Lợi nhuận:
- Hiểu rằng đóng góp an toàn nhất của trí tuệ nhân tạo là viết truy vấn trích xuất dữ liệu, việc giải thích miễn phí đó rất rủi ro và mọi con số phải được xác nhận trong trình khám phá khối.
- Khả năng áp dụng nguyên tắc lấy dữ liệu từ nguồn, biết rằng việc yêu cầu dữ liệu chuỗi trực tiếp trực tiếp từ trí tuệ nhân tạo sẽ tạo ra các giá trị băm/địa chỉ giả
- Hiểu rằng dữ liệu chuỗi chứng minh khả năng hiển thị chứ không phải mục đích cũng như các giới hạn đạo đức của việc hủy ẩn danh và nhắm mục tiêu
Một trong những điểm mạnh nhất của blockchain là tính minh bạch của nó: mọi giao dịch, mọi chuyển khoản, mọi tương tác hợp đồng đều được ghi lại công khai và vĩnh viễn. Phân tích trên chuỗi—kiểm tra dữ liệu về giao dịch, địa chỉ và dòng tiền trên chuỗi—là hành động đọc hồ sơ công khai này và hiểu ý nghĩa của nó: theo dõi ví, theo dõi dòng tiền, đo lường việc sử dụng giao thức. Trong phần này, chúng ta sẽ tìm hiểu cách sử dụng AI làm trợ lý phân tích dữ liệu và quan trọng là cách xác thực từng số.
Cấu trúc dữ liệu trên chuỗi
Dữ liệu chuỗi được xếp lớp:
- Khối: Đơn vị được đánh dấu thời gian trong đó các giao dịch được nhóm lại.
- Giao dịch (tx): Gọi giá trị hoặc hợp đồng từ địa chỉ này sang địa chỉ khác; Nó được xác định bằng một hàm băm duy nhất.
- Địa chỉ/ví: Danh tính nơi tiền được lưu giữ và giao dịch.
- Sự kiện (sự kiện/nhật ký): Bản ghi cấu trúc được phát ra bởi các hợp đồng mô tả những gì đã xảy ra.
- Chuyển token: Đổi chủ các token như ERC-20/ERC-721.
Để xem dữ liệu này, hãy sử dụng block explorer (trang web hiển thị dữ liệu chuỗi, chẳng hạn như Etherscan) hoặc nền tảng truy vấn (chẳng hạn như Dune, The Graph). AI không “biết” chính dữ liệu này; Nó diễn giải dữ liệu bạn cung cấp hoặc viết truy vấn để lấy dữ liệu.
Thận trọng: Yêu cầu AI "tìm nạp các giao dịch của ví đó" là vô ích và nguy hiểm — AI không được kết nối với chuỗi trực tiếp và có thể tạo ra các giá trị băm/địa chỉ giả. Cách sử dụng đúng: bạn trích xuất dữ liệu và đưa cho AI, AI sẽ giải thích nó; Hoặc AI viết cho bạn truy vấn sẽ trích xuất dữ liệu và bạn chạy nó.
Hai vai trò chính của AI trong phân tích trên chuỗi
1. Viết truy vấn. Trong các nền tảng như Dune Analytics, dữ liệu được lấy bằng các truy vấn giống SQL. AI rất mạnh trong việc viết các truy vấn này: "viết truy vấn trả về số lượng giao dịch hàng ngày của hợp đồng sau trong 30 ngày qua". Truy vấn có tính xác định; bạn chạy nó và xem kết quả - nguy cơ ảo giác thấp vì nguồn dữ liệu tạo ra kết quả chứ không phải AI.
2. Giải thích kết quả. Bạn đưa dữ liệu bạn thu thập được cho AI và hỏi: "Dòng tiền này thể hiện điều gì? Có hình mẫu nào không?" bạn hỏi. Nguy cơ ảo giác ở đây rất cao; Mọi bình luận đều phải dẫn nguồn.
Hồ sơ rủi ro của hai vai trò này là khác nhau: viết truy vấn tương đối an toàn (kết quả đến từ nguồn), diễn giải tự do tương đối rủi ro (AI có thể bù đắp).
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Phân tích giao dịch của ví sau: 0x1234...
AI không phụ thuộc vào dữ liệu trực tiếp; Lời nhắc này thúc đẩy anh ta phải sáng tạo mọi thứ.
