Объяснять публичную активность Ethereum, не получая контроль над активами пользователя.

С появлением AI блокчейн-аналитика становится задачей управления доверием.

Платформа получает и систематизирует публичную активность Ethereum, объясняет адреса и транзакции понятным языком и использует AI для интерпретации. При этом аналитический продукт не должен незаметно получать полномочия на управление активами или стирать границу между информацией и исполнением.

Поэтому границы доступа к данным, авторизация, длительные фоновые операции, аудит, развитие базы данных и воспроизводимая поставка стали частью архитектуры продукта.

Строить основу продукта вокруг явно заданных границ.

Приложение и данные

Я участвовал в построении платформы на Python и Flask, используя SQLAlchemy и Alembic для контролируемого доступа к данным и последовательного изменения схемы в окружениях PostgreSQL.

Оркестрация данных Ethereum и AI

Система использует Etherscan для получения публичных данных Ethereum и OpenRouter для их AI-интерпретации. Сервисы и фоновые задачи отделяют внешние запросы и длительный анализ от интерактивного потока приложения.

Авторизация, аудит и поставка

Google OAuth обеспечивает авторизованный доступ. Продукт остаётся read-only и non-custodial, а добавляемые, но не изменяемые записи аудита сохраняют след значимых действий. CI и deployment-процессы делают изменения приложения и базы данных воспроизводимыми.

• Python
• Flask
• SQLAlchemy
• Alembic
• PostgreSQL
• OpenRouter
• Etherscan
• Google OAuth
• Background jobs
• Audit controls
• CI
• Deployment

Основа, которая может развиваться без ослабления модели доверия.

Результат — серверная платформа, которая объединяет публичные данные Ethereum и AI-анализ, сохраняя явную границу: она наблюдает и объясняет, но не принимает средства или ключи на хранение. Миграции, фоновые задачи, аудит и автоматизация поставки позволяют поддерживать эту границу по мере развития системы.