About | TipsAI AI Agent Platform

Project position

Platform ini dibuat untuk operator yang ingin melihat cara agent bekerja, bukan hanya hasil akhirnya.

Fokus utamanya adalah visibility: market scan, signal quality, provider connectivity, approval flow, risk posture, dan AI learning dalam satu permukaan operator.

Visibility-firstPer-user runtimeOutcome-driven learning

Built forOperator, evaluator strategi, dan supervised automation

Core valueReasoning, approval, dan learning yang bisa direview

What you getSatu control surface yang lebih mudah dibaca

Landing, auth, dashboard, Telegram, provider, dan AI loop disusun supaya operator melihat konteks sebelum melihat hasil.

What compoundsLearning memory, bukan sekadar banyaknya signal

Moat jangka panjang datang dari pelajaran per coin, per strategy, dan per outcome, bukan dari klaim profit instan.

Purpose

TipsAI AI Agent Platform menghubungkan workflow AI dengan kontrol operator yang nyata.

Landing publik, secure login, dashboard internal, Telegram control, provider connectivity, dan AI learning disatukan agar keputusan AI, risk posture, dan status runtime bisa dibaca dari satu tempat.

CoreWhat it isAI trading agent platform

Platform untuk market scanning, signal intelligence, approval workflow, operator monitoring, dan learning loop.

GuardWhat it is notBukan robot profit instan

Platform ini tidak menjual klaim profit otomatis. Fokusnya adalah operasi trading yang disiplin, terukur, dan bisa diawasi.

OpsWho it servesOperator, evaluator strategi, dan tim kecil

Cocok untuk operator yang ingin satu control surface rapi untuk menguji, mengawasi, dan belajar dari workflow trading AI.

StackCore modulesScanner, signal center, risk stack, Telegram control, AI brain

Setiap modul punya tanggung jawab jelas, jadi agent tidak hanya memberi sinyal, tetapi juga punya audit trail dan feedback loop.

TechTechnology stackNext.js, FastAPI, PostgreSQL, Redis, OpenAI, Telegram

Frontend publik dan dashboard dibangun di Next.js, sedangkan runtime trading logic, API, dan worker berada di backend FastAPI.

BotTelegram controlRegister, login link, runtime check, approval, control center

Telegram menjadi mini control surface untuk user dan admin, jadi operator tidak harus selalu membuka web untuk memantau atau merespons approval.

How it works

Alurnya sederhana tetapi ketat: data masuk, signal dibentuk, risk mengecek, operator mengawasi, lalu AI belajar dari hasilnya.

Struktur ini dibuat berlapis supaya keputusan trading tidak jatuh menjadi otomatisasi buta.

1. Market scanPair dipantau, trend dibaca, timing dinilai

Scanner membaca pair yang dipilih, multi-timeframe trend, support and resistance, volume, volatility, dan market condition.

2. Signal and riskSignal harus lolos risk manager dan kill switch

Sinyal tidak boleh bypass risk manager, daily discipline guard, AI risk brain, dan kill switch.

3. Operator controlPending approval muncul sebelum jalur eksekusi

Operator bisa menerima atau menolak pending request dari dashboard dan Telegram sesuai posture kontrol yang dipilih.

4. Learning loopTrade result masuk kembali ke AI memory

Trade review, execution lesson, pair profile, market memory, hold-state, dan research insight dipakai untuk memperbaiki saran AI berikutnya.

Architecture

Arsitekturnya dibuat cukup sederhana untuk dibaca operator, tetapi tetap lengkap untuk runtime nyata di VPS.

Diagram ini menunjukkan alur utama dari halaman publik sampai ke learning loop di backend.

Public surfaceLanding, login, register, dashboard baru

Next.js menjadi pintu masuk publik dan dashboard operator modern.

↓

Core APIFastAPI, auth, routes, runtime state

Backend mengelola auth, data dashboard, status agent, approval route, dan state operasional.

Worker loopScanner, strategy, signal, risk, execution flow

Worker membaca market, membentuk signal, mengecek risk, lalu meneruskan workflow ke approval atau learning.

Operator controlDashboard and Telegram control

Operator bisa melihat status, approval queue, dan kontrol agent dari web maupun Telegram tanpa memecah workflow.

Data layerPostgreSQL, Redis, audit, metrics

Trade, signal, memory, execution request, dan cache runtime disimpan agar workflow tetap bisa diaudit.

↓

Learning loopAI memory, research, pair profile, ranking

Hasil trade, feedback, dan research kembali masuk ke AI brain agar agent menjadi lebih selektif dari waktu ke waktu.