LASZLO Project Whitepaper v2.0 — 实战修订版

前言：从 v1 到 v2 — 战场反馈修正

v1.0 白皮书是一份战前蓝图。它描述了一个理想化的系统：Ethereum Mainnet、Flashbots 私有中继、ClickHouse 数据仓库、完整的钱包画像引擎。

v2.0 白皮书是一份战后报告。经过 6 周的实战开发与 Base L2 实盘测试，我们用真金白银验证了哪些假设成立、哪些假设需要修正，并据此重新校准了整套系统。

关键变化一览：

Part 1: 愿景、核心哲学与系统边界

1.1 项目定义 (Executive Summary)

LASZLO 是一个机构级、闭环式、低延迟的加密资产阿尔法（Alpha）终端与自动化交易系统。

它不是什么：它不是一个被动的数据看板（Dashboard），不是另一个 Etherscan 浏览器，也不是一个仅仅用来"看盘"的玩具。

它是什么：它是一套武器系统。它负责在毫秒级时间内完成从"链上噪音"中提取"智能信号"，并提供从"情报分析"到"安全执行"的一站式解决方案。

核心目标：构建一套能够承载 $100M AUM（资产管理规模）逻辑的单兵作战系统。

v2.0 状态：系统已在 Base L2 主网完成实盘验证。Rust Ingestor 实时解析 Uniswap V3 Swap 事件，Python 量化引擎生成信号，Rust Executor 执行链上交易，Position Manager 通过 slot0() 实时监控价格并自动止盈止损。

1.2 核心痛点与解决方案 (Problem & Solution)

1.3 设计哲学 (Core Philosophy)

信噪比 > 数据量 (Signal over Noise)

我们不追求"全网所有数据"。我们只关心"能赚钱的数据"。

原则：如果一条数据不能辅助决策，它就不应该出现在屏幕上，甚至不应该进入数据库。

v2.0 实践：黑名单机制在 Python 策略层和 Rust Ingestor 层双重过滤。WETH、USDC 等基础路由代币在进入特征计算之前就被丢弃，节省了 80%+ 的计算资源。

慢即是快 (Slow is Smooth, Smooth is Fast)

• 慢在架构设计：不急着写策略，先用 Rust + Redis 把地基打牢。
• 快在交易执行：因为地基牢固，信号处理和下单速度将是极致的。

v2.0 实践：我们在 Anvil 模拟环境中花了数周校准阈值、修复 MsgPack 序列化格式、调试 Redis Consumer Group 机制，才在实盘开出第一枪。这种"慢"让我们避免了在 Mainnet 上用真金白银调试代码。

现实主义架构 (Pragmatic Architecture)

• 折中方案：我们不盲目追求 Google 级别的 Kubernetes 集群。
• 决策：在单机上使用 Docker Compose 编排 Rust (IO 密集) + Python (逻辑密集) + Redis (数据密集)。
• v2.0 修正：ClickHouse 在实时交易阶段被暂时禁用（OOM 风险），用 Redis Sorted Sets 承担实时特征存储，用 Dashcam CSV 承担离线分析。这是"现实主义"的典型体现——不需要的组件就关掉。

1.4 系统边界 (System Boundaries)

• 支持资产：Base L2（OP Stack）为主战场，架构预留 EVM 兼容链扩展接口。
• 交易类型：专注于 Uniswap V3 链上现货 Swap。通过 exactInputSingle 路由执行，支持 3000/10000/500 三档费率池自动发现。
• 用户规模：单租户（Single Tenant）系统，优化为个人或小团队极致性能。

Part 2: 技术架构与基础设施 (Architecture & Infrastructure)

2.1 架构总览：异构混合架构 (Hybrid Heterogeneous Architecture)

LASZLO 采用 "Rust 外壳，Python 大脑，Redis 神经" 的设计模式。

• 核心原则：IO 密集型任务交给 Rust，计算与逻辑密集型任务交给 Python，数据流转交给 Redis。
• 部署模式：单机垂直扩展 (Single-Node Vertical Scaling)。通过 Docker Compose 编排，利用 Docker 内部网络 (laszlo-net, subnet 172.30.0.0/16) 实现容器间高速通信。
• 内存管理：通过 .wslconfig 限制 WSL2 为 8GB + 4GB swap，各容器设定 deploy.resources.limits.memory 硬上限，避免 OOM 全面卡死。

2.2 基础设施层级 (The Infrastructure Stack)

