的流动性状态，我之前参照大佬 Zacholme7/PoolSync 会使用从历史区块同步的方法来获取池子的 ticks 状态，但是我在实际使用中只要当前池子的 ticks 数据，并不需要知道历史的变化，所以再回去查看文档和查阅资料发现其实还有更好的方法。（原谅我还只是小白） ▰▰▰▰▰▰ Uni V3 Tick tickBitmap 首先回顾一下，在 v3 中使用 Bitmap 来存储 tick 的状态例如：100101001101001，1 表示有流动性，0 没有被初始化，两个字节来存储 (0x4a69)。用 word n 来划分子数组，word 中有 256 个位置。 ▰▰▰▰▰▰ 使用合约获取 ticks 信息 我之前使用区块事件扫描获取 mint/burn，其实在 V3 的 pool 有两个函数 tickBitmap() 和 ticks() 分别来获取位置信息和具体 ticks 信息，那么步骤就非常简单了，程序可以第一遍遍历计算 Bitmap word 数组大小如果 bitmap == 0 就跳过，第二遍获取有效的 word 中的 tick 数据。 但是如果调用 RPC 还是需要发送大量的查询，那么这时候我们使用链上合约来一次性获取我们想要的信息，让节点把我们这步骤都做了。当然你也可以加上 tokenName，decimals 等信息。

前端时间沉迷于研究 AutoLP 发现很多东西其实都是之前学过的 Arbitrage 或者 Mev 非常类似 (没有完全成功过)，所以准备回去研究一下这让我非常沉迷的玩意，我知道参与 DEX-DEX 是一场军备竞赛，但是他能让我学到非常多关于链上技术的知识，即使需要花钱去玩。 所以接下来我也会将自己看到的学到的分享出来，也希望能够有更多的中文区伙伴讨论进来，毕竟许多这个圈子的社群都是英文大佬，有时候学习和沟通也非常的不方便。 本人小白还在学习路上，内容仅供学习参考，如有问题请积极指出，也非常感谢能够有大佬来指点一二 ▰▰▰▰▰▰ 学习入门 我第一次研究三角套利是从 solidquant/mev-templates 开始的，这个示例 Python/Javascript/Rust 三种语言，非常适合有一定 EVM 基础的小伙伴入门，而且在他的 Medium 也能找到好几期关于讨论 MEV 或者 Arbitrage 的文章，非常值得小白系统级入门。 在他的示例中也能够非常清晰的了解到一个套利流程：检索历史所有池子 -> 异步处理计算影响的池子 -> 模拟计算多跳路径 -> 签署交易并创建包或发送到 Flashbots ▰▰▰▰▰▰ 研究方向 池子管理及计算 V2 原理、V3 的计算，包括多跳中包含 V2V3 转换，如何做到寻找机会更快，套利公式更快更准，让套利空间更加有竞争性。 这里分享几个框架 dexloom/loom 、darkforestry/amms-rs、0 xKitsune/uniswap-v 3-math，其中 loom 的作者们非常强大，能够将 Defi 套利工具模块化，能够非常高效的来定制自动化策略开发。 GAS 优化 寻找机会、计算最优利润、构建交易并快速提交以进入 N+1 区块。解决上述难题，最后演变成关于 Gas 的博弈，PGA - Price Gas Auction 如何在有限的利润中，控制好你的 GAS 成本非常重要，这方面需要深入的学习 Solidity Yul 和 Huff 语言的基础知识，编写出属于自己的绝佳省油丰田合约，使用 Forge 等工具来测量 GAS 使用情况，合约入门前期可看 dexloom/multicaller 基建军备 一个不断扫描区块链以寻找新的机会，缺少不了一个强有力的 RPC，不管是主链还是策略都需要拥有强大的性能和与验证着足够近的机房，通常公共付费节点拥有严格的速率限制，并且短时间就会耗余额，目前不太会去使用这些。节点客户端的选择也非常重要，主网 Geth 客户端已经非常成熟，但也有像 Reth 或 Revm 这样的高级工具，高度模块化、强大的性能、活跃的社区。

