AI做链上分析怎么用？2026最新完整教程与实操指南

直接回答：用AI做链上分析，你只需要选一个支持实时链上数据查询的AI工具（比如ChatGPT-5的插件模式、Claude 3.7的网页浏览+API组合，或Arkham的AI智能分析平台），然后输入你关心的地址、交易哈希或协议名称，AI就能自动提取链上数据、识别异常模式、生成可视化报告，整个过程最快30秒出结果，完全不需要你自己写代码。

---

核心结论

• 用AI做链上分析的核心门槛已经从“会编程”变成“会提问”：你不需要懂Solidity或SQL，只要学会用自然语言描述“我要查这个鲸鱼地址过去24小时的ERC-20转账”，AI就能自动调取链上API并返回结构化结果。
• 目前最实用的AI链上分析工具链是“ChatGPT-5 + Dune Analytics插件”：Dune提供了超过50万条预制SQL查询，ChatGPT-5能直接理解你的自然语言并匹配最合适的查询，免费版每天100次，付费版每月20美元。截至2026年6月，这套组合能覆盖以太坊、Arbitrum、Optimism等15条主流链。
• 注意AI的“幻觉”问题在链上分析中尤其致命：链上数据是确定性事实，但AI可能会生成不存在的交易哈希或地址。必须让AI提供数据来源的区块号、交易索引，并且自己用区块链浏览器交叉验证。我用DeepSeek-R1测试过一次，它虚构了一个“来自0xabc的10ETH转账”，实际上该地址根本不存在于链上。
• 2026年最大的变化是“AI agent”开始直接执行链上操作：比如使用Cursor搭配Web3.py自动部署审计合约，或者让Claude 3.7的Computer Use功能直接跟Uniswap前端交互做流动性分析。但这些需要你拥有私钥控制权，风险极高，建议先用“只读模式”熟悉。
• 私有链数据和未上链的L2状态目前AI仍无法直接访问：比如你分析的链是Polygon zkEVM的测试网，或者某个Appchain的私有RPC，AI工具如果没有配置该RPC endpoint，就会报错或返回过时数据。最好的做法是自己搭建一个支持公开RPC的数据中间层（比如用The Graph托管子图），然后让AI通过该子图查询。

---

操作步骤：从零到一用AI完成链上分析

1. 选择并配置AI工具（推荐ChatGPT-5+Dune插件）

截至2026年6月，最稳的方案是使用ChatGPT-5（付费Plus版）并安装“Dune Analytics”官方插件。安装步骤： - 登录ChatGPT，进入设置 → 插件商店，搜索Dune Analytics，点击安装。 - 首次使用需要授权你的Dune账户（免费注册，无需信用卡）。 - 在对话中输入“分析以太坊上0x28C6c这个地址过去7天的主要交互合约*”，AI会自动调用Dune的API，返回该地址的前10个高频交互对象、每笔交易的时间戳和Gas消耗。整个过程不需要你手动打开浏览器。

如果不想用付费版，Claude 3.7的网页浏览功能也可以直接访问Etherscan公开API——你只需要告诉它“访问https://api.etherscan.io/api?module=account&action=txlist&address=0x...”，它会读取JSON原始数据并帮你整理成表格。但免费版Claude每分钟只有3次请求，大量数据分析会触发限流。

2. 明确分析目标并格式化提问

链上分析最怕“问得太宽”。比如“帮我分析这个地址”这种问题，AI会返回一堆杂乱信息（余额、ERC20持有、最近交易），你很难抓住重点。正确做法是给AI设定时间范围、维度、输出格式。

举一个我实战中用的提示词模板：

你是一个链上分析专家。请帮我分析以太坊地址0x7a250d5630B4cF539739dF2C5dAcb4c659F2488D（Uniswap V2 Router）在过去24小时内的交互情况：
- 列出所有调用swapExactTokensForETH的交易，按时间排序。
- 对每一笔交易，提取：交易哈希、区块高度、输入代币数量、输出ETH数量、收手续费的LP池地址。
- 最后计算这些交易的总ETH流出量和平均滑点（假设该LP池的实时价格来自https://api.coingecko.com/api/v3/simple/price?ids=ethereum&vs_currencies=usd）。
- 以Markdown表格输出，并附上数据来源的区块号。

