“Os resultados da detecção saíram, não há uma única adição manual, tudo é AI” Antes, cerca de 95% do trabalho deste Dune Query foi realizado por AI. Este artigo apresenta principalmente o DuneAI e como usar AI de forma eficiente para engenharia de prompts (interação entre AIs?) Parte 1: Introdução simples ao uso do Dune AI A AI embutida no @Dune pode ajudar os usuários a gerar rapidamente consultas SQL usando linguagem natural. Após criar uma nova consulta (Query), você pode ver a entrada de prompt na parte inferior do bloco de código. Pontos de uso: 1. Expresse claramente em inglês o que deseja consultar, fornecendo contexto, incluindo banco de dados, intervalo de tempo, endereço de contrato específico, símbolo do token e outras informações-chave. - Exemplo: "Liste todas as negociações envolvendo WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) no Uniswap v3 nas últimas 24 horas." 2. Ajuste as necessidades da consulta com base nos resultados iniciais. - O Dune AI possui casos de teste embutidos para garantir que as consultas geradas funcionem corretamente. - Use a função "fix" no topo do código da consulta para modificar e ajustar com base na consulta existente. Para mais detalhes, consulte a documentação oficial: Parte 2: Engenharia de prompts com múltiplos agentes No trabalho real, depender de uma única ferramenta de AI muitas vezes não resulta nos melhores resultados. Aqui, apresentamos um fluxo de engenharia de prompts colaborativo com múltiplos agentes que pode aumentar significativamente a qualidade e eficiência das consultas, além de se expandir para outros cenários de negócios. Fluxo de trabalho básico: 1. Descrição da tarefa: Primeiro, expresse claramente a necessidade de negócios. 2. AI1 processa: Use uma AI genérica (como ChatGPT ou DeepSeek) para transformar a necessidade em prompts profissionais. 3. AI2 executa: Insira os prompts otimizados na AI profissional (como Dune AI) para execução. 4. Avaliação de resultados: Verifique se os resultados preliminares atendem às necessidades. 5. Iteração e otimização: Ajuste os prompts conforme necessário e repita o processo acima. Você pode escolher flexivelmente a AI2 que se aproxima do cenário de negócios, como usar Dune AI para gerar consultas, Copilot Claude 3 para completar tarefas de programação, Grok 3 para recuperar e organizar informações do Twitter, etc. Por exemplo, meu prompt da primeira fase foi: “ Preciso analisar o comportamento de negociação de tokens específicos na cadeia Solana, identificando dentro de um intervalo de tempo específico: 1. Endereços com mais de N compras. 2. Endereços com cada compra superior a X dólares. 3. Endereços com entrada líquida (total de compras - total de vendas) superior a Y dólares. 4. Endereços com vendas não superiores a Z vezes. No final, preciso retornar as informações detalhadas desses endereços, incluindo: - Endereço da carteira - Montante de entrada líquida - Número de compras - Número de vendas - Data da primeira negociação - Data da última negociação - Endereço do token Por favor, ajude-me a transformar essa necessidade em um formato de prompt profissional que o Dune AI possa entender, incluindo todos os padrões e definições de parâmetros necessários; use inglês; documentação do banco de dados relevante: (aqui forneci a descrição) ” Depois, fiz ajustes no prompt da segunda fase e deixei que o Dune AI gerasse a consulta; o prompt da segunda fase que usei está na seção de comentários. Espero que este artigo seja útil para você. (Sim, este artigo também usou essa técnica, as imagens foram geradas com AI usando a sintaxe mermaid e desenhadas com 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.