warden-desk

Warden Desk es un proyecto de Python de código abierto que actúa como capa de decisión, no como bot de trading, para evaluar el riesgo on-chain de tokens de launchpad en Solana. Se construye en torno a ocho agentes que comparten una interfaz común y leen todos los umbrales desde un único archivo rules.json. Siete agentes corresponden a reglas explícitas: GRAVEYARD busca monedas que murieron en una bonding curve vacía, MIDWIFE detecta oleadas de tickers fabricadas, COLLECTOR evita clones y originales que ya se movieron, CLOCK impone un bloqueo mínimo de tenencia, TOLL rechaza entradas cuando las comisiones superan el beneficio, LADDER prohíbe promediar a la baja y solo permite añadir a posiciones ganadoras, y UNDERTAKER hace expirar las operaciones tras un temporizador de tesis. El octavo agente, WARDEN, ejecuta las siete comprobaciones y luego plantea una pregunta final de liquidez: si compro esto, ¿quién me lo compra a mí? El proyecto incluye una instantánea SQLite sin conexión de un feed público de lanzamientos de Solana y un conjunto de candidatos recopilados, de modo que un clon reciente puede ejecutar el pipeline completo sin acceso a la red, claves de API, carteras ni firma de transacciones. Los comandos pueden mostrar reglas, inspeccionar el índice incluido, ejecutar el desk completo o invocar agentes individuales con parámetros de línea de comandos. Los veredictos se escriben en refusals.jsonl y pueden exportarse como CSV, con las direcciones de contrato adjuntas para que observadores posteriores puedan comparar los rechazos con el rendimiento real de los tokens. Los códigos de salida permiten componer el desk como una capa de veto delante de sistemas de ejecución separados. El README es explícito sobre las limitaciones: no ejecuta operaciones, no maneja claves ni hace afirmaciones de rendimiento; los datos de holders requieren un endpoint RPC de Solana proporcionado por el usuario y los datos desconocidos fallan de forma cerrada como rechazo; el índice incluido es histórico en lugar de en vivo; y la alta tasa de rechazo se presenta como una propiedad medida de los filtros, no como una cifra de marketing ajustada. El desarrollo incluye pruebas sin conexión, linting, validación de esquemas y comprobaciones de CI en múltiples versiones de Python.