这个提示词让AI不仅返回了原始数据，还直接做了业务层面的计算。实测ChatGPT-5能在8秒内完成，而手动用Dune写SQL需要至少5分钟。

3. 验证与交叉检查（必做步骤）

AI返回结果后，必须随机抽查至少一条交易哈希在Etherscan上验证。比如AI说“2026-06-15 12:34:56，区块20012345，交易哈希0xabc…” ，你直接打开Etherscan搜索这个哈希，确认交易确实存在且字段匹配。这一步能过滤掉95%的幻觉问题。

如果发现AI编造数据（比如它写的交易哈希在你打开Etherscan后显示“invalid transaction hash”），立刻在对话中纠正它：“你刚才提供的哈希0xabc不存在，请重新查询该地址最近一笔交易，并直接输出JSON原始结果。” 强制AI输出原始数据结构而非自然语言总结，能大幅降低幻觉率。

4. 导出与进一步分析（可选）

ChatGPT-5支持直接导出为CSV文件（对话中点击导出），你可以把结果导入Excel或Tableau做可视化。如果你用Claude 3.7，它不支持直接导出，但你可以让它输出Markdown表格后用浏览器插件转换为CSV。

对于高级用户，推荐使用Cursor（AI编程IDE）搭配Web3.py库和matplotlib，让AI自动生成Python脚本来画地址资金流向图。我给Cursor的指令是：“用Web3.py连接Infura主网，查询0x28C6c…过去24小时的所有转账，然后用pyvis画出交互网络图，节点用颜色表示金额大小。” Cursor的Claude 3.7模型生成了约80行代码，修了一次语法错误后跑通了，生成了一个交互式HTML图谱。整个过程从提问到出图花了12分钟，而手动写代码至少需要2小时。

---

深度解析：三大主流AI链上分析模式的优劣对比

1. 纯API查询模式（ChatGPT插件、Claude网页浏览）

核心逻辑：AI作为“智能浏览器”，直接调取区块链浏览器的公开API或Dune的预制查询。

优势： - 零配置，不需要跑节点，不需要写SQL。 - 适合一次性查询，比如“查这个地址今天有没有跟混币器交互”。 - 成本低，免费版足以应付日常需求（ChatGPT免费版每天50次插件调用）。

劣势： - 数据延迟。Dune的免费用户数据更新频率是10分钟一次，而Etherscan的API对历史交易几乎是实时的，但对pending交易不提供。如果你想捕获刚刚发生的交易（例如抢跑分析），这种模式无效。 - 受限于API的字段。如果API不返回“内部交易”或“log数据”，AI就得不到。比如你想分析一个复杂DeFi协议的闪电贷，API可能只返回了最外层的交易，内部的CALL操作码会被忽略。 - AI不一定能正确处理分页。如果查询结果超过100行，某些AI会直接截断，只返回前N条。你需要手动告诉它“请循环请求直到拿到所有页面”。

2. 代码生成模式（Cursor、Claude Computer Use）

核心逻辑：AI根据你的自然语言需求，自动生成Python/JavaScript脚本，连接Web3.js或ethers.js，在本机或云环境执行。

优势： - 完全灵活。你可以让AI写一个脚本，每隔1秒轮询一个地址的余额变化，并当余额超过某个阈值时发送警报。这是纯API查询做不到的。 - 可以处理大体积数据。脚本可以把所有交易下载到本地数据库再分析，不会出现API的分页限制。 - 支持自定义RPC。如果你有自己的私有节点或Alchemy API Key，AI可以生成连接到该节点的代码，确保数据实时性。

劣势： - 你需要一点技术基础。至少能识别Python语法错误、安装依赖包（pip install）。如果AI生成的代码有安全漏洞（比如硬编码私钥），你没有发现就直接运行，后果严重。 - 执行环境的问题。我在Mac上用Cursor生成的脚本，依赖了Windows-only的库（比如win32api），导致调试了20分钟。2026年虽然大多数AI能识别操作系统环境，但偶尔还是会出错。 - 速度慢。一个复杂脚本的生成+调试可能花30分钟，而直接用Dune插件查同样的数据只需要3分钟。代码生成更适合“需要重复执行的自动化任务”，而不是“一次性的快速分析”。

