„Wyniki testów są już dostępne, nie ma ani śladu ręcznego dodawania, wszystko to AI” Wcześniej około 95% pracy w tym zapytaniu Dune było realizowane przez AI. Ten artykuł głównie przedstawia DuneAI oraz jak efektywnie korzystać z AI w inżynierii podpowiedzi (AI współpraca?) Pierwsza część: Prosta prezentacja użycia Dune AI Wbudowane AI w @Dune może pomóc użytkownikom szybko generować zapytania SQL w naturalnym języku. Po utworzeniu zapytania (Query) można zobaczyć pole do wprowadzania podpowiedzi na dole bloku kodu. Wskazówki dotyczące użycia: 1. Wyraźnie wyrazić w języku angielskim, co chce się zapytać, dostarczając kontekst, w tym bazę danych, zakres czasowy, konkretne adresy kontraktów, symbole tokenów i inne kluczowe informacje. - Przykład: "Wymień wszystkie transakcje z udziałem WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) na Uniswap v3 w ciągu ostatnich 24 godzin." 2. Dostosować wymagania zapytania na podstawie początkowych wyników. - Dune AI ma wbudowane przypadki testowe, które zapewniają, że generowane zapytania działają poprawnie. - Używając funkcji "fix" na górze kodu zapytania, można modyfikować i dostosowywać istniejące zapytania. Szczegółowe informacje można znaleźć w oficjalnej dokumentacji: Druga część: Inżynieria podpowiedzi z wieloma agentami W praktyce, poleganie tylko na jednym narzędziu AI często nie przynosi najlepszych wyników. Tutaj przedstawiamy zestaw procesów inżynierii podpowiedzi z wieloma agentami (Prompt Engineering), który może znacznie poprawić jakość i efektywność zapytań oraz rozszerzyć się na inne scenariusze biznesowe. Podstawowy proces roboczy: 1. Opis zadania: najpierw wyraźnie określić potrzeby biznesowe. 2. AI1 przetwarzanie: użyć ogólnego AI (takiego jak ChatGPT lub DeepSeek), aby przekształcić wymagania w profesjonalne podpowiedzi. 3. AI2 wykonanie: wprowadzić zoptymalizowane podpowiedzi do profesjonalnego AI (takiego jak Dune AI) w celu wykonania. 4. Ocena wyników: sprawdzić, czy wstępne wyniki spełniają wymagania. 5. Iteracyjne optymalizowanie: dostosować podpowiedzi w razie potrzeby, powtarzając powyższy proces. Można elastycznie wybierać AI2, które najlepiej odpowiada potrzebom biznesowym, takie jak użycie Dune AI do generowania zapytań, Copilot Claude 3 do zadań programistycznych, Grok 3 do przeszukiwania i organizowania informacji z Twittera itp. Na przykład moje pierwsze podpowiedzi brzmiały: „ Muszę przeanalizować zachowanie transakcyjne określonych tokenów na łańcuchu Solana, aby znaleźć w określonym zakresie czasowym: 1. Adresy, które dokonały zakupów więcej niż N razy. 2. Adresy, które dokonały zakupów większych niż X dolarów. 3. Adresy z dodatnim przepływem netto (suma zakupów - suma sprzedaży) większym niż Y dolarów. 4. Adresy, które sprzedały nie więcej niż Z razy. Ostatecznie potrzebuję zwrócić szczegółowe informacje o tych adresach, w tym: - Adres portfela - Kwota przepływu netto - Liczba zakupów - Liczba sprzedaży - Czas pierwszej transakcji - Czas ostatniej transakcji - Adres tokena Proszę pomóż mi przekształcić te wymagania w profesjonalny format podpowiedzi, który Dune AI będzie w stanie zrozumieć, w tym wszystkie niezbędne definicje wzorców i parametrów; użyj języka angielskiego; dokumentacja bazy danych: (tutaj dostarczam opis) ” Następnie dostosowałem drugą fazę podpowiedzi i przekazałem ją Dune AI do wygenerowania zapytania; używaną drugą fazę podpowiedzi umieściłem w sekcji komentarzy. Mam nadzieję, że ten artykuł będzie dla Ciebie pomocny. (Tak, ten artykuł również wykorzystał tę technikę, wszystkie grafiki zostały wygenerowane przez AI w składni mermaid i narysowane przez 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.