AutoDCA 全自动量化定投系统

针对传统金融软件“持仓成本失真”与“情绪干扰”的痛点，主导架构了这套脱机的全量化定投产品。实现了从跨源数据融合、大模型降级清洗、动态算法核算、到极简战报推送的完整商业逻辑闭环。

项目职责
0-1 产品定义 / 需求洞察 / 资源统筹落地
核心架构选型
n8n / 智谱 AI / Supabase / Serverless
当前状态
零成本高可用容器化部署，T+0 级战报实时触达
0. 商业探索与需求验证

打破基金平台的数据滞后与算法黑盒

在调研日常定投（DCA）行为时，我发现市面上的基金软件存在两个极其致命的体验断层：第一，QDII 基金存在 T+2 的净值滞后，用户无法获得实时的盘感反馈；第二，平台收益率算法各异且模糊，无法提供一条清晰、准确的“绝对平均持仓成本线”。

产品重塑方案：我决定抛弃传统 App，利用 RPA 工具将底层数据所有权收回。以“绝对成本线”为锚，为用户建立屏蔽市场噪音的“投资钝感力”。

执行细节 (What I Did)

  • 跨源数据融合与 AI 赋能：打通新浪财经与天天基金 API，并通过接入智谱 AI 大模型 (GLM) 进行行情数据的智能清洗与摘要生成。
  • 双轨数据存储策略：采用飞书多维表格做前端展示与轻量回溯，底层核心配置接入 Supabase 云端数据库，实现数据的高效、合规流转。
业务洞察与痛点挖掘：从繁杂K线到极简战报
1. 业务流程与架构定义

用“工程兜底思维”应对真实金融环境

面对外部金融数据源的高频波动与大模型 API 的偶发延迟，我构建了涵盖“触发-抓取-大模型解析-核算-存储-推送”的复杂容错工作流。

执行细节 (What I Did)

  • 数据降级与清洗规范：梳理外部 API 异常边界，设计健壮的结构化解析策略，处理 Null/Array/String 混合态，抹平异构数据的结构差异。
  • AI 节点工程化约束：将大模型 Prompt 严格结构化，强制 AI 输出标准 JSON 格式。通过工程兜底手段应对大模型幻觉，确保上下游业务节点的 100% 畅通。
  • 重构调度引擎时间轴，精准匹配中美时差，实现“节假日自动休市”策略，有效规避周末冗余执行带来的算力浪费。
n8n工作流全景图：涵盖触发、抓取、大模型、核算
2. 核心算法与时序校准

动态滚动加权与 T+0 数据解绑

为了精准计算出那条能提供情绪价值的“灵魂成本线”，简单的均价逻辑是不够的。我在 Code 节点中实现了基于时间序列的动态份额累加模型，并做了针对性的产品策略优化。

执行细节 (What I Did)

  • 极低容错率的数据质检：排查并拦截了飞书 API 历史数据接口的偶发乱序，增设强制时间流校验，保障核心财务数据的绝对严谨。
  • 大盘滞后体验解绑：在容忍极小误差的前提下，产品策略上强制采用当日最新大盘点位锚定上一交易日净值，提前 24 小时向用户反馈账户盈亏状态。
核心算法节点代码与数据表呈现
3. 严苛约束下的架构落地

零成本约束下的高可用可用性权衡

作为一个个人项目，必须在资源极度受限（零预算）的情况下实现脱机运作。我通过整合开源云服务与底层代理逻辑，以极低成本主导了这套高可用架构的落地。

架构决策与底层攻坚：

  • Serverless 选型落地：将系统整体环境容器化迁移至 Hugging Face Spaces，摒弃本地机器与高昂服务器依赖。
  • 跨网底层通信桥接：面对 Hugging Face (纯 IPv4) 与 Supabase (IPv6) 的网络协议鸿沟，主导攻克连接池代理与证书强校验等底层网络屏障，确保核心计算与数据节点的精准握手。
  • 可用性兜底保障：引入 UptimeRobot 构建心跳监控，对抗免费云容器的强制休眠，保障 24h 高可用。

最终触达与商业价值交付 (UX Delivery)

  • 企业级工作流触达：打通飞书 (Lark) 机器人节点，构建专属投资群播报，完成 T+0 级战报的秒级自动化触达。
  • 确立“钝感力”产品调性，以每日一条极简推送取代繁杂的金融 App 盯盘焦虑。
云端容器化部署日志与网络协议代理配置
返回 主页 / 作品集 项目案例 1 SnapCal知食分子 项目案例 2 AI+半导体设计