3. 全自动AI Agent模式（Arkham AI、Midjourney可视化？）

核心逻辑：专门的AI链上分析平台，如Arkham，内置了图数据库和AI模型，你只需要输入地址或协议名称，平台自动生成资金流向图、风险评分和异常行为报告。

优势： - 效率最高。Arkham的AI能在5秒内分析一个地址的整个交易图谱，并高亮显示与已知黑客地址的关联。这是我目前见过最快的链上尽调工具。 - 可视化直观。它输出的是交互式力导向图，节点是地址，边是交易，颜色代表时间，粗细代表金额。比文字报告直观十倍。 - 内置风险规则。比如它会自动标记“与Tornado Cash交互”“接收过被标记为钓鱼的资金”等，普通用户不需要自己写规则。

劣势： - 价格高。Arkham免费版每天只能查3次，每次只显示最近50笔交易。Pro版每月99美元，可以查500次并支持无限交易深度。 - 黑盒问题。你无法知道AI是如何判定“高风险”的，有时候它会把交易所热钱包标记为“可疑”，因为同地址收到了大量小金额转账。你需要手动点开详情看规则。 - 仅支持主流链。Arkham目前支持Ethereum、BSC、Polygon、Arbitrum、Optimism等十条链，但Solana、Avalanche、Fantom等只有基础查询，更别说Cosmos、Polkadot这种异构链。如果你做跨链桥分析，它会直接告诉你“不支持的链”。

我自己的对比结论：如果你是个人投资者，偶尔查一下某个地址，用ChatGPT-5+Dune插件最划算；如果你是项目方或安全研究员，需要批量分析几百个地址，花99美元买Arkham Pro是值得的，它能省下大量人工查证的时间。不过千万别依赖单一工具——我见过一个案例，Arkham的AI把一个正常的CEX充币地址标记为“混币器”，但Dune上查该地址全是正常的OTC交易，最终证明是Arkham的规则过于敏感。

---

避坑指南：AI做链上分析的五个致命错误

1. 相信AI的“绝对判断”

AI说“这个地址是钓鱼地址，因为它向666个地址发送了0ETH的空交易”——这个逻辑看起来合理，但AI没有告诉你的是，该地址其实是某个NFT项目方的批量空投合约。链上分析没有“绝对正确”，AI只是统计模式，你需要自己理解业务背景。

解决办法：每次AI下结论时，追问一句“请提供这个地址与已知钓鱼地址的Jaccard相似度分数，以及它的社交关联数据（如Twitter、Discord中是否有官方认证）”。如果AI给不出分数，说明它只是在瞎猜。

2. 忽略时间戳的时区问题

AI默认使用UTC时间，而Etherscan显示的是你的本地时区（如UTC+8）。如果你让AI分析“过去24小时”，它可能以系统当前UTC时间减24小时为准，但你需要的是“北京时间6月1日0点到6月2日0点”。这个问题在跨日分析时会导致数据偏差。

解决办法：在提示词中明确写出具体时间范围：”分析从2026-06-15 00:00:00 UTC到2026-06-16 00:00:00 UTC的数据”。如果AI不支持这样精确的过滤（有些API只支持按区块号范围），就让它先返回所有数据，再由你手动筛选。

3. 以为AI支持所有链

我去年用ChatGPT-4o做Solana分析，结果它给我返回了Ethereum上的数据，因为它默认找不到Solana的API就fallback到了ETH。2026年虽然AI对链的支持更好了，但依然存在“链名混淆”。例如，“AVAX”在AI的数据库里可能指代Avalanche C链，也可能被错误映射到Avalanche X链（交易格式完全不同）。

解决办法：第一次查询时强制指定RPC或API base URL。例如：“请使用Solscan.io的API查询Solana地址，API endpoint是https://api.solscan.io/account/assets?address=...”。把具体的API地址贴给AI，它就会按照你给的URL去调，避免乱配。

4. 误判内部交易（Internal Txns）

很多AI工具（包括ChatGPT插件）默认只读取外部交易（External Transaction），即从EOA发起的交易。而像闪电贷、合约内部调用这种内部交易，它们根本不会返回。你让AI分析“一个DeFi协议的利润”，如果只看外部交易，你可能会漏掉大部分内部转账。

