Space and Time最近宣布发布 OpenAI 聊天机器人 Houston，用户可以在 Space and Time Studio 上与之交互。 Houston 利用 GPT-4 和 ChainML 允许用户根据自然语言提示生成 SQL、Python 脚本、仪表板等。

这篇博文改编自最近的播客节目，其中 Space and Time 首席技术官兼联合创始人 Scott Dykstra 采访了 ChainML 创始人兼首席执行官 Ron Bodkin，讨论了休斯顿的能力、生成式 AI 的未来以及两者之间的合作关系项目。

**Scott Dykstra：**我是 Space and Time 联合创始人兼首席技术官 Scott Dykstra，我和 ChainML 首席执行官兼创始人 Ron Bodkin 在一起。 Space and Time 一直在与 ChainML 合作开展大量工作，将文本到 SQL 的 AI 集成到 Space and Time 中。也就是说，ChainML 实际上提供了一个对话式 AI 引擎，Space and Time 在我们的聊天机器人中使用了该引擎。如果没有 ChainML 团队以及 Ron 和他的工程团队的帮助，我们在聊天机器人方面将面临很大的挑战。因此，Ron 提供的是企业级对话人工智能引擎，我们已将其集成到我们的应用程序中。与 ChainML 合作是一次非常有趣的经历，ChainML 也是我们在 Chainlink BUILD 计划中的另一个合作伙伴。罗恩，很高兴见到你。

**罗恩·博德金：**很高兴今天在这里与您交谈，斯科特，我们非常高兴与您在休斯顿合作。你知道，我们认为 Space and Time 确实是应用对话式人工智能使应用程序更有用的创新者。休斯顿正在使获得客户支持和提出问题变得容易，而不仅仅是文档，甚至生成代码以方便与数据库和支持技术集成，并轻松使用空间和时间数据库进行分析，以便用户可以可视化数据，甚至进行预测。你知道，这里面有很大的力量。我们看到越来越多的项目意识到通过生成式人工智能添加这些功能非常重要。您知道，我们感到兴奋的事情之一是我们的引擎可以轻松地将这些更复杂的用例分解为小型代理，这些代理可以一起协作并真正交付结果。我当然很高兴谈论我们如何合作以及我们如何实现这一目标。

**Scott：**是什么让 ChainML 专注于对话式人工智能？ ChainML 这段旅程的起点是什么？

**Ron：**作为一个团队，我们 ChainML 的人已经在人工智能领域工作了很多年，所有领导团队都在人工智能领域工作了十多年。而且，您知道，多年来我们一直对大型语言模型的强大功能感到兴奋。我对此感到兴奋，并在 Google Cloud CTO 办公室与大客户合作时利用它。当我去 Vector Institute（加拿大领先的人工智能研究机构之一）并与一些大型行业客户合作时，我们正在帮助他们研究如何使用这些模型来提供客户支持以及与客户互动。而且技术正在变得越来越好。因此，我们开始与 Web3 客户交谈，并询问“围绕人工智能所做的哪些事情让您感到兴奋？”我们看到人们对改善用户访问数据的体验非常感兴趣。我们构建了一个小型黑客马拉松演示来展示我们所兴奋的事情，斯科特，你看到了，也许我会让你描述一下接下来发生的事情。

**Scott：**是的，我认为 ChainML 在聊天机器人中提供的功能给我们留下了深刻的印象，例如根据区块链数据进行预测、围绕意图路由的功能，就像我要求在聊天机器人中执行某个操作一样。聊天机器人，ChainML 很好地弄清楚了意图是什么，并将我的请求路由到适当的后端来满足该请求，无论是文本到 Python 应用程序还是文本到 SQL 应用程序，还是预测模型，或者，你知道，可能即将推出一些更复杂的功能。询问有关《时空》文档的问题。您认为这将走向何方？您认为 ChainML 在 AI 和 Web3 的交叉点上继续构建什么？

**罗恩：**我们很兴奋！我们正在准备该引擎的开源版本。所以这很快就会到来。这将使更多的人能够构建一些强大的体验。显然，随着越来越多的 Space and Time 客户开始使用休斯顿，我们感到很兴奋，并表示，我们如何扩展它并在代理中添加我们自己的一些技能和功能，以使其能够很好地适合我们的用例。这些都是我们想做的重要事情。您知道，我们认为，行业越来越多地转向如何不只是构建演示？嘿，您可以构建一个调用 GPT-4 并执行一些有趣操作的演示。但是如何构建可以部署的健壮的东西呢？如何做到这一点才能真正对它返回的答案充满信心，并进行事实检查和获取参考资料等事情？如何使用不同的模型和日益强大的开源模型来准备信息并验证它？与最强大的商业模型（如 GPT-4 和 Claude）配合，可以产生真正高质量的结果。所以我们认为这很重要。

