فائدہ:
- یہ سمجھنا کہ مصنوعی ذہانت کا سب سے محفوظ حصہ ڈیٹا ایکسٹرکشن استفسار تحریر ہے، یہ مفت تشریح خطرناک ہے اور بلاک ایکسپلورر میں ہر نمبر کی تصدیق ہونی چاہیے۔
- ماخذ سے ڈیٹا کھینچنے کے نظم و ضبط کو لاگو کرنے کی صلاحیت، یہ جانتے ہوئے کہ مصنوعی ذہانت سے براہ راست لائیو چین ڈیٹا کی درخواست کرنے سے جعلی ہیشز/پتے پیدا ہوتے ہیں۔
- یہ سمجھیں کہ سلسلہ ڈیٹا مرئیت کو ثابت کرتا ہے لیکن ارادے کو نہیں، اور غیر گمنامی اور ہدف بنانے کی اخلاقی حدود
بلاکچین کی سب سے بڑی طاقت اس کی شفافیت ہے: ہر لین دین، ہر منتقلی، ہر معاہدے کا تعامل عوامی اور مستقل طور پر ریکارڈ کیا جاتا ہے۔ آن-چین تجزیہ—آن-چین ٹرانزیکشن، ایڈریس، اور پیسے کے بہاؤ کے ڈیٹا کی جانچ کرنا—اس عوامی ریکارڈ کو پڑھنے اور اس کا احساس دلانے کا عمل ہے: پرس کو ٹریک کرنا، رقم کے بہاؤ کو ٹریک کرنا، پروٹوکول کے استعمال کی پیمائش کرنا۔ اس یونٹ میں، ہم سیکھیں گے کہ AI کو ڈیٹا تجزیہ کے معاون کے طور پر کیسے استعمال کیا جائے اور—تنقیدی طور پر—ہر نمبر کی توثیق کیسے کی جائے۔
آن چین ڈیٹا کی ساخت
سلسلہ ڈیٹا پرتوں والا ہے:
- بلاک: ایک ٹائم اسٹیمپڈ یونٹ جس میں لین دین کو گروپ کیا جاتا ہے۔
- لین دین (tx): ایک ایڈریس سے دوسرے ایڈریس پر ویلیو یا معاہدے کی کال؛ اس کی شناخت ایک منفرد ہیش سے ہوتی ہے۔
- ایڈریس/پرس: وہ شناخت جہاں رقوم رکھی جاتی ہیں اور لین دین کی جاتی ہے۔
- واقعہ (ایونٹ/لاگ): کنٹریکٹس کے ذریعے خارج ہونے والے ساختی ریکارڈ جو یہ بیان کرتے ہیں کہ کیا ہوا ہے۔
- ٹوکن کی منتقلی: ٹوکن کے ہاتھ تبدیل کرنا جیسے ERC-20/ERC-721۔
اس ڈیٹا کو دیکھنے کے لیے، بلاک ایکسپلورر (ایک ایسی سائٹ جو چین کا ڈیٹا دکھاتی ہے، جیسے ایتھرسکین) یا استفسار کرنے والے پلیٹ فارمز (جیسے ڈیون، دی گراف) استعمال کیے جاتے ہیں۔ AI خود اس ڈیٹا کو "جانتا" نہیں ہے۔ یہ آپ کے فراہم کردہ ڈیٹا کی ترجمانی کرتا ہے یا ڈیٹا کو بازیافت کرنے کے لیے استفسار لکھتا ہے۔
احتیاط: AI کو "وہ بٹوے کے لین دین کو لانے" کے لیے کہنا بیکار اور خطرناک ہے — AI لائیو چین سے منسلک نہیں ہے اور جعلی ہیش/پتے پیدا کر سکتا ہے۔ درست استعمال: آپ ڈیٹا نکال کر AI کو دیتے ہیں، AI اس کی تشریح کرتا ہے۔ یا AI آپ کو وہ استفسار لکھتا ہے جو ڈیٹا کو نکالے گا، اور آپ اسے چلاتے ہیں۔
