253个接口、12个模块、一句话调通——这不是某个SaaS工具的更新日志，是一家头部交易所给AI Agent开的「系统后门」。Victor Wu现在管着这摊事，头衔叫「AI Agent架构负责人」，两年前这个岗位在币圈还不存在。
从「点按钮」到「说人话」：交易所正在经历什么
传统交易所的交互逻辑很直白：人看K线，人点下单，人盯仓位。AI Agent的介入把这套逻辑拦腰斩断——现在是一个机器要听懂另一句人话，再把人话翻译成带签名的API调用，最后把钱真的划出去。
Victor Wu的背景恰好卡在这个裂缝里。北京学的计算机科学，巴黎修的量化金融，「CS告诉我怎么建系统，量化告诉我什么会崩」。他现在的日常是设计一套让AI能安全碰钱的基建，而安全在这里不是形容词，是硬约束——每一次调用都得过风控、过权限、过审计，不能有一次例外。
Bybit给这套基建搭了两条路。一条叫「AI Skills」，面向ChatGPT、Claude、Gemini这类通用助手。用户复制一句话进去，助手自动下载技能包、完成配置、开始执行。没有npm install，没有命令行，没有配置文件。另一条路是给专业开发者的——但Victor Wu明显对第一条更上心，「让非技术用户也能用自然语言交易，这才是规模化的起点」。
「全场景覆盖」背后的工程赌注
253个API端点覆盖12个模块，这个数字的狠劲在于「全」字。现货、衍生品、理财、跟单、链上Alpha交易、策略单、交易机器人——Bybit把自己所有的钱流接口都敞开了。这不是简单的文档开放，是重新设计了一套AI能理解的「知识层」。
Victor Wu打了个比方：以前的API文档是给程序员看的说明书，现在的AI Skills是给AI看的「本能反应」。一个Agent拿到技能包后，不需要理解什么是限价单，它只需要知道「我想在比特币跌到6万时买0.5个」这句话怎么拆解成参数。
这套设计的代价是前置的。每一个端点都要做意图识别适配、权限沙箱隔离、异常熔断机制。Victor Wu的量化背景在这里派上用场——市场是对抗性的，延迟、精度、风险约束没有商量余地。AI Agent犯错的成本和人不一样：人可能输一把大的，AI可能以毫秒级速度输一千把小的。
CEO押注「AI in all」之后
Ben Zhou在Bybit keynote里定过调：AI agents in all。这句话被Victor Wu反复引用，但落地远比口号重。交易所的核心竞争力历来是深度、流动性、安全性，现在可能要加上第四条：可编程性。
Victor Wu的判断更直接：「下一代赢家可能不是订单簿最深的，而是最Agent-ready的。」这个判断的潜台词是，交易行为的颗粒度正在发生变化。机构可能批量部署策略Agent，散户可能用自然语言调用复杂工具，市场结构本身会被这些自动化参与者重塑。
他提到一个细节：Bybit的AI Skills设计时考虑了「跨Agent兼容」。同一个技能包，ChatGPT能用，Claude能用，Gemini也能用——不绑死任何一家大模型。这在战略上是防御性的：今天的大模型格局和明天可能完全不同，交易所不能选边站。
当AI开始「管钱」，什么变了
Victor Wu的团队现在处理的问题，很多是传统金融IT没碰过的。比如：怎么让一个Agent在对话中途被用户打断时，安全地终止未完成的交易链路？怎么区分「用户真的想下单」和「用户在测试Agent的边界」？怎么处理多Agent之间的权限冲突？
这些问题的答案没有行业标准。Bybit的做法是前置风控——把风险检查嵌入到每一次意图识别的环节，而不是等API调用发出后再拦截。代价是延迟，收益是Agent可以被授予更高的操作额度。
一个被低估的维度是「可解释性」。当AI Agent执行了一笔亏损交易，用户需要知道它为什么这么做。Victor Wu的团队在Skills层内置了决策追溯，每一笔操作都能还原成自然语言的「我当时这么理解你的指令」。这在合规和用户体验之间找了条窄路。
开放提问：如果你的交易对手是一个24小时在线、能同时盯50个市场、永远不会情绪崩溃的AI Agent，你的优势还剩什么？
热门跟贴