Layer 1: 感知层 (The Interceptor) — Rust Ingestor

角色：系统的"耳目"。实时监听 Base L2 链上所有 Uniswap V3 Swap 事件。

核心组件：crates/ingestor/ — Rust Crate (2021 Edition)

v2.0 实现细节：

• 订阅方式：eth_subscribe("logs")，过滤 Uniswap V3 Swap 事件签名 Swap(address,address,int256,int256,uint160,uint128,int24)。
• ABI 解码：自定义 decode_int256() 处理有符号 256 位整数（amount0, amount1）。
• 动态池发现：PoolCache 结构体通过 RPC 调用 token0()/token1()/decimals()/symbol() 自动发现新池子信息并缓存。
• USD 估值：estimate_usd_and_side() 函数根据已知代币价格表（TokenRegistry）估算每笔 Swap 的 USD 价值、方向（BUY/SELL）和价格。
• 序列化：rmp_serde::to_vec_named(&tick) 序列化为 MsgPack Map（而非 Array），确保 Python 端能以字典形式反序列化。

数据模型 — MarketTick (14 字段)：

struct MarketTick {
    timestamp: u64,
    block_number: u64,
    tx_hash: String,
    log_index: u64,
    pool_address: String,
    token_address: String,
    symbol: String,
    wallet_address: String,
    side: String,          // "BUY" | "SELL"
    amount_usd: f64,
    amount_raw: String,
    price: f64,
    event_type: String,    // "SWAP"
    is_whale: bool,
}

Base L2 代币注册表：内置 11 种 Base 链核心代币（WETH, USDC, USDbC, DAI, cbETH, AERO, DEGEN, WBTC, BRETT, TOSHI, OX）的地址、精度和近似 USD 价格。

Layer 2: 传输层 (The Synapse) — Redis Stack

角色：系统的"神经中枢"。承担消息总线 + 实时特征存储双重职能。

核心组件：Redis Stack (In-Memory)，限制 512MB。

数据流定义 (Protocol Spec)：

• Stream 1: market_ticks (原始行情 — MsgPack Binary)
  • Consumer Group A: archiver_group (归档，当前停用)
  • Consumer Group B: strategy_group (量化引擎)
• Stream 2: signals (交易信号 — JSON)
  • Consumer Group: execution_group (执行引擎)

v2.0 新增 — Feature Store 热数据：

• fs:price:{symbol} — Sorted Set，按 timestamp 存储价格
• fs:buys:{symbol} / fs:sells:{symbol} — Sorted Set，按 timestamp 存储买卖事件
• fs:flow:{symbol} — Sorted Set，按 timestamp 存储有向 USD 流量
• fs:ticks:{symbol} — Sorted Set，按 timestamp 存储全部 tick
• 自动 5 分钟滑动窗口（ZREMRANGEBYSCORE 清理过期数据）

v2.0 新增 — 系统状态：

• SYSTEM_PANIC — 全局紧急停止开关（手动或自动触发）
• daily_start_balance / daily_date — 日内回撤追踪
• positions:{token_address} — Hash，存储持仓信息（入场 ETH 值、峰值、时间戳）

Layer 3: 记忆层 (The Vault) — ClickHouse + PostgreSQL

角色：系统的"大脑皮层"。

v2.0 状态：

• ClickHouse (OLAP)：当前暂停启用。在 Phase 4.5 实时交易阶段，为了节省 WSL2 内存（8GB 硬限制），ClickHouse 和 Archiver 服务被注释。用 logs/dashcam.csv 替代离线分析需求。
• PostgreSQL (OLTP)：运行中。存储钱包画像（wallet_profiles 表）和系统配置。当前以默认值（win_rate_30d = 0.5, avg_roi = 0.0）提供基线，待真实数据积累后更新。

优雅降级设计：Python database_api.py 对 ClickHouse 和 PostgreSQL 均做了 try...except 处理。任一组件不可用时，系统降级运行而非崩溃。

Layer 4: 应用层 (The Brain & Hand) — Python + Rust

角色：系统的"意识与执行"。

核心组件：

• Strategy Engine (Python) — services/strategy/src/main.py：
  • 反序列化 MsgPack Tick → Feature Store 实时特征计算 → XGBoost 推理 → 融合层打分 → Kelly 仓位计算 → 发布 JSON 信号
  • 内置 Dashcam CSV 日志器，记录所有 final_score > 0.40 的候选信号
• Execution Engine (Rust) — crates/execution/：
  • 消费 JSON 信号 → Pre-trade 风控检查 → Uniswap V3 exactInputSingle 执行 → Position Manager 持仓追踪
  • 支持 Paper (Anvil) / Live (Base Mainnet) 双模式切换
• Position Manager (Rust) — 自动止盈止损子系统
• Dashboard (Streamlit) — 实时监控前端