下一步将开始进行多式联运，对吗？因此，不仅是语言，还包括处理图像和视频以及更复杂的模式。我认为，你知道，更多的公司和项目将会像 Space and Time 一样，在他们的应用程序中构建丰富的对话体验，比如 Houston。因此，我认为更多的组织将会这样做，因为它非常有价值，而且这将利用访问数据库数据以及非结构化数据的需求。我认为您仍然看到更多的人正在构建“如何查询文档？”的演示。但你知道，能够在人工智能中集成文档和结构化数据也将非常重要。

**斯科特：**我完全同意。我认为很多项目、Web3 中的很多协议都会尝试构建自己的聊天机器人，并意识到使用 OpenAI 的聊天 API 来启动和运行聊天机器人或者获取基础知识很容易。但是，当他们开始意识到，嘿，需要有一层意图 - 路由层是我能描述的最好的，这有点像位于前端聊天机器人和后端大型之间的中间件层您正在使用的语言模型。您需要中间的一些东西作为基于代理的框架来与后端的大型语言模型进行通信。您认为 ChainML 明年会走向何方？您很快就谈到了开源对话式人工智能引擎。您的团队还在做什么？

**Ron：**我们正在与许多很高兴使用它的客户合作。我们认为将会有越来越多的功能，不仅仅是意图检测之类的东西，还有如何进行细化和改进。如何通过良好的协调规划来分解更复杂的问题？你什么时候得到一个人的反馈？正确的？所以我认为，今天，人们往往植根于一种非常非常短周期的聊天机器人心态，比如，我要求人工智能助手快速做某事，它会做或不做。我们认为，它正在走向一个世界，人们将在人工智能的持续帮助下完成更复杂的项目。我们认为这是一个非常重要的方向。其中一部分还包括增加更丰富的质量管理。

那么，如何衡量人工智能在各种任务上的表现，以便您能够不断改进并了解自己的处境？正确的。因此，这既包括使用人工智能来获取有关人工智能的反馈，也包括何时让人们提供输入，无论是应用程序的用户提供明确的反馈，还是只是使用第三方团队提供关键反馈，以便你可以不断评估和改进。因此，这些都是我们很高兴能够开展工作的领域。我们也很高兴能够继续推进引擎运行的底层基础设施。我们有一个执行人工智能的协议，它允许你以去中心化的方式运行，这样你就可以以抗审查的方式在正确的位置在正确的 GPU 上运行。所以我们也正在朝这个方向努力。我们认为这也将成为 AI 和 Web3 交叉点的一个重要方向。

**Scott：**随着 LM 的开源方面变得越来越好，您是否认为 ChainML 有可能在某个时候训练您自己的 LM？

**罗恩：**是的，这是个好问题。我的意思是，我非常看好开源语言模型的快速进步以及用于阅读高质量开源的资金。所以，你知道，我认为将会有越来越多的机会使用各种优秀的开源模型来创造有价值的体验，并且许多公司已经在测试和比较它们。但我认为，如何微调它们并对数据进行小幅调整以使其适合特定用例，通常存在一些容易实现的目标？我们发现，这通常不是您想要做的第一件事，您可以通过集成外部数据为模型提供正确的信息并准备响应，甚至尝试一些不同的提示策略并评估和完善来更快地行动。因此，您可以做很多事情来提高人工智能代理的质量，而无需构建自己的自定义模型。

但这肯定是我们随着时间的推移而思考的一个方向，社区希望看到用于培训开源的资源。因此，随着我们规模的扩大，我们可能会在这个领域做更多的事情。但现在，我认为很高兴看到如此多的非营利组织、学术界以及商业公司创建开源大型语言模型。我认为在 Web3 社区中，DAO 将越来越多地站出来并希望支持伟大模型的创建。所以我认为这是一个快速发展和进步的领域。

**Scott：**我们的合作伙伴关系目前只专注于数据管理——我们可以在聊天机器人中提供哪些不同的功能，使 dapp 开发人员、业务分析师、数据工程师能够更好地管理他们的数据。所以我可以看到一个开源的 LLM 可能在这些领域进行了微调，这对未来的 Space and Time 和 ChainML 确实有利。

**Ron：**是的，我认为你肯定想测试一下，然后说，在某些时候，你是否会通过专门针对数据库查询和分析用例微调 LLM 获得更好的结果，而不是，你知道，有多少结果？只需跟上最新模型的快速发展并向他们提供正确的信息以产生良好的结果，您是否会受益？另外，我们关注的一件大事，我认为很重要的是，它不仅仅是一个完成的事情，比如要求一个模型产生一个输出，而是能够测试它并使用什么的反馈那是为了完善它。甚至与此同时，一些批评者说，“这有什么潜在的错误或潜在的不正确之处？”并解决这个问题。或者，你知道，也许最终会回到用户那里问他们，“嘿，我想澄清一下，你知道，你如何衡量这个关键目标，以便查询不仅仅是正确的数据，而是方法你想测量一下吗？”正确的？

