ഓൺ-ചെയിൻ ഡാറ്റ വിശകലനം: ബ്ലോക്ക്, ഇടപാട്, വാലറ്റ് ഡാറ്റ എന്നിവയുടെ അർത്ഥം ഉണ്ടാക്കുന്നു

നേട്ടങ്ങൾ:

• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ഏറ്റവും സുരക്ഷിതമായ സംഭാവന ഡാറ്റ എക്‌സ്‌ട്രാക്ഷൻ ക്വറി റൈറ്റിംഗ് ആണെന്നും സ്വതന്ത്ര വ്യാഖ്യാനം അപകടകരമാണെന്നും ബ്ലോക്ക് എക്‌സ്‌പ്ലോററിൽ എല്ലാ നമ്പറുകളും സ്ഥിരീകരിക്കേണ്ടതുണ്ടെന്നും മനസ്സിലാക്കുക.
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൽ നിന്ന് നേരിട്ട് ലൈവ് ചെയിൻ ഡാറ്റ അഭ്യർത്ഥിക്കുന്നത് വ്യാജ ഹാഷുകൾ/വിലാസങ്ങൾ ഉണ്ടാക്കുമെന്ന് അറിഞ്ഞുകൊണ്ട്, ഉറവിടത്തിൽ നിന്ന് ഡാറ്റ പിൻവലിക്കാനുള്ള അച്ചടക്കം പ്രയോഗിക്കാനുള്ള കഴിവ്
• ചെയിൻ ഡാറ്റ ദൃശ്യപരത തെളിയിക്കുന്നു, എന്നാൽ ഉദ്ദേശ്യമല്ല, അജ്ഞാതവൽക്കരണത്തിൻ്റെയും ടാർഗെറ്റിംഗിൻ്റെയും ധാർമ്മിക പരിധികളും മനസ്സിലാക്കുക

ബ്ലോക്ക്‌ചെയിനിൻ്റെ ഏറ്റവും വലിയ ശക്തികളിലൊന്ന് അതിൻ്റെ സുതാര്യതയാണ്: എല്ലാ ഇടപാടുകളും ഓരോ കൈമാറ്റവും എല്ലാ കരാർ ഇടപെടലുകളും പൊതുവായും ശാശ്വതമായും രേഖപ്പെടുത്തുന്നു. ഓൺ-ചെയിൻ വിശകലനം-ഓൺ-ചെയിൻ ഇടപാട്, വിലാസം, പണമൊഴുക്ക് ഡാറ്റ എന്നിവ പരിശോധിക്കുന്നത് ഈ പൊതു റെക്കോർഡ് വായിക്കുകയും അത് മനസ്സിലാക്കുകയും ചെയ്യുക എന്നതാണ്: ഒരു വാലറ്റ് ട്രാക്കുചെയ്യൽ, പണമൊഴുക്ക് ട്രാക്കുചെയ്യൽ, ഒരു പ്രോട്ടോക്കോളിൻ്റെ ഉപയോഗം അളക്കൽ. ഈ യൂണിറ്റിൽ, ഡാറ്റ വിശകലന സഹായിയായി AI എങ്ങനെ ഉപയോഗിക്കാമെന്നും ഓരോ നമ്പറും എങ്ങനെ സാധൂകരിക്കാമെന്നും ഞങ്ങൾ പഠിക്കും.

ഓൺ-ചെയിൻ ഡാറ്റയുടെ ഘടന

ചെയിൻ ഡാറ്റ ലേയേർഡ് ആണ്:

