محصول فعال مبتنی بر هوش مصنوعی · ۱۴۰۴ تا امروز
Apex
تحلیل بازار، بدون سردرگمی میان ابزارها و نظرهای متناقض.
- زمینه
- مدیر محصول هوش مصنوعی · طراح محصول · توسعه دهنده تمام پشته
- 01
- حدود ۹۵٪ کاهش هزینه LLM
- 02
- ۴ کلاس دارایی
- 03
- خروجی حدود ۳۰ ثانیه
- 04
- بیش از ۵۰۰ جفت رمزارز
مسئله
معامله گرها با تعداد زیادی اندیکاتور، تحلیل های متناقض و تصمیم های احساسی روبه رو هستند. یک هوش مصنوعی عمومی می تواند متن تولید کند، اما پایه تحلیلی قابل اتکایی ندارد.
رویکرد
منطق تحلیلی چندساله ام را از Pine Script به Python منتقل کردم. Apex ابتدا داده زنده را با این الگوریتم ها پردازش می کند و بعد شواهد ساختاریافته را برای توضیحی روشن به یک LLM سبک تر می دهد.
نتیجه
محصولی فعال با مدل اعتباری، پوشش چهار کلاس دارایی، خروجی حدود ۳۰ ثانیه ای و نزدیک به ۹۵ درصد کاهش هزینه LLM.
تصمیم های کلیدی محصول
تحلیل بازار، بدون سردرگمی میان ابزارها و نظرهای متناقض.
- 01
الگوریتم پیش از زبان
پردازش قطعی کار تحلیلی را انجام می دهد و LLM به جای حدس زدن از داده خام، شواهد ساختاریافته را توضیح می دهد.
- 02
استفاده از LLM فقط جایی که ارزش دارد
محتوای روزانه با منطق قطعی و تقریبا بدون هزینه مدل تولید می شود؛ تحلیل عمیق و درخواستی از LLM استفاده می کند.
- 03
وضوح به جای پیچیدگی
محصول به جای انبوهی از اندیکاتورها، نتیجه، دلیل، سطوح مهم، برنامه معامله و سناریوی مخالف را نشان می دهد.
- 04
کمک در لحظه های احساسی
دکمه پنیک به کاربر کمک می کند وقتی فشار تصمیم بالا می رود، یک بار دیگر موقعیت خود را منطقی بررسی کند.
محدوده مسئولیت من
- استراتژی محصول، نقشه راه، قیمت گذاری و لانچ
- طراحی کامل تجربه و رابط کاربری
- معماری پرامپت، گاردریل و ساختار خروجی
- سرویس های داده و تحلیل با Python و FastAPI
- فرانت اند React و TypeScript و استقرار محصول
شواهد محصول
