🎄🎁给自己的一份圣诞礼物？我做了一个 Morpho 供应优化器。 这个想法大致是这样的： 问题： 当你在流动性较低的池中提供资金时，你的存款可能会降低利率。 因此，最佳的做法是将资金分配到另一个市场，以便你的资金整体年化收益率（APY）较高。 例如（假设预算为 $10,000）。只是一个夸张的例子来说明： ❌ 选项 1：将 $10,000 分配到市场 1。 - 旧的报价 APY 为 10% → 存款后新的 APY 为 2%。 ☝️APY 率为 2%。不好。 ✅ 选项 2： - 将 $5,000 分配到市场 1。 旧的报价 APY 为 10% → 新的 APY 为 8%。 - 将 $5,000 分配到市场 2。 旧的 APY 为 8% → 新的 APY 为 6%。 ☝️总混合平均 APY (5,000/10,000 × 0.08 + 5,000/10,000 × 0.06) = 7%。这很好。 所以问题变成了：如果我想在所有的去中心化市场中为 N 个市场做这个，我该如何自动化这个优化？ 解决方案： 我花了几天时间进行编码，但真的很挣扎。我不得不逐个编写函数，因为 AI 在理解所需的顺序步骤时遇到了麻烦（加上 Morpho 的文档）。 这是一个简单的 SciPy 优化器，它调用一个函数来确定每个市场的新模拟供应利率。 它也可以进行跨链操作，但目前它假设你所有的优化都是与 USD 相关的，因为我像个守财奴一样不想花钱获取定价数据。 这不是一些最先进的东西，但我认为它相当令人满意。你可以通过在更多的去中心化市场中投入很少的资本来进行非常激进的操作，但即便如此，对我来说也太多了。 当然，最好还是手动验证结果，因为我也不完全信任这个，但有时收益率足够直观，可以知道结果是否合理。 我为它做了一个快速的“前端”：