因此，坦率地说，我认为这是一个很大的转变，业内人士非常关注培训模型。但这些生成式人工智能模型的强大之处在于，一个模型可以在多种任务上表现出色。如果你给它一些背景信息，那就可以做得很好。所以我认为未来训练自定义模型的需要会大大减少。

**斯科特：**是的，我绝对同意。我们已经谈论了很多关于休斯顿的事情。让我们快速浏览一下休斯顿，描述休斯顿是什么，然后从那里开始。 Houston 是 Space and Time 的聊天机器人，是与 ChainML 合作构建的，当然也是由 ChainML 提供支持的。 Houston 是我们共同构建的一个聊天机器人，旨在让用户更好地执行文本到 SQL 的生成：例如，在提示符下提出自然语言问题，返回 SQL，针对区块链数据运行该 SQL。我们还使用 Python 做了很多工作。例如，我今天正在玩一个提示：编写一个 Python 脚本来从 Polygon 周围的 Twitter API 中获取 Twitter 情绪数据，基本上是说，嘿，我想编写一个简单的 Python 脚本来 ping Twitter 的 API，获取任何我们可以围绕 Polygon 获取数据 - 你知道 Twitter 上围绕 Polygon 的讨论是什么吗？然后，当然，将其集成到我们的应用程序中，我们会看到这个开放的人工智能为我们生成了 Python 脚本。我们可以在我们的 Python 预览器、代码编辑器、代码预览器中实时调试它，然后从那里开始。

而且，您知道，这远远超出了文本到 SQL 的范畴。我开始看到许多不同的以数据为中心的应用程序（无论是在 Web3 中还是在 Web2 中）开始使用文本到 SQL 进行越来越多的工作，我们稍后将对此进行描述。但我认为，当您还可以生成简单的 Python 脚本来将数据加载到数据库中、将数据加载到空间和时间中、从外部源获取数据以及生成 Chainlink 预言机作业时，它就会变得非常强大。因此，真正有趣的地方是在前端：我说，嘿，给我一个 Python 脚本，这是我的 Python 脚本的参数。在后端，ChainML 解释该请求并将该请求路由到以 Python 为中心的模块，然后该模块要求 GPT-4 返回 Python 脚本。 ChainML 所做的是提供一个中间件层，在对话中适当地进行路由，因为单独地，如果我说，你知道，向我展示所有至少有 10 笔链上交易的 Polygon 钱包，这是一个这是非常不同类型的请求，也是我们将发送到 GPT-4 的一组非常不同的提示。 ChainML 提供了中间件，一个中间层，可以将请求路由到适当的后端逻辑，无论是 SQL、Python、理解文档、提交错误，您可以采取许多不同的操作在专注于数据的聊天机器人中。如果你只做一件事，那很容易，对吧？如果我们只进行文本到 SQL，这很容易，但当有很多不同的操作时，ChainML 会有所帮助。

**Ron：**即使在生成代码或执行数据库查询时，控制流中也已经存在一些复杂性，您不仅必须能够输入正确的上下文信息，对吗？就像，您知道，为了生成目的，需要从空间和时间代码库中获取哪些相关代码？正在使用的最新 API 或最新表是什么？但随后也会迭代结果说，嘿，也许让我们测试一下，就像，嘿，这里可能有错误，所以让我们修改脚本或 SQL 代码来响应，看看什么实际上会产生正确的结果。因此，即使在这些链之一中，获取准备信息和生成结果的整个流程，迭代直到获得工作结果然后返回它，也比仅仅让我们尽力而为要复杂得多你看，对吧？

这是一个巨大的胜利，因为大多数时候，当用户使用 ChatGPT 时，它不知道最新的 API。它的信息在 2021 年就被切断了，所以它已经过时了。而且您甚至没有关于某些 API 的任何信息。第二，如果它犯了错误，你就有责任去接受它，引导它，告诉它这是错误，你要做什么来修复它。而且你不需要与聊天机器人来回喂食的过程。因此，对于用户来说，让所有工作都能自动且可预测地完成是一个巨大的胜利。