2.3 数据流全景 (The Life of a Tick) — v2.0 实测

模拟 "一笔 Uniswap V3 Swap" 在 Base L2 上的完整生命周期：

• T+0ms: 链上发生 Swap 交易。
• T+2ms (Alchemy): WebSocket 推送 eth_subscription 日志。
• T+3ms (Rust Ingestor): 捕获 Log，ABI 解码 Swap 事件参数。
• T+4ms (Rust Ingestor): PoolCache 查找/发现池子信息。estimate_usd_and_side() 计算 USD 价值。
• T+5ms (Rust Ingestor): rmp_serde::to_vec_named 序列化为 MsgPack Map。
• T+6ms (Redis): XADD market_ticks * data {binary} 写入 Stream。
• T+8ms (Python Strategy): XREADGROUP 读取 Tick。msgpack.unpackb 反序列化。
• T+9ms (Python Strategy): FeatureStore.update() 更新 Redis Sorted Sets。
• T+10ms (Python Strategy): FeatureStore.compute() 计算 4 维特征向量：

{
    "price_velocity_5m": 0.23,    # net_flow / abs_flow (range [-1, +1])
    "buy_pressure_ratio": 0.67,   # buys / (buys + sells)
    "token_volatility_5m": 0.45,  # std(abs_flows) / mean(abs_flows) (capped at 2.0)
    "activity_heat": 42.0,        # tick count in 5min window
}

• T+12ms (Python Strategy): XGBoost predict_proba() 推理 → confidence 得分。
• T+13ms (Python Strategy): 融合层计算 final_score。
• T+14ms (Python Strategy): Kelly Criterion 动态仓位：position_size = BASE_CAPITAL * final_score * vol_adj。
• T+15ms (Python Strategy): 如果 final_score > 0.52，XADD signals * payload {JSON} 发布信号。
• T+16ms (Rust Executor): XREADGROUP 读取信号。
• T+17ms (Rust Executor): Pre-trade 检查：余额 → 流动性深度 → 蜜罐检测。
• T+20ms (Rust Executor): exactInputSingle 交易上链。
• T+2000ms (Base L2): 交易被 Sequencer 打包确认。
• T+2001ms (Position Manager): open_position() 记录持仓到 Redis。
• T+4000ms → ∞ (Position Manager): 每 2 秒通过 slot0() 查询实时价格，监控三重止损。

2.4 基础设施清单 (Bill of Materials) — v2.0 实际部署

Docker Compose 服务列表（infra/docker-compose.yml）：

总内存占用：~3.3GB（峰值），在 WSL2 8GB 限制下稳定运行。

Part 3: 量化引擎与信号系统 (Quant Engine & Signal System)

3.1 核心理念：从确定性规则到概率模型

LASZLO 的智能进化分为三个阶段：

Phase 1: 合成数据启动 (Synthetic Bootstrap) — 已完成

• 逻辑：用合成数据集（20,000 条）训练 XGBoost v1 模型，建立基线。
• 特征：win_rate_30d, avg_roi, price_velocity_5m, buy_pressure_ratio, is_whale。
• 局限：win_rate_30d 固定 0.5，avg_roi 固定 0.0。等于半随机猜测。
• 产出：whale_sniper_v1.json — 提供初始打分能力，结合融合层权重生成信号。

Phase 2: 真实数据校准 (Real-Data Calibration) — 进行中

• 逻辑：用 Dashcam CSV 积累的 20,000+ 条真实链上信号数据，通过标注脚本查询历史价格变化，重训 XGBoost v2。
• 特征：whale_val, momentum_val, activity_val, risk_val（融合层特征，直接预测盈利概率）。
• 标注：scripts/label_dashcam.py — 对每条信号查询 5 分钟后的 Uniswap V3 pool 价格变化，标注 label=1（涨 > 1%）或 label=0。
• 训练：scripts/retrain_model.py — 时间序列切分，最后 20% 为 holdout，只有准确率 > 55% 才部署。
• 产出：whale_sniper_v2.json — 策略引擎自动检测并切换。