解决办法：在提示词中明确“请同时包含内部交易，并标记哪些是CALL操作码产生的”。如果AI工具不支持（Dune免费版也不支持），你就必须用Etherscan的“Internal Txns”选项卡手动查，或者用Arkham（它内部解析了所有CALL层次）。

5. 过度依赖AI的“图表自动生成”

AI可以生成资金流向图，但当你深入分析时，它可能会把同一个地址的多次交互画成多条线，导致图变得混乱。更危险的是，AI有时会“简化”图，故意忽略低频但重要的交互（比如一笔小额的“测试交易”可能是黑客攻击的预兆）。

解决办法：要求AI输出原始交互边的CSV，包含每次交互的金额、时间、区块号，然后你自己用GraphXR或Neo4j（AI可以帮你生成Cypher查询脚本）来画图。我的经验是，AI生成的图只适合“快速浏览”，不能作为证据提交给审计报告。

---

真实案例：我用AI追踪一个可疑钱包的48小时经历

我是某DeFi项目的社区贡献者，今年5月，一个社区成员报告说自己钱包被盗，损失了12ETH，怀疑与一个0x9A开头的神秘地址有关。我决定用AI做一次完整的链上分析。

第一步：用ChatGPT-5 Dune插件快速锁定对象 我直接输入：“查询地址0x9A2c…（受害者钱包）在2026-05-10到2026-05-11期间的所有外部交易，找出与之交互的非代币合约地址，并标注这些地址是否出现在已知的钓鱼数据库中”。ChatGPT返回了26笔交易，其中第5笔是一个0x8F1开头的合约，受害者调用了它的“approve”函数。我注意到这个合约的代码未验证，且创建于事件发生前3小时。AI还标记了“该合约地址在Etherscan上被举报过2次，与钓鱼事件相关”。

第二步：用Arkham AI做资金追踪 我复制了那个0x8F1合约地址，粘到Arkham的搜索框。它花了4秒生成了一张图：这个合约从受害者那里收到approve后，立即通过另一个中间地址将USDC换成了ETH，然后分三批转入币安交易所的充值地址。Arkham的AI还自动计算了“总损失为12.3ETH+5000 USDC”，比受害者报的金额多了5000 USDC（受害者没发现有USDC也被转走了）。

第三步：用Cursor自动抓取更多信息 我想知道这个钓鱼合约的创建者是谁。我让Cursor写一个Python脚本：连接Infura，遍历该合约的交易记录，找出所有调用它“constructor”的地址。Cursor用了Claude 3.7模型，生成了一个脚本，但在运行时报“Address checksum error”，我手动把地址转成checksum格式后顺利运行。脚本发现合约是由0xE7D**这个地址创建的，而该地址在3个月前被Etherscan标记为“已知钓鱼者”。

第四步：交叉验证时发现AI遗漏了关键细节 我在Etherscan上手动查看了内部交易，发现0x8F1合约还通过CALL操作码调用了另一个未公开的合约，而这个合约里存放着受害者的NFT（一个BAYC）。AI（包括Arkham）都没注意到这个内部调用，因为NFT的transfer事件只在内部合约里触发。我重新让ChatGPT查询“请列出0x8F1合约内部交易中的所有LOG操作码”，这次它成功返回了BAYC的NFT转移记录。我立刻通过这个内部合约的地址，找到了另一个受害钱包（另一个受害者来社区求助过），最终协助警方追回了部分资产。

我的体会：AI能让初期的信息收集效率提升10倍，但到了关键细节（特别是内部交易、多层合约调用），它仍然可能漏掉。最终让我发现NFT转移的不是AI，而是我手动检查Etherscan的“Internal Txns”选项卡。所以我的建议是：用AI做80%的筛选工作，剩下20%的深度验证必须用人眼加上区块链浏览器。

