AI Model Node

AI Model Node 是一个智能计算节点，通过调用大语言模型（如 GPT-4）来分析数据、生成交易洞察和做出智能决策。节点能够自动根据输出连接生成 JSON 格式要求，实现智能化的数据流转。

节点信息

属性

值

节点类型

ai_model_node

显示名称

AI Model

节点分类

Compute（计算处理）

图标

🤖 机器人图标

句柄颜色

Sky（天蓝色）

功能说明

AI Model Node 接收上游节点的各种数据信号作为上下文，通过大语言模型进行分析和处理，生成结构化的响应数据。节点具有智能输出格式化功能，能够根据下游节点的输入需求自动调整输出格式。

主要用途：

分析市场数据并生成交易建议
解读社交媒体内容提取交易信号
根据多源数据做出智能决策
生成符合特定格式要求的结构化数据
自动化复杂的数据分析任务

核心特性：

🎯 智能格式化：自动根据下游节点需求生成 JSON 格式
🔗 多信号融合：整合多个输入信号进行综合分析
📊 结构化提取：从 AI 响应中自动提取结构化数据
🤖 多模型支持：支持 GPT-3.5、GPT-4 等多种模型

输入参数

参数列表

参数

类型

必填

默认值

说明

model

select

✅

gpt-3.5-turbo

使用的大语言模型

prompt

paragraph

✅

见下文

主提示词，指导 AI 如何处理数据

parameters

paramMatrix

❌

{}

模型参数（temperature、max_tokens 等）

model 参数

可选模型：

模型名称

显示名称

适用场景

openai/gpt-3.5-turbo

GPT-3.5 Turbo

快速响应、成本优化

openai/gpt-4

GPT-4

复杂分析、高精度决策

openai/gpt-4-turbo

GPT-4 Turbo

大量数据处理

注意：节点使用 OpenRouter API，支持更多模型选择。

prompt 参数

默认提示词：

Please analyze the following information:

提示词编写建议：

清晰的任务描述：明确告诉 AI 需要完成什么任务
上下文说明：解释输入数据的含义和来源
输出要求：说明期望的输出格式和内容
示例引导：提供输出示例帮助 AI 理解需求

示例提示词：

分析以下推文内容，判断是否包含加密货币交易信号。
如果发现明确的买入或卖出信号，请提取以下信息：
- 代币符号
- 操作类型（买入/卖出）
- 建议金额
- 信号强度（1-10）
- 理由说明

parameters 参数

支持的参数：

参数名

类型

范围

默认值

说明

temperature

number

0.0-2.0

0.7

控制输出随机性，越低越确定

max_tokens

number

1-4000

1000

最大输出 token 数量

top_p

number

0.0-1.0

1.0

核采样参数

frequency_penalty

number

-2.0-2.0

0.0

频率惩罚，减少重复

presence_penalty

number

-2.0-2.0

0.0

存在惩罚，鼓励新话题

参数配置示例：

[
  {
    "name": "temperature",
    "value": "0.3"
  },
  {
    "name": "max_tokens",
    "value": "2000"
  }
]

输出参数

输出列表

输出 ID

显示名称

数据类型

说明

ai_response

AI Response

text/object

AI 生成的分析结果或结构化数据

ai_response 输出

数据类型： text 或 object（根据 auto_format_output 配置）

文本模式输出

当没有下游连接或 auto_format_output 为 false 时：

{
  "model_name": "openai/gpt-3.5-turbo",
  "response": "根据提供的推文内容分析，特朗普提到了...",
  "input_signals_count": 2,
  "input_signal_types": ["SOCIAL_MEDIA", "PRICE_DATA"],
  "timestamp": 1672531200.123
}

结构化模式输出

当有下游连接且 auto_format_output 为 true 时，自动提取结构化数据：

{
  "model_name": "openai/gpt-3.5-turbo",
  "response": "基于分析，建议买入 BTC...",
  "token": "BTC",
  "action": "buy",
  "amount": 1000.0,
  "chain": "aptos",
  "confidence": 0.85,
  "reason": "技术面突破关键阻力位，基本面积极",
  "input_signals_count": 2,
  "timestamp": 1672531200.123
}

