Zyski:
- Zrozumienie, że najbezpieczniejszym wkładem sztucznej inteligencji jest pisanie zapytań ekstrakcji danych, że dowolna interpretacja jest ryzykowna i że każda liczba musi zostać potwierdzona w eksploratorze bloków.
- Umiejętność stosowania dyscypliny polegającej na pobieraniu danych ze źródła, wiedząc, że żądanie danych łańcucha na żywo bezpośrednio od sztucznej inteligencji generuje fałszywe skróty/adresy
- Zrozum, że dane łańcuchowe świadczą o widoczności, ale nie o zamiarze, oraz o etycznych granicach deanonimizacji i targetowania
Jedną z największych zalet blockchainu jest jego przejrzystość: każda transakcja, każdy transfer, każda interakcja z umową jest publicznie i trwale rejestrowana. Analiza w łańcuchu — badanie danych dotyczących transakcji, adresów i przepływów pieniężnych w łańcuchu — polega na odczytaniu tego publicznego rejestru i nadaniu mu sensu: śledzeniu portfela, śledzeniu przepływu pieniędzy, mierzeniu wykorzystania protokołu. W tej części dowiemy się, jak używać sztucznej inteligencji jako asystenta analizy danych i – co najważniejsze – jak weryfikować każdą liczbę.
Struktura danych w łańcuchu
Dane łańcucha są warstwowe:
- Blok: Jednostka ze znacznikiem czasu, w której grupowane są transakcje.
- Transakcja (tx): wezwanie wartości lub kontraktu z jednego adresu na drugi; Jest identyfikowany za pomocą unikalnego skrótu.
- Adres/portfel: Tożsamość, w której przechowywane są środki i gdzie przeprowadzane są transakcje.
- Zdarzenie (zdarzenie/dziennik): zapisy strukturalne wyemitowane przez kontrakty opisujące, co się wydarzyło.
- Transfer tokenów: Zmiana właściciela tokenów takich jak ERC-20/ERC-721.
Aby wyświetlić te dane, używa się eksploratora bloków (strony wyświetlającej dane łańcuchowe, takiej jak Etherscan) lub platform zapytań (takich jak Dune, The Graph). Sztuczna inteligencja sama nie „zna” tych danych; Interpretuje podane dane lub zapisuje zapytanie w celu pobrania danych.
Uwaga: kazanie sztucznej inteligencji, aby „pobrała transakcje z tego portfela” jest bezużyteczne i niebezpieczne — sztuczna inteligencja nie jest połączona z aktywnym łańcuchem i może generować fałszywe skróty/adresy. Prawidłowe użycie: wyodrębniasz dane i przekazujesz je AI, AI je interpretuje; Lub sztuczna inteligencja pisze do Ciebie zapytanie, które wyodrębni dane, a Ty je uruchamiasz.
Dwie kluczowe role sztucznej inteligencji w analizie on-chain
1. Pisanie zapytań. Na platformach takich jak Dune Analytics dane są pobierane za pomocą zapytań podobnych do SQL. Sztuczna inteligencja ma ogromną moc w pisaniu takich zapytań: „napisz zapytanie, które zwróci dzienną liczbę transakcji dla następującej umowy z ostatnich 30 dni”. Zapytanie jest deterministyczne; uruchamiasz go i widzisz wynik — ryzyko halucynacji jest niskie, ponieważ źródło danych generuje wynik, a nie sztuczna inteligencja.
2. Interpretacja wyników. Przekazujesz przechwycone dane sztucznej inteligencji i pytasz: „Co pokazuje ten przepływ pieniędzy? Czy istnieje wzór?” pytasz. Ryzyko halucynacji jest tutaj wysokie; Każdy komentarz musi zawierać link do źródła.
Profil ryzyka tych dwóch ról jest inny: pisanie zapytań jest stosunkowo bezpieczne (wynik pochodzi ze źródła), swobodna interpretacja jest stosunkowo ryzykowna (sztuczna inteligencja może to wymyślić).
