一个钱包付了72个创作者，72个币全死了：链上追凶怎么做到的？

每天有超过一万个meme币在pump.fun上发行，几乎全部在几小时内归零。当一个新币出现在屏幕上，人们真正想问的并不是"它会不会涨"——没人能诚实回答这个问题。问题更简单：这是谁做的，他上一个做的东西后来怎么样了？

这个问题靠手工几乎查不动。发币的钱包通常是全新的，真正的线索藏在"谁给这个钱包付了钱"，以及"那个付款方还付过谁"。这需要沿着"谁给谁转过账"跳两到三跳，横跨几十万个钱包。于是有了Sniff：粘贴一个币，AI代理沿着链上历史图谱走一遍，用几句大白话给出答案，每一句都链接到图谱中能证明它的那个位置。

为什么是图

底层数据其实早就有了。QuantBase采集器记录了pump.fun的公开数据：每次发行、发行背后的钱包、给这些钱包出资的人、在最初几秒买入的钱包，以及每个币挂出的社交链接。这些数据原先躺在Postgres表里，每问一个问题就变成一座自连接的高塔。

而这些问题全都是路径形状的：谁付钱给创作者，那个钱包还付过谁，他们发了什么币，有没有一个毕业的；两个币是否共享出资人、早期买家或同一个推特账号；哪些钱包构成同一个发币团伙。在FalkorDB里，每一条都是一个Cypher模式。团队用批量加载器在30秒内导入了632,339次pump.fun发行、424,007个钱包和约150万条关系（CREATED、FUNDED、SNIPED、LINKS）。原本痛苦的问题变成了一行查询：连通的发币团伙用algo.WCC算，两个地址"怎么连上的"用algo.SPpaths算。

意外一：枢纽让一切都连上了 everything

第一版图谱显示，任意两个币都能在四跳之内连上——这句话是真的，也是没用的。原因在交易所：当创作者从交易所提走SOL，交易所的热钱包就成了他的"出资人"，而这一个钱包给成千上万个创作者出过资。

团队把这类钱包叫枢纽：任何资助过200个以上其他钱包的地址。一共有89个。它们被打上独立标签，记录其资助钱包数量，任何查询都不允许穿过它们。一条资金线索碰到枢纽就停下，并注明"这来自一个交易所类钱包，对判断背后是谁没有帮助"。

他们试过更聪明的办法，用"这些钱包里有多大比例后来去发币"来区分交易所和大型发币农场，结果行不通——因为资金数据只覆盖了发过币的钱包。最大的那个枢纽资助了33,747个钱包，其中80%是创作者，仅仅因为那是他们查过的全部钱包。于是团队保留简单规则，写下原因，继续往下做。

意外二：文档和数据库对不上

FalkorDB 6.0.2用起来很顺手，但文档里有几处和运行中的服务器不一致。踩过的坑包括：

• 过程名在不同页面写法不同，6.0.2上是algo.WCC、algo.BFS、algo.pageRank、algo.labelPropagation和algo.SPpaths，以CALL dbms.procedures()为准；
• 文档里三参数的全文索引创建语句被拒绝，改用CREATE FULLTEXT INDEX FOR (c:Coin) ON (c.name, c.symbol)可行；
• WITH投影需要AS别名；
• 查询超时不能超过服务器的TIMEOUT_MAX，默认15秒；
• 批量加载器默认转义符是反斜杠，而meme币有时名字就叫反斜杠，需要传-x none并让CSV写入器改用双引号。

意外三：一个付款方，72个创作者，零毕业

整套系统第一次端到端跑通时，团队查了一个叫METHU的币。它的创作者钱包只发过这一个币，单看像是个新手。往回跳一跳，故事完全变了。

给METHU创作者打去0.009 SOL的那个钱包，还付过另外71个全新钱包，每个都只发了一个币。这72个币，没有一个毕业。在图谱里，这是一个付款方带着72根辐条，每根辐条尽头都是一个死掉的币。

创作者单看是干净的，付款方才是故事所在。而只有把数据摆成问题的形状，你才看得见它。

一个引用会被核查的代理

代理是Claude加九个工具，每个工具都是一条固定的只读Cypher查询：币查询、资金链、同源创作者、共享早期买家、共享社交账号、团伙、最短连接、高频操作者、搜索。Claude决定调用哪些工具，最多八个，然后写答案，它自己从不写Cypher。

每个工具结果都带证据编号：E1、E2依次往下。答案的每一句都必须以能证明它的编号结尾。然后系统核查：引用的编号必须是工具真实返回过的；必须来自能支撑该类论断的工具，讲复用社交账号的句子不能引用资金工具；剩下没有有效引用的句子直接删除——短答案好过没依据的答案。在应用里点一下引用，地图上对应的钱包和币会亮起来。如果没有AI密钥或调用失败，同样的工具会产出一份固定摘要，事实从不依赖模型。

团队用30个问题做了评分，其中六个是它应该拒绝的（"这个会拉盘吗""它安全吗"、编造的地址）。在线上站点，他们真正花调用次数问的10个问题全部选对了工具、引用了有效证据、守住了不给建议的规则。失败的是长度：一半答案超过五句，现在答案被限制在五句以内。

诚实的那部分：它解释，不预测

团队在同一份数据上还做交易研究，于是问了个不舒服的问题：这些图谱信号，能帮助预测哪些币毕业后表现好吗？

特征严格按每个币毕业那一刻已知的信息构建：出资人付过多少其他创作者、两跳资金、复用社交账号、共享早期买家。然后在23,408个已毕业的币上测试，用较老的训练、用最新的三分之一测试。

单独看，信号是有意义的。社交账号曾被用在另一个创作者币上的币，一小时后仍然活着的概率低18个百分点。但一旦加入任何人在币开盘头两分钟就能看到的东西，图谱就带不来可测量的增量：预测准确率的变化在±0.01以内。图谱知道的东西，价格里已经体现了。

所以Sniff不说"安全"或"骗局"，也从不给买卖建议。它告诉你一个币背后是谁、那个人其他的币后来怎样，附带证据，并在每个答案末尾写上同一句话：这是历史，不是预测。