Winst:
- Begrijpen dat de veiligste bijdrage van kunstmatige intelligentie het schrijven van gegevensextractiequery's is, dat vrije interpretatie riskant is en dat elk getal moet worden bevestigd in de blokverkenner.
- Vermogen om de discipline van het ophalen van gegevens uit de bron toe te passen, wetende dat het rechtstreeks opvragen van live chain-gegevens vanuit kunstmatige intelligentie valse hashes/adressen oplevert
- Begrijp dat ketengegevens wel zichtbaar zijn, maar niet de intentie ervan, en wat de ethische grenzen zijn van de-anonimisering en targeting
Een van de sterkste punten van blockchain is de transparantie ervan: elke transactie, elke overdracht, elke contractinteractie wordt openbaar en permanent vastgelegd. On-chain analyse – het onderzoeken van on-chain transactie-, adres- en geldstroomgegevens – is de handeling van het lezen van dit openbare record en het begrijpen ervan: het volgen van een portemonnee, het volgen van een geldstroom, het meten van het gebruik van een protocol. In deze unit leren we hoe we AI kunnen gebruiken als assistent voor gegevensanalyse en – cruciaal – hoe we elk getal kunnen valideren.
Structuur van gegevens in de keten
Ketendata is gelaagd:
- Blok: Een tijdstempeleenheid waarin transacties zijn gegroepeerd.
- Transactie (tx): waardeoproep of contract van het ene adres naar het andere; Het wordt geïdentificeerd met een unieke hash.
- Adres/portemonnee: de identiteit waar geld wordt bewaard en verhandeld.
- Gebeurtenis (gebeurtenis/log): Structurele gegevens die door contracten worden uitgezonden en die beschrijven wat er is gebeurd.
- Tokenoverdracht: het wisselen van eigenaar van tokens zoals ERC-20/ERC-721.
Om deze gegevens te bekijken wordt gebruik gemaakt van block explorer (een site die ketengegevens weergeeft, zoals Etherscan) of queryplatforms (zoals Dune, The Graph). De AI ‘kent’ deze gegevens zelf niet; Het interpreteert de gegevens die u verstrekt of schrijft de query om de gegevens op te halen.
Let op: de AI vertellen dat hij "de transacties van die portemonnee moet ophalen" is nutteloos en gevaarlijk; de AI is niet verbonden met de live keten en kan valse hashes/adressen genereren. Correct gebruik: je haalt de data eruit en geeft deze aan de AI, de AI interpreteert deze; Of de AI schrijft u de query die de gegevens zal extraheren, en u voert deze uit.
Twee sleutelrollen van AI bij analyse in de keten
1. Vragen schrijven. Op platforms zoals Dune Analytics worden gegevens opgehaald met SQL-achtige query's. AI is krachtig in het schrijven van deze vragen: "schrijf de vraag die het dagelijkse aantal transacties van het volgende contract van de afgelopen 30 dagen retourneert." De vraag is deterministisch; je voert het uit en ziet het resultaat – het risico op hallucinaties is laag omdat de gegevensbron het resultaat oplevert, en niet de AI.
2. Resultaatinterpretatie. Je geeft de gegevens die je hebt vastgelegd aan de AI en vraagt: ‘Wat laat deze geldstroom zien? Is er een patroon?’ vraag je. Het risico op hallucinaties is hier groot; Elke reactie moet verwijzen naar de bron.
Het risicoprofiel van deze twee rollen is verschillend: het schrijven van queries is relatief veilig (het resultaat komt uit de bron), vrije interpretatie is relatief riskant (de AI kan het verzinnen).
Zwakke prompt/sterke prompt
Zwakke prompt:
Analyseer transacties van de volgende portemonnee: 0x1234...
AI is niet afhankelijk van live data; Deze prompt dwingt hem om dingen goed te maken.
Krachtige prompt (voor query):
Jouw rol: on-chain data-analist. Schrijf een SQL-query voor Dune: retourneer het DAGELIJKSE aantal unieke afzenderadressen en het totale overdrachtsvolume van het [volgende ERC-20-token] contract gedurende de afgelopen 30 dagen. Beschrijf de tabel- en veldnamen die u hebt gebruikt. Als de zoekopdracht niet werkt, noteer dan uw aannames, zodat ik deze kan corrigeren. AANPASSEN VAN DE GEGEVENS; genereer gewoon de query.
Krachtige prompt (voor opmerkingen):
Hieronder ziet u het WERKELIJKE Dune-resultaat (ik heb het opgenomen). Interpreteer patronen uitsluitend op basis van de cijfers die ECHT in dit diagram staan: volumetoename/-afname, ongebruikelijke sprong, concentratie. Toon elke opmerking met de bijbehorende rij/nummer. Voeg geen getallen toe die niet in de tabel staan. Claim geen causaliteit; Schrijf mogelijke verklaringen als 'hypothese'.
Vier kopieerbare sjablonen
1) Generatie van zoekopdrachten:
Schrijf een query voor Dune/SQL: [tijdsperiode] op [contract/adres] voor [metrisch]. Leg de tabellen uit die je hebt gebruikt en de JOIN-logica. Ik zal het resultaat uitvoeren en verifiëren; data fabricage.
2) Overzicht van het volgen van de geldstroom:
Ik zal u een set WERKELIJKE overdrachtsgegevens geven (adres, bedrag, tijd). Zet deze om in een traceerbaar stroomverhaal: waar is het geld naartoe gegaan, is er sprake van concentratie? Gebruik alleen de gegevens die ik aanlever; verbind elke stap met de overeenkomstige lijn. Adres nep.
