GlobalYield AI 核心架构 (Deep Dive)

System Architecture // Ver 2.0 // RWA Protocol

1. 异构数据采集与 ETL 管道

为了捕获 10 万亿级的 RWA 市场，数据层必须同时处理结构化与非结构化数据，确保数据颗粒度达到“资产级”。

On-Chain

链上扫描器 (Scraper)

  • 语言: Rust (高性能微服务)
  • 数据源: Alchemy / Infura 节点
  • 逻辑: 实时监听底层资产池质押率波动 (Centrifuge, Ondo) 及 Transfer/Yield 事件。
Off-Chain

宏观预言机 (Oracle)

  • API: Bloomberg / Refinitiv
  • 作用: 获取 10Y Treasury Yield 等宏观利率作为锚点，计算 RWA 真实溢价。
Unstructured

文档向量化管道

  • 目标: PDF 招股书、审计报告、法律意见书。
  • 处理: OCR 解析 -> 文本分块 -> 向量化嵌入 (Embeddings) -> 存入 Milvus。

2. "Monitor-Analyst" 双 Agent 协同机制

这是系统最硬核的部分，解决了 RWA 领域“看得到收益但看不清风险”的痛点。

Type A: Monitor Agent (监控智能体)
  • 职责: 执行高频利差扫描，维护全网收益率矩阵。
  • 触发逻辑: 当检测到 RWA 代币 APY 异常升高且 TVL 稳定时，向 Analyst 发起“穿透申请”。
Stack: Python (Pandas/NumPy) + Redis
Type B: Analyst Agent (分析智能体)
  • 职责: 深度审计与风险穿透。
  • 逻辑: 基于 RAG 检索向量库。例如：对比链上坏账率与上月 PDF 审计报告是否吻合，识别“借新还旧”庞氏特征。
Stack: GPT-4o Fine-tuned + Milvus Vector DB

3. GY-Score 风险评分算法

系统不直接给出“买入”建议，而是生成一个 0-100 的动态评分，量化资产健康度。

GY_Score = ∑ ( Metricsi × Weighti )
流动性深度 (40%)
法律合规性 (35%)
预言机可靠性 (15%)
历史信用 (10%)
*注：法律合规性由 AI 分析资产回购保证条款及管辖权效力得出。

4. 关键技术选型 (Full Stack)

模块 (Module) 技术选型 (Tech) 核心作用 (Role)
前端看板 Next.js 14 + Tailwind 提供毫秒级响应的数据可视化，支持深色模式与移动端适配。
向量数据库 Milvus / Pinecone 存储数以万计的 RWA 法律文档向量，支持高维语义检索。
后端通信 gRPC 保证 Rust Scraper 与 Python 决策引擎之间的高性能低延迟通信。
通知推送 WebSocket + Discord Bot 发现瞬时套利空间 (Spread) 时，秒级直推用户私域。
← Return to Business Plan