آن چین تجزیہ میں AI کے دو اہم کردار
1. سوال تحریر۔ Dune Analytics جیسے پلیٹ فارمز میں، ڈیٹا کو SQL جیسے سوالات کے ساتھ کھینچا جاتا ہے۔ AI ان سوالات کو لکھنے میں طاقتور ہے: "وہ استفسار لکھیں جو گزشتہ 30 دنوں کے لیے درج ذیل معاہدے کی روزانہ کی لین دین کی گنتی کو لوٹاتا ہے۔" استفسار فیصلہ کن ہے؛ آپ اسے چلاتے ہیں اور نتیجہ دیکھتے ہیں — ہیلوسینیشن کا خطرہ کم ہے کیونکہ ڈیٹا کا ذریعہ نتیجہ پیدا کرتا ہے، AI نہیں۔
2. نتیجہ کی تشریح۔ آپ اپنا حاصل کردہ ڈیٹا AI کو دیتے ہیں اور پوچھتے ہیں، "یہ رقم کا بہاؤ کیا ظاہر کرتا ہے؟ کیا کوئی نمونہ ہے؟" تم پوچھو فریب کا خطرہ یہاں زیادہ ہے۔ ہر تبصرے کا ماخذ سے لنک ہونا چاہیے۔
ان دونوں کرداروں کا رسک پروفائل مختلف ہے: استفسار تحریر نسبتاً محفوظ ہے (نتیجہ ماخذ سے آتا ہے)، آزادانہ تشریح نسبتاً خطرناک ہے (AI اسے بنا سکتا ہے)۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
درج ذیل بٹوے کے لین دین کا تجزیہ کریں: 0x1234...
AI لائیو ڈیٹا پر منحصر نہیں ہے؛ یہ اشارہ اسے چیزیں بنانے پر مجبور کرتا ہے۔
طاقتور پرامپٹ (سوال کے لیے):
آپ کا کردار: آن چین ڈیٹا تجزیہ کار۔ ڈیون کے لیے ایک ایس کیو ایل استفسار لکھیں: گزشتہ 30 دنوں کے دوران ڈیلی منفرد بھیجنے والے ایڈریس کی گنتی اور [مندرجہ ذیل ERC-20 ٹوکن] معاہدے کی کل منتقلی والیوم واپس کریں۔ اپنے استعمال کردہ ٹیبل اور فیلڈ کے ناموں کی وضاحت کریں۔ اگر استفسار کام نہیں کرتا ہے تو اپنے مفروضے لکھ لیں تاکہ میں اسے ٹھیک کر سکوں۔ ڈیٹا کو فٹ کرنا؛ صرف استفسار پیدا کریں۔
طاقتور اشارہ (تبصرے کے لیے):
ذیل میں ACTUAL Dune نتیجہ ہے (میں نے اسے گولی مار دی)۔ اس چارٹ میں مکمل طور پر اعداد کی بنیاد پر پیٹرن کی تشریح کریں: حجم میں اضافہ/کمی، غیر معمولی چھلانگ، ارتکاز۔ ہر تبصرے کو متعلقہ قطار/نمبر کے ساتھ دکھائیں۔ کوئی بھی نمبر شامل نہ کریں جو ٹیبل میں نہیں ہیں۔ وجہ کا دعوی نہ کریں؛ ممکنہ وضاحتیں بطور "مفروضہ" لکھیں۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) سوال پیدا کرنا:
ڈیون/ایس کیو ایل کے لیے ایک سوال لکھیں: [میٹرک] کے لیے [معاہدہ/ایڈریس] پر [ٹائم پیریڈ]۔ آپ نے جو میزیں استعمال کی ہیں اور جوائن منطق کی وضاحت کریں۔ میں دوڑ کر نتیجہ کی تصدیق کروں گا۔ ڈیٹا من گھڑت.
