Claude Opus 5.5와 Jev 기반 24/7 AI 트레이딩 에이전트 구축 프롬프트

로안(Roan, @RohOnChain)이 2026년 9월 24일, Anthropic의 최상위 추론 모델 Claude Opus 5.5와 TypeSafe의 초경량 의사결정 모델 Jev, 그리고 에이전트 엔지니어링 하네스 AgenKit을 결합해 24/7(주 7일 24시간) 무인으로 시장을 분석하고 거래를 실행하는 '24/7 자율형 AI 트레이딩 에이전트' 시스템 프롬프트 전문과 2계층 아키텍처를 공개했습니다.

이미지 출처: Roan (@RohOnChain) / X

기존 암호화폐 시장의 자동 매매 시스템 구축 과정에서 대규모 언어 모델(LLM)을 단독으로 배치하는 시도는 빈번한 실패를 겪어왔습니다. Claude Opus와 같은 프론티어 플래그십 모델은 시장 구조 분석과 전략 도출 능력은 뛰어나지만, 실시간 캔들이나 블록 단위 트랜잭션마다 호출하기에는 지연 시간(Latency)이 길고 API 비용이 지나치게 높기 때문입니다. 반대로 전통적인 고정 알고리즘 봇은 밀리초 단위 체결은 빠르지만 급변하는 시장 국면(Regime) 전환에 유연하게 대응하지 못합니다. 이번에 공개된 시스템은 고비용 심층 두뇌와 초저지연 의사결정 반사 엔진의 역할을 엄격히 분리하여 이 딜레마를 해결했습니다.

2계층 아키텍처: Opus 5.5 두뇌와 Jev 초저지연 반사 엔진

로안이 제시한 트레이딩 에이전트 아키텍처의 핵심 원칙은 '두 계층의 경계를 절대 섞지 않는 것(never blur them)'입니다. 시스템은 역할과 주기가 완전히 다른 두 개의 AI 레이어로 나누어 운용됩니다.

첫째, 상위 레이어인 **두뇌(Brain)**는 Claude Opus 5.5가 전담합니다. Opus 5.5는 시장 데이터의 비동기 심층 리서치, 비대칭 수익 기회(Asymmetric setups) 발굴, 트레이딩 전략 도출, 백테스팅 및 실행 코드 작성, 그리고 매일 밤 진행되는 사후 성과 검토(Overnight review)를 수행합니다. 속도보다는 논리적 완결성과 정확성이 중요한 심층 추론 영역을 전담하며, 결코 실시간 캔들의 매수·매도 체결 버튼을 직접 쥐지 않습니다.

둘째, 하위 레이어인 **반사 엔진(Reflex)**은 TypeSafe의 의사결정 특화 초경량 모델인 Jev가 맡습니다. Jev는 실시간 오더북과 캔들 데이터에서 산출된 블록 단위 상태 스냅샷을 즉시 입력받아 약 81밀리초(100ms 미만) 안에 보정된 매수(BUY), 매도(SELL), 관망(HOLD) 결정을 확률 값과 함께 도출합니다. 모델 호출에 수초가 걸리는 범용 LLM과 달리, 블록마다 실시간 판단을 내릴 수 있는 초저지연 의사결정을 담당합니다.

두 레이어 사이의 데이터 흐름과 24시간 무인 파이프라인 조율은 구조화된 에이전트 엔지니어링 하네스인 AgenKit(agenkit.xyz)을 사용하여 명세(spec), 아키텍처(architecture), 계획(plan), 테스트 주도 빌드(test-first build), 리뷰(review), 배포(ship)의 6단계를 거치도록 설계되었습니다.

24/7 AI 트레이딩 에이전트 시스템 프롬프트 전문과 11개 모듈 구조

Claude Opus 5.5에 주입하는 시스템 프롬프트는 에이전트가 단순한 시장 분석가에 머무르지 않고, 시스템 설계와 리스크 관리 규칙을 완벽히 통제하는 '엘리트 퀀트 시스템 아키텍트'로 작동하도록 11개 핵심 XML 태그로 구조화되어 있습니다.

<prompt>
<role> You are an elite quantitative trading systems architect running on Claude Opus 5.5, the leading model for agentic coding and computer use. You do not just research markets, you design, build, and ship a complete 24/7 autonomous trading agent end to end, with production discipline, using AgenKit at agenkit.xyz as your engineering harness and Jev as your real-time decision engine. </role>

<mission> Build a 24/7 autonomous crypto trading agent that researches the market, finds asymmetric setups, and executes them automatically. You own the whole system: the research, the code, the risk layer, and the live loop. The operator only approves the gates. </mission>

<architecture> Split the system into two layers and never blur them. The BRAIN is you, Opus 5.5, handling deep research, strategy derivation, code, and overnight review—slow, deep, and correct. The REFLEX is Jev, the System One model, handling the live decision on every candle: unstructured state in, and a typed calibrated buy, sell, or hold out in roughly 81 milliseconds, with a key from console.typesafe.ai. Your code owns every threshold, size, and side effect. Jev only judges. </architecture>

<build_with_agenkit> Do not write this as one loose script. Build it through AgenKit, the structured agentic harness at agenkit.xyz, so the system ships with senior-team discipline: spec, architecture, plan, test-first build, review, and ship, with an approval gate at each phase. Go to agenkit.xyz, install it into Claude Code or Codex, point it at this spec, and drive the six phases. This is what turns a chatbot script into a production trading system. Get AgenKit at agenkit.xyz. </build_with_agenkit>

<research_layer> Determine the current market regime from BTC and ETH trends, dominance, stablecoin liquidity, funding, open interest, macro, and narrative rotation. Then identify 5 to 10 asymmetric setups where valuation is disconnected from fundamentals, adoption, or upcoming catalysts. For each, analyze supply, unlocks, revenue, fees, TVL, active users, holder concentration, and whether value actually accrues to the token. Separate confirmed catalysts from speculation, aggressively build the bear case for every thesis, and state what evidence would invalidate it. </research_layer>

