“Les résultats des tests sont sortis, il n'y a aucune addition manuelle, tout est fait par l'IA” Auparavant, environ 95 % du travail de cette requête Dune était réalisé par l'IA. Cet article présente principalement DuneAI et comment utiliser l'IA pour effectuer efficacement l'ingénierie des prompts (interactions entre IA ?) Première partie : Introduction simple à l'utilisation de Dune AI L'IA intégrée de @Dune peut aider les utilisateurs à générer rapidement des requêtes SQL en langage naturel. Après avoir créé une requête, vous pouvez voir l'interface de saisie des prompts en bas du bloc de code. Points d'utilisation : 1. Exprimez clairement en anglais le contenu que vous souhaitez interroger, en fournissant un contexte, y compris la base de données, la plage de temps, l'adresse de contrat spécifique, le symbole du jeton et d'autres informations clés. - Exemple : "Listez toutes les transactions impliquant WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) sur Uniswap v3 au cours des 24 dernières heures." 2. Ajustez les besoins de la requête en fonction des résultats initiaux. - Dune AI intègre des cas de test pour s'assurer que les requêtes générées fonctionnent correctement. - Utilisez la fonction "fix" en haut du code de la requête pour modifier et affiner les requêtes existantes. Pour plus de détails, consultez la documentation officielle : Deuxième partie : Ingénierie des prompts multi-Agent Dans le travail réel, compter uniquement sur un outil d'IA rend souvent difficile l'obtention des meilleurs résultats. Ici, nous présentons un processus d'ingénierie des prompts collaboratifs multi-Agent qui peut considérablement améliorer la qualité et l'efficacité des requêtes, et s'étendre à d'autres scénarios commerciaux. Flux de travail de base 1. Description de la tâche : exprimez d'abord clairement les besoins commerciaux. 2. Traitement par AI1 : utilisez une IA générale (comme ChatGPT ou DeepSeek) pour transformer les besoins en prompts professionnels. 3. Exécution par AI2 : entrez les prompts optimisés dans une IA spécialisée (comme Dune AI) pour exécution. 4. Évaluation des résultats : vérifiez si les résultats préliminaires répondent aux besoins. 5. Optimisation itérative : ajustez les prompts si nécessaire et répétez le processus ci-dessus. Vous pouvez choisir de manière flexible une AI2 proche du scénario commercial, comme utiliser Dune AI pour générer des requêtes, Copilot Claude 3 pour des tâches de programmation, Grok 3 pour récupérer et organiser des informations Twitter, etc. Par exemple, mon prompt de première phase était : “ J'ai besoin d'analyser le comportement des transactions d'un jeton spécifique sur la chaîne Solana, en identifiant dans une plage de temps spécifiée : 1. Les adresses ayant plus de N achats. 2. Les adresses avec un montant d'achat supérieur à X dollars. 3. Les adresses avec un flux net (total des achats - total des ventes) supérieur à Y dollars. 4. Les adresses avec un nombre de ventes ne dépassant pas Z. Je dois finalement retourner les détails de ces adresses, y compris : - Adresse du portefeuille - Montant net entrant - Nombre d'achats - Nombre de ventes - Date de la première transaction - Date de la dernière transaction - Adresse du jeton Veuillez m'aider à transformer ce besoin en un format de prompt professionnel que Dune AI peut comprendre, y compris tous les modèles et définitions de paramètres nécessaires ; en utilisant l'anglais ; documentation de la base de données concernée : (je fournis ici la description). ” Ensuite, j'ai ajusté le prompt de la deuxième phase et l'ai soumis à Dune AI pour générer la requête ; le prompt de la deuxième phase que j'ai utilisé est dans la section des commentaires. J'espère que cet article vous sera utile. (Oui, cet article a également utilisé cette technique, toutes les images ont été générées par l'IA après avoir utilisé la syntaxe mermaid.)

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.