PortfolioMind 如何使用 Qdrant 提供实时加密货币情报

PortfolioMind 如何使用 Qdrant 提供实时加密货币情报

加密货币世界本质上是一个嘈杂且不稳定的地方。市场快速变化，叙事一夜之间改变，钱包活动隐藏着微妙而关键的模式。对于 PortfolioMind 而言，一个使用 SpoonOS 框架构建的 Web3 原生 AI 研究助手，挑战不仅在于找到相关信息，还在于实时呈现这些信息。

挑战：超越静态洞察

大多数加密货币平台都假定用户只想要简单的代币跟踪。然而，PortfolioMind 认识到真实的研究行为是动态的。用户会根据实时事件，在 L2 扩容、Meme 代币、协议风险和 DeFi 收益波动等主题之间快速切换。

仅凭语义搜索是不够的。PortfolioMind 需要一个能够通过实时用户交互和行为来理解用户兴趣和上下文的平台。

解决方案：建模动态用户好奇心

PortfolioMind 采用 Qdrant 将用户交互转化为洞察。每一次用户活动，例如搜索代币、固定钱包、阅读漏洞利用或与 DeFi 合约交互，都会留下语义痕迹。Qdrant 将这些痕迹转化为多向量用户意图模型。

该系统摄取包括新闻、代币经济学、巨鲸行为、投资组合历史以及与 DeFi/NFT 仪表盘交互在内的各种数据，并为每种数据类型嵌入丰富的元数据（链、代币符号、时间戳）。PortfolioMind 使用 HDBSCAN 聚类算法识别用户特定的微观兴趣，创建每个用户意图的动态、多向量表示。

PortfolioMind 选择 Qdrant 的原因

PortfolioMind 之前尝试过其他向量数据库，但最终选择了 Qdrant，原因在于其：

• 利用详细的元数据负载实现快速、可过滤的搜索。
• 原生多向量支持，以捕捉复杂的用户行为。
• 大规模低延迟检索。
• 通过 Qdrant Cloud 的托管服务以及混合索引支持，将运营开销降至最低。

“Qdrant 使我们能够建模实时用户意图，将嘈杂的数据转化为个性化情报。”

— PortfolioMind 团队

结果：延迟降低 70%，用户留存率提高

PortfolioMind 取得了立竿见影的显著改进：

• 在重度多用户负载下，每次查询的延迟降低了 70%。
• 根据点击率和用户参与度，交互相关性提高了 58%。
• 系统响应性得到改善，加快了用户兴趣集群的更新速度。
• 长期会话用户的留存率提高了 22%。

下一步：深化好奇心建模

展望未来，PortfolioMind 将扩展 Qdrant 的功能，包括：

• 跨用户好奇心映射，发现不同用户之间隐藏的兴趣集群。
• 时间漂移跟踪，提供历史向量快照以可视化不断变化的兴趣。
• 改进冷启动用户引导，只需少量用户交互即可实现准确的意图建模。

此次合作将实时加密研究转化为更加个性化、可操作的情报，显示了时机和相关性有多么重要。