Käsitsi tehtav DeFi-uuringud lähevad 2026. aastal kaduma: siin on AI-arhitektuur, mis neid asendab

See on minu otseütlemine: tõeline DeFi-uuringute ühendus ei soovi tunnistada tõde, millest räägime: enamik „uuringuid“ on väsinud teatrilisust. Keegi avab viis brauseri kaarti: DeFiLlama, Dune, protokolli dokumentatsioonileht, Twitteri lõime ja võimalikult Messari aruanne, vaatab kaks tundi silmi pisarates ja kirjutab 1200 sõna pikkuse analüüsi, mida nimetatakse „alpha“-ks. See ei ole alpha. See on väsinud musterühildumine, mis on riietud analüüsi kostüümisse.

Protokollid seda ei huvita. Turud eriti ei huvitu. Ja üha rohkem ei huvita seda ka masinad, kes teevad sama musterühildumise millisekundites.

Selge ja vaikne toimuv infrastruktuuri tasandil on aga vanade uuringute töövoogude struktuuriline lagunemine. Andmete kogumine, signaalide eraldamine, narratiivide süntees, võrdlev positsioneerimine – kõik see automatiseritakse. Mitte asendatakse – automatiseritakse. Ja kui sa mõistad ehitatava arhitektuuri, siis ei saa sa enam selle muutuse ohvriks, vaid hakkad sellest kasu saama.

See ongi see arhitektuur.

Vana „stack“ ei olnud kunagi tegelikult ühtne stack

Tänapäevane klassikaline DeFi-uuring oli fragmenteeritud, valulik ja sügavalt käsitsi protsess. Sa pidasid silmas nimekirju poole kümne erineva töölaua (dashboard) kaudu. Sa jälgisid 200 Twitteri kontot, lootuses, et olulised signaalid tõusevad müra peale. Sa lisasid Mediumi artiklid ja valitsemisfoorumi postitused oma järjehoidjasse, kuid neid ei külastatud kunagi tagasi. Sa ehitasid Notioni andmebaase, millest loobusid juba teisel kuul.

See ei ole isiklik nurjumine. See on struktuurne probleem. Krüptovaluutades sisenev info on mahukas, heterogeense ega vastasel moel müraline. Ükski inimene, kes töötab üksi või isegi väike meeskond, ei suuda säilitada tõelist katmist koos Layer 1’tega, L2’tega, DeFi alamprotseduuridega, sillainfrastruktuuriga, tokenoomikaga, valitsemisega, ahelas toimuvate vooludega ja makrofaktoritega. Mäng oli alati kujundatud selliselt, et eelis oli sellel, kellel olid paremad tööriistad.

Hedgefondid seda teadsid. Nad palgasid analüütikute kõrvale ka insenerid. Turg tuli aeglaselt samale järeldusele: uuringute kiht tuli täielikult ümber projekteerida.

Automaatika uus arhitektuur: nii näeb välja uus uuringute infrastruktuur

Automaatne DeFi-uuringute „stack“ ei ole üksainus tööriist. See on arvamuslik arhitektuur – kihtsüsteem, kus iga komponent annab järgmisele komponendile struktureeritud ja päritavaid väljundeid. Mõtle seda nii, nagu mõtleb kauplemissüsteemi arhitekt: igal kihil on üks ülesanne ning see edastab puhta andmestiku järgmisele kihi.

Neli kihti on: Sisend (Ingestion), Normaliseerimine (Normalization), Signaalide eraldamine (Signal Extraction), Süntees (Synthesis) ja Edastus (Delivery). Koos nad kordavad – ja ületavad – seda, mida kolm analüütikut suudaksid käsitsi teha, töötades pidevalt ja oluliselt väiksema viivituseta.

Kiht 1 – Sisend (Ingestion)

Kõik algab siin ja siin kukuvad enamik amatöörlike automaatikakatsete püüdlusi. Nad kasutavad mugavus-API-sid CoinGecko ja DeFiLlama REST-punkte ning segavad saadavust täielikkusega. Tegelik sisendkiht on laiem ja vastupidisem.

