Les communautés de trading ont des besoins uniques que les bots génériques ne peuvent pas gérer. Les traders ont besoin de données de marché, pas de mèmes. Ils ont besoin d'une IA qui comprend le contexte financier, pas de chatbots génériques. Ils ont besoin d'une modération qui détecte les systèmes de pompage et de revente, pas seulement le spam.
J'ai construit le Nexural Discord AI Engine pour résoudre ces problèmes. Voici ce qui a été impliqué.
L'Architecture
Le bot fonctionne comme un service Node.js avec :
- Discord.js pour le framework du bot
- GPT-4o pour les interactions en langage naturel
- Supabase pour le stockage persistant (données utilisateur, historique des conversations, journaux de modération)
- Alpaca API pour les données de marché en temps réel
- Middleware personnalisé pour la limitation de débit, les vérifications d'autorisations et la journalisation d'audit
30+ Commandes, 12 Phases
J'ai construit ceci de manière itérative à travers 12 phases de développement :
- Phase 0-2 : Commandes de base, système d'accueil, modération basique
- Phase 3-5 : Intégration des données de marché, chat IA, suivi de portefeuille
- Phase 6-8 : Auto-modération, gestion de communauté, gestion des rôles
- Phase 9-12 : Analyses, alertes, optimisation des performances
Chaque phase avait sa propre suite de tests et son plan de retour arrière. Je n'ai jamais déployé plus d'une phase à la fois.
Sécurité de l'IA dans les Contextes Financiers
C'est là que ça devient sérieux. Un bot IA dans une communauté de trading ne peut pas :
- Donner des conseils financiers (responsabilité légale)
- Générer des signaux de trading (problèmes réglementaires)
- Confirmer ou infirmer des idées de trading spécifiques (responsabilité)
Mon approche :
Prompts système stricts : GPT-4o reçoit un prompt système de 2 000 mots qui définit explicitement ce qu'il peut et ne peut pas discuter. Chaque réponse est présentée comme éducative, jamais comme un conseil.
Validation des réponses : Avant qu'une réponse IA ne soit envoyée sur Discord, elle passe par un filtre qui vérifie :
- Les prédictions de prix ("va monter/descendre")
- Les recommandations de trading spécifiques ("acheter/vendre X")
- Les garanties ou promesses de rendements
- Le contenu inapproprié
Avertissements : Chaque réponse IA inclut un pied de page : "Ceci est un contenu éducatif, pas un conseil financier."
Journalisation d'audit : Chaque interaction IA est enregistrée dans Supabase avec le prompt, la réponse et si des filtres ont été déclenchés.
Intégration des Données de Marché
L'API Alpaca fournit des données de marché en temps réel :
