Với sự ra đời của AI, chương trình LLM mới ra mắt có trở thành tính năng sát thủ của Dune không?

Gần đây, Dune, một trang web truy vấn dữ liệu được mã hóa, đã thông báo cập nhật lộ trình LLM (Mô hình ngôn ngữ lớn, Mô hình ngôn ngữ lớn). Chức năng Giải thích truy vấn được hỗ trợ bởi GPT-4 sẽ được ra mắt trong giai đoạn đầu và nhiều chức năng khác sẽ dần được bổ sung sau này, chẳng hạn như truy vấn Ngôn ngữ tự nhiên (Natural Language Querying), thoát câu lệnh SQL (Query Translations), tìm kiếm được tối ưu hóa, v.v.

tiêu đề cấp đầu tiên

Khoảng cách truy vấn dữ liệu của Dune

Nhờ tính mở và minh bạch của dữ liệu blockchain, bất kỳ ai cũng có thể truy cập trực tiếp vào dữ liệu blockchain, nhưng dữ liệu thô (Raw Data) thường khó xác định và lập trình viên không chuyên cũng khó hiểu được ý nghĩa của nó, nhưng dữ liệu trên đó. chứa giá trị kinh tế to lớn, vì vậy nhiều công cụ phân tích dữ liệu khác nhau đã xuất hiện khi thời gian yêu cầu, cung cấp quyền truy cập gián tiếp và các công cụ phân tích chuyên sâu cho nhiều nhà phân tích, nhà nghiên cứu và nhà đầu tư bán lẻ thông thường.

Ví dụ, chính thức đơn giản hóa"nft.trades "Quá trình truy vấn bao gồm gần 200.000 dòng chuyển đổi câu lệnh SQL và 100.000 dòng mã kiểm tra và có sự tham gia của 55 thành viên cộng đồng.

Thứ hai là các tiêu chuẩn SQL được hỗ trợ bởi các phiên bản V1 và V2 của Dune không thống nhất, V1 và V2 sử dụng PostgreSQL và Spark SQL tương ứng và Dune SQL được lên kế hoạch hoàn thành việc thống nhất trong tương lai.

Trước khi nâng cấp chức năng LLM lần này, Dune đã chuẩn bị một công cụ truy vấn hợp nhất và dự định chuyển sang Dune SQL sau tháng 7 năm nay để đảm bảo tính thống nhất của logic sản phẩm. Dune SQL được cập nhật dựa trên việc triển khai công cụ truy vấn nguồn mở Trino. Dune tối ưu hóa nó để phù hợp với nhu cầu riêng của Dune. Không có sự khác biệt cơ bản nào so với Spark SQL phổ biến, nhưng có nhiều chức năng và cú pháp cụ thể hơn. Cải thiện. Ví dụ: Dune SQL cung cấp thêm các toán tử để thuận tiện cho việc tính toán ngày giờ nhanh chóng và hạn chế quyền quản lý, tất cả các thao tác liên quan đến xóa và cập nhật dữ liệu gốc đều không thể thực hiện được để đảm bảo an toàn dữ liệu.

Tuy nhiên, vấn đề về ngưỡng cao của truy vấn SQL không thể được giải quyết bằng cách thay đổi mô hình SQL, điều đó có nghĩa là hầu hết người dùng và lập trình viên phải thích ứng với định dạng cú pháp mới. Ví dụ: đối với các câu lệnh truy vấn cụ thể, người dùng và lập trình viên mới phải để thích nghi. Nhu cầu về các công cụ tự động hóa không chỉ có ý nghĩa thiết thực đối với người dùng thông thường mà còn mang lại lợi ích to lớn cho các lập trình viên chưa quen với cú pháp mới.

tiêu đề cấp đầu tiên

LLM: mở khóa ý thức tham gia của người dùng thông thường

Quy trình điển hình của Dune là giải cấu trúc dữ liệu trên chuỗi, người dùng chuyên nghiệp thực hiện truy vấn thông qua SQL, sau đó chia sẻ bảng điều khiển (Dashboard) với người dùng có nhu cầu. Trong quá trình này, điều quan trọng nhất là thực hiện truy vấn và hầu hết người dùng không thể sử dụng chức năng truy vấn do thiếu kiến ​​thức về mã.

Sau khi giới thiệu chức năng giải thích truy vấn, một số tinh chỉnh của quy trình nêu trên đã xảy ra, trong giao diện truy vấn SQL do người dùng chuyên nghiệp viết, một trang giải thích sẽ xuất hiện, cho biết trực quan chức năng cụ thể của mã người dùng ở định dạng ngôn ngữ tự nhiên , tương đương với việc thêm một truy vấn SQL. Bản vá được giải thích sẽ không thay đổi quy trình làm việc hiện tại. Đây cũng là bài học mà nhóm rút ra khi hợp nhất các câu lệnh SQL, tức là để giảm bớt sự can thiệp vào thói quen hiện có của người dùng, nhưng để tối ưu hóa kinh nghiệm trong quá trình hiện tại càng nhiều càng tốt.

Sau khi bổ sung LLM, sự khác biệt về khả năng giữa người dùng chuyên nghiệp và người dùng thông thường đã bị xóa ở một mức độ nhất định. Với sự trợ giúp của khả năng hiểu mã của GPT-4, người dùng thông thường có thể hiểu một cách trực quan vai trò của các câu lệnh truy vấn mà không cần nắm vững kiến ​​thức SQL. Trước khi giới thiệu chức năng này, người dùng chỉ có thể đọc các biểu đồ trên trang Kanban một cách thụ động, nhưng sau khi giới thiệu chức năng giải thích truy vấn, người dùng thông thường cũng có thể hiểu ý nghĩa cụ thể của mã SQL.

