warden-desk

Warden Desk é um projeto Python de código aberto que atua como camada de decisão, não como bot de negociação, para avaliar risco on-chain em tokens de launchpad da Solana. Ele é construído em torno de oito agentes que compartilham uma interface comum e leem todos os limites de um único arquivo rules.json. Sete agentes correspondem a regras explícitas: GRAVEYARD procura moedas que morreram em uma bonding curve vazia, MIDWIFE detecta ondas de ticker fabricadas, COLLECTOR evita clones e originais que já se moveram, CLOCK impõe um bloqueio mínimo de manutenção, TOLL recusa entradas quando as taxas superam o lucro, LADDER proíbe reduzir preço médio e só permite adicionar a posições vencedoras, e UNDERTAKER expira negociações após um temporizador de tese. O oitavo agente, WARDEN, executa todas as sete verificações e então faz uma pergunta final de liquidez: se eu comprar isto, quem compra de mim? O projeto vem com um snapshot SQLite offline de um feed público de lançamentos da Solana e um conjunto de candidatos coletados, de modo que um clone novo pode executar todo o pipeline sem acesso à rede, chaves de API, carteiras ou assinatura de transações. Os comandos podem exibir regras, inspecionar o índice incluído, executar a mesa completa ou invocar agentes individuais com parâmetros de linha de comando. Os veredictos são gravados em refusals.jsonl e podem ser exportados como CSV, com endereços de contrato anexados para que observadores posteriores possam comparar recusas com o desempenho real dos tokens. Os códigos de saída permitem que a mesa seja composta como uma camada de veto diante de sistemas de execução separados. O README é explícito sobre limitações: ele não executa negociações, não lida com chaves nem faz alegações de desempenho; dados de holders exigem um endpoint RPC da Solana fornecido pelo usuário e dados desconhecidos falham de forma fechada como recusa; o índice incluído é histórico, não ao vivo; e a alta taxa de recusa é apresentada como uma propriedade medida dos filtros, não como um número de marketing ajustado. O desenvolvimento inclui testes offline, linting, validação de esquema e verificações de CI em várias versões do Python.