2024 年研究一个 Web3 项目意味着同时打开十几个标签：CoinGecko 查价格历史，Etherscan 看链上活动，Twitter 测情绪，项目官方文档，还有两份没有 Solidity 背景根本看不懂的审计报告。现有的研究工具能聚合数据，但把推理过程藏起来了。你得到的是一个分数，不是一套论证。
Web3search 是一个把推理过程完全暴露的研究平台。每一条被查询的来源、每一次检索、每一个置信度信号——随着研究展开，实时可见。在线地址：web3search.pages.dev。
我在解决什么问题
Web3 里的信任廉价易伪造，昂贵难核实。项目方和散户之间的信息不对称极其悬殊。现有工具要么把风险过度简化，要么需要专业知识才能解读。我想构建一个让严肃分析变得可及的工具——不是降低标准，而是在设计层面就做到透明，而不是事后弥补。
我的角色
独立开发者和产品设计者。设计多源检索管道、定义 Glass Box UX 模式、从零搭建风险评估框架。
关键决策
Glass Box UX 作为第一原则。 大多数 AI 研究工具是黑盒：你问，它答。在 Web3 这个 rug pull 和协同操纵都有案可查的领域，这种信任模型是失效的。Glass Box 意味着界面在推理进行时实时展示每一步——运行了哪些查询、读取了哪些来源、如何权衡冲突信号。用户可以质疑过程，而不只是质疑结论。这是核心差异化点，也是最难做对的地方。
通过 OpenRouter 做多模型路由。 不同的研究任务需要不同的模型。综合 50 页白皮书需要长上下文窗口，快速查事实不值得花这个成本。OpenRouter 让我把特定任务类型路由到特定模型——成本敏感的查询用 DeepSeek，综合分析用 GPT-4——客户端不需要知道路由逻辑。这层抽象让模型迭代的成本极低。
Cloudflare Workers + Hono 后端。 延迟会打断研究的节奏，Edge 部署对研究工具至关重要。Hono 是 TypeScript 优先的，几乎零开销——在冷启动和包体积敏感的 Workers 环境里，这是正确的选择。
已上线功能
- 深度研究：透明 AI 研究管道，用户实时看到每一条来源和每一步推理
- 红牌仪表盘：跨项目基本面的自动风险信号检测
- ScamMeter：多维度诈骗风险评分，附各因子分解
- 持币分布分析：巨鲸集中度和内部人持股检测
- 代币解锁日历：追踪 Vesting 计划，附预警系统
- 实时价格数据：通过 Edge 缓存实现低延迟数据
我学到了什么
Glass Box 模式不只是 UX 选择——它是一种问责结构。当研究过程可见，用户的参与方式会变。他们会发现错误。他们会追问特定来源。他们更信任结论，因为他们能溯源推理过程。
最难的工程问题是在无状态的 Edge 环境中跨轮次保持对话上下文。Workers KV 的会话状态解决了这个问题，但设计时需要认真想清楚：当用户关闭再打开标签页时，“会话”意味着什么。