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，我利用 n8n 独立架构了一套脱机的全量化定投流水线。实现了从跨国数据抓取、大模型清洗、动态算法核算、到多端战报推送的完整商业逻辑闭环。

项目职责
0-1 产品定义 / 全栈开发 / 算法优化
核心技术选型
n8n / 智谱 AI / Supabase (PostgreSQL) / Hugging Face
当前状态
Serverless 容器化部署，零成本 24h 高可用
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：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：梳理外部 API 异常边界，手写万能解析函数，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：将大模型 Prompt 结构化，约束 AI 输出标准 JSON 格式，确保上下游节点的 100% 畅通。
  • 重构 n8n 调度时间轴，精准匹配中美时差，实现“节假日自动休市”以规避周末冗余扣款。
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，并做了极客级的时序优化。

执行细节 (What I Did)

  • 防乱序的时序强制校验：排查发现飞书 API 返回历史数据时存在偶发乱序，增设 localeCompare 强制时间流排序，确保每一分钱的时序准确性。
  • 成本与大盘的 T+0 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。
  • 情绪价值最大化：成功打破基金公司的结算滞后，让系统提前 24 小时向用户反馈真实大盘点位。
核心算法节点代码与数据表呈现
3. 云端运维与网络攻坚

Serverless 部署与零成本高可用架构

作为一套自动化系统，最终的交付不应该依赖个人电脑的随时开启。我通过云端容器化技术，实现了系统的彻底脱机运行。

容器化部署与底层网络攻坚：

  • 彻底的脱机架构：将 n8n 整体环境打包迁移至 Hugging Face Spaces 容器环境，摒弃本地机器依赖。
  • 跨网通信协议桥接：面对 Hugging Face (纯 IPv4) 与 Supabase 数据库 (IPv6) 的网络协议鸿沟，独立攻克了 Session Pooler (连接池代理) 与 SSL 证书强校验难题，解决 Circuit breaker（断路器）跳闸问题，实现底层数据精准握手。
  • 心跳保活机制：引入 UptimeRobot 构建 5 分钟级 Ping 监控，对抗免费云容器的强制休眠。

最终触达 (UX Delivery)

  • 配置 ServerChan 服务打通个人微信节点，完成 T+0 级战报秒级送达。
  • 确立“钝感力”产品调性，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