Ahela sisend tähendab arhiivisõlmede käivitamist või neile tellimist, kohandatud subgraph’i päringute täitmist ning sündmuste logide tarbimist blokkaupa. Sotsiaalsed sisendid tähendavad rohkem kui ainult Twitteri API-d – see tähendab Farcasteri cast’e, valitsemisfoorumi postitusi (Snapshot, Tally, Commonwealth), Discordi serveri eksporti ja Telegrami kanali logisid. Dokumentide sisend tähendab auditipdf’ide, valge raamatute, VC-investeeringute teadete ja regulaatorsete esituste parsimist.

Tulemus ei ole puhas andmekogum. See on struktureeritud kaos – ja Kiht 2 on täiesti mõeldud selle tõrjeks.

Kiht 2 – Normaliseerimine (Normalization)

Selle kihi tähtsus on alahinnatud. Toorandmed kahestkümnest erinevast allikast kasutavad kahekümne erinevat skeemat, kahekümne erinevat definitsiooni „protokolli nimes“, kahekümne erinevat ajatemplaadi vormingut. Messari ja DeFiLlama TVL-arvud ühe ja sama protokolli kohta ühel ja samal päeval erinevad sageli 8–15% võrra. Mõlemad pole valesti – nad mõõdavad erinevaid asju. Normaliseerimiskiht kaardistab iga siseneva kirje kanonilisse skeemi, lahendab üksuste nimed (kas „Uniswap V3“ on sama üksus nagu „UNI v3“ või mitte?), ühendab ajatemplad UTC-blokkajaega ja eemaldab duplikaadid lähtepunktide vahel.

Kui sa vahele jääd selle kihi, siis sinu signaalide eraldamine on jama. See on ebailus töö, kuid just siin saab arhitektuur oma usaldusväärsuse.

Kiht 3 – Signaalide eraldamine (Signal Extraction)

See on kiht, mida analüütikud varem tegelesid käsitsi oma silmadega iga homne kaks tundi. Nüüd käivitub see iga 15 minuti tagant kõrgsageduslike signaalide puhul, iga tunni tagant struktuursete signaalide ja iga päeva tagant trenditaseme mustrite puhul.

Signaalide eraldamine on kiht, kus kõige rohkem sobib klassikaline ML-anomaaliatuvastus, ajasarjade klassifitseerimine ja valitsemise sentimenti analüüseerivad NLP-klassifikatsioonid. Kuid üks hoiatus: enamik praktikuid üleinsenerib seda kihti. Hästi seadistatud z-skoora anomaliatuvastaja TVL-i puhul on tootmisel usaldusväärsem kui LSTM, millele on õpetatud kuus kuud müralisi andmeid. Selles kihis elegantne tähendab lihtsust, mitte keerukust.

Kiht 4 – Süntees (Synthesis)

Siin lõpetavad suured keelemudelid (LLM-id) olla novellid ja hakkavad olema infrastruktuuriks. Sünteesikiht võtab struktureeritud signaaliväljundid L3-st ja teeb seda, mida varem nõudis kogenud analüütik, kellel oli kolm aastat protokollispetsiifilist konteksti: ta ühendab punktid.

Hiiglasliku portfelli lahkumine laenupangast, valitsemisettepanek laenutasu tõstmiseks ja konkurentsi uue toote lancimine – ükshaaval on need faktid. Koos võivad nad moodustada teesise. Sünteesikihi ülesanne on panna see ühendus esile, väljendada seda loomulikus keeles ja kvalifitseerida seda sobiva kahtlusega. LLM ei tee kauplemisotsust; ta teeb kognitiivset kokkupanekutööd.

Kõige täielikumad rakendused kasutavad otsinguga täiendatud generatsiooni (RAG): LLM-l on ligipääs vektoriaandmebaasile, kus on salvestatud ajalooline protokolli käitumine, varasemad valitsemislahendused ja turutsüklite mustrid. Kui ta sünteesib uue signaaliklastrit, saab ta viidata sellele, mis juhtus viimased kolm korda, kui ilmnes sarnane muster. See on institutsionaalne mälu – automaatne.

Kiht 5 – Edastus (Delivery)

Väljundkiht on ainus, millega inimene igapäevaselt kokku puutub – ja see peaks olema kavandatud nii, et nõuda maksimaalselt vähe tähelepanu. Parimad rakendused saatavad kohandatud kokkuvõtteid sinna, kus uuringute tegija juba elab: struktureeritud Telegrami sõnum kell 7 hommikul, Notioni andmebaas, mis täidetakse automaatselt uute protokolli kirjetega, või Discordi bot, mis annab teateid ainult siis, kui usaldusväärsus ületab kindla läve.