【 分享一个能够像查找数据库一样来搜索查询 EVM 链交易的工具 - mevlog-rs 】 在学习 Dex / Mev bot 的时候，经常要去查找特定的交易，比如某个区块的 Uni sync/swap/mint/burn 交易，或者查找最近几个区块高 Gas 价格进行筛选，或者查找如转账大于>1000 个代币的合约地址等等，mevlog-rs 都可以轻松做到。 它可以适合研究MEV 相关的交易行为，监控特定链上的交易活动，挖掘特定类型的交易数据，以及追踪智能合约存储变化，分析合约调用行为。 目前 mevlog-rs 有网页版和 Cli 版本，且与 ChainList 集成支持多链使用。 总之 `mevlog-rs` 是一个功能强大的工具，非常适合开发者、链上爱好们使用！

【 AutoLP 学习笔记 - ② 】 最近简单的尝试写了一下 AutoLP ，测试下来有一定的可行性，但是还需需要考虑的更多因素，不然会亏损的非常严重，比如今天的 $BR 暴跌 50%。 ▰▰▰▰▰▰ 整理逻辑 LP BOT 设计逻辑其实非常清晰：监听区块 -> 获取池子在新区块的状态 (比例/价格/流动性/tick) -> 计算自己 LP 价格及区间状态 -> 判断是否需要调整 LP，在调整 LP 动作中，新手期可以先设计成直接暴力平衡 Token0 和 Token1 比例为价值的 5:5 再 Mint 成 LP。 ▰▰▰▰▰▰ 开始实现 这次在 Github 找到一位科学家 Fork paradigm/artemis 并用了最新的 alloy 1 的 MEV 框架【burberry】，(贴连接限流，大家自行搜索哈)，所以接下来就用这个框架和 alloy 来写。 1. 主程序逻辑 首先创建 provider 连接节点，这里我是用的是 IPC (Geth 的本地通信机制) ，一般不做数据分析可以直接使用 http/ws 的 rpc，公共或者付费都可以。 创建引擎 创建过滤器, 监听 block 事件 将 block 事件添加到收集器中 至此已完成上期提到的 _Collectors_(收集器) 部分即最新区块产生事件（也可以理解为订阅新区块产生）

【 AutoLP 学习笔记 - ③ 】 上一次考虑到单纯频繁的铸造、撤出 LP 存在价格暴跌的无偿风险，那么结合之前我玩过二级量化的经验 (只是小白玩家级别)，加入了 MA、RSI、MACD 等指标作为量化因子，来测试一下能否减少价格下跌带来的损失。 ▰▰▰▰▰▰ 使用量化因子来判断趋势 目前引入了 MA、RSI、MACD 等指标，订阅池子的 Log 计算出每笔交易的价格，每 30 s 未周期进行采样缓存，达到能够计算指标的数值后来进行积分判断，根据积分强度来判断看涨、看跌、HOLD 。 ▰▰▰▰▰▰ 使用趋势来管理 LP 的状态 有了看涨看跌技术指标后，咱们就可以根据趋势情况来管理 LP。 优先判断当前价格是否在区间内，如果区间内如果是卖出信号也不用变动 LP，如果超出区间了根据信号操作下一个 LP 或者 swap 成稳定币，并且如果没有 LP 的时候 hold 和下跌不做 LP 的信号减少价格下跌带来的损失 整理成表格如下 效果日志

