盯大户钱包动向：AI解读后落库Airtable并发Slack告警

原文要点

原模板每15分钟从HTTP接口取近期链上交易并规范化；从Airtable读取Tracked Whales与Exchange Addresses，把交易分为入所、出所或钱包互转；用amount与price_usd算美元价值，只保留至少100000美元；再查Airtable去重，合格新事件交OpenAI生成简短JSON解读和置信度，写入Whale Movement Events并发Slack格式化告警。原文故障表指出endpoint需返回transactions数组、Airtable地址要active、金额或price_usd非数值会算错；重要备注说明当前查重用event_id=transaction_hash，而记录节点写event_id=sender-timestamp，二者不一致，投产前要统一。

这次做成什么

练习做一条可替换数据源的“大额异动告警”闭环：Schedule取数→标准化交易→加载地址名单→分类与估值→阈值过滤→以transaction_hash一致去重→AI谨慎解读→Airtable建档→Slack告警。先用dummy API和测试Base，明确10万美元阈值是可改参数而非收益保证。

准备什么

• n8n测试实例、Airtable、OpenAI、Slack三类测试凭证
• Airtable测试Base含Tracked Whales、Exchange Addresses、Whale Movement Events三表
• 可返回transactions数组的HTTP测试端点，先用dummy API
• 示例价格字段price_usd与金额amount可用于离线计算
• 一个只发测试告警的Slack频道

具体怎么做

1. 拉取并标准化交易

   Schedule Trigger设每15分钟，HTTP Request取dummy endpoint；后用Code或Set把响应transactions数组拆成单条记录，字段统一为transaction_hash、sender、recipient、token_symbol、amount、price_usd、timestamp。若响应没有transactions或为空，按原文故障表直接结束并记录空跑，不进入Airtable。

2. 加载名单并分类

   Airtable分别读Tracked Whales与Exchange Addresses，只取active为true的address。分类逻辑：sender在巨鲸表且recipient在交易所表=exchange_deposit；sender在交易所表且recipient在巨鲸表=exchange_withdrawal；sender在巨鲸表且recipient既非交易所也非其他巨鲸=wallet_to_wallet。都不满足则丢弃。

3. 估值、阈值与一致去重

   用usd_value=Number(amount)*Number(price_usd)，非数字或缺失则标记bad_data并跳过。IF只保留usd_value>=100000。去重统一用event_id=transaction_hash：先在Whale Movement Events按transaction_hash查找，存在即跳过；新建记录也写同一个transaction_hash，修正原文指出的sender-timestamp不一致风险。

4. AI解读与告警落库

   合格事件送OpenAI，要求只输出JSON interpretation与confidence；解析失败时写ai_status=parse_failed但仍可落库，confidence置空。Airtable建档字段含event_id、classification、usd_value、sender、recipient、ai_interpretation、ai_confidence、alert_sent。Slack成功后把alert_sent改true；失败保留false便于重发。

可直接复制的材料

你是链上数据观察员，不做投资建议，不预测涨跌。输入：classification={{classification}}，token_symbol={{token_symbol}}，amount={{amount}}，usd_value={{usd_value}}，sender_label={{sender_label}}，recipient_label={{recipient_label}}。只输出JSON：{"interpretation":"80字内中文，说明资金方向和可能含义，使用‘可能/需观察’等谨慎措辞","confidence":0.0}。confidence范围0到1；地址标签不全或价格异常时不得超过0.5。

table,fields
Tracked Whales,"address,label,active"
Exchange Addresses,"address,exchange_name,active"
Whale Movement Events,"event_id,detected_at,classification,token_symbol,amount,price_usd,usd_value,sender,recipient,transaction_hash,ai_interpretation,ai_confidence,alert_sent"

{
  "schedule": {"every_minutes": 15},
  "http_source": {"url": "替换为返回transactions数组的测试端点", "timeout_note": "n8n可访问才继续"},
  "threshold_usd": 100000,
  "dedup": {"event_id_rule": "transaction_hash", "fix_note": "不要混用sender-timestamp"},
  "airtable": {"base": "替换测试Base", "tables": ["Tracked Whales", "Exchange Addresses", "Whale Movement Events"]},
  "slack": {"channel": "#whale-test"}
}

输入与输出示例

本站虚构演示，地址、哈希、价格均为示例；未调用HTTP或Slack。

输入

{"transactions":[{"transaction_hash":"0xabc123demo","sender":"0xWhaleDemo001","recipient":"0xExchangeDemo009","token_symbol":"ETH","amount":"40","price_usd":"3200","timestamp":"2026-10-06T10:15:00Z"}]}

对应输出

{"classification":"exchange_deposit","usd_value":128000,"event_id":"0xabc123demo","ai":{"interpretation":"巨鲸测试地址向已知交易所地址转入约12.8万美元等值ETH，可能增加短期卖压，需观察后续成交与标签变化。","confidence":0.62},"airtable_record":{"alert_sent":true,"Status":"logged"}}

做完检查这些

• HTTP输出缺transactions或为空时流程记录空跑且不发告警
• sender/recipient任一在Airtable非active时不得分类为巨鲸事件
• amount或price_usd非数字时记录bad_data并跳过，不产生usd_value
• 40×3200的示例usd_value必须等于128000并超过100000阈值
• 同一transaction_hash重复到达时被查找拦截，不会建第二条Airtable记录
• Slack发送成功后alert_sent才置true，失败保留false供排查

容易卡住的地方

• 原文明确提示查重找transaction_hash而落库写sender-timestamp，练习必须统一为transaction_hash
• dummy API不能代表生产链上数据，替换源时要重新核对字段名与频率限制
• active标记若用文本而非勾选，Airtable读取结果可能与判断不一致
• 价格缺失、代币精度或stablecoin口径不同会让美元估值失真
• 15分钟轮询会漏掉接口未返回的极早期交易，不能声称实时全覆盖
• AI解读是谨慎说明，不应写成确定性市场结论或交易指令
• Slack告警频繁时需先调阈值或加置信度分流，避免测试频道刷屏