KOL-Profiler Skill · BSC KOL 行为画像引擎
自改进 Skill — Hermemes 在每次完成 KOL 分析后自动优化此技能的权重和阈值。 适用于 Nous Research Hermes Agent 框架。
技能定位
此技能让 Hermes Agent 具备对 BSC 链上 KOL 钱包进行深度行为分析、25+ 维度标签化、量化跟单决策的能力。
每次被调用后，Hermes 会根据实际结果反馈自动修正权重，实现闭环自我优化。
触发场景
以下任意情况时使用此技能：
- 用户提供一个 BSC 钱包地址，询问是否值得跟单
- 用户报告某 KOL 刚买入某 token，询问决策建议
- Cron 任务触发批量 KOL 池扫描更新
- 用户要求生成 KOL 周报 / 月报
- 系统检测到 KOL 钱包有新的大额买入（>0.5 BNB）
分析流程
Step 1 — 数据采集
# 使用 web3_get_balance 确认钱包活跃度
# 调用 BscScan API 拉取近 90 天交易历史
# 调用 DexScreener 获取每笔交易时的实时 MCAP
# 调用 PancakeSwap 获取流动性和价格数据
data_sources = [
"BSC RPC (余额、持仓)",
"BscScan API (交易历史、内部交易)",
"DexScreener (MCAP、价格变化)",
"PancakeSwap (流动性深度)",
"four.meme (早期 meme 发行数据)",
]
Step 2 — 25+ 维度计算
按以下顺序计算所有指标，保存到 KOL 档案文件：
A. 性能表现
win_rate_30d,win_rate_90d— 胜率（盈利交易 / 总交易）avg_roi— 平均单笔 ROI（倍数）total_pnl_bnb— 累计已实现 PnL（BNB）sharpe_ratio— 风险调整收益consistency_score— 0–100，基于标准差和连续性rug_avoidance_rate— 成功避开 rug 比例unrealized_pnl_ratio— 浮盈/浮亏比率
B. 入场行为
avg_entry_mcap,median_entry_mcap— 入场市值偏好avg_entry_hours_after_launch— 项目上线后平均入场时间position_size_pct— 单笔占钱包比例trading_frequency_30d— 月活跃天数meme_category_winrate— 分类胜率（animal / food / meta / etc.）
C. 出场 / Dump 行为
avg_exit_multiplier— 平均出场倍数typical_sell_tranches— 分批卖出比例（e.g., 30% at 5x, 50% at 10x）dump_mcap_range_p70— 70% 清仓时的 MCAP 区间max_hold_days— 最大持仓时长avg_drawdown_before_sell_pct— 峰值后平均回落 % 触发大额卖出trailing_stop_threshold— 触发 trailing stop 的回撤 %
D. 风险管理
max_drawdown— 最大历史回撤kelly_position_pct— Kelly 公式最优仓位比例wallet_correlation— 与其他 KOL 交易重合度gas_efficiency_score— BSC Gas/Slippage 执行效率user_style_match_pct— 与用户偏好的匹配度
E. 综合决策
confidence_score— 0–100 跟单置信度rrr— 预期风险收益比kol_grade— A+ / A / B / C
Step 3 — 档案保存
将所有指标保存到持久记忆，格式：
# KOL Profile: 0xA1b2...
**最后更新**: 2026-04-11 08:00 UTC
**等级**: A+
**置信度**: 87/100
## 核心指标
- 胜率（30d）: 74%
- 平均 ROI: 6.3x
- 一致性得分: 91/100
...（所有 25+ 维度）
## Dump 行为规律
...
## 历史交易记录摘要（最近 10 笔）
...
Step 4 — 量化决策输出
当用户询问某 KOL 的新买入时，输出以下结构：
KOL 画像快照 → 本单决策参考 → 止盈计划 → 风险预警
参考格式见主 README 的「示例输出」部分。
自改进机制
每次完成分析后，执行：
- 结果追踪：7/14/30 天后自动回查该 KOL 买入的 token 价格变化
- 权重校准：根据实际结果与预测的偏差，调整各维度权重
- 阈值优化：自动更新 Dump MCAP 区间、trailing stop 等阈值
- 日志记录：将校准记录保存到技能历史，形成进化轨迹
# 自动触发的改进逻辑（伪代码）
def self_improve(kol_address, prediction, actual_result):
delta = actual_result - prediction
if abs(delta) > threshold:
update_weights(kol_address, delta)
log_improvement(kol_address, delta)
update_skill_version()
数据源配置
# 在 hermes config 中设置
BSCSCAN_API_KEY=your_key
BSC_RPC_URL=https://bsc-dataseed.binance.org
DEXSCREENER_BASE_URL=https://api.dexscreener.com/latest/dex
FOUR_MEME_ENABLED=true
注意事项
- 本技能仅提供数据分析和量化参考，不构成投资建议
- BSC memecoin 风险极高，任何跟单操作需自行承担风险
- 建议初始跟单仓位不超过单次建议上限的 50%，待数据积累后再逐步调整
- KOL 画像需至少 10 笔历史交易才能形成有效分析
Skill Version: 1.0.0 · Auto-improved by Hermemes