程序聚合软件案例 TokenSee 是一个多链区块链数据的统一 API 层项目，核心功能是实时监控、解析和追踪链上交易活动。-tokensee

TokenSee 是一个多链区块链数据的统一 API 层项目，核心功能是实时监控、解析和追踪链上交易活动。-tokensee

2026-04-05 19:04:47

行业：区块链

载体：网站

技术：Node.js、NestJS、React

业务和功能介绍

TokenSee 是一个多链区块链数据的统一 API 层项目，核心功能是实时监控、解析和追踪链上交易活动。

核心功能模块
多链监控 — 支持 Ethereum、BSC、Arbitrum、Polygon、Base、Optimism、Avalanche 7 条链的实时区块扫描
交易解码管道 — 6 步流水线：获取原始交易 → ABI 解码 → 协议识别 → 语义格式化 → 内部转账追踪 → MEV 检测
协议解析 — 支持 Uniswap、Aave、GMX、Curve 等主流 DeFi 协议
实体标注 — 自动识别地址类型（交易所、VC、MM、个人钱包）
价格服务 — CoinGecko + DeFiLlama 双源，支持实时和历史价格
大额警报 — 可配置 USD 阈值的实时警报，支持 SSE 流和 Webhook 推送
聪明钱追踪 — 追踪 Paradigm、a16z、Jump Trading 等专业投资者钱包
Webhook 系统 — 带签名验证、失败重试、投递日志的可靠派发
地址富化 — GoPlus、Alchemy、Sourcify、Etherscan 多源聚合

项目实现

## 一、技术栈

### 后端

| 类别 | 技术选型 | 说明 |
|---|---|---|
| **运行时** | Node.js ≥ 20 + TypeScript | 强类型保障，ESM 模块 |
| **Web 框架** | Express.js | 轻量 REST API |
| **以太坊交互** | Viem 2.x | 现代化的以太坊库，比 ethers.js 轻量 90% |
| **数据库** | PostgreSQL 16 | 实体库、预警记录、活动历史存储 |
| **缓存** | Redis 7 | 解码结果、实体标签、价格数据缓存 |
| **数据校验** | Zod | 运行时 Schema 校验 |
| **HTTP 客户端** | Axios | 外部 API 调用（CoinGecko、Etherscan 等） |
| **布隆过滤器** | bloom-filters | 地址去重过滤，减少重复预警 |
| **开发工具** | tsx | TypeScript 直接执行，热重载 |
| **测试** | Vitest | 单元测试框架 |

### 前端

| 类别 | 技术选型 | 说明 |
|---|---|---|
| **框架** | Next.js 15 (App Router) | SSR + CSR 混合渲染 |
| **语言** | React 19 + TypeScript | 现代化 React |
| **样式** | Tailwind CSS 4.x | 原子化 CSS，快速构建 UI |
| **构建工具** | Next.js 内置 Turbopack | 极快的开发启动和 HMR |

### 基础设施

| 类别 | 技术选型 | 说明 |
|---|---|---|
| **容器化** | Docker + Docker Compose | 一键启动 PostgreSQL + Redis |
| **RPC 节点** | Alchemy + Ankr + QuickNode | 多链节点，按成本优化分配 |
| **数据源** | 20+ 外部 API | 覆盖地址标签、价格、协议数据 |

