ChainaAware Behavioral Prediction
基于链上行为分析，评估钱包安全、代币风险和用户信誉的AI工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ChainaAware Behavioral Prediction。 它的用途是：基于链上行为分析，评估钱包安全、代币风险和用户信誉的AI工具。 完整的 Skill 内容见：https://321skill.com/skills/chainaaware-behavioral-prediction-x-3/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请分析以太坊地址 0x... 的链上行为，评估其参与空投的风险。’ 它会调取该地址的交易历史、Gas使用模式、关联合约等信息，生成一份包含风险评分、可疑活动标记和参与建议的报告。或者，
对AI说：‘帮我检查这个新发布的MEME代币有没有Rug Pull的迹象。’ 它会分析代币的创建者行为、流动性锁定情况和早期交易模式，给出欺诈可能性评估。
介绍
该Skill旨在解决Web3用户和开发者面临的链上安全与风险评估难题。它通过分析区块链上的公开数据，帮助用户识别潜在的钱包欺诈、代币骗局（如Rug Pull）以及评估交易对手的信誉，从而在DeFi交互、空投筛选或投资决策前提供数据支持。
使用时，用户只需向AI提出与链上安全、风险评估相关的具体问题，例如查询某个钱包地址的行为历史、分析某个代币的持有者质量或检测某个新项目的欺诈风险。Skill会调用其背后的分析模型，生成结构化的风险评估报告或信誉评分。
它非常适合频繁进行链上交互的加密投资者、DeFi协议开发者、项目审计人员以及需要进行反洗钱（AML）或合规检查的机构用户。这些用户需要客观、数据驱动的工具来辅助决策，降低在复杂且匿名的区块链环境中的操作风险。
建议用户将此Skill作为决策的辅助参考工具，而非唯一依据。对于涉及重大资产的决策，仍需结合多方信息进行综合判断。同时，Skill的分析基于链上公开数据，对于链下信息或尚未上链的潜在风险可能无法覆盖。
核心特点
与单一功能的风险检测工具不同，它集成了从钱包行为分析、代币质量排名到AI代理信任评分的多维度评估能力，提供了一个覆盖Web3交互全链条的综合风险评估框架。
注意事项
不适用于分析完全链下进行的欺诈活动或评估尚未产生链上交互的新项目团队的背景。
常见问题
如何用它检查一个钱包是否安全？
提供钱包地址，它会分析该地址的交易历史、关联地址和资产变动，评估其安全风险与信誉。
能帮我发现潜在的Rug Pull骗局吗？
可以，通过分析代币的流动性池变化、大额转账和持有者分布等链上数据，识别可疑的Rug Pull模式。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/chainaaware-behavioral-prediction-x-3/raw/index.md 读取 ChainaAware Behavioral Prediction 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/chainaaware-behavioral-prediction-x-3/raw/index.md（查看排版版本）