NEVESOMOST HUNTER

问题

市场研究常常需要在行情、技术指标和链上工具之间反复切换。如何把分散的数据变成值得持续关注的信号？

项目背景

NEVESOMOST Hunter 是一个 AI 辅助的加密市场情报与链上监测原型。它把市场数据、地址行为、异常信号与解释性分析放进同一条工作流。

我的职责

我负责产品定位、用户场景、需求拆解、功能优先级、信息架构、数据与 API 规划、AI 工作流、测试和体验迭代。AI Agent 辅助工程实现、调试与文档。

架构与流程

Market Data + On-chain Data → Data Processing → Signal Detection → Context Assembly → AI Analysis → Dashboard / Report / Alert。

• Dashboard 汇集行情、指标和资金动态
• 地址监控与关系图谱呈现资金流向
• 结构化 Context 支持 AI 解释与提醒

关键决策

价格、余额、交易和指标由确定性数据与规则负责；LLM 用于归纳、关联、解释和报告。先组织可靠的上下文，再考虑 Prompt 的复杂度。

测试与迭代

项目按可验证的功能模块推进，经历需求拆解、实现、测试、反馈和 UX 调整。后续仍需继续研究信号评分、AI 分析评估和个性化监控。

阶段成果

形成用于产品研究与作品展示的实验性 MVP，覆盖多源数据、链上行为监测、信号解释与提醒工作流。

我的收获

AI Agent 降低了原型实现的门槛，但真正决定产品价值的，仍是问题定义、数据可靠性、功能边界与对结果的判断。