AI의 도입으로 새롭게 출시된 LLM 프로그램은 Dune의 킬러 기능이 될까요?

최근 암호화된 데이터 쿼리 웹사이트인 Dune은 LLM(대형 언어 모델, 대형 언어 모델) 로드맵을 업데이트한다고 발표했습니다. 나중에 자연어 쿼리(Natural Language Querying), SQL 문 이스케이프(Query Translations), 최적화된 검색 등

첫 번째 레벨 제목

Dune의 데이터 쿼리 격차

블록체인 데이터의 개방성과 투명성 덕분에 누구나 블록체인 데이터에 직접 접근할 수 있지만 원시 데이터(Raw Data)는 식별하기 어려운 경우가 많고 비전문 프로그래머가 그 의미를 이해하기 어렵지만 그 위에 있는 데이터는 경제적 가치가 매우 크기 때문에 시대적 요구에 따라 다양한 데이터 분석 도구가 등장하여 다양한 분석가, 연구원 및 일반 소매 투자자에게 간접적인 접근과 심층 분석 도구를 제공하고 있습니다.

예를 들어 공식 단순화"nft.trades "쿼리 프로세스는 20만 줄에 가까운 SQL 문 변환과 10만 줄의 테스트 코드를 포함하며 55명의 커뮤니티 회원이 참여하며 한 명의 사용자가 이러한 대규모 작업을 처리할 수 없습니다.

두 번째는 듄의 V1과 V2 버전에서 지원하는 SQL 표준이 획일적이지 않다는 점인데, V1과 V2는 각각 PostgreSQL과 스파크 SQL을 사용하고 있으며 듄 SQL은 향후 통합을 완료할 예정이다.

Dune은 이번에 LLM 기능을 업그레이드하기 전에 이미 통합 쿼리 엔진을 준비하고 있었고, 제품 로직의 통일성을 보장하기 위해 올해 7월 이후 Dune SQL로 마이그레이션할 계획이었습니다. 업데이트된 Dune SQL은 오픈 소스 쿼리 엔진 Trino의 구현을 기반으로 합니다. 예를 들어 Dune SQL은 더 많은 연산자를 제공하여 날짜 및 시간을 빠르게 계산하고 관리 권한을 제한하며 원본 데이터 자체의 삭제 및 업데이트와 관련된 모든 작업은 데이터 보안을 위해 수행할 수 없습니다.

그러나 SQL 쿼리의 문턱이 높은 문제는 SQL 패러다임을 바꾸는 것으로 해결할 수 없으며, 이는 대부분의 사용자와 프로그래머가 새로운 구문 형식에 적응해야 함을 의미합니다. 적응하기 위해. 자동화 도구에 대한 수요는 일반 사용자에게 실질적인 의미가 있을 뿐만 아니라 새로운 구문에 익숙하지 않은 프로그래머에게도 큰 이점이 있습니다.

첫 번째 레벨 제목

LLM: 일반 사용자의 참여 의식 잠금 해제

Dune의 일반적인 프로세스는 체인의 데이터를 분해하고 전문 사용자가 SQL을 통해 쿼리를 실행한 다음 필요한 사용자와 대시보드(Dashboard)를 공유하는 것입니다. 이 과정에서 가장 중요한 것은 질의를 실행하는 것이며, 대부분의 사용자는 코드 지식이 부족하여 질의 기능을 사용할 수 없습니다.

질의해석 기능을 도입한 후 위에서 언급한 과정의 일부 미세조정이 이루어졌으며, 전문 사용자가 작성한 SQL 질의 인터페이스에는 사용자 코드의 특정 기능을 자연어 형식으로 직관적으로 알려주는 설명 페이지가 나타납니다. , 이는 SQL 쿼리를 추가하는 것과 동일합니다. 설명된 패치는 현재 워크플로를 변경하지 않습니다. 이것은 SQL 문을 병합할 때 팀에서 배운 교훈이기도 합니다. 즉, 사용자의 기존 습관에 대한 간섭을 줄이되 최적화 가능한 한 기존 프로세스에서의 경험.