2) رقم کے بہاؤ سے باخبر رہنے کا خاکہ:
میں آپ کو منتقلی کے حقیقی ریکارڈ کا ایک سیٹ دوں گا (پتہ، رقم، وقت)۔ ان کو ایک قابل ٹریک بہاؤ بیانیہ میں تبدیل کریں: فنڈز کہاں گئے، کیا وہاں ارتکاز ہے؟ صرف میرے فراہم کردہ ریکارڈ استعمال کریں۔ ہر قدم کو متعلقہ لائن سے جوڑیں۔ پتہ جعلی۔
3) میٹرک تشریح:
ذیل میں اصلی میٹرکس ٹیبل پر تبصرہ کریں: صارفین کی تعداد، حجم، اوسط فی لین دین۔ اہم تبدیلیاں اور ممکنہ وجوہات (مفروضہ) بیان کریں۔ وہ ڈیٹا شامل کرنا جو ٹیبل میں نہیں ہے۔ حتمی وجہ قائم کرنا۔
4) بے ضابطگی مارکنگ:
بیس لائن: یہ پتہ عام طور پر ~[N] لین دین، ~[X] حجم فی دن ہینڈل کرتا ہے۔ میں آپ کو اصلی ریکارڈ دوں گا۔ ریکارڈ میں جو کچھ ہوا اس کی بنیاد پر صرف ان واقعات کو نشان زد کریں جو بیس لائن سے ہٹ جاتے ہیں۔ ہر ایک کو ایک لائن کے ساتھ دکھائیں۔ تبصرے کو "نظرثانی کی ضرورت ہے" کے ساتھ ختم کریں۔
تین چھوٹے کیسز (تعداد میں)
کیس 1 - سوال 1 نے دن کو 20 منٹ تک گھٹا دیا۔ ایک تجزیہ کار پروٹوکول کے 90 دن کے صارف کی نمو کو دستی طور پر نکالنے کی کوشش کر رہا تھا۔ اس نے اے آئی کو ایک ڈون سوال لکھنے پر مجبور کیا۔ 20 منٹ میں ایک ورکنگ سوال اور گراف ملا۔ نمبر قابل اعتماد تھے کیونکہ وہ ماخذ سے آئے تھے۔ سبق: سوال لکھنا AI کا سب سے محفوظ اور موثر تعاون ہے۔
کیس 2 - جعلی ہیش پکڑی گئی۔ ایک تجزیہ کار نے براہ راست AI سے کہا کہ "وہیل والیٹ کے حالیہ لین دین کا خلاصہ کریں۔" AI نے روانی کی فہرست دی؛ لیکن جب Etherscan پر چیک کیا گیا تو زیادہ تر لین دین کی ہیشیں من گھڑت تھیں جو بالکل موجود ہی نہیں تھیں۔ سبق: AI سے لائیو ڈیٹا مانگنا فریب پیدا کرتا ہے۔ ڈیٹا ماخذ سے نکالا جاتا ہے۔
کیس 3 - حراستی پیٹرن کی تصدیق ہوگئی۔ ایک تجزیہ کار نے حقیقی منتقلی کا ڈیٹا دیا جو اس نے AI کو حاصل کیا تھا اور اس کی تشریح کی تھی۔ YZ نے ایک نمونہ نوٹ کیا جس میں چند پتوں پر فنڈز مرکوز کیے گئے تھے۔ تجزیہ کار نے بلاک ایکسپلورر پر ایڈریس کے ذریعہ اس ایڈریس کی تصدیق کی - پیٹرن اصلی تھا اور اس نے تقسیم کے خطرے کی نشاندہی کی۔ سبق: حقیقی اعداد و شمار کے ساتھ تشریح قابل قدر ہے؛ لیکن تصدیق دوبارہ ذریعہ سے ہے۔
رازداری اور اخلاقیات
جبکہ آن چین ڈیٹا "کھلا" ہے، اس کے تجزیے کی اخلاقی حدود ہیں:
- نام ظاہر نہ کرنا: پتے کو حقیقی افراد سے ملانا (خاص طور پر لیک شدہ ڈیٹا کے ساتھ) رازداری کی سنگین خلاف ورزی ہے۔ صرف قانونی اور مجاز سیاق و سباق میں کیا گیا ہے۔
- ہراساں کرنا/ہدف بنانا: بٹوے کو ٹریک کرنا اور اس کے مالک کو نشانہ بنانا غیر اخلاقی ہے۔
