← 全部项目

AI Product · 首版独立研发 / 研报共同开发

K 线分析与 AI 研报

通过拆分生成任务、复用资讯聚合结果和分级模型,将单份研报平均成本由约 1 美分降到约 0.1 美分。

我的职责第一版 K 线分析由我独立编写;后续 AI 研报与同事共同研发,我直接参与开发,并推动产品上线与降本。

PythonCelery结构化输出定向修复Usage Ledger

执行流程 / WORKFLOW

  1. 01K 线与资讯聚合
  2. 02分阶段模型分析
  3. 03研报合成
  4. 04结构与长度校验
  5. 05定向修复 / 失败终止

两个版本与我的贡献

第一版聚焦 K 线分析,由我独立编写:读取行情与技术指标,先输出指标分析,再合成总结与趋势判断。后续版本扩展为结合资讯与多周期 K 线的 AI 研报,由我和同事共同开发,我直接参与代码实现与方案演进。后续链路、校验和降本成果属于这一共同研发项目。

链路拆分与降本

把研报拆为核心结论、资讯动态、K 线信号和操作提示,移除独立资讯分析环节,直接复用话题聚合结果以减少重复计算。模型按任务分级选择。2026 年第二季度项目记录的平均单条成本约从 1 美分降至 0.1 美分,约下降 90%;这是当时的项目统计口径。

生成与校验的有限循环

主体是分阶段工作流。研报合成后先规范化并校验结构,再按语言对 core.content 执行确定性的字符或词数校验;超限时只修复该字段,带入具体违规信息与更严格目标,再次校验。修复轮数有限,输出仍不合格则抛错终止,避免将无效结果标记为完成。

异步任务与费用核算

Celery 执行异步分析,任务持久化状态、模型、耗时及 token 用量。Usage Ledger 逐次记录调用与计费数据,覆盖正常生成、修复和 fallback;失败路径也保留调用记录,便于定位问题与核对费用。

如何验证

仓库包含结构规范化、多语言长度边界、非法修复响应、修复失败终止、模型 fallback 和 usage billing 等测试。格式与长度校验提供确定性约束;事实准确性和分析质量仍需要结合样本评审,成本数字不等同于投研质量评分。

← 全部项目下一项 · CoinEx MCP 服务 →