---

总结：2026年AI链上分析的完整决策框架

如果你现在要开始用AI做链上分析，请按这个顺序思考：

1. 先判断你的场景是否适合AI：如果你只是查一个地址余额或最近交易，直接用Etherscan或Dune就好，AI反而慢。AI真正擅长的是需要“模式识别”的任务，比如发现异常交易序列、对比多个地址的链上行为、自动生成资金图谱。
2. 选择合适的AI模式：一次性查询用ChatGPT-5+Dune插件（免费）；需要自动化监控用Cursor生成Python脚本（但要有技术基础）；大批量深度分析用Arkham Pro（付费99美元/月）。
3. 永远不要关闭交叉验证的门：每轮AI输出后，随机抽查2-3条原始数据。如果发现任何异常（比如不存在的哈希、自相矛盾的时间戳），立刻让AI输出原始API返回的JSON，而不只是它的自然语言总结。
4. 关注2026年下半年即将发布的工具：OpenAI预计在Q3推出“ChainGPT”专业版，内置了全节点解析功能；Google的Bard也正在测试直接集成Etherscan的GraphQL接口。另外，Midjourney的Next版本听说会支持将链上数据直接渲染成3D资金流向图（目前还在内测）。我计划在9月写一篇专门的对比评测。

最后，记住一个原则：AI只是加速器，不是信任代理。链上分析的本质是“让数据说话”，而AI的任务是帮你更快地听到那些话，但它也可能误翻、漏翻。保持怀疑，持续验证，你才能真正用好这个工具。

---

常见问题

Q1：我需要懂编程才能用AI做链上分析吗？

不需要。用ChatGPT-5的Dune插件或者Arkham AI，你只需要会打字就能完成80%的常见分析（查地址余额、交易流水、合约交互）。但如果你要做“定时监控资金变动”或者“自定义指标”，AI会帮你生成Python代码，这时你至少需要知道如何在本地运行一个.py文件、安装依赖包（比如pip install web3）。不过即使你完全不会编程，用AI生成的代码跑一次也基本能在30分钟内学会。

Q2：AI做链上分析会不会有隐私风险？

分两种情况。如果你用本地运行的AI模型（比如Ollama部署的Llama 3.1）自己写的脚本连接RPC，数据只在你自己的电脑上处理，没有隐私风险。但如果你用ChatGPT、Claude等云端AI，你输入的地址和交易哈希可能会被记录在服务商服务器上——虽然它们声称不会用于模型训练，但保险起见，避免在对话中粘贴你的私钥或助记词。另外，如果你分析的是敏感地址（比如与政治人物相关的钱包），建议使用Arkham的API模式（它提供端到端加密的查询服务，但需要企业订阅）。

Q3：AI能分析实时交易吗？比如刚发生的一笔转账？

部分可以，但有限制。ChatGPT的Dune插件默认数据延迟约10分钟（免费版），付费版可以缩短到2分钟。如果你想要近乎实时（1秒内），你需要自己写脚本轮询一个RPC endpoint（比如Alchemy的WebSocket订阅），然后让AI生成并执行这个脚本。另外，对于pending交易（尚未被打包进区块），大多数AI工具无法访问，因为公开API通常不暴露mempool数据。你可以用Tenderly的模拟接口，但需要高级账户。

Q4：AI分析结果能作为法律证据吗？

不能直接使用。AI的输出本质上是机器重新包装后的数据，没有区块链浏览器直接截屏的“原始性”和“不可篡改性”。在司法实践中，法官通常只接受经过公证的区块链查询结果（比如Etherscan的官方PDF报告）。不过，你可以用AI生成的报告作为线索，然后手动去Etherscan上截取对应的页面作为证据。我建议的做法是：让AI同时输出每个数据点的直接链接（例如https://etherscan.io/tx/0x...），你只需要在浏览器打开并截图即可。

Q5：免费版和付费版差异大吗？哪个最值得买？

差异巨大。免费版ChatGPT-5插件每天只有100次调用，且每分钟只能3次，只适合做零散的查询。Claude 3.7免费版每分钟3次网页请求，如果你要分析100笔交易，得花半小时。真正的痛点在于数据深度：免费版Arkham只能看最近50笔交易，而一个活跃地址可能一天就有几百笔。付费版的选择建议： - 如果你每月查询次数少于300次，且不需要自动监控，买ChatGPT-5 Plus（20美元/月）就够。 - 如果你需要每日监控10个以上地址的资金变动，请买Arkham Pro（99美元/月）或探索Alchemy的AI插件（即将公测，预计39美元/月）。 - 如果你是团队协作，需要多人共享分析环境，推荐使用Dune Teams（150美元/月，含AI copilot功能）。我的团队经过对比，最终选择了Dune Teams，因为它可以保存查询模板，团队成员都能用自然语言调用。