在加密货币交易领域，那些拥有大量关注者的分析师（大V）每天都在产出专业的市场分析内容。他们的信息流看似神秘，但实际上背后有着清晰的数据处理逻辑。今天，我们将完全拆解这个过程，并教你如何在发明者平台用工作流可视化节点构建一个属于自己的专业交易分析系统。
这个工作流完全基于发明者工作流的可视化节点搭建，无需编写复杂代码。核心思路是：数据获取 → 技术分析 → 情绪分析 → AI整合分析 → 自动化推送。整个流程通过拖拽节点、配置参数即可完成，让非技术人员也能轻松搭建专业的交易分析系统。
节点类型：Schedule Trigger（定时触发器）
这个节点是整个系统的起点，它确保每固定时间间隔自动启动分析流程，确保分析的高频性和时效性。
工作流部署了三个MarketInfo节点，分别获取不同时间维度的数据：
参数说明：
period：K线周期，15分钟、1小时、1天limit: 200：获取200根K线，足够进行技术分析$vars.pair：使用变量存储交易对，便于切换分析目标，作为策略外部参数，可以设置成为自己感兴趣的品种以下三个代码块分别处理不同时间框架的K线数据：
代码1（15分钟数据处理）：
const result = [];
const data = $input.first().json.result || [];
data.forEach(item => {
result.push({
timeframe: "15m",
candles: item
});
});
return result;
代码2（1小时数据处理）：
const result = [];
const data = $input.first().json.result || [];
data.forEach(item => {
result.push({
timeframe: "1h",
candles: item
});
});
return result;
代码3（日线数据处理）：
const result = [];
const data = $input.first().json.result || [];
data.forEach(item => {
result.push({
timeframe: "1d",
candles: item
});
});
return result;
标准化作用：
节点类型：Merge（合并）
模式：Append模式，将三个时间框架的数据按顺序合并
这个节点将所有时间框架的K线数据整合成一个统一的数据包，为AI分析提供完整的技术数据基础。
节点类型：Code
位置：位于合并节点之后，负责将多时间框架的K线数据整合
核心代码：
const allCandles = [];
for (const item of items){
allCandles.push(item.json)
}
return [{
json:{
allCandles
}
}];
代码功能解析：
allCandles数组中节点类型：HTTP Request（HTTP请求）
详细配置：
{
"parameters": {
"method": "GET",
"url": "https://newsapi.org/v2/everything",
"sendQuery": true,
"queryParameters": {
"parameters": [
{
"name": "q",
"value": "Crypto OR Bitcoin OR Coindesk"
},
{
"name": "from",
"value": "={{ new Date(Date.now() - 3 * 24 * 60 * 60 * 1000).toISOString().split('T')[0] }}"
}
]
},
"sendHeaders": true,
"headerParameters": {
"parameters": [{
"name": "x-api-key",
"value": "网站申请"
}]
}
}
}
关键参数解析：
q参数：搜索关键词使用OR逻辑，确保涵盖主要加密货币媒体from参数：动态计算3天前的日期，确保获取最新资讯x-api-key：NewsAPI的认证密钥，需要注册获取节点类型：Code
核心代码：
const articles = $input.first().json.data.articles || [];
const filteredArticles = articles.map(article => ({
title: article.title,
description: article.description,
}));
return [{
json: {
filteredArticles
}
}]
代码解析：
节点类型：AI智能体
LLM模型：Claude模型
核心Prompt配置：
你是一个专门分析加密货币市场的高智能精准情感分析器。你将使用两部分方法分析提供文本的情感：
短期情感：
- 评估即时市场反应、近期新闻影响和技术波动性
- 确定情感类别："积极"、"中性"或"消极"
- 计算-1（极度消极）到1（极度积极）之间的数值分数
- 提供简洁的理由说明短期情感（针对重大事件和加密货币给出详细回应和适当标题）
长期情感：
- 评估整体市场前景、基本面以及监管或宏观经济因素
- 确定情感类别："积极"、"中性"或"消极"
- 计算-1（极度消极）到1（极度积极）之间的数值分数
- 提供详细的理由说明长期情感（针对重大事件和加密货币给出详细回应和适当标题）
您的输出必须恰好是一个包含两个键的JSON对象："shortTermSentiment"和"longTermSentiment"。每个键的值必须是包含三个键的对象："category"、"score"和"rationale"。不要输出任何额外文本。
现在，分析以下文本并生成您的JSON输出：
{{ JSON.stringify($json.filteredArticles) }}
Prompt设计亮点：
节点类型：Code
关键代码：
// Initialize containers for each set of data.
const allCandles = [];
let contentData = null;
// Loop over each item from the merge node.
for (const item of items) {
// If the item has candlestick data, add it to the array.
if (item.json.allCandles !== undefined) {
// Assuming item.json.allCandles is an array.
