Gevinster:
- Forstå at det sikreste bidraget til kunstig intelligens er skriving av datautvinning, at gratis tolkning er risikabelt og at hvert tall må bekreftes i blokkutforskeren.
- Evne til å bruke disiplinen med å hente data fra kilden, vel vitende om at det å be om direkte kjededata direkte fra kunstig intelligens produserer falske hash/adresser
- Forstå at kjededata beviser synlighet, men ikke hensikt, og de etiske grensene for de-anonymisering og målretting
En av de største styrkene til blockchain er dens åpenhet: hver transaksjon, hver overføring, hver kontraktinteraksjon registreres offentlig og permanent. Analyse i kjeden – å undersøke transaksjons-, adresse- og pengestrømdata i kjeden – er handlingen å lese denne offentlige posten og gi mening ut av den: spore en lommebok, spore en pengestrøm, måle bruken av en protokoll. I denne enheten lærer vi hvordan du bruker AI som en dataanalyseassistent og – kritisk – hvordan du validerer hvert tall.
Struktur av kjededata
Kjededata er lagdelt:
- Blokk: En tidsstemplet enhet der transaksjoner er gruppert.
- Transaksjon (tx): Call of value eller kontrakt fra en adresse til en annen; Den identifiseres med en unik hash.
- Adresse/lommebok: Identiteten der midler oppbevares og utføres.
- Hendelse (hendelse/logg): Strukturelle poster utgitt av kontrakter som beskriver hva som skjedde.
- Tokenoverføring: Skifte hender av tokens som ERC-20/ERC-721.
For å se disse dataene brukes blokkutforsker (et nettsted som viser kjededata, for eksempel Etherscan) eller spørringsplattformer (som Dune, The Graph). AI’en «kjenner» ikke selv disse dataene; Den tolker dataene du oppgir eller skriver spørringen for å hente dataene.
Forsiktig: Å fortelle AI om å "hente den lommebokens transaksjoner" er ubrukelig og farlig - AI er ikke koblet til live-kjeden og kan generere falske hashes/adresser. Riktig bruk: du trekker ut dataene og gir dem til AI, AI tolker dem; Eller AI skriver deg spørringen som vil trekke ut dataene, og du kjører den.
To nøkkelroller til AI i kjedeanalyse
1. Spørreskriving. I plattformer som Dune Analytics trekkes data med SQL-lignende spørringer. AI er kraftig til å skrive disse spørringene: "skriv spørringen som returnerer det daglige transaksjonsantallet for følgende kontrakt for de siste 30 dagene." Spørringen er deterministisk; du kjører den og ser resultatet — risikoen for hallusinasjoner er lav fordi datakilden produserer resultatet, ikke AI.
2. Resultattolkning. Du gir dataene du fanget til AI og spør: "Hva viser denne pengestrømmen? Er det et mønster?" spør du. Risikoen for hallusinasjoner er høy her; Hver kommentar må lenke til kilden.
Risikoprofilen til disse to rollene er forskjellig: spørringsskriving er relativt trygt (resultatet kommer fra kilden), gratis tolkning er relativt risikabelt (AI-en kan gjøre opp).
Svak forespørsel / Sterk forespørsel
Svak melding:
Analyser transaksjoner for følgende lommebok: 0x1234...
AI er ikke avhengig av live data; Denne oppfordringen presser ham til å finne på ting.
Kraftig ledetekst (for spørring):
Din rolle: dataanalytiker i kjeden. Skriv en SQL-spørring for Dune: Returner antallet DAILY unike senderadresser og totalt overføringsvolum for [følgende ERC-20-token]-kontrakten i løpet av de siste 30 dagene. Beskriv tabell- og feltnavnene du brukte. Hvis spørringen ikke fungerer, skriv ned forutsetningene dine slik at jeg kan fikse det. TILPASSE DATA; bare generer spørringen.
Kraftig ledetekst (for kommentarer):
Nedenfor er det FAKTISKE Dune-resultatet (jeg skjøt det). Tolk mønstre utelukkende basert på tallene FAKTISK i dette diagrammet: volumøkning/reduksjon, uvanlig hopp, konsentrasjon. Vis hver kommentar med tilhørende rad/nummer. Ikke legg til noen tall som ikke er i tabellen. Ikke påstå kausalitet; Skriv mulige forklaringer som "hypotese".
Fire kopierbare maler
1) Generering av spørringer:
Skriv en forespørsel for Dune/SQL: [tidsperiode] på [kontrakt/adresse] for [metrisk]. Forklar tabellene du brukte og JOIN-logikken. Jeg vil løpe og verifisere resultatet; dataproduksjon.
2) Oversikt over pengeflytsporing:
Jeg vil gi deg et sett med FAKTISKE overføringsposter (adresse, beløp, tid). Gjør disse til en sporbar flyt-narrativ: hvor ble det av midlene, er det konsentrasjon? Bruk kun postene jeg gir; koble hvert trinn til den tilsvarende linjen. Adresse falsk.