• ബ്ലോക്ക്: ട്രാൻസാക്ഷനുകൾ ഗ്രൂപ്പുചെയ്‌തിരിക്കുന്ന ടൈം-സ്റ്റാമ്പ് ചെയ്ത യൂണിറ്റ്.
• ഇടപാട് (tx): ഒരു വിലാസത്തിൽ നിന്ന് മറ്റൊന്നിലേക്ക് മൂല്യം അല്ലെങ്കിൽ കരാർ വിളിക്കുക; ഒരു അദ്വിതീയ ഹാഷ് ഉപയോഗിച്ചാണ് ഇത് തിരിച്ചറിയുന്നത്.
• വിലാസം/വാലറ്റ്: ഫണ്ടുകൾ സൂക്ഷിക്കുകയും ഇടപാട് നടത്തുകയും ചെയ്യുന്ന ഐഡൻ്റിറ്റി.
• ഇവൻ്റ് (ഇവൻ്റ്/ലോഗ്): എന്താണ് സംഭവിച്ചതെന്ന് വിവരിക്കുന്ന കരാറുകൾ പുറപ്പെടുവിക്കുന്ന ഘടനാപരമായ രേഖകൾ.
• ടോക്കൺ കൈമാറ്റം: ERC-20/ERC-721 പോലുള്ള ടോക്കണുകളുടെ കൈകൾ മാറ്റുന്നു.

ഈ ഡാറ്റ കാണുന്നതിന്, ബ്ലോക്ക് എക്സ്പ്ലോറർ (ഇതർസ്കാൻ പോലുള്ള ചെയിൻ ഡാറ്റ പ്രദർശിപ്പിക്കുന്ന ഒരു സൈറ്റ്) അല്ലെങ്കിൽ അന്വേഷണ പ്ലാറ്റ്ഫോമുകൾ (ഡ്യൂൺ, ദി ഗ്രാഫ് പോലുള്ളവ) ഉപയോഗിക്കുന്നു. AI ഈ ഡാറ്റ തന്നെ "അറിയുന്നില്ല"; നിങ്ങൾ നൽകുന്ന ഡാറ്റയെ ഇത് വ്യാഖ്യാനിക്കുന്നു അല്ലെങ്കിൽ ഡാറ്റ വീണ്ടെടുക്കുന്നതിനുള്ള ചോദ്യം എഴുതുന്നു.

മുന്നറിയിപ്പ്: "ആ വാലറ്റിൻ്റെ ഇടപാടുകൾ കൊണ്ടുവരാൻ" AI-യോട് പറയുന്നത് ഉപയോഗശൂന്യവും അപകടകരവുമാണ് - AI തത്സമയ ശൃംഖലയുമായി ബന്ധിപ്പിച്ചിട്ടില്ല കൂടാതെ വ്യാജ ഹാഷുകൾ/വിലാസങ്ങൾ സൃഷ്ടിച്ചേക്കാം. ശരിയായ ഉപയോഗം: നിങ്ങൾ ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്‌ത് AI-ക്ക് നൽകുക, AI അതിനെ വ്യാഖ്യാനിക്കുന്നു; അല്ലെങ്കിൽ ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുന്ന ചോദ്യം AI നിങ്ങൾക്ക് എഴുതുകയും നിങ്ങൾ അത് പ്രവർത്തിപ്പിക്കുകയും ചെയ്യുന്നു.

ഓൺ-ചെയിൻ വിശകലനത്തിൽ AI-യുടെ രണ്ട് പ്രധാന റോളുകൾ

1. അന്വേഷണ എഴുത്ത്. ഡ്യൂൺ അനലിറ്റിക്‌സ് പോലുള്ള പ്ലാറ്റ്‌ഫോമുകളിൽ, എസ്‌ക്യുഎൽ പോലുള്ള ചോദ്യങ്ങൾ ഉപയോഗിച്ച് ഡാറ്റ വലിച്ചിടുന്നു. ഈ ചോദ്യങ്ങൾ എഴുതുന്നതിൽ AI ശക്തമാണ്: "കഴിഞ്ഞ 30 ദിവസങ്ങളിലെ ഇനിപ്പറയുന്ന കരാറിൻ്റെ പ്രതിദിന ഇടപാടുകളുടെ എണ്ണം നൽകുന്ന ചോദ്യം എഴുതുക." ചോദ്യം നിർണായകമാണ്; നിങ്ങൾ അത് പ്രവർത്തിപ്പിച്ച് ഫലം കാണുക - ഭ്രമാത്മകതയുടെ സാധ്യത കുറവാണ്, കാരണം ഡാറ്റ ഉറവിടമാണ് ഫലം നൽകുന്നത്, AI അല്ല.

