
信号一直都在。
它埋在数百万条帖子里,分散在众多平台,混杂着垃圾信息和噪音。靠人工阅读无法规模化。
每条帖子,都被阅读和衡量。
我们接入 X、Reddit、YouTube、TikTok、Instagram 和新闻。我们过滤垃圾信息,按真实影响力为每位创作者加权,计算情绪评分,并实时交付干净的数据。
两个世界,一个来源。
人们用 Discover 应用探索和决策。机器通过 API、MCP 和 CLI 接入。我们不是仪表盘。我们是社交媒体与决策之间的那一层。
市场随叙事而动,而叙事活在社交媒体上。币价拉升之前,对话先变;股价转向之前,情绪先变。

它埋在数百万条帖子里,分散在众多平台,混杂着垃圾信息和噪音。靠人工阅读无法规模化。
我们接入 X、Reddit、YouTube、TikTok、Instagram 和新闻。我们过滤垃圾信息,按真实影响力为每位创作者加权,计算情绪评分,并实时交付干净的数据。
人们用 Discover 应用探索和决策。机器通过 API、MCP 和 CLI 接入。我们不是仪表盘。我们是社交媒体与决策之间的那一层。
Joe Vezzani 基于一个想法创立 LunarCrush:人们在社交媒体上说的话会推动市场。第一个版本追踪头部币种的情绪和提及量。
我们的自有评分上线,把社交数据和市场数据合成一个判断。LunarCrush 成为加密社区的日常工具。
先是股票和 ETF,然后是体育、娱乐、品牌和文化。同样的深度,覆盖每一场对话。
为开发者和机构打造的完整 REST API。LunarCrush 成为基础设施,而不只是一个应用。
首批通过 MCP 接入 Anthropic Claude 的社交数据源之一。AI 代理原生读取社交语境。
为人和他们的 AI 提供实时社交语境。41 个类别,6 个平台,每条帖子全生命周期追踪。
不是口号。而是决定我们构建什么、舍弃什么的规则。
围绕一个名字的对话,和它的走势图同样重要。互动显示动能,语气显示倾向。社交不是噪音,而是多数人忽视的信号。
原始数据在规模化时毫无用处。在数据到达你之前,我们过滤垃圾信息、按影响力加权并计算情绪。价值在于解读,而不在于堆量。
在 Discover 应用中探索的分析师,和调用 API 的代理,得到的是同样的数据、同样的历史、同样的用心。
谁都能从一个平台抓取几百个代码。六个平台、超过 1000 万创作者、每条帖子持续追踪,并且每小时以同样方式交付,这才是差距所在。
一支小团队,坚信这是基础性的工作。
一支小而分布式的团队,攻克互联网上最难的数据问题之一:把数十亿场对话变成人和机器都能信赖的数据。
