이득:
- 인공지능의 가장 안전한 기여는 데이터 추출 쿼리 작성이라는 점, 자유로운 해석은 위험하다는 점, 모든 숫자는 블록탐색기에서 확인해야 한다는 점을 이해합니다.
- 인공 지능에서 직접 라이브 체인 데이터를 요청하면 가짜 해시/주소가 생성된다는 사실을 알고 소스에서 데이터를 가져오는 원칙을 적용할 수 있는 능력
- 체인 데이터는 가시성을 입증하지만 의도는 입증하지 않으며 익명화 및 타겟팅의 윤리적 한계를 이해합니다.
블록체인의 가장 큰 장점 중 하나는 투명성입니다. 모든 거래, 모든 전송, 모든 계약 상호 작용은 공개적으로 영구적으로 기록됩니다. 온체인 거래, 주소 및 자금 흐름 데이터를 검사하는 온체인 분석은 이 공개 기록을 읽고 이해하는 행위입니다. 지갑 추적, 자금 흐름 추적, 프로토콜 사용 측정 등이 있습니다. 이번 단원에서는 AI를 데이터 분석 도우미로 사용하는 방법과 중요하게는 각 숫자를 검증하는 방법을 알아봅니다.
온체인 데이터의 구조
체인 데이터는 계층화되어 있습니다.
- 블록: 트랜잭션을 그룹화하는 타임 스탬프 단위입니다.
- 거래(tx): 한 주소에서 다른 주소로 가치 또는 계약을 호출합니다. 고유한 해시로 식별됩니다.
- 주소/지갑: 자금이 보관되고 거래되는 신원입니다.
- 이벤트(이벤트/로그): 발생한 일을 설명하는 계약에서 생성된 구조적 기록입니다.
- 토큰 전송: ERC-20/ERC-721과 같은 토큰의 소유권을 변경합니다.
이 데이터를 보기 위해서는 블록 익스플로러(Etherscan 등 체인 데이터를 표시하는 사이트)나 쿼리 플랫폼(Dune, The Graph 등)을 사용합니다. AI는 이 데이터 자체를 "알지" 못합니다. 사용자가 제공한 데이터를 해석하거나 쿼리를 작성하여 데이터를 검색합니다.
주의: AI에게 "지갑의 거래를 가져오도록" 지시하는 것은 쓸모없고 위험합니다. AI는 라이브 체인에 연결되어 있지 않으며 가짜 해시/주소를 생성할 수 있습니다. 올바른 사용법: 데이터를 추출하여 AI에 제공하면 AI가 이를 해석합니다. 아니면 AI가 데이터를 추출할 쿼리를 작성하고 실행합니다.
온체인 분석에서 AI의 두 가지 주요 역할
1. 쿼리 작성. Dune Analytics와 같은 플랫폼에서는 SQL과 유사한 쿼리를 통해 데이터를 가져옵니다. AI는 다음과 같은 쿼리를 작성하는 데 강력합니다. "지난 30일 동안 다음 계약의 일일 거래 수를 반환하는 쿼리를 작성하세요." 쿼리는 결정적입니다. 실행하고 결과를 확인합니다. AI가 아닌 데이터 소스가 결과를 생성하므로 환각의 위험이 낮습니다.
2. 결과 해석. 캡쳐한 데이터를 AI에게 주고 "이 돈의 흐름은 무엇을 보여주는가? 패턴이 있는 걸까?"라고 묻는다. 당신은 묻는다. 여기서는 환각의 위험이 높습니다. 모든 댓글은 출처로 연결되어야 합니다.
이 두 역할의 위험 프로필은 다릅니다. 쿼리 작성은 상대적으로 안전하지만(결과는 소스에서 나옵니다), 자유로운 해석은 상대적으로 위험합니다(AI가 이를 보완할 수 있음).
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
다음 지갑의 거래를 분석하세요: 0x1234...
