“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.)

Fase Dois Prompt Esquema: `dex_solana.trades` Atributos do Esquema: block_time: timestamp, timestamp UTC da negociação amount_usd: double, valor USD não assinado do token negociado token_bought_mint_address: string, se token_mint_address aqui, então a negociação é identificada como compra token_sold_mint_address: string, se token_mint_address aqui, então a negociação é identificada como venda trader_id: string, endereço da carteira token_ Entradas Requeridas: token_mint_address: string, endereço mint do token solana para filtrar; data_inicio: data, hora de início; data_fim: data, hora de fim. Ambos em horário UTC; min_num_buys: número, número total mínimo de compras dentro do intervalo de tempo; min_amount_per_buy: número, valor mínimo para cada compra, em USD; min_net_inflow: número, valor mínimo somando o fluxo de entrada (total de compras - total de vendas), em USD; max_num_sells: número, número total máximo de vendas dentro do intervalo de tempo; Saída Requerida: wallet_address: strings, endereços de carteira que correspondem aos campos acima. net_inflow: número, fluxo total assinado num_buys: número, número de compras dentro do intervalo de tempo num_sells: número, número de vendas dentro do intervalo de tempo first_trade_datetime: data, data e hora da primeira negociação dentro do intervalo de tempo last_trade_datetime: data, última negociação dentro do intervalo de tempo token_mint_address: string Escreva o SQL para mim, dadas as exigências acima. Envolva os parâmetros de entrada usando chaves duplas {{}} nas linhas SQL como marcadores.