Phase 3: 自适应进化 (Adaptive Evolution) — 规划中

• 逻辑：自动化闭环。每周自动标注最近数据、重训模型、A/B 测试。
• 技术栈：定时任务调度 + ClickHouse 历史数据 + 滚动验证。

3.2 智能模块一：钱包画像引擎 (The Wallet Profiler)

v2.0 状态：基础框架已部署，使用 PostgreSQL wallet_profiles 表。当前以默认值运行，画像数据积累中。

标签体系设计（保持 v1.0 规划）：

• Smart Money (聪明钱)：历史上在 Token 涨幅前 10% 阶段买入的地址。
• Sniper (狙击手)：在开盘 0-3 区块内买入且未被 Rug 的地址。
• Diamond Hand (钻石手)：平均持仓时间 > 30 天的地址。
• Paper Hand (纸手)：一涨 10% 就跑的地址（反向指标）。

v2.0 临时方案：在钱包画像数据尚不充分的过渡期，系统使用 USD 金额阈值（WHALE_USD_THRESH = $100,000）作为巨鲸判定的简化替代。

3.3 智能模块二：特征工程工厂 (Feature Store)

v2.0 实现：services/strategy/src/feature_store.py — 基于 Redis Sorted Sets 的实时滑动窗口特征计算。

关键设计决策：

为什么不直接用价格计算动量？

在 DEX 环境中，许多小市值代币没有稳定的 USD 定价来源（Ingestor 对非已知代币返回 price = 0）。我们选择用 净资金流方向 作为动量代理：如果一段时间内全部是买入流，动量 = +1.0，比任何价格导数都更可靠。

3.4 信号融合层 (The Fusion Layer)

v2.0 实现 — 双模式运行：

模式 A: v1 模型 + 手动融合权重（当前默认）

• Whale (40%)：XGBoost v1 置信度 × 巨鲸加成（1.3x）。
• Momentum (30%)：price_velocity_5m，取值 [-1, +1]。
• Activity (20%)：activity_heat / 100，归一化到 [0, 1]。
• Risk (10%)：负分项。volatility > 0.8 → 0.3 惩罚，> 0.4 → 0.1 惩罚。

模式 B: v2 模型直接预测（当 whale_sniper_v2.json 存在时自动启用）

v2 模型直接输出盈利概率，跳过手动权重。模型在真实标注数据上训练，自动学习最优特征权重。

3.5 机器学习流水线 (The ML Loop)

v2.0 完整实现：

1. Data Collection (采集)：策略引擎将每个 final_score > 0.40 的候选信号记录到 logs/dashcam.csv（行车记录仪），包含 timestamp、token_address、final_score、whale_val、momentum_val、activity_val、risk_val、triggered_sniper 八列。

2. Labeling (标注)：scripts/label_dashcam.py — 对每条记录通过 Alchemy RPC 查询 Uniswap V3 pool 的历史 slot0() 价格（信号时刻 vs 5 分钟后），标注实际涨跌。

3. Training (训练)：scripts/retrain_model.py — XGBoost 二分类，时间序列切分（最旧 80% 训练，最新 20% 验证），只有 holdout 准确率 > 55% 才部署。

4. Inference (推理)：策略引擎自动检测 v2 模型文件存在时切换推理路径。v1 → v2 无需重启。

5. Monitoring (监控)：scripts/analyze_dashcam.py — 离线分析工具，生成分数分布直方图、特征均值统计、Top 10 猎物明细。

Part 4: 交易执行与风控体系 (Execution & Risk Management)

4.1 核心理念：Base L2 上的隐身执行

v1.0 → v2.0 架构修正：

v1.0 规划了 Flashbots 私有中继。实战中，我们选择 Base L2（OP Stack）作为主战场。Base 采用单个 Sequencer 排序，传统 Flashbots Bundle 机制不适用。

替代 MEV 防护方案：

1. 精确 EIP-1559 Gas 定价：get_optimal_gas() 函数查询最新区块 baseFeePerGas，设置 maxFeePerGas = baseFee × 1.1（最小头部空间），maxPriorityFeePerGas = 1 wei（Base 单 Sequencer 无 tip 拍卖）。
2. Gas 异常熔断：如果 baseFee > 5 gwei（Base 正常值 < 0.01 gwei），拒绝交易。
3. 滑点硬上限：MAX_SLIPPAGE_BPS = 300（3%），通过 Uniswap V3 的 amountOutMinimum 参数强制执行。

4.2 执行架构：Rust 狙击手 (The Rust Sniper)

