<aside> 💡

Full Article authored by Bruce Mao

整篇文章作者：Bruce Mao

1. 9.1

完整的开发笔记，以及部分源代码

文中可能有我本人的学习笔记，笔记可以用于 AI对话，通过深入提问的方式加深理解

更多内容：Bruce, AI 原生 — 全内容汇总（中文）

</aside>

需求洞察和分析

这个产品的需求洞察最开始源于我自己使用我司开发的 simpfor.fun 产品，以及我对 simpfor.fun 产品的内容输出上。simpfor.fun 是一个非常好用的产品，我在内容输出的时候，经常会思考，如何在 simpfor.fun 上去挖掘一些更有深度，并且对用户来说非常有意义的内容。根据我自己个人的使用，我觉得主要有两点可以深入挖掘的方向：

• 一个是如何对交易员具体操作策略和决策逻辑进行深入挖掘和深入理解
• 一个是手动分析交易历史耗时费力，效率低下，如何更好地用 AI 辅助我对一个交易员进行分析，最好是能对我自己的交易思路提供帮助和见解

这两点非常适合我进行深入的挖掘，我在尝试之后发现可以将这个需求转化为一个基于 Hyperliquid 和 simpfor.fun 的社区产品，并且可以将我的内容推广化变成一个信息推送服务。

如果我能开发一个产品，让用户可以：

• 自动收看我推送的顶级交易员的交易信息，易读性高的分析报告，包括交易员的历史开仓，战绩，以及操作方法等
• 订阅任意 hyperliquid 的地址，订阅其消息推送，以及详细的分析报告
• 追踪任意 hyperliquid 的开仓

这个产品的核心价值在于信息降噪和认知提炼。

1. 信息降噪： 链上数据是公开的，但也是海量、原始且混乱的。普通用户面对一个地址的一长串交易历史，就像面对天书，很难看出所以然。我的产品将这些原始数据（Raw Data）转化为了结构化的、可分析的信息（Structured Information）。
2. **认知提炼：**这个产品不仅仅是展示数据，而是将结构化信息进一步提炼为易于理解的洞察和知识（Insights & Knowledge）。用户得到的不再是“他在什么时间用什么价格买了多少ETH”，而是“这位交易员擅长在市场恐慌时抄底主流币，并通过持有获得大额利润，但他似乎不擅长处理小币种的短线波动”。这是从“术”到“道”的提升。

而且开发上具备了非常好的基础条件：

• Hyperliquid 交易平台数据透明度高，为深度分析提供数据基础
• Hyperliquid API 丰富，开发难度低
• simpfor.fun 对 hyperliquid 上的交易员交易业绩有非常详细且专业的筛选分析，为我筛选目标交易员提供了非常好的前置筛选
• simpfor.fun SDK 比较成熟，开发难度低
• AI 技术成熟，能够处理和总结复杂的交易行为模式，并且我的提示词和工作流调优足够熟练和专业，可以进行比市面上绝大多数研究员要专业的多的数据分析

有了这些基础的需求和基础条件，我觉得已经具备了开发条件。现在我们进行开发！