allCandles.push(...item.json.allCandles);
}
// If the item has embedded content (in message.content), store it.
if (item.json.output !== undefined) {
contentData = item.json.output;
}
}
// Return a single item with both candlestick data and content.
return [{
json: {
allCandles,
content: contentData
}
}];
整合逻辑：
节点类型：AI智能体
LLM模型：Claude模型
详细Prompt配置：
## 交易分析指令
**数据结构:**
{{ $vars.pair}}的综合市场数据:
- 技术数据: {{ JSON.stringify($json["allCandles"]) }}
- 情感分析: {{ JSON.stringify($json["content"]) }}
K线格式: 时间框架 ("15m", "1h", "1d") + K线数组
情感: 来自加密货币新闻的短期/长期分析
**分析框架:**
**短期 (15m + 1h 数据):**
- 识别即时支撑/阻力位
- 价格行动信号 + 滞后指标
- 专注入场/出场时机
**长期 (1d + 1h 数据):**
- 主要趋势方向
- 结构性价位
- 更广泛的市场背景
**输出要求:**
**格式:** 纯文本，Telegram HTML样式
**日期:** {{ $vars.pair}}分析 {{ $now }} (格式: mm/dd/yyyy at xx:xxpm)
**结构:**
**现货建议:**
**短期:**
- 操作: [买入/卖出/持有]
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖关键信号、指标、情感]
**长期:**
- 操作: [买入/卖出/持有]
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖关键信号、指标、情感]
**杠杆建议:**
**短期:**
- 仓位: [做多/做空]
- 杠杆: Xx
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖价格行动、确认、情感]
**长期:**
- 仓位: [做多/做空]
- 杠杆: Xx
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖价格行动、确认、情感]
**关键指导原则:**
- 每个理由保持在50字以内
- 专注于可操作的洞察
- 消除冗余解释
- 优先考虑高信度信号
- 使用直接、简洁的语言
Prompt核心特色：
节点类型：Code
分割算法：
// 获取输入文本，如果不存在则使用空字符串
const inputText = $input.first().json.output || "";
// 验证输入类型
if (typeof inputText !== "string") {
throw new Error("Input must be a string");
}
// 删除 "#" 和 "*" 符号
const cleanedText = inputText.replace(/[#*]/g, "");
// 查找 "杠杆建议" 的位置
const leveragedIndex = cleanedText.indexOf("杠杆建议");
// 如果没有找到分割标记，则按原来的方式分割
if (leveragedIndex === -1) {
const mid = Math.ceil(cleanedText.length / 2);
const firstHalf = cleanedText.substring(0, mid);
const secondHalf = cleanedText.substring(mid);
return [
{ json: { blockNumber: 1, content: firstHalf } },
{ json: { blockNumber: 2, content: secondHalf } }
];
}
// 根据 "杠杆建议" 分割文本
const firstBlock = cleanedText.substring(0, leveragedIndex).trim();
const secondBlock = cleanedText.substring(leveragedIndex).trim();
// 返回包含两个块的数组
return [
{ json: { blockNumber: 1, content: firstHalf } },
{ json: { blockNumber: 2, content: secondHalf } }
];
分割策略：
节点类型：Telegram
推送特点：
这样，我们就完成了专属于自己的分析频道，可以根据自己交易的品种，进行相关的市场分析和交易建议推送。
1. 高频数据获取
定时触发器固定时间间隔启动四个数据获取分支，确保分析的高时效性和准确性。
2. AI驱动的专业分析
使用Claude大语言模型，结合精心设计的Prompt，实现了媲美专业分析师的市场判断能力。
3. 模块化设计
每个功能都封装为独立节点，便于维护、升级和个性化定制。
4. 智能内容处理
根据内容结构智能分割长文本，确保在各种推送渠道中都能完美呈现分析结果。
如果想搭建属于自己的自动交易系统，可以在此基础上添加交易执行节点：
只需在AI分析节点后添加条件判断和交易执行分支即可实现完全自动化的交易系统。
通过发明者工作流可视化节点，我们成功拆解了加密货币大V信息流的真实面貌。说白了，那些看起来高深莫测的市场分析，背后就是这样一套标准化的数据处理流程。
真相很简单：
我们不需要盲目追随任何大V，也不需要为所谓的"独家内幕"买单。发明者量化平台已经把复杂的技术分析变得触手可及，普通人完全可以搭建属于自己的分析系统。最重要的是，当你亲手搭建了这套系统，你就会明白：市场分析并不神秘，大V们也不是什么先知。他们能做的，你也能做，甚至可能做得更好。在这个技术普及的时代，发明者平台正在让投资决策的门槛越来越低。
与其当别人的粉丝，不如利用FMZ平台成为自己投资决策的主人。
