Nyereség:
- Annak megértése, hogy a mesterséges intelligencia legbiztonságosabb hozzájárulása az adatkinyerési lekérdezés írása, hogy a szabad értelmezés kockázatos, és minden számot meg kell erősíteni a blokkböngészőben.
- Képes alkalmazni az adatok forrásból való lehívásának fegyelmét, tudván, hogy az élő láncban lévő adatok közvetlenül a mesterséges intelligenciától való kérése hamis hash-eket/címeket eredményez
- Értsd meg, hogy a láncadatok a láthatóságot igazolják, de nem a szándékot, valamint az anonimizálás és célzás etikai korlátait
A blokklánc egyik legnagyobb erőssége az átláthatósága: minden tranzakció, minden átutalás, minden szerződéses interakció nyilvánosan és állandóan rögzítésre kerül. A láncon belüli elemzés – a láncon belüli tranzakciók, címek és pénzforgalmi adatok vizsgálata – ennek a nyilvános rekordnak a beolvasása és értelmessé tétele: a pénztárca nyomon követése, a pénzáramlás nyomon követése, a protokoll használatának mérése. Ebben a részben megtanuljuk, hogyan használhatjuk az AI-t adatelemzési asszisztensként, és – ami kritikus fontosságú – az egyes számok érvényesítését.
A láncon belüli adatok szerkezete
A lánc adatai rétegzettek:
- Blokk: Időbélyegzett egység, amelyben a tranzakciók csoportosítva vannak.
- Tranzakció (tx): Értékhívás vagy szerződés egyik címről a másikra; Egyedi hash-sel azonosítják.
- Cím/pénztárca: A pénzeszközök tárolásának és tranzakcióinak helye.
- Esemény (esemény/napló): A történteket leíró szerződések által kibocsátott strukturális rekordok.
- Token átadás: Tokenek cseréje, mint például az ERC-20/ERC-721.
Az adatok megtekintéséhez blokkböngészőt (láncadatokat megjelenítő webhely, például Etherscan) vagy lekérdezési platformokat (például Dune, The Graph) használnak. A mesterséges intelligencia maga nem „tudja” ezeket az adatokat; Értelmezi az Ön által megadott adatokat, vagy lekérdezést ír az adatok lekéréséhez.
Vigyázat: A mesterséges intelligencia felszólítása, hogy „kérje le a pénztárca tranzakcióit”, haszontalan és veszélyes – az AI nem kapcsolódik az élő lánchoz, és hamis kivonatokat/címeket generálhat. Helyes használat: kivonod az adatokat és megadod az MI-nek, az AI értelmezi; Vagy az AI megírja a lekérdezést, amely kivonja az adatokat, és Ön futtatja azt.
Az AI két kulcsszerepe a láncon belüli elemzésben
1. Lekérdezés írása. Az olyan platformokon, mint a Dune Analytics, az adatok SQL-szerű lekérdezésekkel kerülnek lehívásra. A mesterséges intelligencia hatékonyan írja le ezeket a lekérdezéseket: "írja meg azt a lekérdezést, amely visszaadja a következő szerződés napi tranzakciószámát az elmúlt 30 napra vonatkozóan." A lekérdezés determinisztikus; futtatja, és látja az eredményt – a hallucináció kockázata alacsony, mivel az adatforrás hozza létre az eredményt, nem az MI.
2. Eredményértelmezés. Átadja a rögzített adatokat az MI-nek, és megkérdezi: "Mit mutat ez a pénzáramlás? Van-e minta?" kérdezed. Itt nagy a hallucinációk kockázata; Minden hozzászólásnak hivatkoznia kell a forrásra.
E két szerep kockázati profilja eltérő: a lekérdezések írása viszonylag biztonságos (az eredmény a forrásból származik), a szabad értelmezés viszonylag kockázatos (az AI képes kitalálni).
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
A következő pénztárca tranzakcióinak elemzése: 0x1234...
