本项目立项旨在解决全球衍生品及高频交易员在面对复杂、高波动市场时，因“杏仁核绑架”（如 FOMO 情绪、非理性连续追单、过度扛单）导致的资产大幅非理性亏损问题。传统交易工具往往只关注后置的数据复盘，缺乏在交易进行中对非理性行为的实时、动态干预机制。
本项目所处的行业场景为全球零售交易行为分析与风险心理控制 SaaS 赛道。业务背景基于全球超过 5000 万活跃的散户及自营交易员（Prop Firms）群体。本软件（AlphaMirror）通过在用户客户端本地安全接入的主流交易平台（如 MT5 等）的多源实时数据流，结合行为金融学模型，对交易员进行实时心理特征画像与“理性评分”。当检测到情绪化交易导致的风险指标异常时，系统不触碰任何用户资产与交易权限，而是通过“感知-决策-多级强力预警”的 AI Agent 架构，在前端执行强制冷静期倒计时、强风险弹窗等非强制性实时行为干预，归还决策自主权，充当全球交易员的“理智刹车”，帮助其建立知行合一的交易系统。
本项目主要由四大核心功能模块构成，旨在为用户提供全方位、前置化的交易行为和心理风险管理：
1、多源数据安全接入模块：支持用户在本地客户端安全导入历史订单流及实时行情数据（如 MT5 等平台）。采用完全的非托管模式，API 密钥及敏感数据均采用本地加密存储（LocalStorage），从技术底层杜绝资金安全与法律合规风险。
2、AI 交易心理画像与“理性评分”模块：依托大模型的长上下文处理能力，深度挖掘用户海量历史交易数据与复盘笔记。AI Agent 会对用户的持仓习惯、回撤耐受力以及情绪化波峰进行实时语义分析，动态输出标准化的交易员心理特征画像，并为每一次交易表现提供直观的“理性评分”。
3、事中“阶梯式”多级风险预警模块：这是系统的核心干预功能。系统通过实时计算盘面波动率与用户心理阈值的偏差，提供绿、黄、橙、红四级阶梯式行为干预。在触发严重的情绪化交易（如连续亏损后的报复性追单）时，系统会在前端弹出强力红色警告并进入“倒计时冷静期”，强制打断非理性心智链条，最终决策权完全交还用户。
4、AI 智能多语言复盘与导师（Co-pilot）模块：交易结束后，AI 会自动生成包含地道专业术语的深度多语言分析报告，帮助用户客观剖析亏损根源，构建知行合一的交易系统。
作为项目的核心全栈开发负责人，我全面负责了该系统的技术架构设计、核心风控逻辑代码编写、多端 API 联调及生产环境的自动化部署。
1、项目技术栈与架构：
项目基于全栈现代化的 Serverless 架构体系。前端及边缘逻辑层采用 Next.js 框架，部署于 Vercel 平台以实现全球边缘节点的极速响应；后端采用 Supabase 作为核心数据库与认证中心，利用其行级安全策略（RLS）和实时订阅（Realtime）功能；AI 推理层则深度集成了大模型的超长上下文处理能力。
2、实现亮点：
实现了完全的“客户端非托管加密技术”，用户的敏感 API 密钥仅在本地浏览器（LocalStorage/IndexedDB）加密存储，由 Vercel Edge Runtime 配合前端插件直接向海外主流平台发起高频只读请求。这在保证极速实时风控的同时，实现了架构的彻底去中心化与法律合规。
3、技术难点：
难点在于如何在高频行情波动下，保证 AI 判定逻辑的低延迟输出，以及在多语言环境（中、英、韩、土）重构中，避免长上下文（Long Context）带来的 Token 消耗井喷。我通过在 Edge Function 中引入轻量级状态机，并结合本地缓存预加载机制，将实时风控提醒的端到端延迟控制在毫秒级，完美攻克了高并发下的成本与速度瓶颈。
评论