前端时间沉迷于研究 AutoLP 发现很多东西其实都是之前学过的 Arbitrage 或者 Mev 非常类似 (没有完全成功过)，所以准备回去研究一下这让我非常沉迷的玩意，我知道参与 DEX-DEX 是一场军备竞赛，但是他能让我学到非常多关于链上技术的知识，即使需要花钱去玩。 所以接下来我也会将自己看到的学到的分享出来，也希望能够有更多的中文区伙伴讨论进来，毕竟许多这个圈子的社群都是英文大佬，有时候学习和沟通也非常的不方便。 本人小白还在学习路上，内容仅供学习参考，如有问题请积极指出，也非常感谢能够有大佬来指点一二 ▰▰▰▰▰▰ 学习入门 我第一次研究三角套利是从 solidquant/mev-templates 开始的，这个示例 Python/Javascript/Rust 三种语言，非常适合有一定 EVM 基础的小伙伴入门，而且在他的 Medium 也能找到好几期关于讨论 MEV 或者 Arbitrage 的文章，非常值得小白系统级入门。 在他的示例中也能够非常清晰的了解到一个套利流程：检索历史所有池子 -> 异步处理计算影响的池子 -> 模拟计算多跳路径 -> 签署交易并创建包或发送到 Flashbots ▰▰▰▰▰▰ 研究方向 池子管理及计算 V2 原理、V3 的计算，包括多跳中包含 V2V3 转换，如何做到寻找机会更快，套利公式更快更准，让套利空间更加有竞争性。 这里分享几个框架 dexloom/loom 、darkforestry/amms-rs、0 xKitsune/uniswap-v 3-math，其中 loom 的作者们非常强大，能够将 Defi 套利工具模块化，能够非常高效的来定制自动化策略开发。 GAS 优化 寻找机会、计算最优利润、构建交易并快速提交以进入 N+1 区块。解决上述难题，最后演变成关于 Gas 的博弈，PGA - Price Gas Auction 如何在有限的利润中，控制好你的 GAS 成本非常重要，这方面需要深入的学习 Solidity Yul 和 Huff 语言的基础知识，编写出属于自己的绝佳省油丰田合约，使用 Forge 等工具来测量 GAS 使用情况，合约入门前期可看 dexloom/multicaller 基建军备 一个不断扫描区块链以寻找新的机会，缺少不了一个强有力的 RPC，不管是主链还是策略都需要拥有强大的性能和与验证着足够近的机房，通常公共付费节点拥有严格的速率限制，并且短时间就会耗余额，目前不太会去使用这些。节点客户端的选择也非常重要，主网 Geth 客户端已经非常成熟，但也有像 Reth 或 Revm 这样的高级工具，高度模块化、强大的性能、活跃的社区。

【 AutoLP 学习笔记 - ③ 】 上一次考虑到单纯频繁的铸造、撤出 LP 存在价格暴跌的无偿风险，那么结合之前我玩过二级量化的经验 (只是小白玩家级别)，加入了 MA、RSI、MACD 等指标作为量化因子，来测试一下能否减少价格下跌带来的损失。 ▰▰▰▰▰▰ 使用量化因子来判断趋势 目前引入了 MA、RSI、MACD 等指标，订阅池子的 Log 计算出每笔交易的价格，每 30 s 未周期进行采样缓存，达到能够计算指标的数值后来进行积分判断，根据积分强度来判断看涨、看跌、HOLD 。 ▰▰▰▰▰▰ 使用趋势来管理 LP 的状态 有了看涨看跌技术指标后，咱们就可以根据趋势情况来管理 LP。 优先判断当前价格是否在区间内，如果区间内如果是卖出信号也不用变动 LP，如果超出区间了根据信号操作下一个 LP 或者 swap 成稳定币，并且如果没有 LP 的时候 hold 和下跌不做 LP 的信号减少价格下跌带来的损失 整理成表格如下 效果日志