2. ഫല വ്യാഖ്യാനം. നിങ്ങൾ ക്യാപ്‌ചർ ചെയ്‌ത ഡാറ്റ AI-ക്ക് നൽകി, "ഈ പണമൊഴുക്ക് എന്താണ് കാണിക്കുന്നത്? ഒരു പാറ്റേൺ ഉണ്ടോ?" നിങ്ങൾ ചോദിക്കൂ. ഭ്രമാത്മകതയ്ക്കുള്ള സാധ്യത ഇവിടെ കൂടുതലാണ്; എല്ലാ അഭിപ്രായങ്ങളും ഉറവിടത്തിലേക്ക് ലിങ്ക് ചെയ്യണം.

ഈ രണ്ട് റോളുകളുടെയും റിസ്ക് പ്രൊഫൈൽ വ്യത്യസ്തമാണ്: അന്വേഷണ എഴുത്ത് താരതമ്യേന സുരക്ഷിതമാണ് (ഫലം ഉറവിടത്തിൽ നിന്നാണ് വരുന്നത്), സ്വതന്ത്ര വ്യാഖ്യാനം താരതമ്യേന അപകടകരമാണ് (AI-ക്ക് ഇത് നിർമ്മിക്കാൻ കഴിയും).

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഇനിപ്പറയുന്ന വാലറ്റിൻ്റെ ഇടപാടുകൾ വിശകലനം ചെയ്യുക: 0x1234...

AI തത്സമയ ഡാറ്റയെ ആശ്രയിക്കുന്നില്ല; ഈ പ്രേരണ അവനെ കാര്യങ്ങൾ ഉണ്ടാക്കാൻ പ്രേരിപ്പിക്കുന്നു.

ശക്തമായ നിർദ്ദേശം (അന്വേഷണത്തിന്):

നിങ്ങളുടെ റോൾ: ഓൺ-ചെയിൻ ഡാറ്റ അനലിസ്റ്റ്. ഡ്യൂണിനായി ഒരു SQL അന്വേഷണം എഴുതുക: കഴിഞ്ഞ 30 ദിവസങ്ങളിലെ [ഇനിപ്പറയുന്ന ERC-20 ടോക്കൺ] കരാറിൻ്റെ പ്രതിദിന അദ്വിതീയ അയയ്‌ക്കുന്നയാളുടെ വിലാസത്തിൻ്റെ എണ്ണവും മൊത്തം ട്രാൻസ്ഫർ വോളിയവും തിരികെ നൽകുക. നിങ്ങൾ ഉപയോഗിച്ച പട്ടികയും ഫീൽഡ് നാമങ്ങളും വിവരിക്കുക. ചോദ്യം പ്രവർത്തിക്കുന്നില്ലെങ്കിൽ, നിങ്ങളുടെ അനുമാനങ്ങൾ എഴുതുക, അതുവഴി എനിക്ക് അത് പരിഹരിക്കാനാകും. ഡാറ്റ ഫിറ്റിംഗ്; ചോദ്യം ജനറേറ്റ് ചെയ്യുക.

