近日，加密数据查询网站?Dune?宣布更新其?LLM路线图，首期上线?GPT-4?支持的查询解释功能，后期将会逐渐增加更多功能，比如自然语言查询、SQL?语句转义和优化搜索等。
不同于其他数据分析网站付费查询商业化路线，Dune?在上线后始终对普通用户免费开放，因此在上轮的牛市周期沉淀了足够多的用户量，而?LLM?的加入，则有望使其沉淀的数据查询语句、看板转化为实际的杀手锏，并且引导普通用户加入创作者行列。
Dune?在其中最为引人注目，因为其提供了真正自由且强大的分析工具，任何人都可通过?SQL?语句进行对数据的查询、分享和展示，甚至部分项目直接选择?Dune?作为官方信息展示平台。
但是?Dune?的?SQL?查询功能，表面看是?UGC?模式，平等的赋予每一个用户权限去执行查询任务，但实际上?Dune?采纳的?SQL?模式存在两个问题，其一是门槛过高，SQL?是的简写，比如查询Uniswap上以?DAI?作为交易对的数量，仅仅需要?5?行代码即可完成。但是一旦执行查询的逻辑变得复杂，其代码量可能会大幅增加，非专业程序员很难自行写出，这导致大量用户只能成为看客。
例如，官方进行简化后的"nft.trades"查询流程，包含了近?20?万行的?SQL?语句转换、?10?万行的测试代码，并且由?55?个社区成员参与其中，单个用户无法处理如此大规模的任务。
其二是?Dune?的V1和V2版本的之间支持的?SQL?标准并不统一，V1和V2分别使用的?PostgreSQL?和?SparkSQL，后续计划由?DuneSQL?完成统一。
在本次升级?LLM?功能之前，Dune?已经在准备统一查询引擎，计划在今年?7?月份之后全部迁移至?DuneSQL，以保证产品逻辑的统一性。更新后的?DuneSQL?是基于开源查询引擎?Trino?的实现，Dune?对其进行优化，以适配?Dune?自身的需求，与流行的?SparkSQL?并无本质上的差异，更多是在具体函数和语法上的改进。比如?DuneSQL?提供了更多的运算符，方便快速对日期和时间进行计算，以及对管理权限进行限制，所有涉及对原始数据本身的删除、更新等操作均无法执行，以保证数据的安全性。
但是?SQL?查询门槛过高的问题，依旧无法通过更改?SQL?范式得到解决，这意味着大多数用户和程序员都要去适应新的语法格式，比如说针对具体的查询语句，新用户和程序员都要去适应。而对自动化工具的需求，不仅对于普通用户具备现实意义，对不熟悉新语法的程序员也大有裨益。
实际上，在迁移?DuneSQL?路线图中，Dune?已经在尝试实验自动化工具，可以将不同的语法格式统一转化为?DuneSQL?语句，而在?GPT-4使用?LLM?显示人机交互方面的威力后，Dune?也顺势推出自己的?LLM?计划。
LLM：解锁普通用户的参与感
Dune?的典型流程是解构链上数据，专业用户通过?SQL?执行查询，随后将看板分享给有需要的用户。在这个流程中，最关键的是执行查询，而大多数用户因为缺乏代码知识而无法使用查询功能。
知情人士：FTX曾与曼联和利物浦就1亿美元赞助协议进行谈判:金色财经报道，据知情人士透露，今年早些时候，FTX曾与曼联和利物浦就1亿美元的赞助协进行谈判，这些谈判突显了FTX曾想要扩大全球业务的雄心，以及为此投入大量资金的意愿。
目前，曼哈顿的联邦检察官已开始调查FTX的倒闭，包括其不明原因的80亿美元资金缺口。美国司法部(Justice Department)的破产监管机构已呼吁展开独立调查。SBF正面临集体诉讼和SEC的监管调查。（彭博社）[2022/12/8 21:31:25]
