Slippage

滑點怎麼計算？什麼是「價格影響」和「滑點容忍度」？

理解滑點需要分清三個概念：

價格影響（Price Impact）：你這筆交易本身對池子價格的影響。AMM 的定價公式（x * y = k）決定了：交易量越大、池子流動性越低，你的單對價格的衝擊越大。例如，在一個 TVL 只有 $100,000 的 USDC/ETH 池裡，你買入 $10,000 的 ETH，價格影響可能高達 9%——你的買單本身把 ETH 價格推高了 9%，最後幾筆成交的 ETH 比第一筆貴了 9%。

市場滑點（Market Slippage）：你提交交易到交易被確認這段時間，市場本身的價格移動。在 ETH 主網，交易平均等待 12 秒（一個區塊）。這 12 秒裡，ETH 價格可能上漲或下跌。如果你在買 ETH 而 ETH 這 12 秒漲了 0.3%，你就多付了 0.3%。

滑點容忍度（Slippage Tolerance）：你願意接受的最大滑點百分比。如果設定 0.5%，意思是：如果實際成交價格比你提交時的預期成交價格差超過 0.5%，交易自動 revert（回滾），不執行，你只損失 Gas 費。Uniswap 默認 0.5%，高波動期建議 1-2%，穩定幣對對建議 0.1%。

三者的關係：實際滑點 = 價格影響 + 市場滑點。你的滑點容忍度必須大於這個總和，交易才能成功，但設得越高，在 MEV 攻擊下損失越多。

AI Agent 執行交易時，滑點風險為什麼比人工操作更高？

AI Agent 的滑點風險比人工操作高，原因不是 Agent 更笨，而是 Agent 的操作模式讓滑點攻擊更容易成功：

原因一：Agent 的交易行為是可預測的。MEV 機器人分析鏈上的 pending 交易（mempool），找到「可以搶跑」的大額交易。人工操作的交易時間是隨機的，難以預測。但如果你的 Agent 每天固定在同一個時間點執行利率優化移倉（例如每天 UTC 00:00），MEV 機器人很快就會識別這個規律，提前布局等待。

原因二：Agent 沒有人工的「感覺不對就取消」機制。人工操作時，如果你看到市場在你下單前的一秒鐘突然大幅波動，你可能本能地取消這筆單等待市場穩定。Agent 沒有這個感知層——除非你明確在代碼裡設置「如果市場在過去 N 分鐘波動超過 X%，暫停交易」的熔斷邏輯，否則 Agent 會在最壞的市場時機繼續執行。

原因三：Agent 可能連續快速執行多筆交易。一個多步驟的 DeFi 策略（取出 USDC → 換成 ETH → 存入另一個協議）涉及多筆連續交易，每筆都有滑點。人工操作時你會在每筆之間觀察市場，Agent 可能以自動化速度連續執行，每筆都在最差的市場時機。

解決方向：在 Agent 的工具函數裡，加入交易前的市場狀態檢查（流動性、24h 波動率、當前 Gas 費）；設置每筆交易的最大可接受滑點上限；加入隨機化的執行時間（防止 MEV 機器人預測 Agent 的操作規律）。

不同交易對的滑點容忍度應該怎麼設？有沒有通用的設定框架？

滑點容忍度沒有一個放之四海皆準的數字，需要按交易對的流動性、波動性、和你的交易量來動態設定。一個可操作的框架：

按流動性層級設定：

• 深度流動性（TVL > $100M）的主流交易對（ETH/USDC、BTC/USDC 在 Uniswap V3 主池）：0.1-0.3%。這類池子流動性深，價格影響小，低滑點容忍度已夠。
• 中等流動性（TVL $10M-$100M）：0.3-0.5%。標準設定。
• 低流動性（TVL < $10M）的長尾代幣或新協議：1-3%。流動性淺、波動大，需要更高容忍度，但這也意味著更容易被 MEV 攻擊，是否應該讓 Agent 操作這類資產需要額外評估。

穩定幣對的特殊規則： USDC/USDT、USDC/DAI 等穩定幣對的合理滑點應該非常小（< 0.1%）。如果你的 Agent 在穩定幣對上看到超過 0.5% 的滑點，這幾乎一定是異常——可能是 de-peg 事件、流動性危機、或 MEV 攻擊。建議設置：穩定幣對滑點超過 0.3% 時，Agent 自動暫停並告警，而不是繼續執行。

市場狀態的動態調整：

• 市場正常（24h 波動率 < 2%）→ 使用基準滑點容忍度
• 市場活躍（24h 波動率 2-5%）→ 基準 × 1.5
• 市場劇烈（24h 波動率 > 5%）→ 暫停 Agent 交易，等待市場穩定

在 Agent 代碼裡實作：把滑點容忍度從硬編碼的常數改成函數——get_slippage_tolerance(token_pair, tvl, volatility_24h)，讓 Agent 在每次交易前動態計算最合適的滑點容忍度。

MEV 機器人怎麼利用滑點攻擊 Agent？怎麼防禦？

三明治攻擊（Sandwich Attack）是針對滑點設定的最典型 MEV 攻擊，對 AI Agent 的影響比對普通用戶更大：

攻擊流程：

1. MEV 機器人掃描 mempool，發現你的 Agent 提交了一筆「買入 $5,000 USDC 換 ETH，滑點容忍度 1%」的交易
2. 機器人在你的交易之前送出一筆買單（front-run），把 ETH 價格先推高
3. 你的交易在更高的價格成交（在你 1% 的容忍度內，所以交易沒有 revert）
4. 機器人在你的交易之後立刻賣出（back-run），把價格拉回，賺取差價
5. 結果：你的 Agent 多付了最多 1% 的滑點，這筆錢進了 MEV 機器人的口袋

為什麼 Agent 比普通用戶更容易被攻擊：Agent 的滑點容忍度通常被設成一個固定值（「1% 應該夠用了」），攻擊者知道這個值，可以精確地「剛好在 1% 以內」完成三明治。普通用戶的滑點設定更多樣，攻擊成本更高。

防禦方法：

• 使用私有 Mempool（Flashbots Protect / MEV Blocker）：交易不進入公共 mempool，MEV 機器人看不到，無法搶跑。在 ethers.js 裡只需要把 RPC 端點換成 Flashbots 的端點（https://rpc.flashbots.net）。
• 動態滑點容忍度：不用固定值，每次根據當前市場流動性計算最緊的合理滑點（參考 Q3 的框架）。攻擊者不知道這次的容忍度是多少，三明治攻擊的利潤空間縮小。
• 隨機化交易時間：不讓 Agent 在固定時間執行交易，加入 ±30 分鐘的隨機偏移，讓 MEV 機器人難以預測。
• 交易後的滑點審計：每次交易完成後，記錄「預期成交價 vs 實際成交價」的差值。如果連續 5 筆交易的實際滑點都接近容忍度上限（可能在被三明治），自動觸發告警和策略審查。