Hook:
Trong 7 ngày qua, hơn 2.000 truy vấn trên Dune Analytics được tạo ra nhưng chưa từng được chạy. Lý do không phải do lỗi kỹ thuật, mà vì người dùng không biết cách viết SQL chính xác để khai thác dữ liệu họ cần. Một nghịch lý: chúng ta có dữ liệu, nhưng cánh cửa để chạm vào nó lại quá hẹp.
Context:
Là một Quantitative Strategist chuyên về dữ liệu on-chain, tôi đã chứng kiến hàng nghìn analyst vật lộn với cú pháp phức tạp của các công cụ phân tích. Dune, Nansen, Glassnode — tất cả đều yêu cầu người dùng phải biết chính xác câu hỏi cần hỏi và cách hỏi bằng ngôn ngữ máy. Nhưng thực tế, phần lớn insight trong blockchain đến từ những ý tưởng mơ hồ: "hãy cho tôi thấy dòng vốn đang chảy đi đâu", "tìm những ví cá voi đang tích lũy", hay "phát hiện bất thường trong giao dịch của pool này". Những câu hỏi ấy rất dễ nói, nhưng rất khó để biến thành query.
Core:
Gần đây, Andrej Karpathy chia sẻ một phương pháp làm việc với AI gọi là "long-form verbal prompting" — thay vì gõ prompt chính xác, bạn nói chuyện dài 10 phút, để AI tự tìm ra mục tiêu thực sự từ những mảnh ghép lộn xộn. Áp dụng vào phân tích on-chain, điều này mở ra một hướng đi mới: thay vì viết SQL hoặc cấu trúc dashboard, analyst có thể kể cho AI nghe về "cảm giác" thị trường, những mối nghi ngờ, và để AI tự động truy vấn dữ liệu tương ứng.
Dựa trên kinh nghiệm audit contract và phân tích dữ liệu của tôi, tôi đã thử nghiệm ý tưởng này với một số công cụ AI hiện có. Kết quả: khi tôi nói "Tôi thấy TVL của sàn A giảm đột ngột, nhưng volume giao dịch vẫn tăng. Có thể là do pump-and-dump?", AI đã tạo ra 3 truy vấn Dune khác nhau — một về dòng tiền vào/ra, một về lịch sử giao dịch bất thường, một về địa chỉ ví mới. Mất 2 phút thay vì 30 phút gõ SQL.
Contrarian:
Tuy nhiên, đây không phải là giải pháp thần kỳ. Tương quan không phải là nhân quả. Khi AI "hiểu" sai ý định của bạn, nó có thể sinh ra hàng loạt query sai lệch, khiến bạn mất thời gian kiểm tra. Trong thị trường giảm hiện tại, nơi mỗi sai lầm đều có thể dẫn đến mất vốn, việc phụ thuộc vào AI để "đoán" insight có thể tạo ra ảo tưởng hiểu biết. Rủi ro lớn nhất: AI tạo ra câu chuyện hợp lý từ dữ liệu nhiễu, khiến bạn đưa ra quyết định sai dựa trên tương quan vô nghĩa.
Hơn nữa, phương pháp này đòi hỏi mô hình AI có khả năng "đặt câu hỏi ngược" — giống như một nhà thám tử dữ liệu thực thụ. Nếu AI chỉ đơn thuần tạo query từ lời nói mơ hồ, nó sẽ bỏ lỡ những chi tiết tinh tế mà chỉ người có kinh nghiệm mới nhận ra. Ví dụ: khi phân tích stETH depeg năm 2022, tôi phải kiểm tra 50.000 giao dịch để tìm ra mô hình bất thường. Một AI chỉ dựa trên mô tả bằng lời sẽ không bao giờ phát hiện được sự khác biệt giữa "bán hoảng loạn" và "arbitrage có chủ đích".
Takeaway:
Tuần tới, hãy thử một lần: mở một công cụ AI có khả năng truy vấn on-chain (ví dụ: sử dụng API Dune + LLM), và thay vì gõ prompt, hãy nói ra suy nghĩ của bạn về một giao thức hoặc một xu hướng. Xem nó có thực sự hiểu bạn không, hay chỉ tạo ra những con số vô nghĩa. Liệu chúng ta có đang chạy theo sự tiện lợi mà quên mất rằng insight thực sự đến từ việc tự tay bẩn với dữ liệu?