Trzy agenty. Jeden potok. Działanie całą dobę, bez przerw, bez emocji, bez zmęczenia. Poniżej opis architektury technicznej takiego układu, nie rekomendacja inwestycyjna.
Zacznijmy od ostrzeżenia: ten artykuł opisuje architekturę techniczną, nie jest rekomendacją inwestycyjną, a ryzyko utraty kapitału w tradingu krypto jest realne i wysokie. Piszę o tym, bo rozumienie tej architektury pomaga ocenić oferty automatycznego handlu. Kto rozumie mechanizm, podejmuje lepsze decyzje. Kto go nie rozumie, staje się częścią jego pożywki.
Dlaczego trzy agenty, a nie jeden
Logika jednego agenta, „bota, który handluje", jest prymitywna. Uczy się wzorca, wykonuje strategię i pęka, kiedy rynek się zmienia. Architektura trzyagentowa ma inną topologię: rozdziela rolę obserwatora, decydenta i egzekutora. Każdy z nich ma inne cele, inne dane wejściowe i inną odpowiedzialność. A nad nimi stoi warstwa orkiestracji, ludzka lub algorytmiczna, która rozstrzyga konflikty i reguluje ryzyko.
Agent 1: Scanner, ucho systemu
Scanner nie podejmuje żadnych decyzji. Jego jedynym zadaniem jest patrzeć i klasyfikować. Monitoruje wiele par krypto na wielu giełdach jednocześnie, czytając order booki, wolumeny, spready, stopy finansowania kontraktów terminowych, przepływy w łańcuchu bloków (wpływy na giełdy, wypływy z giełd, transakcje dużych portfeli), a także nastroje w czasie rzeczywistym z X, Telegram, Reddit i Discord.
Jego wynik to strumień sygnałów strukturalnych, np. (przykład poglądowy) „BTC/USDT: nagły spadek głębokości order booka, równoczesny duży wypływ z giełdy do nieznanych portfeli, negatywny sentyment w ostatnich wiadomościach". Scanner nie wie, czy to okazja, czy pułapka. Po prostu zauważa.
Agent 2: Strategist, mózg decyzyjny
Strategist dostaje strumień sygnałów od Scannera i musi odpowiedzieć na trzy pytania: czy wchodzimy, kiedy wychodzimy, ile ryzyka bierzemy.
Nie pracuje na pojedynczym wskaźniku. Używa modelu, który łączy wiele czynników, historię cenową, analizę techniczną (ale tylko w obecności silnych wolumenów), on-chain, korelacje międzyrynkowe (co robi indeks S&P 500, co robi indeks dolara DXY, co robi złoto), a także model anomalii, czyli wzorców nietypowych, które w przeszłości poprzedzały ruchy znacznie większe niż typowe.
Kluczowe: strategist nie operuje w abstrakcji. Pracuje w ramach twardych reguł risk managementu, które nadpisuje nad jego decyzje inżynier systemu. Maksymalna ekspozycja na pojedynczą parę, maksymalny drawdown dzienny, obowiązkowy stop loss, obowiązkowa dywersyfikacja. Strategist proponuje, risk engine zatwierdza lub odrzuca. Ten krok odróżnia zawodowy układ od amatorskiego bota, który traci depozyt.
Agent 3: Executor, ręka systemu
Executor nie myśli. Dostaje rozkaz od Strategista zawierający parę, kierunek, wielkość, poziomy wejścia, stop loss i take profit, i jego zadaniem jest wykonać ten rozkaz w sposób, który najmniej zaburzy rynek.
To nie jest proste. Jeśli wrzucisz na giełdę duże zlecenie rynkowe w parze o małej głębokości, sam sobie pogorszysz cenę. Executor używa algorytmów rozdrabniania zlecenia: TWAP (time-weighted average price), VWAP (volume-weighted), iceberg orders. W krótkich skalach czasowych to jest różnica między zyskowną a stratną transakcją.
Executor prowadzi też dziennik wykonania, ile zlecenie wykonało się po jakiej cenie, jak się zachował spread, czy ktoś nas „zjadł" (front-running detection). Ten log wraca do Strategista jako feedback, który na bieżąco koryguje model.
Co jest nowego w 2026 roku
Jeszcze niedawno tego typu układy były domeną funduszy z rozbudowaną infrastrukturą. Dzisiaj, i to jest przełom, ten sam wzorzec da się zbudować w garażu z użyciem modeli LLM jako „mózgu" strategisty. LLM nie liczy wskaźników, ale potrafi czytać niestrukturalne dane (newsy, tweety, transkrypty Jerome Powella) i łączyć je z danymi strukturalnymi w sposób, który wcześniej wymagał analityka.
Typowy stack w 2026: Python + async ccxt (dostęp do giełd), Claude lub GPT jako warstwa kognitywna strategisty, strumień on-chain z Etherscan/Dune, Elasticsearch do analizy nastrojów, Grafana dla monitoringu. Koszty infrastruktury i modeli zależą od skali i wybranych dostawców.
Gdzie ten układ zawodzi
Trzy miejsca, w których takie układy najczęściej zawodzą:
Nadmierna optymalizacja na dane historyczne. Backtest wygląda cudownie, a realne pieniądze tracą, bo model nauczył się szumu. Rozwiązanie: walidacja out-of-sample, testy na okresach nieznanych modelowi, handel na rachunku testowym przez odpowiednio długi czas przed prawdziwym depozytem.
Brak scenariuszy czarnego łabędzia. Rynek ma dziwne dni, a gwałtowne spadki w ciągu kilku minut się zdarzają. System bez kill-switcha na takie zdarzenie ma szansę spalić cały depozyt w jedną świeczkę.
Ludzka ingerencja „bo wiem lepiej". Klasyczny syndrom: system ma zysk, ale my widzimy coś w telewizji i ręcznie zamykamy pozycję. Potem się okazuje, że system miał rację. Ręczne ingerencje wynikające z emocji często pogarszają wyniki, dlatego zasady ingerencji warto spisać z góry.
Realny poziom oczekiwań
Dobrze zbudowany układ trzech agentów nie gwarantuje zysku. Zyski nie są pewne, możliwa jest utrata całego kapitału, a wyniki z przeszłości nie zapowiadają przyszłych. Każda obietnica stałych, wysokich zwrotów powinna budzić podejrzenie.
Technologia jest dostępna dla każdego, kto chce ją zrozumieć, ale ryzyko pozostaje. Warto rozumieć mechanizm, zamiast kupować gotowego bota od sprzedawcy z Telegrama.
Ten tekst nie jest rekomendacją inwestycyjną ani doradztwem. Handel kryptowalutami wiąże się z ryzykiem utraty całego kapitału.