而在引入查询解释功能后，上述流程发生一些微调，在专业用户写的?SQL?查询界面，会出现解释页面，以自然语言的格式直观地告诉查看用户代码的具体作用，相当于给?SQL?查询添加一个解释说明的补丁，并不会改变当前的工作流程，这也是团队在吸取合并?SQL?语句时的教训，即降低对用户既有习惯的干扰，而是尽可能在现有流程优化体验。
在?LLM?加入后，一定程度上抹去了专业用户和普通用户的能力差异。借助?GPT-4?对代码的理解能力，可以让普通用户直观的理解查询语句的作用，而无需掌握?SQL?知识。在此功能引入前，用户只能被动的在看板页面阅读图表，而在引入查询解释功能后，普通用户也可以理解?SQL?代码是发挥作用的具体含义。
比如说?Alice?想要查询?LayerZero?交易的相关信息，那么她可以直接找到?Bob?已经制作好的?Dune?看板，可以发现?49.4%?的用户都集中在?1?次，那么?Alice?有理由推断说明这是为了潜在的经济刺激而进行的虚假交易，但是无法一锤定音，因此?Alice?决定去翻阅代码检查结论是否可靠。
但是?Alice?发现虽然结果只有?5?行数据，但是查询代码足足有?150?行，Alice?的?SQL?水平不足以确认每个语句的正确性，而此时查询解释功能则会“翻译”代码的具体说明，如图所示，查询分成了?3?个部分：收集数据涵盖了Arbitrum、Avalanche、BNB、Ethereum、Optimism、Polygon和Fantom等多条链，并且第二部分是计算每个用户的交易数量。第三部是针对数量设置阈值对用户进行分类：?1Tx','2~5Tx','5~10Tx','10~20Tx',和'>=20Tx'。
那么此时?Alice?可以在不理解?Bob?写的代码含义基础上去进行分析和判断。本质上，查询解释的功能相当于给代码和人类之间进行了一次转义和翻译，那么反过来，也可以将人类语言翻译成?SQL?语句，在?LLM?加持下，得益于?Dune?攒下的海量查询语句数据，这并不难实现。
自然语言查询就是?Dune?后续?LLM?改进的重要方向。自然语言查询可以让用户以传达指令的方式去执行图表生成任务，这比使用?SQL?语句、拖曳生成等模式更为符合普通人的思维方式，免去对实现细节的关注。
并且，自然语言查询并不是对专业用户，如分析师群体的替代功能，而是一种补强，现存的?Dune?有将近?70?万个图表，相当一部分的分析任务是重叠和冲突的，而使用自然语言查询，也有助于系统去理解图表之间的关联，从而进一步提升整个分析工作的效率。
在?LLM?加入后，现存图表、SpellBook?和文档数据也将被重新整合，效仿?OpenAI?的聊天机器人，Dune?也会开发对话机器人，帮助用户以更简易的方式去理解和利用现存的知识体系，而不需要受到不相关信息的干扰。
比如，Alice?可以将上述查询?LayerZero?用户交易量分布的情况逆置，先用英语发出查询指令，并且交代好每一步的工作流程，随后?Dune?会帮助?Alice?写好?150?行代码，随后生成图表。
结语：人人都能当数据分析师
Dune?的目标并不是建立一个单纯的链上数据分析平台，而是希望打造一个可以使信息自由流动的数据管道，允许用户抓取、转换、管理、查询、可视化以及利用数据去采取行动。
数据流动的前提是必须进行模块化，可任意组合和配置，最终建造社区共享的数据集，而不是集中在复杂的?SQL?语句或者付费?API?之内，最终达到人人都可和数据进行交互的平权图景。
概要而言，Dune?的?LLM?计划是“翻译”和助手，目标是让普通用户读懂数据所代表的一切，不仅是最终结果的展示，而是深入到生成过程之中，最终人人都可进行链上数据分析。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。