企业官网建设流程全解析

jev-trader 部署完整清单：Bun + Docker + Railway 一键上线你的 AI 链上交易机器人

【免费下载链接】jev-traderOne AI trade decision every Monad block. Jev on Kuru MON-USDC.项目地址: https://gitcode.com/gh_mirrors/je/jev-trader

jev-trader是一个部署极简的 AI 链上交易机器人：它在 Monad 公链上运行，每 300 毫秒区块由 AI 模型 Jev 做出一次「买 / 卖」决策，并在 Kuru 交易所的 MON-USDC 盘口挂出一张真实的 post-only 限价单。本清单带你用Bun + Docker + Railway三条路径之一，把它从git clone到公网可访问的仪表盘，全程不超过 10 分钟。🚀

📦 项目能做什么（30 秒了解）

• 🤖 每区块一次决策：AI 判断未来约 30 秒内价格方向，回答买或卖
• 📈 每区块挂单：在买/卖价内侧 1 个 tick 挂 post-only 限价单，赚点差而非付点差
• 🖥️ 自带监控页：内置Bun.serve服务，提供快照、历史 1000 条事件、SSE 实时流三个接口
• 🔒 零密钥也能跑：不配PRIVATE_KEY自动进入dry-run（真实盘口 + 真实决策 + 模拟成交）

核心代码只有 8 个源文件，入口是 src/index.ts，配置集中在 src/config.ts，环境模板见 .env.example。

✅ 部署前检查清单

⚠️ 生产实盘请用专用 RPC 节点（如 Alchemy / QuickNode）替换默认的公共RPC_URL，公共端点限速 25 rps，只适合 dry-run。

关键变量速查（完整注释见 .env.example）：

• RPC_URL/READ_RPC_URL/WS_URL：链上读写通道
• PRIVATE_KEY/DRY_RUN：实盘或模拟的开关
• TRADE_SIZE_MON（默认 200，即 Kuru 最小单量）、MAX_POSITION_MON、MARGIN_MON/MARGIN_USDC
• MAX_FEE_GWEI/PRIORITY_FEE_GWEI：Monad 按 gas limit 计费，费用是静态写死的

🚀 路径一：Bun 本地一键运行（最快）

三步走，这也是官方 README.md 给出的方式：

1. 复制环境模板：cp .env.example .env
2. 安装依赖：bun install
3. 启动机器人：bun run start

看到下面这行日志即代表上线成功，机器人已开始逐块决策：

jev-trader · model=mock · post-only 1 tick inside the touch · DRY RUN · :3000

本地调试可用bun run dev（watch 模式）。想先验证行情读取延迟，仓库还附带了一组探针脚本（见 scripts/ 目录）：

bun run scripts/bench-read.ts # 盘口读取 vs SDK：精度与延迟基准 bun run scripts/dry-encode.ts # 离线签名买/卖单，断言 calldata 与 SDK 一致

🐳 路径二：Docker 构建镜像（可迁移）

项目自带 Dockerfile，基于官方oven/bun:1.3镜像，仅 7 行：

FROM oven/bun:1.3 WORKDIR /app COPY package.json bun.lock bunfig.toml ./ RUN bun install --frozen-lockfile --production COPY src ./src ENV NODE_ENV=production CMD ["bun", "run", "src/index.ts"]

构建与运行：

docker build -t jev-trader . docker run -p 3000:3000 --env-file .env jev-trader

.dockerignore已排除node_modules、.env和scripts，镜像干净且不会泄露密钥。🐳

☁️ 路径三：Railway 云部署（零运维公网）

Railway 支持直接读取 Dockerfile，流程：

1. 新建 Railway 项目 →Deploy from GitHub repo选择 jev-trader
2. 在 Variables 面板把 .env.example 里的变量逐项填入（RPC_URL、READ_RPC_URL、WS_URL、MODEL、TRADE_SIZE_MON等）
3. 保存触发部署，拿到一个公网*.up.railway.app域名

官方本身就托管着一个 dry-run + mock 模型的实例，可直接打开验证你的部署行为是否一致（端点见 README.md）。

🩺 上线后验证清单

部署完成后，依次请求这三个端点（GET即可）：

block事件结构（类型定义见 src/trader.ts）包含decision.probabilities、本块挂单quote（含txHash与预估gasMon）、持仓position与盈亏totals，字段全貌示例在 README.md 中有完整 JSON。

✅ 验证通过的标志：终端日志每 300 ms 打印一行#区块号 买/卖概率 延迟ms 挂单信息，SSE 流持续推送block事件。

🔴 从 Dry-Run 切到实盘的三个提醒

1. 资金走保证金账户：Kuru 限价单从MARGIN_ACCOUNT扣款而非钱包，启动时机器人会自动补足MARGIN_MON/MARGIN_USDC目标余额（逻辑见 src/market.ts）
2. Gas 成本要心里有数：Monad 按 gas limit 计费，默认 350000，实盘每块约 0.03 MON，先 dry-run 观察totals.gasMon
3. 模型可热切：MODEL=mock（动量启发式占位）→MODEL=jev（真实 Jev，约 100 ms 出决策，费用比 gas 还低），只需改两个环境变量重启

📚 延伸阅读

• 产品设计与指标定义：SPEC.md
• 架构布局说明（8 个源码文件分工）：README.md 「Layout」一节
• 热路径设计：为什么 300 ms 预算里只做 2 次 RPC 往返（「The 300 ms budget」章节）
• 开发规范约定（Bun 优先于 Node/npm 的完整理由）：CLAUDE.md

复制.env.example、填好变量、bun run start——你的 AI 链上交易机器人就已在每个 Monad 区块上做出决策了。🎯

【免费下载链接】jev-traderOne AI trade decision every Monad block. Jev on Kuru MON-USDC.项目地址: https://gitcode.com/gh_mirrors/je/jev-trader