3) Metrisk tolkning:
Kommenter den virkelige beregningstabellen nedenfor: antall brukere, volum, gjennomsnitt per transaksjon. Oppgi betydelige endringer og mulige årsaker (hypotese). Legge til data som ikke er i tabellen; fastslå definitiv kausalitet.
4) Anomalimerking:
Grunnlinje: denne adressen håndterer normalt ~[N] transaksjoner, ~[X] volum per dag. Jeg vil gi deg de virkelige postene. Merk kun hendelser som avviker fra grunnlinjen basert på hva som FAKTISK skjedde i posten; vis hver med en linje. Avslutt kommentaren med "trenger gjennomgang".
Tre minietuier (i antall)
Tilfelle 1 – Forespørsel 1 reduserte dagen til 20 minutter. En analytiker prøvde å manuelt trekke ut en protokolls 90-dagers brukervekst. Han fikk AI til å skrive en Dune-spørring; Fikk en fungerende spørring og graf på 20 minutter. Tallene var pålitelige fordi de kom fra kilden. Leksjon: spørringsskriving er AIs sikreste og mest effektive bidrag.
Sak 2 - Falsk hasj fanget. En analytiker ba direkte AI om å "oppsummere de siste transaksjonene med den hval-lommeboken." AI ga en flytende liste; Men når det ble sjekket på Etherscan, var de fleste transaksjons-hashene fabrikasjoner som ikke eksisterte i det hele tatt. Leksjon: å spørre AI om live-data produserer hallusinasjoner; data hentes fra kilden.
Tilfelle 3 — Konsentrasjonsmønster bekreftet. En analytiker ga de virkelige overføringsdataene han fanget til AI og fikk dem tolket. YZ bemerket et mønster der midlene ble konsentrert på noen få adresser. Analytikeren bekreftet denne adressen ved adresse på blokkutforskeren - mønsteret var reelt og indikerte en distribusjonsrisiko. Leksjon: tolkning med reelle data er verdifull; Men bekreftelsen er igjen fra kilden.
Personvern og etikk
Selv om data på kjeden er "åpne", har analysen etiske begrensninger:
- Avanonymisering: Å matche adresser til virkelige personer (spesielt med lekkede data) er et alvorlig brudd på personvernet; gjøres kun i en lovlig og autorisert sammenheng.
- Trakassering/målretting: Det er uetisk å spore en lommebok og målrette mot eieren.
- Investeringsråd: Konklusjoner som «Den hvalen kjøper, bør du også» er både villedende og forårsaker ansvar.
- Mangel på kontekst: Kjededata indikerer ikke hensikt; En overføring kan være en forbrytelse eller en ordinær en. Overtolkning er farlig.
Tips: Mål hver påstand i kjeden som "dataene viser X", ikke "personen gjør Y". Kjeden synliggjør transaksjonen, men beviser ikke hensikt.
Vanlige feil
- Be om live data direkte fra AI. Genererer falsk hash/adresse.
- Ikke koble kommentaren til kilden. Hvert tall må bekreftes i blokkutforskeren.
- Misforstå korrelasjon for årsakssammenheng. Kjedemønsteret beviser ikke hensikt.
- Matchende adresser med ubekreftede personer. Risiko for konfidensialitetsbrudd og feil.
- Gjør slutninger fra kjeden til investeringsrådgivning. Det er villedende og skaper ansvar.
- Dele spørringen uten å dokumentere den i stedet for én stor kontrakt. Repeterbarheten forsvinner.
Oppsummert
- On-chain analyse er prosessen med å lese og trekke ut mening fra åpen kjede data.
- AIs sikreste bidrag er spørringsskriving; Resultatet kommer fra kilden, risikoen for hallusinasjoner er lav.
- Fri tolkning er risikabelt; hvert tall må bekreftes i blokkutforskeren.
- Kjededata beviser synlighet, men ikke hensikt; Overdreven tolkning unngås.
- Avanonymisering og målretting gjøres kun i autorisert kontekst med etiske grenser.
Søknadsoppgave
Velg en protokoll eller token. Skriv en forespørsel til AI med "søkegenerering"-prompten som returnerer det daglige transaksjonsantallet for det tokenet for de siste 30 dagene (Dune er tilgjengelig gratis). Kjør spørringen. Få deretter AI til å tolke resultatet med "metrisk tolkning". Bekreft hver påstand i AIs kommentar i den faktiske resultattabellen og noter om det er en påstand som ikke har noen motpart i tabellen.
sjekkliste
- [ ] Jeg ba ikke om live data fra AI; Jeg hentet den fra kilden.
- [ ] Jeg kjørte spørringen og bekreftet resultatet.
- [ ] Jeg koblet hver kommentar til den faktiske dataraden.
- [ ] Jeg presenterte ikke korrelasjon som årsakssammenheng.
- [ ] Jeg gjorde ikke adresse-person-matching uten autorisasjon.
- [ ] Jeg har ikke oversatt interessen min til investeringsrådgivning.
- [ ] Jeg dokumenterte spørringen på en reproduserbar måte.