ശക്തമായ നിർദ്ദേശം (അഭിപ്രായങ്ങൾക്ക്):

ACTUAL Dune ഫലം ചുവടെയുണ്ട് (ഞാൻ അത് ഷൂട്ട് ചെയ്തു). ഈ ചാർട്ടിലെ സംഖ്യകളെ മാത്രം അടിസ്ഥാനമാക്കിയുള്ള പാറ്റേണുകൾ വ്യാഖ്യാനിക്കുക: വോളിയം വർദ്ധനവ്/കുറവ്, അസാധാരണമായ കുതിപ്പ്, ഏകാഗ്രത. ഓരോ കമൻ്റും അനുബന്ധ വരി/നമ്പർ ഉപയോഗിച്ച് കാണിക്കുക. പട്ടികയിൽ ഇല്ലാത്ത സംഖ്യകളൊന്നും ചേർക്കരുത്. കാര്യകാരണം അവകാശപ്പെടരുത്; സാധ്യമായ വിശദീകരണങ്ങൾ "അനുമാനം" എന്ന് എഴുതുക.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) ചോദ്യം ജനറേഷൻ:

ഡ്യൂൺ/എസ്‌ക്യുഎൽ എന്നതിനായി ഒരു ചോദ്യം എഴുതുക: [മെട്രിക്] എന്നതിനായുള്ള [കരാർ/വിലാസത്തിൽ] [സമയ കാലയളവ്]. നിങ്ങൾ ഉപയോഗിച്ച പട്ടികകളും ജോയിൻ ലോജിക്കും വിശദീകരിക്കുക. ഞാൻ ഓടി ഫലം പരിശോധിക്കും; ഡാറ്റ ഫാബ്രിക്കേഷൻ.

2) മണി ഫ്ലോ ട്രാക്കിംഗ് ഔട്ട്ലൈൻ:

ഞാൻ നിങ്ങൾക്ക് ഒരു കൂട്ടം യഥാർത്ഥ ട്രാൻസ്ഫർ റെക്കോർഡുകൾ നൽകും (വിലാസം, തുക, സമയം). ഇവയെ ട്രാക്ക് ചെയ്യാവുന്ന ഫ്ലോ ആഖ്യാനമാക്കി മാറ്റുക: ഫണ്ടുകൾ എവിടെ പോയി, ഏകാഗ്രതയുണ്ടോ? ഞാൻ നൽകുന്ന രേഖകൾ മാത്രം ഉപയോഗിക്കുക; ഓരോ ഘട്ടവും അനുബന്ധ വരിയിലേക്ക് ബന്ധിപ്പിക്കുക. വിലാസം വ്യാജം.

3) മെട്രിക് വ്യാഖ്യാനം:

ചുവടെയുള്ള യഥാർത്ഥ മെട്രിക്സ് പട്ടികയിൽ കമൻ്റ് ചെയ്യുക: ഉപയോക്താക്കളുടെ എണ്ണം, വോളിയം, ഓരോ ഇടപാടിനും ശരാശരി. കാര്യമായ മാറ്റങ്ങളും സാധ്യമായ കാരണങ്ങളും പറയുക (അനുമാനം). പട്ടികയിൽ ഇല്ലാത്ത ഡാറ്റ ചേർക്കുന്നു; നിർണായകമായ കാര്യകാരണം സ്ഥാപിക്കുന്നു.

4) അപാകത അടയാളപ്പെടുത്തൽ:

അടിസ്ഥാനരേഖ: ഈ വിലാസം സാധാരണയായി ~[N] ഇടപാടുകൾ കൈകാര്യം ചെയ്യുന്നു, പ്രതിദിനം ~[X] വോളിയം. യഥാർത്ഥ രേഖകൾ ഞാൻ നിങ്ങൾക്ക് തരാം. രേഖയിൽ യഥാർത്ഥത്തിൽ സംഭവിച്ചതിനെ അടിസ്ഥാനമാക്കി അടിസ്ഥാനരേഖയിൽ നിന്ന് വ്യതിചലിക്കുന്ന ഇവൻ്റുകൾ മാത്രം അടയാളപ്പെടുത്തുക; ഓരോന്നിനും ഒരു വരി കാണിക്കുക. "അവലോകനം ആവശ്യമുണ്ട്" എന്ന് കമൻ്റ് അവസാനിപ്പിക്കുക.