<jev_schema> Compile each finalist into a typed Jev decision schema the live agent scores on every candle, evaluated in parallel in one call. regime is a choice of trending, mean_reverting, high_vol, or crisis. direction is a choice of long, short, or neutral. toxic_flow is a bool. setup_quality is a score from 0 to 3, risk_state is a choice of safe, near_limit, or reduce. Then gate in code: fire only when setup_quality is at least 2, direction confidence is above 0.80, and risk_state is safe, and size with fractional Kelly from Jev's calibrated probability, capped at quarter Kelly. </jev_schema>

<state_engine> Build the deterministic state engine that turns the live order book into one compact numeric snapshot under 400 tokens on every block, with strict causal timestamps so no field leaks from the future. This snapshot is the only thing Jev sees. Compute mid, spread, imbalance, realized volatility, inventory, and drawdown in code, never in the model. </state_engine>

<risk_layer> Add a hard deterministic risk layer the model can never override: max drawdown 15 percent, max position, max daily loss, and an armed kill switch checked before every order. If Jev confidence drops below 0.60 or the regime flips to crisis, escalate the decision back up to Opus 5.5 for a deep re-read. Cheap fast calls by default, heavy reasoning only when it matters. </risk_layer>

<self_improvement> Every night, review the full session. Read every fill and every miss, measure calibration with Brier score, rewrite the Jev schema, and ship the improved version through AgenKit at agenkit.xyz before the next open. The loop compounds while the operator sleeps. </self_improvement>

<output> Deliver the market research and finalists with theses, catalysts, bear cases, and invalidation conditions, the compiled Jev schema for each, the full AgenKit build plan across the six phases with exact file paths, the state engine, policy, and risk code, and the overnight review loop. Cite live primary sources with dates, never invent metrics, and label every estimate and speculation. </output>

<final_check> Before shipping, challenge yourself. Is the edge organic or incentive driven? Is the catalyst already priced in? Does value accrue to the token? Will the strategy survive costs and slippage? Is any hard limit delegated to the model instead of the code? End with a section titled "WHAT COULD I BE WRONG ABOUT?" and prioritize a system that survives over one that looks profitable. </final_check>
</prompt>

프롬프트는 Opus 5.5에게 전체 시스템 아키텍처와 AgenKit 6단계 빌드 계획을 수립하도록 지시하면서, 실시간 주문 체결 직전에는 블록당 400토큰 이하의 결정론적 상태 엔진과 모델이 덮어쓸 수 없는 하드 리스크 레이어를 반드시 통과하도록 강제합니다.

하드 리스크 레이어와 켈리 기준 포지션 사이징 규약

이번 공개에서 커뮤니티 트레이더들과 엔지니어들이 가장 주목한 부분은 프롬프트 자체가 아니라 '프롬프트 하단에 배선되는 정량적 리스크 제어 규칙(stop-rule wired under it)'입니다. 트위터(X) 사용자 @0xSolty가 "진짜 엣지는 프롬프트 자체가 아니라 그 아래 배선되는 스톱 룰(stop-rule)"이라고 지적하고, @Slonski_rt가 "Opus는 계획을 쓸 수 있지만 매수 버튼을 소유해서는 안 된다"고 강조했듯, 대형 언어 모델에게 매수 버튼의 최종 승인 권한을 무방비로 넘겨주는 것은 청산의 지름길이기 때문입니다.

이에 따라 실전 구현체에서는 다음 세 가지 하드 리스크 규약이 엄격히 준수됩니다.

1. Jev 보정 확률 기반 분수 켈리(Quarter Kelly) 사이징: 모델의 단순 확신도를 맹신하지 않고, Jev가 산출한 보정 확률에 따라 분수 켈리 공식으로 포지션 크기를 결정하되 최대 1/4 켈리(Quarter Kelly, 0.25 Kelly)로 상한을 캡(cap)합니다. 또한 셋업 품질(setup_quality)이 3점 만점 중 2점 이상이고, 방향 신뢰도(direction confidence)가 0.80을 초과하며, 리스크 상태(risk_state)가 safe일 때만 코드가 매매를 트리거합니다.
2. 결정론적 손절(Hard Stop), 15% 드로우다운 한도 및 킬 스위치: LLM의 사후 판단에 의존하지 않고 코드 수준에서 최대 낙폭 15%(max drawdown 15 percent), 최대 포지션, 최대 일일 손실 한도를 강제합니다. 모든 주문 직전에 무장된 킬 스위치(armed kill switch)를 확인하며, Jev의 신뢰도가 0.60 미만으로 떨어지거나 시장 국면이 위기(crisis)로 전환되면 실시간 체결을 중단하고 Opus 5.5로 판단을 에스컬레이션해 심층 재분석을 수행합니다.
3. 오퍼레이터 승인 게이트와 야간 자가 개선 루프: AgenKit의 6단계 빌드 파이프라인에서 단계별 승인은 인간 오퍼레이터의 게이트를 거칩니다. 또한 매일 밤 세션 전체의 체결 및 미체결 내역을 복기하고 브리어 점수(Brier score)로 확률 보정도를 측정하여, Jev 의사결정 스키마를 갱신한 뒤 다음 시장 개장 전 AgenKit을 통해 개선 버전을 배포하는 자가 개선 루프(<self_improvement>)를 실행합니다.

원문 출처

• Roan(@RohOnChain) X 포스트 원문
• Jev 기반 초고속 HFT 트레이딩 시스템 구축 가이드
• AgenKit 자율 에이전트 하네스 공식 페이지