AI는 실시간 데이터에 의존하지 않습니다. 이 메시지는 그에게 일을 해결하도록 강요합니다.
강력한 프롬프트(쿼리용):
귀하의 역할: 온체인 데이터 분석가. Dune에 대한 SQL 쿼리 작성: 지난 30일 동안 [다음 ERC-20 토큰] 계약의 일일 고유 발신자 주소 수와 총 전송량을 반환합니다. 사용한 테이블 및 필드 이름을 설명하세요. 쿼리가 작동하지 않으면 제가 해결할 수 있도록 가정을 적어주세요. 데이터 피팅; 쿼리를 생성하면 됩니다.
강력한 프롬프트(댓글용):
아래는 실제 Dune 결과입니다(제가 촬영했습니다). 볼륨 증가/감소, 비정상적인 점프, 집중력 등 실제로 이 차트에 있는 숫자만을 기준으로 패턴을 해석하세요. 해당 행/번호와 함께 각 댓글을 표시합니다. 표에 없는 숫자는 추가하지 마세요. 인과관계를 주장하지 마십시오. 가능한 설명을 "가설"로 쓰세요.
복사 가능한 템플릿 4개
1) 쿼리 생성:
[메트릭]에 대한 [계약/주소]의 Dune/SQL: [기간]에 대한 쿼리를 작성합니다. 사용한 테이블과 JOIN 논리를 설명하세요. 실행하고 결과를 확인하겠습니다. 데이터 조작.
2) 자금 흐름 추적 개요:
실제 이체 기록(주소, 금액, 시간) 세트를 제공해드립니다. 이를 추적 가능한 흐름 내러티브로 전환하세요. 자금은 어디로 갔는지, 집중이 이루어졌나요? 내가 제공한 기록만 사용하세요. 각 단계를 해당 라인에 연결하십시오. 가짜 주소.
3) 측정항목 해석:
아래의 실제 지표 테이블(사용자 수, 거래량, 거래당 평균)에 대해 설명합니다. 중요한 변화와 가능한 원인(가설)을 기술합니다. 테이블에 없는 데이터를 추가합니다. 확실한 인과관계 확립.
4) 이상 표시:
기준: 이 주소는 일반적으로 하루에 ~[N]개의 거래, ~[X]개의 거래량을 처리합니다. 실제 기록을 알려드리겠습니다. 기록에서 실제로 발생한 일을 기반으로 기준선에서 벗어난 이벤트만 표시합니다. 각각을 선으로 표시하십시오. "검토 필요"로 댓글을 끝냅니다.
미니 케이스 3개(숫자 기준)
사례 1 - 쿼리 1은 하루를 20분으로 줄였습니다. 한 분석가가 프로토콜의 90일 사용자 증가를 수동으로 추출하려고 했습니다. 그는 AI가 Dune 쿼리를 작성하도록 했습니다. 20분 만에 작동하는 쿼리와 그래프를 얻었습니다. 그 수치는 출처에서 나온 것이기 때문에 신뢰할 수 있었습니다. 교훈: 쿼리 작성은 AI의 가장 안전하고 효율적인 기여입니다.
사례 2 - 가짜 해시가 발견되었습니다. 한 분석가는 AI에게 “저 고래 지갑의 최근 거래 내역을 요약하라”고 직접 지시했다. AI는 유창한 목록을 제공했습니다. 하지만 Etherscan으로 확인해 보면 대부분의 트랜잭션 해시는 전혀 존재하지 않는 조작이었습니다. 교훈: AI에게 실시간 데이터를 요청하면 환각이 발생합니다. 데이터는 소스에서 가져옵니다.