Az AI nem függ az élő adatoktól; Ez a felszólítás arra készteti, hogy kitalálja a dolgokat.
Hatékony prompt (lekérdezéshez):
Az Ön szerepe: on-chain adatelemző. Írjon egy SQL-lekérdezést a Dune számára: Adja vissza a NAPI egyedi feladói cím számát és az [ERC-20 token nyomán] szerződés teljes átviteli mennyiségét az elmúlt 30 napban. Írja le a használt tábla- és mezőneveket. Ha a lekérdezés nem működik, írja le a feltételezéseit, hogy javíthassam. AZ ADATOK TELJESÍTÉSE; csak generálja a lekérdezést.
Erőteljes felszólítás (a megjegyzésekhez):
Alább az AKTUÁLIS Dune eredménye (én lőttem). Értelmezze a mintákat kizárólag az ezen a diagramon szereplő számok alapján: hangerő növekedés/csökkenés, szokatlan ugrás, koncentráció. Mutasson minden megjegyzést a megfelelő sorral/számmal. Ne adjon hozzá olyan számokat, amelyek nem szerepelnek a táblázatban. Ne állítson ok-okozati összefüggést; A lehetséges magyarázatokat "hipotézisként" írja le.
Négy másolható sablon
1) Lekérdezés generálása:
Írjon lekérdezést a Dune/SQL-hez: [időszak] a [szerződés/cím] helyen a [metrika] számára. Magyarázza el a használt táblákat és a JOIN logikát. Lefuttatom és ellenőrizni fogom az eredményt; adatgyártás.
2) A pénzáramlás nyomon követésének vázlata:
Megadom a VALÓS átutalási rekordokat (cím, összeg, idő). Változtassa ezeket nyomon követhető áramlási narratívává: hová tűntek az alapok, van-e koncentráció? Csak az általam biztosított nyilvántartásokat használja; csatlakoztassa az egyes lépéseket a megfelelő vonalhoz. Hamis cím.
3) Metrikus értelmezés:
Megjegyzés az alábbi valós mutatók táblázatához: felhasználók száma, mennyiség, tranzakciónkénti átlag. Állapítsa meg a jelentős változásokat és a lehetséges okokat (hipotézis). A táblázatban nem szereplő adatok hozzáadása; a végleges ok-okozati összefüggés megállapítása.
4) Az anomália jelölése:
Alapállapot: ez a cím általában ~[N] tranzakciót kezel, napi ~[X] mennyiséget. Megadom az igazi rekordokat. Csak azokat az eseményeket jelölje meg, amelyek eltérnek az alapvonaltól a VALÓBAN történtek alapján a rekordban; mutasd meg mindegyiket egy vonallal. A megjegyzés befejezése a következővel: „Ellenőrzés szükséges”.
Három mini tok (számokban)
1. eset – Az 1. lekérdezés 20 percre csökkentette a napot. Egy elemző megpróbálta manuálisan kinyerni egy protokoll 90 napos felhasználói növekedését. Rávette az AI-t, hogy írjon egy Dune-lekérdezést; 20 perc alatt működő lekérdezést és grafikont kaptam. A számok megbízhatóak voltak, mert a forrásból származtak. Tanulság: A lekérdezések írása az AI legbiztonságosabb és leghatékonyabb hozzájárulása.
2. eset – Hamis hash fogott. Egy elemző közvetlenül azt mondta az AI-nak, hogy "összefoglalja a bálnatárcával kapcsolatos legutóbbi tranzakciókat". Az AI folyékony listát adott; De az Etherscanen ellenőrizve a legtöbb tranzakciós hash olyan kitaláció volt, amely egyáltalán nem létezett. Tanulság: az AI élő adatok kérése hallucinációkhoz vezet; az adatok a forrásból származnak.