Ví dụ: nếu Alice muốn hỏi về thông tin giao dịch LayerZero, cô ấy có thể trực tiếp tìm Dune Kanban mà Bob đã tạo và thấy rằng 49,4% người dùng tập trung trong 1 thời điểm, vì vậy Alice có lý do để suy luận rằng điều này là tiềm năng kích thích kinh tế Tuy nhiên, không thể đưa ra quyết định cuối cùng, vì vậy Alice quyết định xem qua mã để kiểm tra xem kết luận có đáng tin cậy hay không.

Nhưng Alice nhận thấy rằng mặc dù kết quả chỉ có 5 hàng dữ liệu nhưng mã truy vấn lại có tới 150 hàng, trình độ SQL của Alice không đủ để xác nhận tính đúng đắn của từng câu lệnh, lúc này chức năng giải thích truy vấn sẽ “phiên dịch” mô tả cụ thể của mã, chẳng hạn như trong hình, truy vấn được chia thành 3 phần: dữ liệu được thu thập bao gồm nhiều chuỗi như Arbitrum, Avalanche, BNB, Ethereum, Optimism, Polygon và Fantom, và phần thứ hai là tính toán số lượng giao dịch cho mỗi người dùng (`sender`) . Bước thứ ba là phân loại người dùng bằng cách đặt ngưỡng cho số lượng: 1 Tx', '2 ~ 5 Tx', '5 ~ 10 Tx', '10 ~ 20 Tx' và '>= 20 Tx'.

Lúc này, Alice có thể phân tích và phán đoán mà không cần hiểu ý nghĩa đoạn mã do Bob viết. Về bản chất, chức năng giải thích truy vấn tương đương với một lối thoát và dịch thuật giữa mã và con người. Ngược lại, ngôn ngữ của con người cũng có thể được dịch sang các câu lệnh SQL. Với sự hỗ trợ của LLM, nhờ vào lượng dữ liệu câu lệnh Truy vấn khổng lồ, điều không khó để đạt được.

Truy vấn ngôn ngữ tự nhiên (Natural Language Querying) là một hướng quan trọng cho sự cải tiến LLM tiếp theo của Dune. Truy vấn ngôn ngữ tự nhiên cho phép người dùng thực hiện các tác vụ tạo biểu đồ bằng cách truyền đạt hướng dẫn, điều này phù hợp với cách suy nghĩ của người bình thường hơn là sử dụng câu lệnh SQL, tạo kéo và thả và tránh chú ý đến chi tiết triển khai.

Hơn nữa, truy vấn bằng ngôn ngữ tự nhiên không phải là sự thay thế cho người dùng chuyên nghiệp, chẳng hạn như các nhóm phân tích, mà là một bổ sung. Có gần 700.000 biểu đồ trong Dune hiện có và một phần đáng kể các nhiệm vụ phân tích bị chồng chéo và xung đột. Sử dụng truy vấn bằng ngôn ngữ tự nhiên cũng giúp ích hệ thống hiểu được mối quan hệ giữa các đồ thị, từ đó nâng cao hơn nữa hiệu quả của toàn bộ công việc phân tích.

Sau khi bổ sung LLM, các biểu đồ, SpellBook và dữ liệu tài liệu hiện có cũng sẽ được tích hợp lại.Theo ví dụ về chatbot của OpenAI, Dune cũng sẽ phát triển một chatbot để giúp người dùng hiểu và sử dụng hệ thống kiến ​​thức hiện có một cách dễ dàng hơn mà không cần phải phân tâm bởi những thông tin không liên quan.

Ví dụ: Alice có thể đảo ngược truy vấn phân phối khối lượng giao dịch người dùng LayerZero ở trên, trước tiên đưa ra lệnh truy vấn bằng tiếng Anh và giải thích quy trình làm việc của từng bước, sau đó Dune sẽ giúp Alice viết 150 dòng mã, sau đó tạo biểu đồ.

Kết luận: Mọi người đều có thể là một nhà phân tích dữ liệu

Mục tiêu của Dune không phải là xây dựng một nền tảng phân tích dữ liệu trên chuỗi thuần túy, mà là tạo ra một đường dẫn dữ liệu cho phép thông tin lưu chuyển tự do, cho phép người dùng nắm bắt, chuyển đổi, quản lý, truy vấn, trực quan hóa và sử dụng dữ liệu để thực hiện hành động.

Tiền đề của luồng dữ liệu là nó phải được mô đun hóa, có thể được kết hợp và định cấu hình tùy ý, cuối cùng xây dựng một bộ dữ liệu được chia sẻ bởi cộng đồng, thay vì tập trung vào các câu lệnh SQL hoặc API thanh toán phức tạp và cuối cùng đạt được quyền bình đẳng mà mọi người có thể tương tác với hình ảnh dữ liệu.

Tóm lại, kế hoạch LLM của Dune là một "bản dịch" và một trợ lý, mục đích là để người dùng bình thường hiểu mọi thứ mà dữ liệu thể hiện, không chỉ hiển thị kết quả cuối cùng mà còn đi sâu vào quá trình tạo và cuối cùng mọi người đều có thể làm được. Phân tích dữ liệu trên chuỗi.