Skip to main content

📌 态势监控系统 | Situation Monitor

Situation Monitor 是一个面向加密资产投资者的 AI 辅助实时情报系统,旨在用系统替代用户盯盘和刷信息的行为,只在”值得注意”时打断用户。
核心定位: 我们不是在做自动交易机器人,而是在做提前预警的情报系统。

🎯 项目目标 | Project Goals

核心目标

持续监控

监控市场行情、链上行为与公开舆情

自动过滤

过滤噪音与低质量信息

早期发现

发现早期趋势与异常行为

精准推送

用简洁、可执行的方式推送关键信号

解决的核心问题

系统希望解决用户的核心问题:
“现在需不需要操作?如果需要,应该关注什么?”
这是一个决策前过滤系统(Decision Pre-filter),而不是普通行情或资讯平台。

🧠 用户痛点 | User Pain Points

当前用户普遍面临的问题:
离开屏幕就产生 FOMO(怕错过行情),需要持续盯盘
信息源过多(推特、TG、新闻、KOL)难以筛选
很难识别真正的早期机会
决策容易被情绪和舆论带偏
Situation Monitor 的定位:用系统替代用户盯盘和刷信息的行为,只在”值得注意”时打断用户。

🧩 系统架构 | System Architecture

系统采用 流水线 + 模块化服务 架构。
1

阶段 A:数据采集层

由 APScheduler 定时调度,采集市场行情、链上数据、社交媒体和新闻源
2

阶段 B:数据清洗与结构化

统一字段结构、去重、噪声过滤、特征提取
3

阶段 C:信号分析引擎

跨数据源关联分析、叙事趋势跟踪、异常行为检测、风险分级
4

阶段 D:通知与用户交互层

通过多渠道矩阵(TG/WA/Twitter/Rocket.Chat)推送高优先级信号,配合 Dashboard 实现多维提醒

🛰️ 全局数据流架构 | Data Flow Architecture

数据采集层(阶段 A)

数据源频率目的
市场行情(Binance / OKX 等)5 分钟判断市场是否活跃、有无异动
GMGN 新币数据5 分钟发现新项目与大户行为
Twitter / X10 分钟监测叙事与情绪变化
RSS 新闻源15 分钟宏观与政策事件
输出: 原始数据 JSON

数据清洗层(阶段 B)

职责:
  • 统一字段结构
  • 去重
  • 噪声过滤
  • 特征提取
产出标准化数据:
  • clean_market.json
  • clean_tokens.json
  • clean_sentiment.json

信号分析引擎(阶段 C)

这是系统的核心价值模块 主要能力:
  • 跨数据源关联分析
  • 叙事趋势演化跟踪
  • 异常行为检测
  • 风险分级
输出: signals.json 分析方式:
  • 规则系统: 负责确定性过滤
  • LLM: 负责模式识别与语义判断

通知与用户交互层(阶段 D)

推送通路:
  • 内部通道: Rocket.Chat (DevOps & 核心成员)
  • 外部矩阵: Telegram 群组、WhatsApp 频道、Twitter/X 自动发帖
  • 可视化: 网页版交互式 Dashboard
推送原则:
  • 只推高优先级信号
  • 避免信息轰炸
  • 市场平稳期采用摘要推送
目标状态: 用户无需主动盯盘,系统在多终端必要时提醒。

🎖️ 用户分级与权限 | User Tiers & Permissions

系统通过阶梯式的订阅模型,为不同等级的用户提供差异化的情报服务。

📊 权益流转架构 | Rights Flow Architecture

📋 权限明细表 | Permission Matrix

交付终端免费用户注册用户付费用户高级付费用户
Telegram仅看板可见实时信号推送极速优先推送提前/全量信号
Ghost CMS仅标题/摘要仅标题/摘要深度分析全文专属策略分析
Rocket.Chat无权限无权限无权限核心情报准入
这种分层设计确保了系统的商业可持续性,同时将最高价值的情报保留在最核心的圈层。

👥 团队分工 | Team Structure

按流水线模块拆分:
小组负责模块
A 组数据采集服务
B 组清洗与数据管道
C 组分析引擎与 AI
D 组推送系统与接口
各模块以服务方式独立部署,通过数据库或消息队列通信。

🧱 基础设施 | Infrastructure

Kubernetes

k3s - 服务以 Pod 形式部署

PostgreSQL

结构化数据存储

Redis

缓存与去重(可选)

对象存储

原始数据归档

📈 开发路线 | Development Roadmap

  • Rocket.Chat 内部推送集成
  • Telegram/Twitter 外部矩阵原型
  • 简单规则信号
  • 人工评估信号质量
目标: 验证多端覆盖对降低焦虑的有效性。
  • 引入叙事演化追踪
  • AI 聚类与主题总结
目标: 提高信号准确度与前瞻性。
  • 用户画像
  • 个性化阈值
  • 订阅计费系统

🧭 设计原则 | Design Principles

系统输出的是可执行的信号,而非原始数据

� 相关协议与规范 | Protocols & Specs

核心协议 (signals.json)

查看信号定义、优先级判定与生命周期

接口与数据流

各层级模块间的 API 交互与数据管道规范
非目标范围: 系统明确不提供自动下单、盈利保证、明确买卖点位。系统定位是情报与决策辅助,而非交易执行。