# Mercury

> 仓库地址：https://github.com/hxsteric/mercury
> 作者/组织：hxsteric
> 成熟度：beta
> 分析日期：2026-04-15

## 一句话总结
Hermes Agent 的多链区块链现金流分析 skill，覆盖 Ethereum / Base / Solana，集成欺诈检测和 AI 交易策略生成，配备 WebGL 三层可视化仪表盘。

## 项目定位与架构
Mercury 解决了区块链钱包行为分析的复杂性问题——将交易获取、现金流分析、欺诈检测和策略生成封装为一个 Hermes skill，通过自然语言即可驱动完整的分析流水线。

架构采用模块化 pipeline：`Transaction Fetching → Cash Flow Analysis → Fraud Detection → Strategy Generation → Visualization`。数据源为 Etherscan V2 和 Helius API。一个突出的技术选择是 **零外部依赖**——仅使用 Python stdlib。前端采用三层架构：WebGL shader + Canvas 粒子网络 + HTML 分析面板。

## 关键技术特性
- **多链支持**：Ethereum / Base / Solana 交易获取
- **现金流分析**：按时段划分，展示流入/流出/token 分布/主要交易对手
- **6 种欺诈模式检测**：dust attack / rapid transfer / mixer interaction / address poisoning / dormant account activation / high fan-out
- **AI 交易策略**：基于钱包行为模式生成交易洞察
- **零依赖**：仅 Python stdlib
- **WebGL 仪表盘**：神经网络风格背景动画 + 实时粒子网络 + 分析可视化
- **Subagent 编排**：通过 `delegate_task` 实现任务分发

## 设计亮点与创新
零外部依赖的选择极为大胆——整个区块链分析和 HTTP 通信仅用 Python stdlib 实现，最大化了可移植性。WebGL 三层仪表盘的视觉效果超出了典型分析工具的水平。6 种欺诈模式的结构化检测提供了超越简单交易查询的深度分析能力。

## 局限性与风险
零依赖策略可能在复杂场景下限制功能扩展。区块链 API（Etherscan / Helius）有速率限制和数据延迟。AI 交易策略的准确性和可靠性缺乏回测验证。仅覆盖三条链，对 L2 生态的覆盖有限。

## 与生态系统的关联
作为 Hermes skill 安装到 `~/.hermes/skills/data-science/blockchain-cashflow`，使用 subagent 编排实现并行分析。是 Hermes 在 DeFi / blockchain analytics 领域的专业应用，展示了 skill 系统在金融数据分析场景的潜力。