智能格式化机制

自动格式生成

AI Model Node 的核心特性是自动输出格式化。节点会分析所有输出边的目标节点输入需求，自动在提示词中添加 JSON 格式要求。

工作原理

1. 分析输出连接
   ├─ 检查所有下游节点
   ├─ 识别目标节点的输入句柄名称
   └─ 推断需要的数据字段

2. 生成格式要求
   ├─ 构建 JSON 示例
   ├─ 添加字段说明
   └─ 插入到提示词中

3. AI 响应处理
   ├─ 提取 JSON 代码块
   ├─ 解析结构化数据
   └─ 合并到输出 payload

4. 数据传递
   └─ 下游节点直接获取所需字段

字段识别规则

节点根据目标句柄名称智能推断字段类型：

句柄关键词

推断类型

示例值

说明

chain

string

"aptos"

区块链网络标识

token

string

"BTC" / "USDT"

代币符号

from_token

string

"USDT"

源代币

to_token

string

"BTC"

目标代币

amount

number

1000.0

数量金额

price

number

50000.0

价格

action

string

"buy" / "sell"

操作类型

vault

string

"0x123..."

Vault 地址

slippage / tolerance

number

1.0

滑点容忍度

格式化示例

场景： AI Model Node 连接到 Buy Node

自动生成的格式要求：

输出格式要求:
请确保你的回复包含一个符合以下格式的JSON对象：

```json
{
  "token": "BTC",
  "amount": 1000.0,
  "chain": "aptos"
}

字段说明：

token: 代币符号
amount: 交易金额，数值类型
chain: 区块链网络标识

请在你的分析后，提供一个符合上述格式的JSON对象。


---

## 信号处理

### 接收的信号

AI Model Node 可以接收任意类型的输入信号，并将它们转换为文本上下文：

**信号转换流程：**

输入信号 → 信号类型识别 → 格式化为文本 → 添加到上下文


**支持的信号类型：**
- `PRICE_DATA` - K 线和价格数据
- `SOCIAL_MEDIA` - 社交媒体内容
- `TEXT` - 纯文本数据
- `DEX_TRADE` - 交易信号
- 其他自定义信号类型

### 发送的信号

**信号句柄：** `ai_response`

**信号类型：** 根据配置动态确定

**信号负载：** 包含 AI 响应和提取的结构化数据

---

## 使用示例

### 示例 1：社交媒体情绪分析

**场景：** 分析 Twitter 推文，提取交易信号。

**工作流结构：**

X Listener Node (监听 @realDonaldTrump) ↓ latest_tweets AI Model Node (分析推文情绪) ↓ ai_response Buy Node (执行买入)


**AI Model Node 配置：**
```json
{
  "model": "openai/gpt-4",
  "prompt": "分析以下特朗普的推文，判断是否包含对加密货币的正面或负面情绪。如果推文提到特定加密货币且情绪积极，返回买入建议；如果情绪消极，返回卖出建议。",
  "parameters": [
    {
      "name": "temperature",
      "value": "0.3"
    }
  ]
}

自动生成的输出（连接到 Buy Node）：

{
  "token": "BTC",
  "action": "buy",
  "amount": 500.0,
  "confidence": 0.82,
  "reason": "推文中提到比特币是'数字黄金'，表达了强烈的看涨情绪"
}

示例 2：多源数据综合分析

场景： 结合价格数据和社交媒体数据进行综合分析。

工作流结构：

Binance Price Node (BTC/USDT 价格) ─┐
                                    ├─→ AI Model Node (综合分析)
X Listener Node (加密货币 KOL) ────┘        ↓
                                       ai_response
                                            ↓
                                    Condition Node (决策)

AI Model Node 配置：

{
  "model": "openai/gpt-4-turbo",
  "prompt": "你是一位专业的加密货币交易分析师。请综合分析以下信息：\n1. 价格数据：最近的 K 线走势\n2. 社交媒体：KOL 的观点和情绪\n\n基于这些信息，给出交易建议（买入/卖出/持有）、建议金额和置信度（0-1）。",
  "parameters": [
    {
      "name": "temperature",
      "value": "0.5"
    },
    {
      "name": "max_tokens",
      "value": "1500"
    }
  ]
}

示例 3：风险评估

场景： 评估交易策略的风险等级。

工作流结构：

Binance Price Node (价格波动率)
    ↓
AI Model Node (风险评估)
    ↓ ai_response { risk_level, recommendation }
Condition Node (根据风险调整仓位)
    ↓
Buy/Sell Node