LLM 추가 후 전문 사용자와 일반 사용자의 능력 차이가 어느 정도 사라졌습니다. GPT-4의 코드 이해 능력 덕분에 일반 사용자는 SQL 지식을 습득하지 않고도 쿼리 문의 역할을 직관적으로 이해할 수 있습니다. 이 기능을 도입하기 전에 사용자는 Kanban 페이지에서 수동적으로 차트를 읽을 수 있었지만 쿼리 해석 기능을 도입한 후에는 일반 사용자도 SQL 코드의 구체적인 의미를 이해할 수 있습니다.

예를 들어 Alice가 LayerZero 거래 정보를 조회하고 싶다면 Bob이 만든 Dune Kanban을 직접 찾을 수 있고 49.4%의 사용자가 1시간에 집중되어 있음을 알 수 있으므로 Alice는 이것이 잠재 경제를 위한 것이라고 유추할 수 있습니다. 자극 그러나 최종 결정을 내리는 것은 불가능하므로 Alice는 결론이 신뢰할 수 있는지 확인하기 위해 코드를 살펴보기로 결정했습니다.

그러나 Alice는 결과가 5줄의 데이터에 불과하지만 질의 코드는 150줄임을 알게 됩니다. 그림과 같이 쿼리는 세 부분으로 나뉩니다. 수집된 데이터는 Arbitrum, Avalanche, BNB, Ethereum, Optimism, Polygon 및 Fantom과 같은 여러 체인을 다루고 두 번째 부분은 다음을 계산하는 것입니다. 각 사용자(`sender`)의 트랜잭션 수. 세 번째 단계는 1 Tx', '2 ~ 5 Tx', '5 ~ 10 Tx', '10 ~ 20 Tx' 및 '>= 20 Tx' 수량에 대한 임계값을 설정하여 사용자를 분류하는 것입니다.

이때 Alice는 Bob이 작성한 코드의 의미를 이해하지 못한 채 분석하고 판단할 수 있습니다. 본질적으로 쿼리 해석 기능은 코드와 인간 사이의 탈출과 번역에 해당합니다.인간의 언어도 SQL 문으로 번역될 수 있습니다.LLM의 축복으로 방대한 쿼리 문 데이터 덕분에 달성하기 어렵지 않습니다.

자연어 쿼리(Natural Language Querying)는 Dune의 후속 LLM 개선을 위한 중요한 방향입니다. 자연어 쿼리는 사용자가 명령을 전달하여 차트 생성 작업을 수행할 수 있도록 하여 SQL 문, 드래그 앤 드롭 생성을 사용하는 것보다 일반인의 사고 방식에 더 가깝고 구현 세부 사항에 주의를 기울이지 않습니다.

게다가 자연어 쿼리는 애널리스트 그룹과 같은 전문 사용자를 대체하는 것이 아니라 보완하는 것입니다. 시스템은 그래프 간의 관계를 이해하여 전체 분석 작업의 효율성을 더욱 향상시킵니다.

LLM 추가 후 기존 차트, SpellBook 및 문서 데이터도 다시 통합됩니다. 관련 없는 정보로

예를 들어 Alice는 위의 LayerZero 사용자 거래량 분포 쿼리를 뒤집고 먼저 영어로 쿼리 명령을 내리고 각 단계의 작업 흐름을 설명한 다음 Dune이 Alice를 도와 150줄의 코드를 작성하고 차트를 생성할 수 있습니다.

결론: 누구나 데이터 분석가가 될 수 있습니다.

Dune의 목표는 순수한 온체인 데이터 분석 플랫폼을 구축하는 것이 아니라 정보가 자유롭게 흐를 수 있는 데이터 파이프라인을 만들어 사용자가 데이터를 캡처, 변환, 관리, 쿼리, 시각화 및 사용하여 조치를 취할 수 있도록 하는 것입니다.

데이터 흐름의 전제는 모듈화되어야 하고, 임의로 결합 및 구성될 수 있으며, 복잡한 SQL 문이나 결제 API에 집중되는 것이 아니라 최종적으로 커뮤니티가 공유하는 데이터 세트를 구축하고, 최종적으로 모두가 상호 작용할 수 있는 평등한 권리를 달성하는 것입니다. 데이터 사진으로.

간단히 말해서 Dune의 LLM 계획은 "번역"이자 조수입니다. 목표는 일반 사용자가 최종 결과의 표시뿐만 아니라 생성 프로세스에 깊이 들어가서 최종적으로 데이터가 나타내는 모든 것을 이해하는 것입니다. 누구나 할 수 있습니다.온체인 데이터 분석.