- سرمایہ کاری کا مشورہ: "وہ وہیل خرید رہی ہے، آپ کو بھی چاہیے" جیسے تاثرات گمراہ کن اور ذمہ داری کا باعث ہیں۔
- سیاق و سباق کی کمی: سلسلہ ڈیٹا ارادے کی نشاندہی نہیں کرتا ہے۔ منتقلی جرم ہو سکتا ہے یا عام۔ حد سے زیادہ تشریح خطرناک ہے۔
ٹپ: ہر آن-چین دعوے کی پیمائش کریں جیسا کہ "ڈیٹا X کو ظاہر کرتا ہے، نہ کہ "شخص Y کرتا ہے"۔ سلسلہ لین دین کو ظاہر کرتا ہے لیکن ارادہ ثابت نہیں کرتا۔
عام غلطیاں
- براہ راست AI سے براہ راست ڈیٹا کی درخواست کرنا۔ جعلی ہیش/پتہ تیار کرتا ہے۔
- تبصرہ کو ماخذ سے منسلک نہیں کرنا۔ بلاک ایکسپلورر میں ہر نمبر کی تصدیق ہونی چاہیے۔
- وجہ کے لیے غلط تعلق۔ سلسلہ پیٹرن ارادے کو ثابت نہیں کرتا ہے۔
- غیر مصدقہ افراد کے ساتھ مماثل پتے۔ رازداری کی خلاف ورزی اور غلطی کا خطرہ۔
- آن چین انفرنس کو سرمایہ کاری کے مشورے میں تبدیل کرنا۔ یہ گمراہ کن ہے اور ذمہ داری پیدا کرتا ہے۔
- ایک بڑے معاہدے کے بجائے استفسار کو دستاویز کیے بغیر شیئر کرنا۔ تکرار کی صلاحیت ختم ہوجاتی ہے۔
خلاصہ میں
- آن چین تجزیہ کھلی زنجیر کے ڈیٹا سے معنی پڑھنے اور نکالنے کا عمل ہے۔
- AI کا سب سے محفوظ تعاون سوال لکھنا ہے۔ نتیجہ ماخذ سے آتا ہے، فریب کا خطرہ کم ہوتا ہے۔
- مفت تشریح خطرناک ہے؛ بلاک ایکسپلورر میں ہر نمبر کی تصدیق ہونی چاہیے۔
- سلسلہ ڈیٹا مرئیت کو ثابت کرتا ہے لیکن ارادہ نہیں۔ ضرورت سے زیادہ تاویل سے گریز کیا جاتا ہے۔
- نام ظاہر نہ کرنا اور ہدف بنانا صرف اخلاقی حدود کے ساتھ مجاز سیاق و سباق میں کیا جاتا ہے۔
درخواست کا کام
ایک پروٹوکول یا ٹوکن منتخب کریں۔ AI کو "کوئیری جنریشن" پرامپٹ کے ساتھ ایک استفسار لکھیں جو پچھلے 30 دنوں سے اس ٹوکن کی روزانہ کی لین دین کی گنتی لوٹاتا ہے (Dune مفت میں دستیاب ہے)۔ استفسار چلائیں۔ پھر AI سے "میٹرک تشریح" پرامپٹ کے ساتھ نتیجہ کی ترجمانی کریں۔ اصل نتائج کے جدول میں AI کے تبصرے میں ہر دعوے کی تصدیق کریں اور نوٹ کریں کہ آیا کوئی ایسا دعویٰ ہے جس کا جدول میں کوئی ہم منصب نہیں ہے۔
چیک لسٹ
- میں نے AI سے لائیو ڈیٹا نہیں مانگا۔ میں نے اسے ماخذ سے نکالا۔
- میں نے استفسار کیا اور نتیجہ کی تصدیق کی۔
- میں نے ہر تبصرے کو اصل ڈیٹا قطار سے جوڑ دیا۔
- میں نے وجہ کے طور پر ارتباط کو پیش نہیں کیا۔
- میں نے اجازت کے بغیر ایڈریس پرسن کو مماثل نہیں بنایا۔
- میں نے اپنی دلچسپی کا ترجمہ سرمایہ کاری کے مشورے میں نہیں کیا ہے۔
- [ ] میں نے استفسار کو دوبارہ پیدا کرنے کے قابل طریقے سے دستاویز کیا۔