“De testresultaten zijn binnen, er is geen enkele handmatige toevoeging, alles is AI” Eerder was ongeveer 95% van het werk van deze Dune Query voltooid door AI. Dit artikel introduceert voornamelijk DuneAI en hoe je AI efficiënt kunt gebruiken voor prompt engineering (AI interactie?) Eerste deel: Eenvoudige introductie van Dune AI gebruik @Dune's ingebouwde AI kan gebruikers helpen om snel SQL-queries te genereren met natuurlijke taal. Na het aanmaken van een query kun je onderaan het codeblok het invoerveld voor prompts zien. Gebruikspunten: 1. Gebruik Engels om duidelijk uit te drukken wat je wilt opvragen, geef context, inclusief database, tijdsbestek, specifieke contractadressen, token symbolen en andere belangrijke informatie. - Voorbeeld: "Lijst alle transacties met WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) op Uniswap v3 in de afgelopen 24 uur" 2. Pas de querybehoeften aan op basis van de initiële resultaten. - Dune AI heeft ingebouwde testgevallen om ervoor te zorgen dat de gegenereerde query's correct kunnen worden uitgevoerd. - Gebruik de "fix" functie bovenaan de querycode om wijzigingen en aanpassingen aan te brengen op basis van bestaande queries. Voor een gedetailleerde uitleg zie de officiële documentatie: Tweede deel: Multi-Agent Prompt Engineering In de praktijk is het vaak moeilijk om de beste resultaten te behalen door alleen op één AI-tool te vertrouwen. Hier wordt een set van multi-agent samenwerkende prompt engineering (Prompt Engineering) processen geïntroduceerd, die de kwaliteit en efficiëntie van queries aanzienlijk kan verbeteren en kan worden uitgebreid naar andere zakelijke scenario's. Basiswerkstroom: 1. Taakomschrijving: Formuleer eerst duidelijk de zakelijke behoeften. 2. AI1 verwerking: Gebruik algemene AI (zoals ChatGPT of DeepSeek) om de behoeften om te zetten in professionele prompts. 3. AI2 uitvoering: Voer de geoptimaliseerde prompts in bij professionele AI (zoals Dune AI) voor uitvoering. 4. Resultaatbeoordeling: Controleer of de voorlopige resultaten aan de behoeften voldoen. 5. Iteratieve optimalisatie: Pas de prompts aan indien nodig en herhaal het bovenstaande proces. Je kunt AI2 flexibel kiezen op basis van de zakelijke context, zoals het gebruik van Dune AI voor het genereren van queries, Copilot Claude 3 voor programmeertaken, Grok 3 voor het ophalen en organiseren van Twitter-informatie, enz. Bijvoorbeeld, mijn eerste fase prompt was: “ Ik moet het handelsgedrag van specifieke tokens op de Solana-keten analyseren en de adressen vinden die binnen een bepaald tijdsbestek: 1. Meer dan N keer hebben gekocht. 2. Elke aankoopbedrag groter dan X dollar. 3. Netto instroom (totaal gekocht - totaal verkocht) groter dan Y dollar. 4. Niet meer dan Z keer hebben verkocht. Uiteindelijk moeten deze adressen gedetailleerde informatie teruggeven, inclusief: - Walletadres - Netto instroombedrag - Aantal aankopen - Aantal verkopen - Eerste transactie tijd - Laatste transactie tijd - Token adres Help me alsjeblieft om deze behoefte om te zetten in een professionele promptformaat dat Dune AI kan begrijpen, inclusief alle noodzakelijke patronen en parameterdefinities; gebruik Engels; relevante database documentatie: (hier heb ik de beschrijving in) ” Daarna heb ik de tweede fase prompt aangepast en deze aan Dune AI gegeven om de query te genereren; de gebruikte tweede fase prompt heb ik in de reacties geplaatst. Ik hoop dat dit artikel je helpt. (Ja, dit artikel heeft ook deze techniek gebruikt, de afbeeldingen zijn allemaal met AI gegenereerd met mermaid-syntax en daarna door AI getekend.)

Fase 2 prompt Regeling: 'dex_solana.trades' Schema attributen: block_time: tijdstempel, UTC-tijdstempel van de handel amount_usd: dubbele, niet-ondertekende USD-waarde van het verhandelde token token_bought_mint_address: tekenreeks, als hier token_mint_address dan wordt de transactie geïdentificeerd als kopen token_sold_mint_address: tekenreeks, als hier token_mint_address dan wordt de transactie geïdentificeerd als verkopen trader_id: tekenreeks, portemonnee-adres teken_ Vereiste invoer: token_mint_address: string, solana token mint adres om te filteren; start_datetime: datum, starttijd; end_datetime: datum, eindtijd. Zowel in UTC-tijd; min_num_buys: aantal, minimaal totaal aantal aankopen binnen het tijdsbestek; min_amount_per_buy: aantal, minimaal bedrag voor elke aankoop, in USD; min_net_inflow: aantal, minimale instroom van sommen (totaal kopen - totaal verkopen), in USD; max_num_sells: aantal, maximaal totaal aantal verkopen binnen de tijdspanne; Vereiste output : wallet_address: strings, wallet adressen overeenkomen met bovenstaande velden. net_inflow:nummer, getekende totale instroom num_buys: aantal, aantal aankopen binnen tijdsbestek num_sells:aantal, aantal verkopen binnen tijdsbestek first_trade_datetime:date, datetime eerste handel binnen het tijdsbereik last_trade_datetime:date, laatste transactie binnen de tijdspanne token_mint_address: touwtje Schrijf de SQL voor mij gezien de bovenstaande vereisten. Wikkel de invoerparameters met dubbele accolades {{}} in de SQL-regels als tijdelijke aanduidingen.