Lời nhắc mạnh mẽ (đối với truy vấn):
Vai trò của bạn: nhà phân tích dữ liệu trên chuỗi. Viết truy vấn SQL cho Dune: Trả về số địa chỉ người gửi duy nhất HÀNG NGÀY và tổng khối lượng chuyển của hợp đồng [mã thông báo ERC-20 sau] trong 30 ngày qua. Mô tả tên bảng và trường bạn đã sử dụng. Nếu truy vấn không hiệu quả, hãy viết ra các giả định của bạn để tôi có thể khắc phục. LẮP DỮ LIỆU; chỉ cần tạo truy vấn.
Lời nhắc mạnh mẽ (để nhận xét):
Dưới đây là kết quả THỰC TẾ Dune (tôi đã bắn nó). Giải thích các mẫu chỉ dựa trên các con số THỰC SỰ trong biểu đồ này: tăng/giảm âm lượng, nhảy bất thường, tập trung. Hiển thị mỗi bình luận với hàng/số tương ứng. Không thêm bất kỳ số nào không có trong bảng. Đừng khẳng định nhân quả; Viết những lời giải thích có thể là "giả thuyết".
Bốn mẫu có thể sao chép
1) Tạo truy vấn:
Viết truy vấn cho Dune/SQL: [khoảng thời gian] trên [hợp đồng/địa chỉ] cho [số liệu]. Giải thích các bảng bạn đã sử dụng và logic THAM GIA. Tôi sẽ chạy và xác minh kết quả; chế tạo dữ liệu.
2) Sơ lược theo dõi dòng tiền:
Tôi sẽ cung cấp cho bạn một bộ hồ sơ chuyển tiền THỰC TẾ (địa chỉ, số tiền, thời gian). Biến những điều này thành một bản tường thuật dòng chảy có thể theo dõi được: tiền đã đi đâu, có tập trung không? Chỉ sử dụng hồ sơ tôi cung cấp; kết nối từng bước với dòng tương ứng. Địa chỉ giả.
3) Giải thích số liệu:
Nhận xét về bảng số liệu thực bên dưới: số lượng người dùng, khối lượng, mức trung bình trên mỗi giao dịch. Nêu rõ những thay đổi đáng kể và nguyên nhân có thể xảy ra (giả thuyết). Thêm dữ liệu không có trong bảng; xác định được mối quan hệ nhân quả dứt khoát.
4) Đánh dấu bất thường:
Đường cơ sở: địa chỉ này thường xử lý ~[N] giao dịch, khối lượng ~[X] mỗi ngày. Tôi sẽ cung cấp cho bạn những hồ sơ thực sự. Chỉ đánh dấu những sự kiện khác với đường cơ sở dựa trên những gì THỰC SỰ đã xảy ra trong hồ sơ; hiển thị mỗi cái bằng một dòng. Kết thúc bình luận bằng "cần xem xét".
Ba trường hợp nhỏ (theo số lượng)
Trường hợp 1 - Truy vấn 1 giảm thời gian trong ngày xuống còn 20 phút. Một nhà phân tích đang cố gắng trích xuất thủ công mức tăng trưởng người dùng trong 90 ngày của giao thức. Anh ta bắt AI viết truy vấn Dune; Có một truy vấn và biểu đồ hoạt động trong 20 phút. Các con số đáng tin cậy vì chúng đến từ nguồn. Bài học: viết truy vấn là đóng góp an toàn và hiệu quả nhất của AI.
Trường hợp 2 – Hash giả bị bắt. Một nhà phân tích đã trực tiếp yêu cầu AI “tóm tắt các giao dịch gần đây của ví cá voi đó”. AI đưa ra danh sách trôi chảy; Nhưng khi kiểm tra trên Etherscan, hầu hết các giao dịch băm đều là bịa đặt và hoàn toàn không tồn tại. Bài học: yêu cầu AI cung cấp dữ liệu trực tiếp sẽ tạo ra ảo giác; dữ liệu được lấy từ nguồn.
Trường hợp 3 - Mẫu nồng độ được xác nhận. Một nhà phân tích đã cung cấp dữ liệu chuyển giao thực sự mà anh ta thu được cho AI và giải thích nó. YZ lưu ý một mô hình trong đó tiền tập trung ở một số địa chỉ. Nhà phân tích đã xác nhận địa chỉ này bằng địa chỉ trên trình khám phá khối - mẫu này là có thật và cho thấy rủi ro phân phối. Bài học: diễn giải bằng dữ liệu thực tế rất có giá trị; Nhưng xác nhận lại là từ nguồn.