Słaba zachęta/silna zachęta
Słaba zachęta:
Analizuj transakcje następującego portfela: 0x1234...
Sztuczna inteligencja nie jest zależna od aktualnych danych; Ta zachęta popycha go do zmyślenia sprawy.
Potężny monit (dla zapytania):
Twoja rola: analityk danych w łańcuchu. Napisz zapytanie SQL dla Dune: Zwróć DZIENNĄ liczbę unikalnych adresów nadawcy i całkowitą wielkość transferu umowy [po tokenie ERC-20] w ciągu ostatnich 30 dni. Opisz użyte nazwy tabel i pól. Jeśli zapytanie nie działa, zapisz swoje założenia, abym mógł to naprawić. DOPASOWANIE DANYCH; po prostu wygeneruj zapytanie.
Potężny monit (w przypadku komentarzy):
Poniżej znajduje się RZECZYWISTY wynik Dune (sfotografowałem). Interpretuj wzorce wyłącznie w oparciu o RZECZYWISTE liczby na tym wykresie: wzrost/spadek głośności, nietypowy skok, koncentracja. Pokaż każdy komentarz z odpowiednim wierszem/numerem. Nie dodawaj żadnych liczb, których nie ma w tabeli. Nie powołuj się na przyczynowość; Zapisz możliwe wyjaśnienia w formie „hipotezy”.
Cztery szablony do kopiowania
1) Generowanie zapytania:
Napisz zapytanie dla Dune/SQL: [okres czasu] na [umowa/adres] dla [metryka]. Wyjaśnij używane tabele i logikę JOIN. Uruchomię i zweryfikuję wynik; fabrykacja danych.
2) Schemat śledzenia przepływu pieniędzy:
Przekażę Ci komplet RZECZYWISTYCH zapisów przelewów (adres, kwota, godzina). Zamień je w możliwą do śledzenia narrację przepływu: gdzie poszły fundusze, czy jest koncentracja? Korzystaj wyłącznie z dostarczonych przeze mnie zapisów; połącz każdy stopień z odpowiednią linią. Adres fałszywy.
3) Interpretacja metryczna:
Skomentuj poniższą tabelę rzeczywistych wskaźników: liczba użytkowników, wolumen, średnia na transakcję. Podaj istotne zmiany i możliwe przyczyny (hipoteza). Dodanie danych, których nie ma w tabeli; ustalenia ostatecznej przyczynowości.
4) Oznaczenie anomalii:
Wartość bazowa: ten adres zwykle obsługuje ~[N] transakcji, ~[X] wolumenu dziennie. Dam ci prawdziwe zapisy. Zaznacz tylko zdarzenia, które odbiegają od linii bazowej w oparciu o to, co FAKTYCZNIE wydarzyło się w zapisie; pokaż każdy z nich linią. Zakończ komentarz słowami „wymaga sprawdzenia”.
Trzy mini etui (w liczbach)
Przypadek 1 — Zapytanie 1 skróciło dzień do 20 minut. Analityk próbował ręcznie wyodrębnić 90-dniowy wzrost liczby użytkowników protokołu. Zmusił sztuczną inteligencję do napisania zapytania do Dune; Otrzymałem działające zapytanie i wykres w 20 minut. Liczby były wiarygodne, ponieważ pochodziły ze źródła. Lekcja: pisanie zapytań to najbezpieczniejszy i najskuteczniejszy wkład sztucznej inteligencji.
Przypadek 2 — złapano fałszywy hash. Analityk bezpośrednio powiedział AI, aby „podsumowała ostatnie transakcje tego wielorybiego portfela”. AI podała płynną listę; Jednak po sprawdzeniu w Etherscan okazało się, że większość skrótów transakcji to sfabrykowane informacje, które w ogóle nie istniały. Lekcja: proszenie sztucznej inteligencji o dane na żywo powoduje halucynacje; dane są pobierane ze źródła.
