“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.)

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.