示例图片视频

zengsw

3天前活跃

方向：后端-Node.js、后端-Python、

交付率：100.00%

查看主页

相似推荐

梵花田-梵花田

梵花田是一款专注于身心健康的应用，主要面向有睡眠困扰、焦虑情绪、需要放松和专注的用户群体。项目定位是提供高品质的白噪音、冥想课程、助眠故事等内容，帮助用户改善睡眠质量、缓解压力、提升专注力。（业务模式）采用免费内容 + 会员订阅的模式。用户可以免费使用部分白噪音和基础冥想内容，订阅会员后解锁全部冥想课程、原创助眠故事、高级混音功能等。（核心功能介绍）我将其后端核心功能分为以下几个模块：声音模块提供超过30种白噪音（如雨声、海浪、篝火、钢琴等），支持用户多轨混音（同时播放多个声音并独立调节音量）。支持定时播放、收藏、最近播放记录。冥想模块包含 14天入门冥想计划，以及针对不同场景的主题课程（如“考前减压”、“职场焦虑缓解”、“睡前放松”等）。记录用户的训练进度、连续打卡天数，支持课程评价。睡眠助眠模块提供原创的助眠故事（如“月光森林”、“海边小屋”等），配有舒缓的背景音乐和专业配音。支持故事播放进度自动保存、定时关闭。宝宝专区模块专门为母婴群体设计，包含哄睡音乐、摇篮曲、睡前动画和短篇故事。个人中心与会员模块用户注册登录（手机号/微信）、会员购买与续费、历史记录、收藏夹、睡眠统计报告等。后台管理系统为运营人员提供内容发布（上传音频、配图、文字）、用户管理、数据看板（日活、播放量、会员转化率）等功能。

南通大学附属医院医保前置服务平台-前置服务平台

产品包含功能：药库的订单采购管理、收货管理、追溯码管理、用户管理、角色管理、统计查询、HIS对接接口和省招采平台对接接口等，主要是帮药库简化采购流程，满足网采率的上传要求，同时也能解决医保对医院的追溯码上传要求。

医疗大屏改造项目-医疗信息平台

系统为医疗数据可视化大屏，通过下拉选择器可切换不同数据维度展示页面，实现多场景、多主题的数据监控与分析。主要功能包括： 1. 展示全国年度出院量趋势变化，通过折线图直观呈现多年数据走势； 2. 以地图形式展示 2024 年全国各省份出院人次分布，便于地域数据对比； 3. 统计并展示不同医疗机构类型的出院人次占比，清晰呈现机构服务结构； 4. 分析出院人群的性别、年龄结构，结合老年人口占比形成患者画像； 5. 各模块均支持数据可视化图表展示，包含折线图、地图、饼图、柱状图等； 6. 整体采用深色专业主题，布局规整清晰，适用于数据汇报、运营监控等场景。 7. 各个图表配置了合适的动态展示效果(演示地址：http://47.101.153.3:9007)

基于深度学习健康管理系统

① 慢性病风险预测：基于用户健康数据，使用神经网络模型预测未来患糖尿病、高血压等慢性病的风险。 ② 健康年龄计算：通过FT-Transformer 模型，计算用户的生物年龄（健康年龄），直观反映身体老化状况。 ③ 亚健康状态评估：通过问卷与活动数据，使用聚类算法+神经网络模型对用户的亚健康状态进行分类与评分。 ① 睡眠阶段分析：基于智能手环的心率、体动数据，使用深度学习模型1D-CNN + Transformer对用户的睡眠阶段进行精准分期。 ② 异常心律筛查：对连续心率数据进行监控，使用异常检测算法或深度学习模型自动筛查可能的心律不齐事件，并发出预警。 ③ 运动模式识别与能耗估算：利用设备加速度计等传感器数据，通过深度学习模型识别用户运动类型（如走路、跑步），并精确计算热量消耗。 ④ 长期健康趋势分析：对用户长期的静息心率、步数等数据进行时间序列分析，发现周期性规律和长期变化趋势。 ① 症状自查器：用户通过勾选症状或输入文本描述自身状况。 ② 疾病智能预测：基于深度学习模型Feature Tokenizer Transformer（FT-Transformer），对输入的症状进行分析，输出可能的疾病及概率。 ③ AI健康助手：集成大语言模型API，为预测结果提供人性化的护理建议与就医警示。 ④ 自查历史记录：记录并展示用户历次的健康自查记录。 ① 智能饮食推荐：基于用户身体指标与健康目标，使用推荐算法生成个性化食谱。 ② 自适应运动计划：根据用户体能和目标生成并动态调整运动计划。 ③ 健康习惯追踪与提醒：提供服药、饮水、久坐等智能提醒功能。 ④ 睡眠改善方案：针对睡眠问题，提供个性化的改善建议。

医疗器械租赁/售卖平台

背景：跟医院合作租赁或售卖医疗设备，主要面向全瘫或半瘫老年人，辅助治疗同时收集老人的医疗数据 1、有个运营后台，可以管理设备的上下架，以及促销活动设置 2、微信小程序可以进行租赁或购买设备