사례 3 — 집중 패턴이 확인되었습니다. 분석가는 자신이 캡처한 실제 전송 데이터를 AI에 제공하고 해석했습니다. YZ는 자금이 몇 개의 주소에 집중되는 패턴을 지적했습니다. 분석가는 블록 탐색기의 주소를 통해 이 주소를 확인했습니다. 패턴은 실제였으며 배포 위험을 나타냈습니다. 교훈: 실제 데이터를 사용한 해석은 가치가 있습니다. 그러나 확인은 다시 출처에서 나온 것입니다.
개인 정보 보호 및 윤리
온체인 데이터는 "공개"되어 있지만 분석에는 윤리적 한계가 있습니다.
- 익명화: 주소를 실제 사람과 일치시키는 것(특히 유출된 데이터의 경우)은 심각한 개인정보 침해입니다. 합법적이고 승인된 상황에서만 수행됩니다.
- 괴롭힘/타겟팅: 지갑을 추적하고 소유자를 타겟으로 삼는 것은 비윤리적입니다.
- 투자 조언: "저 고래가 사는데 당신도 그래야 한다"와 같은 추론은 오해의 소지가 있고 책임을 야기합니다.
- 맥락 부족: 체인 데이터는 의도를 나타내지 않습니다. 양도는 범죄일 수도 있고 평범한 것일 수도 있습니다. 지나친 해석은 위험합니다.
팁: 모든 온체인 주장을 "그 사람이 Y를 한다"가 아니라 "데이터가 X를 보여준다"로 측정하세요. 체인은 거래를 가시화하지만 의도를 입증하지는 않습니다.
일반적인 실수
- AI로부터 직접 실시간 데이터를 요청합니다. 가짜 해시/주소를 생성합니다.
- 댓글을 출처에 연결하지 않았습니다. 각 번호는 블록 탐색기에서 확인해야 합니다.
- 인과관계를 혼동하는 상관관계. 체인 패턴은 의도를 증명하지 않습니다.
- 확인되지 않은 개인과 주소를 일치시킵니다. 기밀 위반 및 오류의 위험이 있습니다.
- 온체인 추론을 투자 조언으로 전환합니다. 이는 오해의 소지가 있으며 책임을 발생시킵니다.
- 하나의 큰 계약 대신 쿼리를 문서화하지 않고 공유합니다. 반복성이 사라집니다.
요약하면
- 온체인 분석은 오픈체인 데이터에서 의미를 읽고 추출하는 프로세스입니다.
- AI의 가장 안전한 기여는 쿼리 작성입니다. 결과는 소스에서 나오며 환각의 위험은 낮습니다.
- 자유로운 통역은 위험합니다. 각 번호는 블록 탐색기에서 확인해야 합니다.
- 체인 데이터는 가시성을 입증하지만 의도는 입증하지 않습니다. 과도한 해석은 지양합니다.
- 익명화 해제 및 타겟팅은 윤리적 경계가 있는 승인된 상황에서만 수행됩니다.
응용과제
프로토콜이나 토큰을 선택하세요. 지난 30일 동안 해당 토큰의 일일 거래 수를 반환하는 "쿼리 생성" 프롬프트를 사용하여 AI에 쿼리를 작성합니다(Dune은 무료로 제공됩니다). 쿼리를 실행합니다. 그런 다음 AI가 "메트릭 해석" 프롬프트로 결과를 해석하도록 하세요. 실제 결과표에서 AI의 코멘트에 있는 각 주장을 확인하고, 표에 대응되지 않는 주장이 있는지 확인합니다.
체크리스트
- [ ] AI에게 실시간 데이터를 요청하지 않았습니다. 출처에서 따왔습니다.
- [ ] 쿼리를 실행하고 결과를 확인했습니다.
- [ ] 각 댓글을 실제 데이터 행에 연결했습니다.
- [ ] 상관관계를 인과관계로 제시하지 않았습니다.
- [ ] 무단으로 주소-인 매칭을 하지 않았습니다.
- [ ] 나는 내 관심을 투자 조언으로 전환하지 않았습니다.
- [ ] 재현 가능한 방식으로 쿼리를 문서화했습니다.