【 Arbitrage 学习笔记 - ⑥ 链上交易合约 】 在寻找到有利润的套利路径之后，就是收尾将可获利交易提交到链上的部分了。这一步根据自己程序的逻辑习惯可以有很多方法，比如直接将 Pancake 和 Uniswap 的 Swap 接口打包进合约后调用，也可以在此基础上增加使用 Assembly 内联汇编方式将 calldata 需要按特定字节偏移量分段读取数据，进阶了可以使用 Huff 之类的低级类汇编语言来编写自己的逻辑极致节省 GAS，也是一个非常值得深入学习的挑战。 到这一步其实基本流程已经跑通了，同步池子 - 构建路径 - 价格计算 - 寻找最优金额 - 交易上链，可以减少利润预期或者无视 Gas 成本或者负利润的进行一下上链通关。 后续 Dex 套利我会逐步深入的学习一些知识，优化好每一步骤的细节，有时间过程也会写成内容分享给大家，当然内容可能会理解有误，欢迎大佬们指点分享。 合约这一步 Momo 直接整合上了 Assembly 和闪电贷，所以跟我一样入门的小伙伴也可以尝试参考 solidquant/mev-templates 里面的 contracts ，将 amountIn、useLoan(闪电贷模式) 、loanPool(借贷池子)、第一跳的 router 、第一跳的 tokenIn、第一跳的 tokenOut 、第二跳的 router … 根据 useLoan 进行闪电贷协议选择或者直接交易，使用 assembly 拆分好后面重复的多跳交换路径，其每三组地址即为一跳数据，长度就是条数 nhop。 再根据路由地址执行相应协议的交换，最后可以 require (finalAmount >= repayAmount) 进行盈利检查，确保套利后的金额能覆盖闪电贷本金+手续费。 这里需要特别注意的是，solidquant/mev-templates 的示例合约仅供参考，有授权漏洞，小伙伴入门的时候也要注意权限控制，比如授权、提款等操作，可以用 AI 来过一遍安全监测，毕竟也是资金交易的环节，合约安全即资金安全！

【 AutoLP 学习笔记 - ①】 前言：想要写一个 V3 LP 的自动化 Bot，那就从今天开始吧！我把它叫 AutoLP！ ▰▰▰▰▰▰ 编程语言的选择 我在工作中一般以 Python 为主，它十分的灵活配合 AI 能够实现想法的速通。公司的项目通常以 Java 写，虽然成熟稳定可靠，但是我还是觉得非常的啰嗦。 但是来到了 Web3 就选择目前区块链最热门的 Rust，安全和性能是它的优势，并且 Polkadot、Solana、Substrate 等都是由 Rust 来构建，在 EVM 和链上玩家领域，也有丰富的框架如：Revm、Reth、Alloy 等，性能也非常炸裂。（ 边学习边 Code 了） ▰▰▰▰▰▰ 链上分析和监听框架 Momo 这次 AutoLP 主要在 EVM 链进行研究（主要是 Solana 搭建节点成本太贵哈哈哈），所以区块链基础、EVM 工作原理、Solidity 等就不赘述了。 链上分析和监听其动作主要是在不断的收集新的区块以及交易，然后将它们转换为内部事件，通过不断的计算（比如池子的状态，代币对币价等）达到自己设定的目的后来执行相关的操作如提交交易或者其他链下动作。 在专业一些就是把它分成三个部分：Collectors(收集器)、Strategies(策略)、Executors(执行器)。 - 收集器：收集器接收外部事件（如待处理的交易、新区块、市场订单等），并将它们转换为内部事件 - 策略：它接收事件作为输入，并计算是否存在任何机会（例如，一个策略可能会监听市场订单流，以查看是否存在跨交易所套利） - 执行器：执行器处理操作，并负责在不同环境中执行想要达到的操作（例如提交交易、发布链下订单等） 在 Rust 中我们可以使用 Paradigm 的 Artemis 框架来入门学习和编写（对！就是那个大名鼎鼎的技术投资公司 Paradigm）。 Artemis 是一个用 Rust 编写 MEV 挖矿机器人的框架，它能够非常明确的指引我们去设计自己的链上监听、分析程序，也非常适合我这次来学习自动区间池子 LP BOT （我以后叫他 AutoLP） 。 不过这个库上一次更新已经是 2 年前了，想要跟上脚步就得用到最新的 alloy （类似于 js 的 etherjs、python 的 web 3）。 2025-07-03

