“Результаты проверки готовы, не было ни капли ручного вмешательства, все сделано AI” Ранее этот Dune Query был выполнен на 95% с помощью AI. Эта статья в основном посвящена DuneAI и тому, как эффективно использовать AI для инженерии подсказок (AI взаимодействие?) Первая часть: Простое введение в использование Dune AI Встроенный AI @Dune может помочь пользователям быстро генерировать SQL-запросы на естественном языке. После создания запроса (Query) внизу блока кода можно увидеть поле для ввода подсказок. Основные моменты использования: 1. Четко выражайте на английском языке, что вы хотите запросить, предоставляя контекст, включая базу данных, временной диапазон, конкретный адрес контракта, символ токена и другую ключевую информацию. - Пример: "Список всех сделок с WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) на Uniswap v3 за последние 24 часа" 2. Корректируйте запрос в зависимости от начальных результатов. - Dune AI включает тестовые случаи, чтобы гарантировать, что сгенерированные запросы могут нормально работать. - Используйте функцию "fix" в верхней части кода запроса, чтобы изменить и доработать существующий запрос. Подробную информацию можно найти в официальной документации: Вторая часть: Инженерия подсказок с несколькими агентами На практике полагаться только на один инструмент AI часто бывает сложно для достижения наилучших результатов. Здесь представлена система многопользовательского сотрудничества в инженерии подсказок (Prompt Engineering), которая может значительно повысить качество и эффективность запросов и расширить их применение в других бизнес-сценариях. Основной рабочий процесс: 1. Описание задачи: сначала четко выразите бизнес-требования. 2. AI1 обработка: используйте универсальный AI (например, ChatGPT или DeepSeek), чтобы преобразовать требования в профессиональные подсказки. 3. AI2 выполнение: введите оптимизированные подсказки в специализированный AI (например, Dune AI) для выполнения. 4. Оценка результатов: проверьте, удовлетворяют ли предварительные результаты требованиям. 5. Итеративная оптимизация: при необходимости корректируйте подсказки и повторяйте вышеуказанный процесс. Вы можете гибко выбирать AI2, который ближе к бизнес-сценарию, например, использовать Dune AI для генерации запросов, Copilot Claude 3 для выполнения программных задач, Grok 3 для поиска и организации информации в Twitter и т.д. Например, моя подсказка на первом этапе была: “ Мне нужно проанализировать торговое поведение определенных токенов на цепочке Solana, чтобы выявить в заданном временном диапазоне: 1. Адреса с количеством покупок более N раз. 2. Адреса с суммой каждой покупки более X долларов. 3. Адреса с чистым притоком (общие покупки - общие продажи) более Y долларов. 4. Адреса с количеством продаж не более Z раз. В конечном итоге нужно вернуть подробную информацию об этих адресах, включая: - Адрес кошелька - Чистая сумма притока - Количество покупок - Количество продаж - Время первой сделки - Время последней сделки - Адрес токена Пожалуйста, помогите мне преобразовать это требование в профессиональный формат подсказок, понятный Dune AI, включая все необходимые определения шаблонов и параметров; используйте английский; соответствующая документация базы данных: (я предоставил описание здесь) ” Затем я доработал подсказку второго этапа и передал ее Dune AI для генерации запроса; подсказку второго этапа я разместил в комментариях. Надеюсь, эта статья будет вам полезна. (Да, эта статья также использовала этот прием, все изображения были сгенерированы AI с помощью синтаксиса mermaid и нарисованы AI.)

Фаза 2 Подсказка Схема: 'dex_solana.trades' Характеристики схемы: block_time: временная метка, временная метка сделки UTC amount_usd: двойная неподписанная стоимость токена в долларах США token_bought_mint_address: строка, если token_mint_address здесь, то сделка идентифицируется как покупка token_sold_mint_address: строка, если token_mint_address здесь, то сделка идентифицируется как продажа trader_id: строка, адрес кошелька жетон_ Обязательные входные данные: token_mint_address: строка, адрес для минта токена solana для фильтрации; start_datetime: дата, время начала; end_datetime: дата, время окончания. Оба по времени в UTC; min_num_buys: количество, минимальное общее количество покупок в пределах временного диапазона; min_amount_per_buy: количество, минимальная сумма для каждой покупки, в долларах США; min_net_inflow: количество, минимальная суммарная сумма притока (общая покупка - общая сумма продаж), в долларах США; max_num_sells: количество, максимальное общее количество продаж в пределах временного диапазона; Требуемая производительность : wallet_address: строки, адреса кошельков, совпадающие с вышеуказанными полями. net_inflow:число, знаковый общий приток num_buys: количество, количество покупок в пределах временного диапазона num_sells:number, количество продаж в пределах временного диапазона first_trade_datetime:date, datetime, первая сделка в пределах временного диапазона last_trade_datetime:дата, последняя сделка в пределах временного диапазона token_mint_address: строка Напишите SQL для меня с учетом вышеуказанных требований. Оберните входные параметры двойными фигурными скобками {{}} в строках SQL в качестве заполнителей.