Antimuster on dashboardi ehitamine. Dashboardid nõuavad inimeselt, et ta kusagile läheks. Hea edastusinfrastruktuur kohtab uuringute tegijat tema olemasolevas töövoogus ja annab tal sisu, mitte andmeid. Need sisud on paremini esitatud Tableau paneelide või hästi kirjutatud Notioni analüütikasisu näidetena.

Automaatsete uuringute machiavelliline tõde

See on osa, millest enamik infrastruktuuri kirjutisi mööda lähevad, sest see teeb neid ebamugavaks: automaatsete uuringute rakendamine loob asümmeetrilist võimu – ja just seda ongi eesmärk.

Bačis, Serbias, väikeses ajaloolises linnas, kus lihtsad inimesed elavad õnnelikku igapäevaelu – asub loss, mis saatis sajandeid käest kätte impeeriumide vahel. Bači loss ei säilinud, sest seal elanud inimesed palvetasid tugevamini kui nende vastased. Ta säilis, sest nad mõistsid paremini maastikku, logistikat ja aegumist kui igaüks, kes proovis seda võtta. Informatsiooniinfrastruktuur on tänapäeva ekvivalent lossi asukohale. Sa ei ehitagi uuringute „stack“-i, et olla parem inimene. Sa ehitad seda, sest alternatiiv on see, et keegi, kes selle juba omab, saab sind juba enne üle.

Hedgefondid, kes kasutavad automaatset ahela jälgimist, avastasid Euler Finance’i rünnaku enne kui protokolli oma meeskond seda avalikult tunnistas. Mitte sellepärast, et nad olid targemad – vaid sellepärast, et nende süsteemid jälgisid õiged ahela aadressid reaalajas ja ristkontrollisid neid koodibaasis teadaoleva turvaaugu klassiga. Just see on see, mida automaatne „stack“ võimaldab: süstemaatiline eelis kõikide üle, kes veel käsitsi lugema käivad.

Ebatäiuslik järeldus on see: kui sa teed 2025. aastal DeFi-uuringuid käsitsi, siis ei konkureeri sa teiste käsitsi uuringute tegijatega. Sa konkureerid fondide, kvantfondide ja üha paremini ressurssidega varustatud iseseisvate uuringute tegijatega, kes ehitasid selle infrastruktuuri 18 kuud tagasi ja on juba pikka aega vaikiselt sinu lõuna ära söönud.

Mis see tähendab isikliku uuringute tegijale

Hea uudis – ja see on hea uudis – on see, et selle „stack“ komponendid pole enam eksotilised. Sisendtööriistad on avatud lähtekoodiga. LLM-i API-d on ligipääsetavad. Normaliseerimistöö on valulik, kuid ühe inseneri jaoks teostatav kolme või nelja nädalavahetusel. Mõistlikult võimeline isik saab nüüd ehitada seda, mille koostamine krüpto-fondile maksis 2021. aastal 400 000 dollarit.

Oluline ülevaade tuleb ootamatu kohast. Väljasõidul Bači – selles väikeses serbialinnas – kooliõpilased korraldasid näitusi linna pärandist ja koostasid plaane mobiilirakenduse, veebisaiti ja virtuaalse teekonna kohta. Lihtsad inimesed lihtsas kohas, kes kasutavad saadaval olevaid tööriistu, et saavutada nähtavust, mida neil varem ei olnud. Tööriistad muutsid nende jaoks võimalikku. Samasugune loogika kehtib ka siin.

Isikliku uuringute tegija eelis institutsionaalse „stack“ üle ei ole kiirus. See on hinnang. Automaatne süsteem on väga hea selleks, et tuua esile anomaalsed nähtused. Aga ta ei suuda eristada seda, mis on anomaalne ja huvitav, ning seda, mis on anomaalne ja tähtsusetu. Selle eristamise jaoks on ikka vaja inimest, kellel on tõeline domeenialane veendumus – keegi, kes teab, miks ühe konkreetse protokolli valitsemisstruktuur teeb kindla signaali tähenduslikuks sellisel viisil, mille üldine mudel ei suuda.