Przypadek 3 – Potwierdzono wzór stężeń. Analityk przekazał AI przechwycone przez siebie rzeczywiste dane dotyczące transferu i zlecił ich interpretację. YZ zaobserwował prawidłowość koncentracji środków pod kilkoma adresami. Analityk potwierdził ten adres po adresie w eksploratorze bloków — wzór był prawdziwy i wskazywał na ryzyko dystrybucji. Lekcja: interpretacja rzeczywistych danych jest cenna; Ale potwierdzenie znów pochodzi ze źródła.
Prywatność i etyka
Chociaż dane w łańcuchu są „otwarte”, ich analiza ma ograniczenia etyczne:
- Deanonimizacja: dopasowywanie adresów do prawdziwych osób (zwłaszcza w przypadku danych, które wyciekły) stanowi poważne naruszenie prywatności; odbywa się wyłącznie w kontekście prawnym i autoryzowanym.
- Nękanie/atakowanie: Śledzenie portfela i atakowanie jego właściciela jest nieetyczne.
- Porada inwestycyjna: Wnioski w rodzaju: „Ten wieloryb kupuje, ty też powinieneś” wprowadzają w błąd i powodują odpowiedzialność.
- Brak kontekstu: Dane łańcucha nie wskazują na zamiar; Przeniesienie może być przestępstwem lub zwykłym przestępstwem. Nadmierna interpretacja jest niebezpieczna.
Wskazówka: mierz każde twierdzenie w łańcuchu jako „dane pokazują X”, a nie „osoba robi Y”. Łańcuch uwidacznia transakcję, ale nie dowodzi zamiaru.
Typowe błędy
- Żądanie danych na żywo bezpośrednio od AI. Generuje fałszywy skrót/adres.
- Nie powiązanie komentarza ze źródłem. Każdy numer należy potwierdzić w eksploratorze bloków.
- Mylenie korelacji z przyczynowością. Wzór łańcuszka nie świadczy o zamiarze.
- Dopasowywanie adresów do niepotwierdzonych osób. Ryzyko naruszenia i błędu poufności.
- Przekształcenie wnioskowania na podstawie łańcucha w doradztwo inwestycyjne. Wprowadza to w błąd i powoduje odpowiedzialność.
- Udostępnianie zapytania bez jego dokumentowania zamiast jednego dużego kontraktu. Powtarzalność zanika.
Podsumowując
- Analiza on-chain to proces odczytywania i wydobywania znaczenia z danych w otwartym łańcuchu.
- Najbezpieczniejszym wkładem sztucznej inteligencji jest pisanie zapytań; Wynik pochodzi ze źródła, ryzyko halucynacji jest niskie.
- Swobodna interpretacja jest ryzykowna; każdy numer należy potwierdzić w eksploratorze bloków.
- Dane łańcucha dowodzą widoczności, ale nie intencji; Unika się nadmiernej interpretacji.
- Deanonimizacja i targetowanie są przeprowadzane wyłącznie w autoryzowanym kontekście i granicach etycznych.
Zadanie aplikacji
Wybierz protokół lub token. Napisz zapytanie do AI z monitem „generowanie zapytania”, które zwróci dzienną liczbę transakcji tego tokena z ostatnich 30 dni (Dune jest dostępne bezpłatnie). Uruchom zapytanie. Następnie poproś sztuczną inteligencję o zinterpretowanie wyniku za pomocą monitu o „interpretację metryczną”. Potwierdź każde twierdzenie w komentarzu AI w tabeli rzeczywistych wyników i zanotuj, czy istnieje twierdzenie, które nie ma odpowiednika w tabeli.
lista kontrolna
- [ ] Nie prosiłem o aktualne dane od AI; Wyciągnęłam to ze źródła.
- [ ] Uruchomiłem zapytanie i zweryfikowałem wynik.
- [ ] Powiązałem każdy komentarz z rzeczywistym wierszem danych.
- [ ] Nie przedstawiłem korelacji jako związku przyczynowego.
- [ ] Nie dokonałem dopasowania adres-osoba bez autoryzacji.
- [ ] Nie przełożyłem swoich zainteresowań na doradztwo inwestycyjne.
- [ ] Udokumentowałem zapytanie w powtarzalny sposób.