Twórca smart kontraktów w tokenach

Opracowanie bota lub aplikacji dla Telegramu na temat inwestycji do pracy na terenie "wschodniego sąsiada".

Szukamy specjalisty ds. bezpieczeństwa aplikacji Solana do przeprowadzenia audytu smart kontraktu przed wdrożeniem na mainnet. Stos technologiczny kontraktu: Rust + framework Anchor Token SPL (przelew/przechowywanie tokenów w PDA) Mekaniki: rundy z czasem, escrow zakładów, resolver ceny końcowej, obliczanie i dystrybucja wypłat, instrukcje roszczeń, awaryjne wstrzymanie + zwrot, ustawienie prowizji przez admin authority Sprawdzenie pod kątem typowych luk w Solana/Anchor: brak kontroli właściciela/podpisu, walidacja konta, przepełnienie całkowite, kolizje nasion PDA, wzorce reentrancy, przywileje kluczy authority Analiza logiki dystrybucji wypłat (zaokrąglanie, edge cases z wieloma uczestnikami) Sprawdzenie mechanizmów awaryjnych (wstrzymanie, zwrot) — czy nie można ich obejść lub nadużyć Raport z klasyfikacją ustaleń według krytyczności (Critical/High/Medium/Low) oraz rekomendacjami Powtórna weryfikacja po poprawkach (re-audit fixes) Wymagania dla wykonawcy: Potwierdzone doświadczenie w audycie lub rozwoju aplikacji Solana (Rust/Anchor) — prosimy o linki do GitHub, wcześniejsze audyty lub przykłady znalezionych luk Znajomość specyfiki Token SPL oraz wzorców escrow PDA Doświadczenie z narzędziami analizy statycznej (Soteria, Sec3, cargo-audit) będzie plusem W odpowiedzi prosimy o podanie: Doświadczenia z Solana (nie EVM) — konkretne projekty Orientacyjną cenę i czas realizacji dla kontraktu o takim zakresie Format raportu (przykład, jeśli jest)

Co liczymy w projekcie: Zrealizowany PnL, ROI i Wskaźnik Wygranych dla portfeli kryptowalutowych - jak rentowny był portfel w handlu danym tokenem w wybranym okresie. Na jakich danych: historia transakcji on-chain portfela (swapy, przelewy tokenów) + cena rynkowa tokena w momencie każdej transakcji. Główne źródło danych - Moralis: dwa wywołania podczas początkowego załadowania portfela - natywne przelewy ETH i wszystkie przelewy tokenów ERC-20. Z czym porównujemy: Nansen.io - bierzemy jako wzorzec, porównujemy nasze obliczone metryki z tym, co pokazuje Nansen dla tych samych portfeli w tym samym okresie. Problem: nasze liczby znacznie różnią się od Nansen, i nie do końca rozumiemy, według jakich zasad część działań portfela powinna być klasyfikowana dla celów PnL. Należy poprawić obliczenia Zrealizowanego PnL, ROI i Wskaźnika Wygranych, aby zgadzały się z Nansenem. W zgłoszeniu proszę napisać: - doświadczenie w podobnych zadaniach - doświadczenie z Nansen - doświadczenie z Moralis - doświadczenie z DeFiLlama - doświadczenie z artykułami na temat operacji kryptowalutowych - przybliżony koszt i terminy poprawek

Rozpoczęcie jest ważne - DZISIAJ Potrzebuję osoby, która ma doświadczenie w pisaniu botów handlowych na DEX-ach (potrzebne w sieci BSC) zrozumienie kosztów transakcji, gazu itd. Chcę przetestować kilka strategii handlowych na rzeczywistym agencie handlowym Muszę szybko opracować autonomicznego agenta handlowego, który wykorzystuje API Trust Wallet i CoinMarketCap do realizacji transakcji w sieci BNB Chain (BSC) na podstawie 3–5 wbudowanych strategii. Stos technologiczny (obowiązkowy) - Trust Wallet Agent Kit (TWAK) — do samokastodialnego podpisywania i realizacji transakcji (https://portal.trustwallet.com) - CoinMarketCap AI Agent Hub — do uzyskiwania danych rynkowych i sygnałów (https://coinmarketcap.com/api/agent) - BNB AI Agent SDK — do szybkiej integracji (https://github.com/bnb-chain/bnbagent-sdk) Wymagania funkcjonalne Dane (CMC AI Agent Hub) - Uzyskiwanie danych przez MCP lub x402 (https://coinmarketcap.com/api/agent) - Wykorzystanie gotowych Skills dla RSI, MACD, Fear & Greed, wolumenów Wykonanie (Trust Wallet Agent Kit) - Lokalne podpisywanie transakcji — klucze pozostają u użytkownika (https://portal.trustwallet.com) - Tryb autonomiczny: agent sam podpisuje i wysyła transakcje - Ograniczenia: spadek (drawdown), dzienny limit, stop-loss, biała lista tokenów - Wykorzystanie x402 do płatności za dane/obliczenia Strategie - Zrealizować 3–5 opisanych strategii z możliwością przełączania między nimi - Przykłady: kombinacja funding rates + Fear & Greed, DCA na podstawie nastrojów z filtrami Wymagania techniczne - Język: Python (preferowany) lub TypeScript/JavaScript - Narzędzia: TWAK CLI, CMC CLI, BNB AI Agent SDK Kto może się tym zająć?