„Die Testergebnisse sind da, es gibt keinen Hauch von menschlicher Hinzufügung, alles ist AI“ Zuvor wurde etwa 95 % der Arbeitslast dieses Dune Query von AI erledigt. Dieser Artikel stellt hauptsächlich DuneAI vor und erklärt, wie man AI effizient für Prompt Engineering (AI Interaktion?) nutzen kann. Erster Teil: Einfache Einführung in die Nutzung von Dune AI Die eingebaute AI von @Dune kann den Nutzern helfen, SQL-Abfragen schnell in natürlicher Sprache zu generieren. Nach dem Erstellen einer Abfrage (Query) kann man am unteren Ende des Codeblocks das Eingabefeld für die Prompts sehen. Wichtige Punkte zur Nutzung: 1. Drücken Sie sich klar in Englisch aus, um den gewünschten Inhalt der Abfrage zu formulieren, und geben Sie den Kontext an, einschließlich Datenbank, Zeitrahmen, spezifische Vertragsadressen, Token-Symbole und andere Schlüsselinformationen. - Beispiel: "List all trades involving WETH (0xC02aaA39b223FE8D0A0e5C4F27eAD9083C756Cc2) on Uniswap v3 in the past 24 hours" 2. Passen Sie die Abfrageanforderungen basierend auf den anfänglichen Ergebnissen an. - Dune AI hat Testfälle integriert, um sicherzustellen, dass die generierten Abfragen ordnungsgemäß funktionieren. - Verwenden Sie die Funktion "fix" oben im Abfragecode, um basierend auf bestehenden Abfragen Änderungen und Feinabstimmungen vorzunehmen. Detaillierte Informationen finden Sie in der offiziellen Dokumentation: Zweiter Teil: Multi-Agent Prompt Engineering In der Praxis ist es oft schwierig, die besten Ergebnisse nur auf ein AI-Tool zu verlassen. Hier wird ein Prozess des Multi-Agenten-Kooperations-Prompt-Engineerings vorgestellt, der die Abfragequalität und -effizienz erheblich steigern und auf andere Geschäftsszenarien ausgeweitet werden kann. Grundlegender Arbeitsablauf: 1. Aufgabenbeschreibung: Zuerst die geschäftlichen Anforderungen klar formulieren. 2. AI1-Verarbeitung: Verwenden Sie allgemeine AI (wie ChatGPT oder DeepSeek), um die Anforderungen in professionelle Prompts umzuwandeln. 3. AI2-Ausführung: Geben Sie die optimierten Prompts in eine spezialisierte AI (wie Dune AI) zur Ausführung ein. 4. Ergebnisevaluierung: Überprüfen Sie, ob die vorläufigen Ergebnisse den Anforderungen entsprechen. 5. Iterative Optimierung: Passen Sie die Prompts nach Bedarf an und wiederholen Sie den obigen Prozess. Je nach Bedarf können Sie flexibel eine AI2 auswählen, die näher am Geschäftsszenario liegt, wie z.B. Dune AI zur Generierung von Abfragen, Copilot Claude 3 zur Durchführung von Programmieraufgaben, Grok 3 zur Recherche und Organisation von Twitter-Informationen usw. Zum Beispiel war mein Prompt der ersten Phase: „ Ich muss das Handelsverhalten bestimmter Token auf der Solana-Chain analysieren und die Adressen finden, die innerhalb eines bestimmten Zeitrahmens: 1. Mehr als N Käufe getätigt haben. 2. Bei jedem Kauf einen Betrag von mehr als X Dollar investiert haben. 3. Einen Nettozufluss (Gesamteinkäufe - Gesamtausgaben) von mehr als Y Dollar aufweisen. 4. Nicht mehr als Z Verkäufe getätigt haben. Am Ende müssen diese Adressen detaillierte Informationen zurückgeben, einschließlich: - Wallet-Adresse - Nettozuflussbetrag - Anzahl der Käufe - Anzahl der Verkäufe - Ersthandelszeit - Letzte Handelszeit - Token-Adresse Bitte helfen Sie mir, diese Anforderungen in ein professionelles Prompt-Format zu übersetzen, das Dune AI verstehen kann, einschließlich aller notwendigen Muster und Parameterdefinitionen; verwenden Sie Englisch; relevante Datenbankdokumentation: (Ich habe hier die Beschreibung bereitgestellt) “ Danach habe ich die Prompts der zweiten Phase angepasst und Dune AI zur Generierung der Abfrage übergeben; die verwendeten Prompts der zweiten Phase habe ich im Kommentarbereich hinterlassen. Ich hoffe, dieser Artikel ist hilfreich für Sie. (Ja, dieser Artikel hat auch diese Technik verwendet, die Grafiken wurden alle mit AI generiert, die Syntax wurde mit AI erstellt und dann gezeichnet.)

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.