മൂന്ന് മിനി കേസുകൾ (എണ്ണങ്ങളിൽ)

കേസ് 1 - ചോദ്യം 1 ദിവസം 20 മിനിറ്റായി കുറച്ചു. ഒരു പ്രോട്ടോക്കോളിൻ്റെ 90 ദിവസത്തെ ഉപയോക്തൃ വളർച്ച സ്വമേധയാ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാൻ ഒരു അനലിസ്റ്റ് ശ്രമിച്ചു. അദ്ദേഹം AI-യെ ഒരു ഡ്യൂൺ ചോദ്യം എഴുതാൻ പ്രേരിപ്പിച്ചു; 20 മിനിറ്റിനുള്ളിൽ ഒരു പ്രവർത്തന അന്വേഷണവും ഗ്രാഫും ലഭിച്ചു. ഉറവിടത്തിൽ നിന്ന് വന്നതിനാൽ നമ്പറുകൾ വിശ്വസനീയമായിരുന്നു. പാഠം: AI-യുടെ ഏറ്റവും സുരക്ഷിതവും കാര്യക്ഷമവുമായ സംഭാവനയാണ് അന്വേഷണ എഴുത്ത്.

കേസ് 2 - വ്യാജ ഹാഷ് പിടിക്കപ്പെട്ടു. "ആ തിമിംഗല വാലറ്റിൻ്റെ സമീപകാല ഇടപാടുകൾ സംഗ്രഹിക്കാൻ" ഒരു അനലിസ്റ്റ് നേരിട്ട് AI യോട് പറഞ്ഞു. AI ഒരു ഒഴുക്കുള്ള ലിസ്റ്റ് നൽകി; എന്നാൽ ഈതർസ്കാനിൽ പരിശോധിച്ചപ്പോൾ, ഇടപാട് ഹാഷുകളിൽ ഭൂരിഭാഗവും നിലവിലില്ലാത്ത കെട്ടിച്ചമച്ചവയായിരുന്നു. പാഠം: തത്സമയ ഡാറ്റയ്ക്കായി AI ആവശ്യപ്പെടുന്നത് ഭ്രമാത്മകത ഉണ്ടാക്കുന്നു; ഉറവിടത്തിൽ നിന്ന് ഡാറ്റ പിൻവലിക്കുന്നു.

കേസ് 3 - കോൺസൺട്രേഷൻ പാറ്റേൺ സ്ഥിരീകരിച്ചു. ഒരു അനലിസ്റ്റ് താൻ പിടിച്ചെടുത്ത യഥാർത്ഥ ട്രാൻസ്ഫർ ഡാറ്റ AI-ക്ക് നൽകുകയും അത് വ്യാഖ്യാനിക്കുകയും ചെയ്തു. കുറച്ച് വിലാസങ്ങളിൽ ഫണ്ടുകൾ കേന്ദ്രീകരിച്ചിരിക്കുന്ന ഒരു പാറ്റേൺ YZ ശ്രദ്ധിച്ചു. ബ്ലോക്ക് എക്സ്പ്ലോററിലെ വിലാസം വഴി അനലിസ്റ്റ് ഈ വിലാസം സ്ഥിരീകരിച്ചു - പാറ്റേൺ യഥാർത്ഥവും ഒരു വിതരണ അപകടസാധ്യതയെ സൂചിപ്പിക്കുന്നു. പാഠം: യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് വ്യാഖ്യാനം വിലപ്പെട്ടതാണ്; എന്നാൽ സ്ഥിരീകരണം വീണ്ടും ഉറവിടത്തിൽ നിന്നാണ്.