3) Metrische interpretatie:
Reageer op de tabel met echte statistieken hieronder: aantal gebruikers, volume, gemiddelde per transactie. Noem significante veranderingen en mogelijke oorzaken (hypothese). Gegevens toevoegen die niet in de tabel staan; definitieve causaliteit vaststellen.
4) Anomaliemarkering:
Basislijn: dit adres verwerkt normaal gesproken ~[N] transacties, ~[X] volume per dag. Ik zal je de echte gegevens geven. Markeer alleen gebeurtenissen die afwijken van de basislijn op basis van wat WERKELIJK in het record is gebeurd; laat elk met een lijn zien. Beëindig de opmerking met 'beoordeling nodig'.
Drie minikoffers (in aantallen)
Geval 1: vraag 1 verkortte de dag tot 20 minuten. Een analist probeerde handmatig de gebruikersgroei van een protocol over 90 dagen te achterhalen. Hij liet de AI een Dune-query schrijven; Binnen 20 minuten een werkende query en grafiek ontvangen. De cijfers waren betrouwbaar omdat ze uit de bron kwamen. Les: het schrijven van zoekopdrachten is de veiligste en meest efficiënte bijdrage van AI.
Geval 2 — Valse hasj gevangen. Een analist zei rechtstreeks tegen de AI dat hij 'de recente transacties van die walvisportemonnee moest samenvatten'. AI gaf een vloeiende lijst; Maar bij controle op Etherscan waren de meeste transactie-hashes verzinsels die helemaal niet bestonden. Les: AI om live data vragen levert hallucinaties op; gegevens worden uit de bron gehaald.
Geval 3 — Concentratiepatroon bevestigd. Een analist gaf de echte overdrachtsgegevens die hij had vastgelegd aan AI en liet deze interpreteren. YZ merkte een patroon op waarin fondsen geconcentreerd waren op een paar adressen. De analist bevestigde dit adres per adres op de block explorer – het patroon was reëel en duidde op een distributierisico. Les: interpretatie met echte data is waardevol; Maar de bevestiging komt opnieuw van de bron.
Privacy en ethiek
Hoewel gegevens in de keten ‘open’ zijn, kent de analyse ervan ethische grenzen:
- De-anonimisering: het matchen van adressen met echte personen (vooral bij gelekte gegevens) is een ernstige schending van de privacy; alleen gedaan in een wettelijke en geautoriseerde context.
- Intimidatie/targeting: Het is onethisch om een portemonnee te traceren en de eigenaar ervan te targeten.
- Beleggingsadvies: Gevolgtrekkingen als 'Die walvis koopt, dat moet jij ook' zijn misleidend en leiden tot aansprakelijkheid.
- Gebrek aan context: Ketendata duiden niet op intentie; Een overdracht kan een misdaad of een gewone misdaad zijn. Overinterpretatie is gevaarlijk.
Tip: Meet elke claim in de keten als ‘de gegevens laten X zien’, en niet ‘de persoon doet Y’. De keten maakt de transactie zichtbaar, maar bewijst geen opzet.
Veel voorkomende fouten
- Live data rechtstreeks opvragen bij de AI. Genereert valse hash/adres.
- Het commentaar niet koppelen aan de bron. Elk nummer moet worden bevestigd in de blokverkenner.
- Correlatie verwarren met causaliteit. Het kettingpatroon bewijst geen opzet.
- Matchen van adressen met onbevestigde personen. Risico op schending van de vertrouwelijkheid en fouten.
- On-chain gevolgtrekkingen omzetten in beleggingsadvies. Het is misleidend en schept aansprakelijkheid.
- De vraag delen zonder deze te documenteren in plaats van één groot contract. Herhaalbaarheid verdwijnt.
Samengevat
- On-chain-analyse is het proces van het lezen en extraheren van betekenis uit open-chain-gegevens.
- De veiligste bijdrage van AI is het schrijven van zoekopdrachten; Het resultaat komt van de bron, de kans op hallucinaties is laag.
- Vrije interpretatie is riskant; elk nummer moet worden bevestigd in de blokverkenner.
- Ketendata bewijst zichtbaarheid maar geen intentie; Overmatige interpretatie wordt vermeden.
- De-anonimisering en targeting vinden alleen plaats in een geautoriseerde context met ethische grenzen.
Applicatie taak
Kies een protocol of token. Schrijf een query naar de AI met de prompt 'query genereren' die het dagelijkse aantal transacties van dat token voor de afgelopen 30 dagen retourneert (Dune is gratis beschikbaar). Voer de query uit. Laat de AI vervolgens het resultaat interpreteren met de prompt "metrische interpretatie". Bevestig elke claim in het commentaar van AI in de tabel met daadwerkelijke resultaten en noteer of er een claim is die geen tegenhanger in de tabel heeft.
controlelijst
- [ ] Ik heb niet om livegegevens van de AI gevraagd; Ik heb het uit de bron gehaald.
- [ ] Ik heb de query uitgevoerd en het resultaat geverifieerd.
- [ ] Ik heb elke opmerking aan de daadwerkelijke gegevensrij gekoppeld.
- [ ] Ik presenteerde correlatie niet als causaliteit.
- [ ] Ik heb de adres-persoon-matching niet zonder toestemming uitgevoerd.
- [ ] Ik heb mijn interesse niet vertaald in beleggingsadvies.
- [ ] Ik heb de vraag reproduceerbaar gedocumenteerd.