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：

1. 清晰的任务描述：明确告诉 AI 需要完成什么任务

2. 上下文说明：解释输入数据的含义和来源

3. 输出要求：说明期望的输出格式和内容

4. 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

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：

1. 访问 OpenRouter

2. 注册账号并创建 API Key

3. 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	推荐 Temperature	说明
数据提取	0.0 - 0.3	需要确定性输出
分析判断	0.3 - 0.7	平衡创造性和准确性
创意生成	0.7 - 1.0	需要多样化输出

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

1. 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

2. 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

3. 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

4. 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

5. 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：

1. 确认 auto_format_output 已启用

2. 提示词中明确要求 JSON 输出

3. 增加 max_tokens 参数值

4. 降低 temperature 提高确定性

5. 查看节点日志中的原始响应

---

Q: 节点执行失败，显示 API 错误？

A:

1. 验证 OPENROUTER_API_KEY 环境变量是否正确

2. 检查 API Key 是否有足够的余额

3. 确认网络连接正常

4. 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？

A:

1. 检查提示词是否清晰说明了所需字段

2. 尝试提供输出示例

3. 增加 max_tokens 确保完整响应

4. 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

---

相关节点

• Code Node - 用于数据预处理和后处理

• Condition Node - 根据 AI 输出做条件判断

• Buy/Sell Node - 执行 AI 推荐的交易决策

• Dataset Output Node - 保存 AI 分析结果

---

相关文档：

• 节点与工作流 - 节点基础概念

• Code Node - Python 代码执行节点

• Weather 语法 - 工作流文件格式