സ്വകാര്യതയും ധാർമ്മികതയും

ഓൺ-ചെയിൻ ഡാറ്റ "ഓപ്പൺ" ആയിരിക്കുമ്പോൾ, അതിൻ്റെ വിശകലനത്തിന് ധാർമ്മിക പരിധികളുണ്ട്:

• അജ്ഞാതവൽക്കരണം: യഥാർത്ഥ വ്യക്തികളുമായി (പ്രത്യേകിച്ച് ചോർന്ന ഡാറ്റയുമായി) വിലാസങ്ങൾ പൊരുത്തപ്പെടുത്തുന്നത് സ്വകാര്യതയുടെ ഗുരുതരമായ ലംഘനമാണ്; നിയമപരവും അംഗീകൃതവുമായ സന്ദർഭത്തിൽ മാത്രമാണ് ചെയ്യുന്നത്.
• ഉപദ്രവം/ലക്ഷ്യപ്പെടുത്തൽ: ഒരു വാലറ്റിനെ ട്രാക്ക് ചെയ്യുകയും അതിൻ്റെ ഉടമയെ ലക്ഷ്യമിടുകയും ചെയ്യുന്നത് അധാർമികമാണ്.
• നിക്ഷേപ ഉപദേശം: "ആ തിമിംഗലം വാങ്ങുന്നു, നിങ്ങളും വാങ്ങണം" എന്നതുപോലുള്ള അനുമാനങ്ങൾ തെറ്റിദ്ധരിപ്പിക്കുന്നതും ബാധ്യത ഉണ്ടാക്കുന്നതുമാണ്.
• സന്ദർഭത്തിൻ്റെ അഭാവം: ചെയിൻ ഡാറ്റ ഉദ്ദേശ്യത്തെ സൂചിപ്പിക്കുന്നില്ല; ഒരു കൈമാറ്റം ഒരു കുറ്റകൃത്യമോ സാധാരണമോ ആകാം. അമിതമായ വ്യാഖ്യാനം അപകടകരമാണ്.

നുറുങ്ങ്: ഓരോ ഓൺ-ചെയിൻ ക്ലെയിമും "ഡാറ്റ കാണിക്കുന്നത് X" ആയി അളക്കുക, "വ്യക്തി Y ചെയ്യുന്നു" എന്നല്ല. ചെയിൻ ഇടപാട് ദൃശ്യമാക്കുന്നു, പക്ഷേ ഉദ്ദേശം തെളിയിക്കുന്നില്ല.

സാധാരണ തെറ്റുകൾ

• AI-യിൽ നിന്ന് നേരിട്ട് തത്സമയ ഡാറ്റ അഭ്യർത്ഥിക്കുന്നു. വ്യാജ ഹാഷ്/വിലാസം സൃഷ്ടിക്കുന്നു.
• ഉറവിടവുമായി കമൻ്റ് ലിങ്ക് ചെയ്യുന്നില്ല. ഓരോ നമ്പറും ബ്ലോക്ക് എക്സ്പ്ലോററിൽ ഉറപ്പിച്ചിരിക്കണം.
• കാര്യകാരണമായി പരസ്പരബന്ധം തെറ്റിദ്ധരിക്കുന്നു. ചെയിൻ പാറ്റേൺ ഉദ്ദേശം തെളിയിക്കുന്നില്ല.
• സ്ഥിരീകരിക്കാത്ത വ്യക്തികളുമായി വിലാസങ്ങൾ പൊരുത്തപ്പെടുത്തുന്നു. രഹസ്യാത്മകതയുടെ ലംഘനത്തിൻ്റെയും പിശകിൻ്റെയും അപകടസാധ്യത.
• ഓൺ-ചെയിൻ അനുമാനം നിക്ഷേപ ഉപദേശമാക്കി മാറ്റുന്നു. ഇത് തെറ്റിദ്ധരിപ്പിക്കുന്നതും ബാധ്യത സൃഷ്ടിക്കുന്നതുമാണ്.
• ഒരു വലിയ കരാറിന് പകരം ചോദ്യം രേഖപ്പെടുത്താതെ പങ്കിടുന്നു. ആവർത്തനക്ഷമത ഇല്ലാതാകുന്നു.