Quyền riêng tư và đạo đức
Mặc dù dữ liệu trên chuỗi là “mở”, nhưng việc phân tích nó có các giới hạn về mặt đạo đức:
- Khử ẩn danh: Việc so khớp địa chỉ với người thật (đặc biệt là với dữ liệu bị rò rỉ) là vi phạm nghiêm trọng quyền riêng tư; chỉ được thực hiện trong bối cảnh pháp lý và được ủy quyền.
- Quấy rối/nhắm mục tiêu: Việc theo dõi ví và nhắm mục tiêu vào chủ sở hữu của nó là trái đạo đức.
- Lời khuyên đầu tư: Những suy luận như “Con cá voi đó đang mua, bạn cũng nên mua” vừa gây hiểu lầm vừa gây ra trách nhiệm pháp lý.
- Thiếu bối cảnh: Dữ liệu chuỗi không biểu thị ý định; Việc chuyển tiền có thể là một tội phạm hoặc một vụ chuyển nhượng thông thường. Giải thích quá mức là nguy hiểm.
Mẹo: Đo lường mọi xác nhận quyền sở hữu trên chuỗi là "dữ liệu hiển thị X" chứ không phải "người thực hiện Y". Chuỗi làm cho giao dịch hiển thị nhưng không chứng minh được mục đích.
Những lỗi thường gặp
- Yêu cầu dữ liệu trực tiếp trực tiếp từ AI. Tạo hàm băm/địa chỉ giả.
- Không liên kết bình luận với nguồn. Mỗi số phải được xác nhận trong block explorer.
- Nhầm lẫn mối tương quan với quan hệ nhân quả. Mẫu dây chuyền không chứng minh được ý định.
- Địa chỉ trùng khớp với các cá nhân chưa được xác nhận. Nguy cơ vi phạm bí mật và sai sót.
- Biến suy luận trên chuỗi thành tư vấn đầu tư. Nó gây hiểu lầm và tạo ra trách nhiệm pháp lý.
- Chia sẻ truy vấn mà không ghi lại nó thay vì một hợp đồng lớn. Khả năng lặp lại biến mất.
Tóm lại
- Phân tích trên chuỗi là quá trình đọc và trích xuất ý nghĩa từ dữ liệu chuỗi mở.
- Đóng góp an toàn nhất của AI là viết truy vấn; Kết quả có từ gốc, nguy cơ gây ảo giác thấp.
- Việc giải thích tự do có nhiều rủi ro; mỗi số phải được xác nhận trong block explorer.
- Dữ liệu chuỗi chứng minh khả năng hiển thị nhưng không có ý định; Tránh giải thích quá mức.
- Việc hủy ẩn danh và nhắm mục tiêu chỉ được thực hiện trong bối cảnh được ủy quyền với các ranh giới về đạo đức.
Nhiệm vụ ứng dụng
Chọn một giao thức hoặc mã thông báo. Viết truy vấn tới AI với lời nhắc "tạo truy vấn" trả về số lượng giao dịch hàng ngày của mã thông báo đó trong 30 ngày qua (Dune có sẵn miễn phí). Chạy truy vấn. Sau đó, yêu cầu AI diễn giải kết quả bằng lời nhắc "giải thích số liệu". Xác nhận từng tuyên bố trong nhận xét của AI trong bảng kết quả thực tế và lưu ý xem có tuyên bố nào không có tuyên bố tương ứng trong bảng hay không.
danh sách kiểm tra
- [ ] Tôi không yêu cầu dữ liệu trực tiếp từ AI; Tôi đã lấy nó từ nguồn.
- [ ] Tôi đã chạy truy vấn và xác minh kết quả.
- [ ] Tôi đã liên kết từng nhận xét với hàng dữ liệu thực tế.
- [ ] Tôi không coi mối tương quan là quan hệ nhân quả.
- [ ] Tôi không thực hiện việc đối chiếu địa chỉ người mà không được phép.
- [ ] Tôi chưa chuyển sự quan tâm của mình thành lời khuyên đầu tư.
- [ ] Tôi đã ghi lại truy vấn theo cách có thể lặp lại.