AI Model Node 配置：

{
  "model": "openai/gpt-4",
  "prompt": "作为风险管理专家，分析当前市场数据并评估交易风险。请提供：\n- risk_level: 风险等级（low/medium/high）\n- volatility_score: 波动率评分（0-100）\n- max_position_size: 建议最大仓位百分比\n- recommendation: 风险管理建议",
  "parameters": [
    {
      "name": "temperature",
      "value": "0.2"
    }
  ]
}

API 配置

环境变量

说明

必填

OPENROUTER_API_KEY

OpenRouter API 密钥

✅

OPENROUTER_SITE_URL

站点 URL（用于流量统计）

❌

OPENROUTER_SITE_NAME

站点名称

❌

获取 API Key：

访问 OpenRouter
注册账号并创建 API Key
将 API Key 添加到环境变量

API 限制

限制类型

说明

请求频率

根据 OpenRouter 套餐而定

Token 限制

根据选择的模型而定（GPT-3.5: 4K/16K, GPT-4: 8K/32K）

超时时间

节点设置为 60 秒

成本

按 Token 使用量计费

最佳实践

1. 提示词工程

✅ 推荐做法：

你是一位加密货币交易专家。请分析以下数据：

【任务】判断是否应该买入 BTC
【输入】最近 24 小时的价格走势和社交媒体情绪
【输出】买入建议（是/否）、建议金额（USDT）、置信度（0-1）

请提供 JSON 格式的输出。

❌ 避免：

看一下这个数据，给我一些建议。

2. 温度参数选择

任务类型

3. 成本优化

使用 GPT-3.5：适用于简单的数据提取和格式转换
使用 GPT-4：适用于复杂的分析和决策任务
控制 max_tokens：根据实际需求设置合理值
优化提示词：简洁明确的提示词可减少 token 消耗

4. 错误处理

节点自动处理以下情况：

API 调用失败 → 节点状态设为 FAILED
响应格式错误 → 返回原始响应文本
结构化数据提取失败 → 记录警告，继续执行

注意事项

⚠️ 重要提示

API Key 安全
- 不要在代码中硬编码 API Key
- 使用环境变量管理敏感信息
- 定期轮换 API Key
成本控制
- GPT-4 成本是 GPT-3.5 的约 15-20 倍
- 监控 API 使用量和费用
- 为开发和生产环境设置不同的配额
响应时间
- GPT-4 响应时间通常较长（5-20 秒）
- 设置合理的超时时间
- 考虑使用异步工作流
输出可靠性
- AI 输出可能包含错误或偏见
- 始终验证结构化数据的完整性
- 建议添加 Condition Node 进行输出验证
提示词注入风险
- 谨慎处理用户输入的文本
- 避免直接将不可信内容添加到提示词
- 考虑对输入进行清理和验证

故障排查

Q: AI 响应不包含期望的 JSON 格式？

A: 检查以下几点：

确认 auto_format_output 已启用
提示词中明确要求 JSON 输出
增加 max_tokens 参数值
降低 temperature 提高确定性
查看节点日志中的原始响应

Q: 节点执行失败，显示 API 错误？

验证 OPENROUTER_API_KEY 环境变量是否正确
检查 API Key 是否有足够的余额
确认网络连接正常
查看错误日志获取详细信息

Q: 输出的结构化数据字段缺失？

检查提示词是否清晰说明了所需字段
尝试提供输出示例
增加 max_tokens 确保完整响应
使用更强大的模型（GPT-4）

技术规格

规格项

值

节点版本

1.0.0

支持的 API

OpenRouter API (OpenAI Compatible)

默认超时

60 秒

最大并发

根据 API 限制

执行模式

单次执行（处理一次信号后完成）

日志级别

DEBUG, INFO, WARNING, ERROR

Good night

AI Model Node

节点信息

功能说明

输入参数

参数列表

model 参数

prompt 参数

parameters 参数

输出参数

输出列表

ai_response 输出

文本模式输出

结构化模式输出

智能格式化机制

自动格式生成

工作原理

字段识别规则

格式化示例

示例 2：多源数据综合分析

示例 3：风险评估

API 配置

环境变量

API 限制

最佳实践

1. 提示词工程

2. 温度参数选择

3. 成本优化

4. 错误处理

注意事项

⚠️ 重要提示

故障排查

技术规格

相关节点