"Testitulokset ovat selvillä, keinotekoisesta lisäyksestä ei ole jälkeäkään, kaikki on tekoälyä" Aiemmin noin 95 % Dune Querystä tehtiin tekoälyn toimesta. Tämä artikkeli keskittyy DuneAI:hen ja siihen, miten tekoälyä voidaan käyttää kehotesanojen tehokkaaseen suunnitteluun (AI-intermodulaatio?). ） Osa 1: Lyhyt johdatus Dune AI:n käyttöön @Dune sisäänrakennettu tekoäly auttaa käyttäjiä luomaan nopeasti SQL-kyselyitä luonnollisella kielellä. Kun olet luonut uuden kyselyn, näet kehotteen syöttöpaikan koodilohkon alareunassa Käyttökohteet: 1. Ilmaise selkeästi englanniksi, mitä haluat kysyä, ja anna konteksti, mukaan lukien keskeiset tiedot, kuten tietokanta, aikaväli, tietty sopimusosoite, tunnussymboli jne - Esimerkki: "Listaa kaikki kaupat, joihin liittyy WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) Uniswap v3:ssa viimeisen 24 tunnin aikana" 2. Säädä kyselyvaatimuksiasi alustavien tulosten perusteella - Dune AI:ssa on sisäänrakennetut testitapaukset, jotka varmistavat, että luodut kyselyt toimivat oikein - Voit käyttää kyselykoodin yläosassa olevaa "fix"-toimintoa muokataksesi ja hienosäätääksesi olemassa olevien kyselyiden perusteella Lisätietoja on virallisissa asiakirjoissa: Osa II: Usean agentin kehote-Word-projekti Käytännössä pelkkään tekoälytyökaluun luottaminen on usein vaikeaa saada parhaat tulokset. Tässä esitellyt usean agentin yhteistoiminnalliset Prompt Engineerimg -prosessit voivat parantaa merkittävästi kyselyjen laatua ja tehokkuutta, ja niitä voidaan laajentaa muihin liiketoimintaskenaarioihin Perustyönkulku 1. Tehtävän kuvaus: Aloita ilmaisemalla liiketoiminnan vaatimukset 2. AI1-käsittely: Käytä yleiskäyttöistä tekoälyä, kuten ChatGPT:tä tai DeepSeekiä, kääntääksesi vaatimukset ammattimaisiksi kehotteiksi 3. AI2-suoritus: Syötä optimoidut kehotussanat ammattimaiseen tekoälyyn (kuten Dune AI) suoritusta varten 4. Tulosten arviointi: Tarkista, vastaavatko alustavat tulokset tarpeita 5. Iteratiivinen optimointi: Säädä kehotussanoja tarpeen mukaan ja toista yllä oleva prosessi Voit joustavasti valita AI2:n, joka on lähellä liiketoimintaskenaarioitasi tarpeidesi mukaan, kuten Dune AI:n käyttäminen kyselyiden luomiseen, Copilot Claude 3 ohjelmointitehtävien suorittamiseen ja Grok 3 Twitter-tietojen hakemiseen ja järjestämiseen Esimerkiksi ensimmäinen kehotukseni on: “ Minun on analysoitava tietyn tokenin kaupankäyntikäyttäytymistä Solana-ketjussa selvittääkseni, mitä tapahtuu määritetyn ajan sisällä: 1. Osoitteet, jotka ovat ostaneet enemmän kuin N kertaa 2. Osoitteet, joiden sisäänostosumma on suurempi kuin X USD 3. Osoitteet, joiden nettosisäänvirtaukset (ostot yhteensä - myynnit yhteensä) ovat suurempia kuin USD Y 4. Osoitteet, joita ei ole myyty yli Z-kertaa Lopulta näiden osoitteiden tiedot on palautettava, mukaan lukien: - Lompakon osoite - Nettosisäänvirtauksen määrä - Sisäänostojen määrä - Myyntien määrä - Ensimmäisen kaupan ajankohta - Viimeisin kaupankäyntiaika - Tunnuksen osoite Auta minua kääntämään tämä vaatimus ammattimaiseen nopeaan sanamuotoon, jonka Dune AI ymmärtää, mukaan lukien kaikki tarvittavat skeema- ja parametrimääritelmät; Käytä englantia; Aiheeseen liittyvä tietokantadokumentaatio: (Olen antanut kuvauksen täällä) ” Sen jälkeen hienosäädin toisen vaiheen kehotetta ja annoin Dune AI:n luoda kyselyn; Laitoin käyttämäni toisen vaiheen kehotteen kommenttiosioon Toivottavasti tästä artikkelista oli sinulle apua (Kyllä, tätä temppua käytetään myös tässä artikkelissa, ja kaikki kuvat piirretään tekoälyllä merenneitosyntaksin luomisen jälkeen)

第二阶段 Prompt Scheme: `dex_solana.trades` Scheme Attributes: block_time: timestamp, UTC timestamp of trade amount_usd: double, unsigned USD value of the token traded token_bought_mint_address: string, if token_mint_address here then the trade is identified as buy token_sold_mint_address: string, if token_mint_address here then the trade is identified as sell trader_id: string, wallet address token_ Required Inputs: token_mint_address: string, solana token mint address to filter; start_datetime: date, start time; end_datetime: date, end time. Both in utc time; min_num_buys: number, minimal total number of buys within the time range; min_amount_per_buy: number, minimal amount for each buy, in USD; min_net_inflow: number, minimal amount summing inflow(total buy - total sell), in USD; max_num_sells: number, maximal total number of sells within the time range; Required Output : wallet_address: strings, wallet addresses matching above fields . net_inflow:number, signed total inflow num_buys: number, number of buys within time range num_sells:number, number of sells within time range first_trade_datetime:date, datetime first trade within the time range last_trade_datetime:date, last trade within the time range token_mint_address: string Write the SQL for me given the above requirements. Wrap the input parameters using double curly brackets {{}} in the SQL lines as place holders.