2023 年 4 月 7 日 21:00，「ChainBreaker Podcast」播客步履第四十六期拉开帷幕。本期直播潘致雄（ChainFeeds Co-Founder）连线区块先生 Mr. Block Chris、Mest Founder Ashu Chan、Max（Adaverse Asia Ecosystem Head），围绕「AIGC 在 Web3的利用」伸开深度盘问。

内容选录：

阿树：

咱们曾在Crypto Wallet行业责任了五六年，一直遭遇奈何向用户抒发链上数据的困扰。因此，咱们花了许多时辰计议奈何使用天然话语等文试验式抒发不同类型的链上数据。Crypto Wallet不错承载多种类型的链上数据，举例DID、金钱、NFT和DeFi。这些类型的数据很难在一个单一的窗口中抒发。因此，咱们一直在追求天然话语抒发的管理决策。直到ChatGPT出现，咱们以为这个东西变得相比可行。MEST想要管理的问题是奈何使用天然话语抒发链上数据，而ChatGPT是一个好的联接点。但早期，Mest主要在作念内容分发，ChatGPT还莫得出现。

如若莫得ChatGPT，咱们可能会使用更嚚猾的阵势模拟天然话语的抒发体式，但这种体式可能并不好，而咱们的责任，终点是手脚链上数据家具的责任，不错更专注于奈何生成有价值的链上数据。咱们之前作念了许多器具，如Dashboard，但刻下实足转向了话语交互这种体式，这是咱们的一个试点。

皇冠hg86a

在咱们的聚集会，这两者是两种不同的类型。咱们以为它们齐有特定的利用场景。图形界面终点适用于经由性场景，举例转站。它并不相宜用天然话语抒发。可是，一朝波及多种类型的数据信息抒发，天然话语即是最相宜的场景。最基本的例子是，当你想看一些数据时，现存的电商数据家具只可用图表或表格抒发，但在一个大型Dashboard中，很难识别任何信息。在一些组合家具中，你也可能会感到很复杂，因为它们要承载太多东西。可是，天然话语瑕瑜常相宜的。因此，对咱们来说，这种使用信息传达技巧的措施可能会有所不同。对于经由性的东西，咱们通过图形界面管理；对于信息传达和数据传达，天然话语的上风瑕瑜常彰着的。这对于区块链这个场景终点适用。

区块链的性格是公开，数据齐在那里。真实的问题是奈何利用这些数据，重新整合来找到所需要的谜底。Dune Analytics在Defi Summer变得终点的好用，因为全球运转知说念它在链上想要找什么数据。在Defi之前，Dune照旧存在了，但全球并不会终点用Dune来回得回它想要的一些资讯。刻下全球可能会透过MakerDAO的合约来了长远注解MakerDAO从2021年到刻下的区块高度内部Minting Fee赚了几许钱，然后不错交叉比对它跟Liquidity这种褂讪币所生成的Minting Fee永别有几许。用户不错用这些资讯去佐证他的一些臆度，考据他的一些投资的原因。但相同的，这个出现了一个问题，即是一个门槛，用户可能有一些想法，但他可能不会写MySQL，是以就无法创造出我方的一个Dune Dashboard。ChatGPT的问世后，让许多东说念主盘问出来一种阵势，致使不错用ChatGPT来写合约，致使用ChatGPT来作念Unity的游戏，或是一个轻便生成一个HTML Browser的Game。

是否不错异日通过天然话语去查询一些数据，生成一个Dune Page？有些器具刚好逍遥了这个要求，不错用天然话语去查询一个数据。但有个问题，即是这些数据高质料的这些表是从那处来的？必须有东说念主去把它从区块链这些无序的、可能莫得价值信息中索取有价值的数据，才能用天然话语去生成有价值的一个筹算出来。我以为这是长期是一个终点可行，可是在中短期，像数据办事商不错在中间诞生一个将这些区块链公开数据大体量的数据去抽取出有价值的筹算出来，去供用户去调理，这个是刻下相比可行的事情。咱们将眼赶赴链上数据有价值筹算，

如若将来有一又友对这方面感敬爱，当先要管理一个问题，那即是你要有特有的内容。完成了第一步之后，咱们要去给这些业务数据打标签，因为只须这些业务数据有有余多的话语信息花样，当用户输入天然话语时，咱们才能知说念奈何找到这个样的一个数据去整合给他复返。在这里，会有一个主见叫作念embedding，即是在GPT中，它有一个叫作念向量的主见，它将文本的话语改革成一个高维度的数字，然后进行匹配。刻下统统主流的对话式处理决策齐是按照这个想路进行的，当先给我方的数据打许多标签，这些标签或API需要记号上许多问题，比如“我有几许NFT”的问题，这个筹算可能需要咱们写上20条大要300条问法，咱们还不错用GPT匡助咱们生成100条雷同的问法，去把它给记号。只须这么，用户问任何一个对于NFT的问题，咱们才能很高概率地匹配上这么的一个数据。这是刻下统统作念对话式处理的中期阶段。