3. eset – A koncentrációs mintázat megerősítve. Egy elemző az általa rögzített valós átviteli adatokat az MI-nek adta, és értelmezte. YZ felfigyelt egy olyan mintára, amelyben a pénzeszközök néhány címre koncentrálódtak. Az elemző ezt a címet címenként megerősítette a blokkböngészőn – a minta valós volt, és terjesztési kockázatot jelez. Tanulság: a valós adatokkal való értelmezés értékes; De a megerősítés ismét a forrástól származik.
Adatvédelem és etika
Míg a láncon belüli adatok „nyitottak”, elemzésüknek etikai korlátai vannak:
- Anonimizálás megszüntetése: A címek valós személyekkel való egyeztetése (különösen a kiszivárgott adatokkal) súlyosan megsérti a magánélet védelmét; csak törvényes és engedélyezett környezetben történik.
- Zaklatás/célzás: Etikátlan követni egy pénztárcát és megcélozni a tulajdonosát.
- Befektetési tanácsok: Az olyan következtetések, mint például: „A bálna vásárol, akkor neked is kellene” félrevezetőek és felelősséget vonnak maguk után.
- Kontextus hiánya: A lánc adatai nem jelzik a szándékot; Az átadás lehet bűncselekmény vagy közönséges. A túlértelmezés veszélyes.
Tipp: Minden láncon belüli állítást úgy mérj, hogy „az adatok X-et mutatnak”, ne „a személy Y-t csinál”. A lánc láthatóvá teszi a tranzakciót, de nem bizonyítja a szándékosságot.
Gyakori hibák
- Élő adatok kérése közvetlenül az AI-tól. Hamis hash-t/címet generál.
- Nem kapcsolja össze a megjegyzést a forrással. Minden számot meg kell erősíteni a blokkböngészőben.
- Az ok-okozati összefüggés összetévesztése. A láncminta nem bizonyítja a szándékosságot.
- A címek egyeztetése meg nem erősített személyekkel. A titoktartás megsértésének és tévedésének kockázata.
- A láncon belüli következtetések befektetési tanácsadássá alakítása. Ez félrevezető és felelősséget von maga után.
- A lekérdezés megosztása dokumentálás nélkül, egyetlen nagy szerződés helyett. Az ismételhetőség megszűnik.
Összefoglalva
- A láncon belüli elemzés a nyílt láncú adatok olvasásának és jelentésének kinyerésének folyamata.
- Az AI legbiztonságosabb hozzájárulása a lekérdezések írása; Az eredmény a forrásból származik, a hallucinációk kockázata alacsony.
- A szabad értelmezés kockázatos; minden számot meg kell erősíteni a blokkböngészőben.
- A láncadatok a láthatóságot igazolják, de nem a szándékot; A túlzott értelmezés kerülendő.
- Az anonimizálás és a célzás csak engedélyezett kontextusban történik, etikai határokkal.
Pályázati feladat
Válasszon egy protokollt vagy tokent. Írjon lekérdezést az AI-nak a „querygeneration” prompt segítségével, amely visszaadja az adott token napi tranzakciószámát az elmúlt 30 napban (a Dune ingyenesen elérhető). Futtassa a lekérdezést. Ezután kérje meg, hogy az AI értelmezze az eredményt a "metrikus értelmezés" prompt segítségével. Erősítse meg minden állítást az AI megjegyzésében a tényleges eredmények táblázatában, és vegye figyelembe, hogy van-e olyan állítás, amelynek nincs megfelelője a táblázatban.
ellenőrző lista
- [ ] Nem kértem élő adatokat az AI-tól; Kihúztam a forrásból.
- [ ] Futtattam a lekérdezést és ellenőriztem az eredményt.
- [ ] Minden megjegyzést a tényleges adatsorhoz kapcsoltam.
- [ ] Az összefüggést ok-okozati összefüggésként nem mutattam be.
- [ ] Nem csináltam engedély nélkül a cím-személy egyezést.
- [ ] Érdeklődésemet nem fordítottam befektetési tanácsadásra.
- [ ] A lekérdezést reprodukálható módon dokumentáltam.