组件：crates/execution/src/main.rs — Rust Execution Engine

双模式运行：

安全机制：

• 私钥格式验证：必须为 64 个十六进制字符（32 字节），防止误将地址当作私钥。
• 链 ID 校验：Live 模式下必须为 Base Mainnet (8453)，否则立即 bail!。
• 余额检查：BUY 前查询 ETH 余额，不足则拒绝。
• WETH 自动解包：SELL 完成后自动调用 withdraw() 将 WETH 转为原生 ETH。

工作流：

1. 监听：XREADGROUP GROUP execution_group sniper_instance_1 BLOCK 100 COUNT 10 STREAMS signals >。
2. Pre-trade 检查：check_daily_drawdown() → check_liquidity_depth() → check_honeypot()。
3. 构建：build_exact_input_single() 生成 Uniswap V3 SwapRouter02 calldata。
4. Gas 定价：get_optimal_gas() 设置精确的 EIP-1559 参数。
5. 执行：signer.send_transaction() 上链。
6. 持仓记录：position_manager.open_position() 写入 Redis。

4.3 动态仓位管理 (Dynamic Position Sizing)

v2.0 实现：Kelly Criterion 变体

• Base_Capital：$25.0（匹配实际钱包余额，非理论值）。
• Final_Score：来自融合层或 v2 模型的概率输出。
• Volatility_Adjustment：max(0.3, 1.0 - token_volatility_5m × 0.5)。高波动代币自动降低仓位。

实战校准：

v1.0 规划中Base_Capital = $10,000。实战中钱包仅有 ~$25 ETH。我们将 Base_Capital 调整为实际余额，避免了"仓位比本金还大"的荒谬情况。这是从理论到实战的典型落差。

4.4 自动风控卫士 (The Risk Guardian)

Pre-Trade Checks (事前阻断)

1. 蜜罐检测 (Honeypot Check) — crates/execution/src/risk.rs

v1.0 仅检查 get_code() 是否为合约。v2.0 实现了真正的卖出模拟：

• 调用 Uniswap V3 Quoter V2 (0x3d4e44Eb1374240CE5F1B871ab261CD16335B76a) 的 quoteExactInputSingle。
• 模拟卖出 0.001 个代币 → WETH。
• 如果所有费率池（3000/10000/500）的模拟均 revert 或返回 0 → 标记为蜜罐，拒绝买入。
• 全部通过 eth_call 执行，零 Gas 消耗。

2. 流动性深度 (Liquidity Depth)

• 查询 V3 pool 的 liquidity() 函数获取 in-range 流动性。
• 要求：liquidity_eth > trade_size_eth × 20。
• 不满足则阻止交易（v2.0 修复了 v1.0 中"总是返回 true"的占位逻辑）。

3. 日回撤熔断 (Daily Drawdown Circuit Breaker) — v2.0 新增

• 每天 UTC 0:00 自动记录起始 ETH 余额到 Redis。
• 每次交易前比对当前余额：如果 (start - current) / start > 10%，自动设置 SYSTEM_PANIC = true。
• 系统立即停止所有买入，仅允许卖出。次日 UTC 0:00 自动重置。

Post-Trade Management (事中管理) — Position Manager

v2.0 实现：crates/execution/src/position_manager.rs — 带链上实时报价的自动止损系统。

每 2 秒执行一次检查循环：

1. 查询代币余额：balanceOf(wallet) via eth_call。
2. 发现 V3 池：getPool(token, WETH, fee) via V3 Factory。
3. 获取实时价格：slot0() 返回 sqrtPriceX96，计算 WETH/token 汇率。
4. 计算持仓 ETH 价值：token_balance × price_in_weth。
5. 止损判定：

4.5 系统级熔断 (System Circuit Breakers)

• Max Daily Drawdown (日内最大回撤)：ETH 余额下降 > 10% 时自动触发 SYSTEM_PANIC。
• Kill Switch (一键清仓)：Redis Key SYSTEM_PANIC = true。可通过前端按钮、脚本或日回撤机制自动触发。Executor 检测到后立即拒绝所有新信号。
• Gas 异常熔断：Base fee > 5 gwei 时自动拒绝交易（保护钱包不被异常高 Gas 消耗掏空）。

Part 5: 实施路线图 (Implementation Roadmap)