【 Arbitrage 学习笔记 - ⑤ 寻找最优输入金额 】 在 Dex-Dex 套利中，我们已经把 3 跳甚至 N 跳的路径全部枚举出来，接下来要做的就是： “在这些路径里，哪一条能给我带来最大利润？以及，我应该输入多少 tokens 才能让才能获得最大利润” 之前我在路径查找的时候错误的理解成需要使用二分法快速的查找路径，怪自己学术不精误导了大家，非常尴尬，所以，非常恳求大佬们能够指点一二 在利润计算的环节，这一步本质是一个带约束的线性规划问题。 ▰▰▰▰▰▰ 计算原理 假设我们最终得到的路径是 TokenA → TokenB → TokenC → TokenA 把每一段池子的“有效汇率”写成 1×1 的标量： r₁ = ΔTokenB / ΔTokenA r₂ = ΔTokenC / ΔTokenB r₃ = ΔTokenA / ΔTokenC 设投入 x 枚 TokenA，最终回收 y 枚 TokenA，则 Profit (x) = y − x = x · r₁ · r₂ · r₃ − x = x (r₁r₂r₃ − 1) 套利机会存在的充要条件是 r₁r₂r₃ > 1。 这个方程通常没有解析解，需要用数值方法求根。其中牛顿迭代、二分查找或黄金分割，在一定的迭代次数内挑出能够获利的哪一条。 ▰▰▰▰▰▰ 方法示例 在初次学习时，我们在程序中设置好最小金额和最大金额区间，以及循环步长后使用二分法左右寻找最优解。这里也可以参考 loom 的双向步长缩减算法，初始步长 1%，逐步缩小到 0.1%，以寻找利润最大化的输入金额。 “把区间对半砍，看哪一半包含了根，再砍那一半，一直砍到足够细。”

【 Arbitrage 学习笔记 - 学习使用 Revm Database ① 】 我刚开始学 Dex 套利时，为了计算 path 利润，直接用 RPC 拉取池子最新状态（用的 amms pool init），再把有利可图的交易 call 套利合约。虽然跑的是本地节点，但这套暴力操作还是会浪费服务器资源。 后来我在学习大佬代码的时候发现一个宝藏的 crates -> revm:: database，可以使用该接口实现自己项目中一个小型内存数据库，这样既可以从 RPC Fork 目标账户等状态，也可以自由的修改调试执行状态变更。 ▰▰▰▰▰▰ 简单使用 举个例子，我在上一篇中把最新区块变动的 Pool 保存下来包括池子的 reserve、slot 0 等状态已便后面的利润计算，那么我们开始尝试把这部分使用 revm:: database 实现一个内存数据库，记录和更新池子的信息。 在 revm:: database 中，有一个 in_memory_db.rs ，其设计了一个 CacheDB，Cache 中有账户的基础信息(balance、nonce、code/code_hash) ，可以按需从只读后端懒加载账户/代码/存储，并支持本地执行后 commit 写回缓存，当然也可以使用它们外包一些适合自己的功能。 CacheDB 有几个非常符合 EVM 的函数，load_account ()，basic()，insert_contract ()，insert_account_storage ()，replace_account_storage ()。 那么我们可以直接使用 insert_account_storage () 插入或修改 pool 的状态信息， 之后我们可以使用 storage_ref () 来读取存储的最新 pool 信息，直接建立 AMM trait 来进行价格计算。运行后会发现 RPC 节点性能会非常稳定，且程序在建立池子信息时速度非常的快！ ▰▰▰▰▰▰ 小结 这里我简单使用了 revm:: database ，但是它非常的强大，可以说是 REVM 与区块链状态之间的“桥梁”，之后我也会继续使用它来优化在程序中的细节，当然内容可能会理解有误，欢迎大佬们指点分享。