ചുരുക്കത്തിൽ

• ഓപ്പൺ ചെയിൻ ഡാറ്റയിൽ നിന്ന് അർത്ഥം വായിക്കുകയും വേർതിരിച്ചെടുക്കുകയും ചെയ്യുന്ന പ്രക്രിയയാണ് ഓൺ-ചെയിൻ വിശകലനം.
• AI-യുടെ ഏറ്റവും സുരക്ഷിതമായ സംഭാവന അന്വേഷണ എഴുത്താണ്; ഫലം ഉറവിടത്തിൽ നിന്നാണ് വരുന്നത്, ഭ്രമാത്മകതയുടെ സാധ്യത കുറവാണ്.
• സ്വതന്ത്ര വ്യാഖ്യാനം അപകടകരമാണ്; ഓരോ നമ്പറും ബ്ലോക്ക് എക്സ്പ്ലോററിൽ സ്ഥിരീകരിക്കണം.
• ചെയിൻ ഡാറ്റ ദൃശ്യപരത തെളിയിക്കുന്നു, പക്ഷേ ഉദ്ദേശ്യമല്ല; അമിതമായ വ്യാഖ്യാനം ഒഴിവാക്കിയിരിക്കുന്നു.
• അജ്ഞാതവൽക്കരണവും ടാർഗെറ്റുചെയ്യലും ധാർമ്മിക അതിരുകളുള്ള അംഗീകൃത സന്ദർഭത്തിൽ മാത്രമാണ് ചെയ്യുന്നത്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു പ്രോട്ടോക്കോൾ അല്ലെങ്കിൽ ടോക്കൺ തിരഞ്ഞെടുക്കുക. കഴിഞ്ഞ 30 ദിവസത്തേക്കുള്ള ആ ടോക്കണിൻ്റെ പ്രതിദിന ഇടപാടുകളുടെ എണ്ണം നൽകുന്ന "ക്വറി ജനറേഷൻ" പ്രോംപ്റ്റ് ഉപയോഗിച്ച് AI-യിലേക്ക് ഒരു ചോദ്യം എഴുതുക (ഡ്യൂൺ സൗജന്യമായി ലഭ്യമാണ്). ചോദ്യം റൺ ചെയ്യുക. തുടർന്ന് "മെട്രിക് ഇൻ്റർപ്രെട്ടേഷൻ" പ്രോംപ്റ്റ് ഉപയോഗിച്ച് AI ഫലം വ്യാഖ്യാനിക്കുക. യഥാർത്ഥ ഫല പട്ടികയിലെ AI യുടെ അഭിപ്രായത്തിലെ ഓരോ ക്ലെയിമും സ്ഥിരീകരിക്കുക, കൂടാതെ പട്ടികയിൽ എതിർകക്ഷികളില്ലാത്ത ഒരു ക്ലെയിം ഉണ്ടോ എന്ന് ശ്രദ്ധിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ AI-യിൽ നിന്ന് തത്സമയ ഡാറ്റ ആവശ്യപ്പെട്ടില്ല; ഞാൻ അത് ഉറവിടത്തിൽ നിന്ന് പുറത്തെടുത്തു.
• [ ] ഞാൻ അന്വേഷണം നടത്തി ഫലം പരിശോധിച്ചു.
• [ ] ഞാൻ ഓരോ കമൻ്റും യഥാർത്ഥ ഡാറ്റ വരിയിലേക്ക് ലിങ്ക് ചെയ്തു.
• [ ] ഞാൻ പരസ്പരബന്ധം കാരണമായി അവതരിപ്പിച്ചില്ല.
• [ ] അംഗീകാരമില്ലാതെ ഞാൻ വിലാസം-വ്യക്തിയുമായി പൊരുത്തപ്പെടുന്നില്ല.
• [ ] ഞാൻ എൻ്റെ താൽപ്പര്യം നിക്ഷേപ ഉപദേശത്തിലേക്ക് വിവർത്തനം ചെയ്തിട്ടില്ല.
• [ ] ഞാൻ ചോദ്യം പുനർനിർമ്മിക്കാവുന്ന രീതിയിൽ രേഖപ്പെടുത്തി.