如若到了后期的话，相比联想的情况下，咱们有了数据，有了多数记号的内容，那么可能咱们会但愿在已有的模子上进行微调，比如在一个开源模子或GPT模子之上进行微调，让它成为一个专属范畴的AI。我以为咱们可能会按照这个想路分三个阶段去完了，第一阶段是稀有据，第二阶段是记号数据，第三阶段是向量匹配，然后再进行微调。

临了，咱们也在想考异日的发展，包括阿里巴巴也出了假话语模子，异日也会有更多这么的假话语模子。咱们正在跟踪这些发展，包括Facebook等齐有一些开源的话语模子，固然服从上和GPT还有些差距，可是看刻下这个发展的速率和武艺，他们也有契机和武艺能达到GPT3或3.5的水平。

统统作念链上数据家具的东说念主刻下边临的窘境是，全球齐基于公开数据开垦出莫得摩擦的家具。是以我以为，当你建议这个问题时，它的复杂度和逻辑复杂度可能会逐渐增长，可能会包含七种条款和一些嵌套的逻辑。在这种情况下，即使是GPT4也无法准确地得到一个百分之百准确的轨则，它可能还需要作念一些诊疗才能实足汇注用户体的问题。是以，在一些层面上，咱们还有卓绝的空间。

刻下只可作念到六七十分的景况，咱们需要计议的是这些词的向量模子，举例Word2Vec。奈何把柄区块链范畴的特色对它们进行诊疗？这可能亦然Mest会遭遇的问题之一。我其实想要聊聊Word Embedding，你们奈何默示区块链有关的词，以及在搜索方面奈何更好地履行。

皇冠客服飞机：@seo3687

当先，咱们确定需要我方多数的东说念主工参加，模拟用户可能会问的问题，然后匡助咱们生成一些问题，打上标签，然后链接参加分娩，让用户在这个过程中去交互，发现一些问题大要得回更多的数据，赞成咱们去优化这个标签，让匹配度更高。

潘致雄：

我想共享一下咱们使用ChatGPT的一些感受。咱们照旧调研了接近两个月，并尝试作念一些基于ChatGPT的表层器具链或利用。如若将ChatGPT遐想成一个有扩写武艺的东说念主，给他一些主题，他就不错生成一些著述。对于内容创作来说，这可能会提供一些匡助。可是，对于深度的计议或新兴行业的分析，它仍然存在许多不及之处，因为它短少信息库。因此，咱们使用ChatGPT更多地是为了将信息浓缩，需要给它有余多的高下文、关连或学问。当咱们给它这些学问后，再进行发问或抽取某些信息库中的信息，它的服从终点好。咱们刻下使用了两个相对流行的开源库：LlamaIndex。此外，咱们也在使用一个基于ChatGPT的平台，不错匡助咱们构建我方的数据库，举例PDF和其他良友和数据。在和ChatGPT对话时，咱们不错对数据进行预分类和预筛选，种植ChatGPT的服从。

随着它向北偏西方向移动，会朝哪些省市吹大风、泼大雨，又会给湖北带来多大的风雨影响？

我想举个例子来长远，假定咱们需要回话一个用户对于某个具体问题的猜忌，比如 ERC-4337 是什么。咱们当先需要从数据库中找到有关著述或内容，并对它们进行切分。举例，一个著述可能被切分红 2000 或 3000 Token 为一个单位。当用户建议问题时，咱们需要匹配每个单位和问题的有关度，并找到有关性较高的部分进行发问和回话。然其后匹配单位和问题，以得出相瞄准确度较高的部分。然后，咱们使用 ChatGPT 进行发问和回话，并从中追想得出谜底。

这种措施适用于学问类问题。可是如若用户问的是对于 Twitter 这么的短内容，咱们只可将问题与每条推特的镶嵌式轨则进行匹配，并把柄与问题有关性较高的推特进行发问和回话，并让 ChatGPT 进行追想。通过这种措施，咱们不错得出谜底。

刻下大多数东说念主工学问库和 ChatGPT 的大主义齐是这么的措施。天然，这种措施也存在一些问题，举例同义词的处理。为了种植准确性，不错使用向量默示法进行匹配和追想。在咱们的调试过程中，咱们发现了许多这么的问题，举例当一个问题波及到 ERC-4337 时，可能在其他著述中出现了 ERC-20 和 4337 这些数字。这就可能导致搜索轨则不够准确，因为匹配的是诞妄的内容。

对于 ChainBreaker

由 @mrblocktw、 @nake13、@momoxi17 主持的 ChainBreaker 播客，每周五晚上8点直播。

ChainBreak 播客主要和全球共享加密范畴的热门话题iba现金网，加密技巧的发展探讨，以及加密寰球的八卦等。