“I risultati del test sono arrivati, non c'è stata alcuna aggiunta manuale, tutto è AI” In precedenza, circa il 95% del lavoro di questa Dune Query è stato completato da AI. Questo articolo introduce principalmente DuneAI e come utilizzare l'AI in modo efficiente per l'ingegneria dei prompt (AI interattiva?) Prima parte: Introduzione semplice all'uso di Dune AI L'AI integrata di @Dune può aiutare gli utenti a generare rapidamente query SQL utilizzando il linguaggio naturale. Dopo aver creato una nuova query, puoi vedere l'input per i prompt nella parte inferiore del blocco di codice. Punti chiave da utilizzare: 1. Esprimere chiaramente in inglese il contenuto che si desidera interrogare, fornendo contesto, inclusi database, intervallo di tempo, indirizzo del contratto specifico, simbolo del token e altre informazioni chiave. - Esempio: "Elenca tutte le transazioni che coinvolgono WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) su Uniswap v3 nelle ultime 24 ore" 2. Regolare le esigenze della query in base ai risultati iniziali. - Dune AI ha casi di test integrati per garantire che le query generate possano funzionare correttamente. - Utilizzando la funzione "fix" in cima al codice della query, puoi modificare e perfezionare la query esistente. Per ulteriori dettagli, consulta la documentazione ufficiale: Seconda parte: Ingegneria dei prompt multi-agente Nella pratica lavorativa, fare affidamento su un singolo strumento AI spesso rende difficile ottenere i migliori risultati. Qui viene presentato un processo di ingegneria dei prompt (Prompt Engineering) in collaborazione con più agenti, che può migliorare significativamente la qualità e l'efficienza delle query e può essere esteso ad altri scenari aziendali. Flusso di lavoro di base: 1. Descrizione del compito: esprimere chiaramente le esigenze aziendali. 2. Elaborazione AI1: utilizzare AI generica (come ChatGPT o DeepSeek) per trasformare le esigenze in prompt professionali. 3. Esecuzione AI2: inserire i prompt ottimizzati in AI professionale (come Dune AI) per l'esecuzione. 4. Valutazione dei risultati: controllare se i risultati preliminari soddisfano le esigenze. 5. Ottimizzazione iterativa: regolare i prompt secondo necessità e ripetere il processo sopra. Puoi scegliere liberamente AI2 che si avvicina allo scenario aziendale, come utilizzare Dune AI per generare query, Copilot Claude 3 per completare compiti di programmazione, Grok 3 per recuperare e organizzare informazioni da Twitter, ecc. Ad esempio, il mio prompt della prima fase era: “ Ho bisogno di analizzare il comportamento delle transazioni di token specifici sulla catena Solana, identificando negli intervalli di tempo specificati: 1. Indirizzi con più di N acquisti. 2. Indirizzi con un importo di acquisto superiore a X dollari. 3. Indirizzi con un afflusso netto (totale acquisti - totale vendite) superiore a Y dollari. 4. Indirizzi con vendite non superiori a Z volte. Alla fine, è necessario restituire i dettagli di questi indirizzi, inclusi: - Indirizzo del portafoglio - Importo netto in entrata - Numero di acquisti - Numero di vendite - Data della prima transazione - Data dell'ultima transazione - Indirizzo del token Per favore, aiutami a trasformare questa richiesta in un formato di prompt professionale che Dune AI possa comprendere, includendo tutti i modelli e le definizioni di parametri necessari; utilizzare l'inglese; documentazione del database correlata: (qui ho fornito la descrizione) ” Dopo, ho apportato delle modifiche al prompt della seconda fase e l'ho inviato a Dune AI per generare la query; il prompt della seconda fase che ho utilizzato è stato inserito nella sezione commenti. Spero che questo articolo ti sia utile. (Sì, anche questo articolo ha utilizzato questa tecnica, tutte le immagini sono state generate dall'AI utilizzando la sintassi mermaid e disegnate dall'AI.)

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.