AI-пайплайн листинга токенов: от ручной проверки к LLM-вердикту с ревью человека

В DeFi-продукте нужно постоянно добавлять новые токены и при этом не пускать к пользователям мошеннические контракты (honeypot, скам-токены). Изначально листинг был полностью ручным: поиск новых токенов, сбор метаданных и проверка безопасности делались вручную, занимали много времени и плохо масштабировались с ростом числа токенов.

Задача — превратить листинг в надёжный автоматический процесс, который сохраняет качество проверок и оставляет человеку только спорные случаи.

Работа шла поэтапно, каждый шаг сразу использовался в работе:

• Разобрал ручной процесс и выделил повторяющиеся шаги: поиск токенов, сбор метаданных, проверки безопасности, решение о листинге.

• Автоматизировал поиск новых токенов и сбор метаданных.

• Добавил автоматические security-проверки на honeypot и скам.

• Встроил слой на LLM: модель анализирует контракт и метаданные и выносит вердикт по листингу. Особое внимание — подготовке контекста для модели и продакшен-стороне вызовов.

• Оставил человека в контуре (human-in-the-loop): спорные случаи уходят на ручное ревью, а не решаются моделью самостоятельно.

Детали реализации и данные заказчика не раскрываются (NDA).

• Листинг токенов из полностью ручного процесса стал автоматическим пайплайном: поиск, метаданные и проверки безопасности выполняются без участия человека.

• Ручная работа по листингу заметно сократилась — команда занимается только спорными случаями.

• LLM-слой работает в продакшене: модель даёт вердикт, человек подтверждает пограничные решения, поэтому качество проверок не просело.

• Процесс масштабируется вместе с ростом числа токенов без пропорционального роста нагрузки на людей.