5.1 总体规划 — v2.0 实际进度

5.2 Phase 6 详细计划：Alpha Hunt

Step 1: 数据积累（3-5 天）

• 系统以 Paper 模式（LIVE_TRADING_MODE=false）24×7 运行。
• Ingestor 持续监听 Base L2 真实 Swap 事件。
• Strategy Engine 对所有 tick 进行特征计算和模型打分。
• Dashcam CSV 持续积累 final_score > 0.40 的候选信号。
• 目标：积累 100,000 - 500,000 条带完整特征的真实数据。

Step 2: 数据标注

pip install python-dotenv pandas requests
python scripts/label_dashcam.py

• 对每条 dashcam 记录查询 5 分钟后的链上价格变化。
• 输出 logs/labeled_dataset.csv，包含 label 和 pct_change_5m 列。

Step 3: 模型重训

python scripts/retrain_model.py

• 时间序列切分验证。
• 只有 holdout 准确率 > 55% 才部署 whale_sniper_v2.json。
• 策略引擎自动检测并切换到 v2 推理路径。

Step 4: 重新实盘

• 确认 v2 模型在 Anvil 上表现优于 v1。
• 设置小额实盘资金（~$50 ETH）。
• LIVE_TRADING_MODE=true。
• 监控日回撤熔断是否正常工作。

5.3 长期路线图

5.4 资源需求 (Resource Requirements) — v2.0 实际

开发环境（当前）：

• Windows 11 + WSL2，8GB 内存限制，4 CPU 核心。
• Docker Desktop，8 个容器并行运行。
• 存储：~20GB（Docker 镜像 + Redis 数据 + 日志）。

生产环境（推荐）：

• AWS EC2 c6i.2xlarge (8 vCPU, 16GB RAM) 或同等配置。
• 存储：500GB NVMe SSD（ClickHouse 启用后）。
• Alchemy Growth Plan（WebSocket + Archive 节点访问）。

Part 6: 实战复盘与教训 (Lessons Learned)

6.1 MsgPack 的陷阱

问题：Rust 的 rmp_serde::to_vec() 将 struct 序列化为 MsgPack Array，Python 端期望 Map（字典）。

症状：'list' object has no attribute 'items' — 策略引擎无法解析 tick 数据，整个管道静默失败。

修复：改用 rmp_serde::to_vec_named()，同时 Python 端增加 list/dict 双模式兼容。

教训：跨语言序列化必须在联调阶段立即验证格式，不能假设"它应该能工作"。

6.2 特征值爆炸

问题：price_velocity_5m 从 token 原始数量推导"价格"，导致 DEGEN 等小市值代币的"价格"为天文数字（1e15），让动量特征失去意义。

修复：放弃价格推导，改用净资金流方向（net_flow / abs_flow，范围 [-1, +1]）作为动量代理。这在数学上更稳定，且不依赖准确的 USD 定价。

教训：特征工程不能照搬传统金融的"价格涨跌幅"思路。DEX 环境中，资金流方向比价格本身更可靠。

6.3 占位符的致命性

问题：Position Manager 中 let current_price = entry_price; 看似无害的占位符，导致止盈止损永远不会触发。买了代币就永远不会自动卖出。

修复：实现 slot0() 实时链上价格查询。

教训：TODO 注释中的占位符如果涉及资金安全，必须在上线前强制解决。应该用 todo!() 宏让编译器强制报错。

6.4 Base L2 vs Ethereum Mainnet

选择 Base 的原因：

• Gas 费极低（< $0.01/笔），适合高频小额交易。
• Uniswap V3 生态成熟，流动性充足。
• 2 秒出块，交易确认快。
• 单 Sequencer 排序，MEV 场景相对简单。

权衡：

• Flashbots 不可用（但精确 Gas 定价提供了替代保护）。
• 部分代币流动性不如 Mainnet（但足够测试和小规模交易）。

结语 (Conclusion)

v2.0 不再是一份蓝图，而是一份经过实弹验证的作战手册。

我们在 Base L2 上完成了从"链上噪音"到"执行交易"的完整闭环。系统能够在毫秒内捕获 Uniswap V3 Swap 事件、计算实时特征、生成信号、执行交易、并自动监控止盈止损。

但我们也清醒地认识到：当前的模型还不够聪明。它基于合成数据训练，用硬编码的融合权重打分。这是 Phase 6 要解决的核心问题——用真实链上数据重训模型，让 XGBoost 自己学习什么样的信号值得开枪。

系统已经就位。弹药已经上膛。我们需要的，只是一个足够聪明的瞄准镜。

这就是 Phase 6 — Alpha Hunt 的使命。

《LASZLO 技术白皮书 v2.0》— 实战修订版，2026 年 3 月 17 日。