链上数据分析：理解区块、交易和钱包数据 — 区块链和 Web3 中的人工智能

收益：

区块链的最大优势之一是其透明度：每笔交易、每笔转账、每笔合约交互都被公开且永久记录。链上分析（检查链上交易、地址和资金流数据）是读取公共记录并理解其意义的行为：跟踪钱包、跟踪资金流、衡量协议的使用情况。在本单元中，我们将学习如何使用人工智能作为数据分析助手，以及最重要的是如何验证每个数字。

链上数据是分层的：

要查看这些数据，可以使用区块浏览器（显示链数据的站点，例如 Etherscan）或查询平台（例如 Dune、The Graph）。人工智能本身并不“知道”这些数据；它解释您提供的数据或编写查询来检索数据。

注意：告诉人工智能“获取该钱包的交易”是无用且危险的——人工智能未连接到实时链，可能会生成虚假哈希值/地址。正确用法：你提取数据，交给AI，AI解读；或者人工智能向您写入将提取数据的查询，然后您运行它。

1.查询编写。在 Dune Analytics 等平台中，数据是通过类似 SQL 的查询来提取的。 AI 在编写这些查询方面功能强大：“编写返回以下合约在过去 30 天的每日交易计数的查询。”查询是确定性的；你运行它并看到结果——产生幻觉的风险很低，因为数据源产生结果，而不是人工智能。

2.结果解释。你把捕捉到的数据交给人工智能，然后问：“这个资金流向显示了什么？有规律吗？”你问。这里产生幻觉的风险很高；每条评论都必须链接到来源。

这两个角色的风险状况不同：查询编写相对安全（结果来自源头），自由解释相对风险（AI可以弥补）。

弱提示：

分析以下钱包的交易：0x1234...

人工智能不依赖于实时数据；这个提示促使他去弥补。

强大提示（供查询）：

您的角色：链上数据分析师。为 Dune 编写 SQL 查询：返回过去 30 天内 [following ERC-20 token] 合约的每日唯一发件人地址计数和总传输量。描述您使用的表和字段名称。如果查询不起作用，请写下您的假设，以便我可以修复它。拟合数据；只需生成查询。

强大提示（供评论）：

下面是实际的沙丘结果（我拍摄的）。仅根据此图表中的实际数字来解释模式：交易量增加/减少、异常跳跃、集中。显示每条评论及其相应的行/编号。不要添加表中没有的任何数字。不主张因果关系；将可能的解释写为“假设”。

1）查询生成：

为 Dune/SQL 编写查询：[合约/地址] 上的 [时间段]，获取 [指标]。解释您使用的表和 JOIN 逻辑。我将运行并验证结果；数据捏造。

2）资金流向追踪概要：

我会给你一套实际的转账记录（地址、金额、时间）。将这些转化为可追踪的流向叙述：资金去了哪里，是否集中？仅使用我提供的记录；将每个步骤连接到相应的行。地址假。

3）指标解释：

请评论下面的真实指标表：用户数量、交易量、每笔交易的平均值。说明重大变化和可能的原因（假设）。添加表中没有的数据；建立明确的因果关系。

4）异常标记：

基线：该地址通常每天处理 ~[N] 笔交易、~[X] 笔交易。我会给你真实的记录。根据记录中实际发生的情况，仅标记偏离基线的事件；用一条线显示每个。以“需要审查”结束评论。

案例 1 — 查询 1 将一天的时间减少到 20 分钟。一位分析师试图手动提取协议 90 天的用户增长情况。他让AI写了一个Dune查询； 20 分钟内得到了有效的查询和图表。这些数字是可靠的，因为它们来自源头。教训：查询编写是人工智能最安全、最高效的贡献。

案例 2 — 假哈希被捕获。一位分析师直接告诉AI“总结一下那个鲸鱼钱包最近的交易情况”。 AI给出了一份流畅的清单；但当在 Etherscan 上检查时，大多数交易哈希值都是捏造的，根本不存在。教训：向人工智能询问实时数据会产生幻觉；数据是从源中拉取的。

案例 3 — 集中模式得到确认。一名分析师将他捕获的真实传输数据交给人工智能并进行解释。 YZ 注意到资金集中在几个地址的模式。分析师通过区块浏览器上的地址确认了该地址——该模式是真实的，并表明存在分配风险。教训：用真实数据进行解释是有价值的；但消息来源再次证实了这一点。

虽然链上数据是“开放的”，但其分析存在道德限制：

提示：将每个链上声明衡量为“数据显示 X”，而不是“该人做了 Y”。该链使交易可见，但不能证明意图。

选择协议或令牌。使用“查询生成”提示向 AI 编写查询，返回该代币过去 30 天的每日交易计数（Dune 免费提供）。运行查询。然后让 AI 通过“度量解释”提示来解释结果。确认实际结果表中AI评论中的每项主张，并注意是否存在表中没有对应项的主张。