Ehita „stack“. Anna talle oma veendumus. Las ta teeb töö. Reserveeri oma kognitiivne energia selleks, mida masinad veel ei suuda teha: hoolida õigesti asjadest.

Arhitektuur ei ole sihtkoht

Viimane märkus, ja seda on väärt selgelt öelda: siin kirjeldatud „stack“ on 18 kuu pärast aegunud. Mitte sellepärast, et põhimõtted on vale – põhimõtted kihtselt ehitatud sisendist, normaliseerimisest, signaalide eraldamisest, sünteesist ja edastusest on õiged ja jäävad õigeks. Aga konkreetsete tööriistade, konkreetsete API-de ja konkreetsete LLM-ide, mis toetavad Kihti 4, asemel tulevad paremad versioonid kiirusega, millel ei ole ajaloos uuringute infrastruktuuris mingit eelkuju.

Mis ei aegunud, on uuringute tegija, kes mõistab, miks arhitektuur on nii kujundatud. Kes teab, et normaliseerimine pole valik, et signaalide eraldamine nõuab humaansust mudelite keerukuse suhtes, et süntees on nii hea kui see kontekst, mille sa selle ümber oled ehitanud, ja et edastuse kujundus määrab, kas kogu süsteem tegelikult kasutusele võetakse.

DeFi-uuringute „stack“ automatiseritakse. See ei ole tõsine uuringute tegija jaoks oht – see on suurim tootlikkuse tõus, mille see valdkond kunagi näinud. Küsimus ei ole selles, kas sul on juurdepääs nendele tööriistadele. Sul on juba. Küsimus on selles, kas sa ehitad arhitektuuri enne, kui keegi teine ehitab selle sinu ümber.

Machiavelli sõnadega: parem on olla see, kes lossi projektib, kui see, kes saab väravateni ja mõtleb, miks ta sisse ei pääse.

Põhikokkuvõtted TL;DR

Mida automaatne DeFi-uuringute „stack“ tegelikult teeb

1. Käsitsi DeFi-uuringud on struktuurselt katki – ükski üksik analüütik ei suuda käsitsi tabide, Twitteri ja Notioni abil 200+ protokolli kohta sügavat ja tähendusrikast teadmist luua.
2. Automaatne „stack“ koosneb viiest kihist: Sisend (L1) → Normaliseerimine (L2) → Signaalide eraldamine (L3) → LLM-i süntees (L4) → Edastus (L5).
3. Normaliseerimine on otsustav kiht – kui seda vahele jääb, siis sinu signaalide eraldamine annab jama, sõltumata sellest, kui täiuslikud sinu mudelid on.
4. L4-is kasutatavad LLM-id on infrastruktuur, mitte novell – RAG-ga toetatud süntees vektoriaandmebaasile salvestatud ajaloolise protokolli käitumise põhjal loob tõelise institutsionaalse mälu.
5. Isikliku uuringute tegija eelis on hinnang, mitte kiirus – masinad tuuakse esile anomaaliad; inimesed otsustavad, millised anomaaliad on olulised.
6. Komponendid on täna juba ligipääsetavad – avatud lähtekoodiga sisendtööriistad, avalikud LLM-i API-d ja mõned nädalavahetused normaliseerimistööga on kõik, mida alustamiseks vajatakse.

Autor: Samuel Olaide Oba on DeFi-uuringute tegija ja tehniline kirjanik, kes katab Web3 infrastruktuuri, ahelas toimuvat intelligentsi ja arendajate tööriistu piirialasid. Pidev ehitaja ja kerget digitaalset nomadi eluviisi ellu viiv, avaldan oma tööd Mediumis ja GitHubis, kus aitan kaasa keerukate protokolliarhitektuuride ja selge, tegutseva kirjutamise vahelise lüügi ületamisele. Kui ta ei ole dokumendites, siis ta on kusagil ajatsoonide vahel.

Käsitsi DeFi-uuringud surevad 2026. aastal: siin on AI-arhitektuur, mis neid asendab, oli esmakordselt avaldatud Coinmonksis Mediumis, kus inimesed jätkavad vestlust, esiletõstes ja reageerides sellele lugu.