*斯科特： ****没错。因此，当您只需要开始处理一些数据、发现某些数据集或开始快速编写查询时，聊天机器人可能会特别有用。例如，这些可能不是您必须放入仪表板的生产级查询。但有时他们是这样的，而且只是开始寻找你需要的数据，整理数据集，开始使用正确的模式、正确的列针对区块链数据编写 SQL，并找出一些简单的东西，比如，嘿，向我展示每天的 Polygon 交易以开始，或者，你知道，向我展示所有至少有 5 笔链上交易的 Polygon 钱包，并开始，你知道，在聊天机器人中取回准确的 SQL。该 SQL 在聊天机器人中执行，当然，您不仅可以获得查询结果，而且还可以可视化该查询结果并编辑数据可视化。在一个案例中，我问，嘿，向我展示 Polygon 每天的交易情况，在一个舒适的范围内。我们正在返回带时间戳的交易哈希、发件人和收件人地址以及有关该组钱包的信息。在下一个查询中，我询问的是链上有一定数量交易的钱包。因此，只要能够在聊天机器人中提出自然语言问题并返回针对空间和时间执行的准确 SQL，它确实可以加快找到所需内容的价值实现时间。 *

因此，您知道，我们的许多业务分析师正在研究代表 Polygon 的数据集。因此，我们已经获得了 Polygon 上链上内容的关系 SQL 副本。而且还有很多桌子。您有自己的区块表，可以与您的本机钱包表等连接，但开始查询它可能会很困难。因此，好处是您可以跳入我们的查询编辑器或聊天机器人，并开始编写 SQL，从 Polygon 块中选择所有内容。我们可以开始看到我们引用的块表，以及我们可以加入的其他表。但是我们的很多用户说，嘿，我们需要向前迈出一步，我们需要真正开始查询它。所以我可能会说，你知道，看看这里的这个数据集，我会说，你知道，向我展示所有区块表，其中使用的 Gas 量大于一定量的 Gas 或区块奖励高于一定数量。现在，这是一个非常强大的发现工具，可用于开始构建仪表板或为数据集充电。只需一秒钟，我们就从 OpenAI 获取 SQL，该 SQL 查询针对空间和时间数据库执行。我们甚至可以在那里看到一些生成的可视化效果。而且，您知道，对聊天机器人中正确的数据可视化可能是什么样子的一些猜测。 ChainML 的作用在于，当我说“显示 XYZ”时，ChainML 知道这是一个 SQL 请求，而不是我要求的 Python 脚本，也不是有关 Space and Time 文档的问题。我不想进行一般性的聊天对话，我有一个非常有针对性、非常具体的请求：向我展示多边形块。因此 ChainML 知道这是一个 SQL 请求，将请求适当地路由到后端 SQL 模块，然后该模块与 OpenAI 对话，并向 GPT-4 提供一堆额外的提示上下文。

**Ron：**是的，我的意思是，ChainML 的引擎不仅决定什么是正确运行的链、什么是正确的功能集，而且在控制流程中，比如，嘿，首先，我们如何提供相关的功能您所要求的该查询的表、您所要求的查询类型，并提供有关其子集的信息以生成 SQL，然后使用运行查询的结果来说明是否有错误，就放弃它返回并纠正它以获得正确的结果？就像在代码生成示例中一样，使用 API 中的最新代码提示它，以便它知道如何生成信息，这与您回顾 GPT-4 等模型中内置的内容不同，其中它拥有最后的知识关于 API 的内容是 2021 年底的。所以已经过时了，对吧？因此，获取最新信息，基于该信息生成，然后循环和更正，这对于脚本很重要，对于 SQL 也很重要，而且，你知道，我们认为这是为分析师创造影响力的一种非常强大的方式，对吧？你不需要成为提示专家，你不需要用勺子喂养像 ChatGPT 这样的聊天机器人，然后回去说，让我运行它，让我获取更多信息，让我修复错误。您无需轮流聊天即可获得有用的查询。它将自动执行所有这些操作，最终您将获得一个功能强大的分析工具。正确的？

而且，你知道，我不想过多地预览我们的发展方向。但我们认为这是我们可以构建的一个原语，并构建用户可以拥有的更强大的分析工具。因此，不仅生成查询并将其可视化，而且如何不断提高标准，以便分析师可以更好地查看丰富数据库中的所有数据，例如空间和时间数据库，以及所有精彩的区块链索引数据，并在此基础上真正进行强大的分析。

**斯科特：**您预计还有哪些其他行动对您的客户很重要？ Space and Time 非常注重数据工程：SQL、Python、有关我们文档的问题，重点是数据库。您认为 ChainML 路由对您的客户还有哪些其他行为或意图？

**Ron：**我们认为 DeFi 和金融领域有很多人经常喜欢深入分析不同的策略并预测潜在的结果 - 你知道，自动化他们的交易策略和风险管理协议，对吗？因此，这些都是越来越多的内置功能的示例，因此代理可以进行更多的分析，为您提供更多的杠杆作用和更多的自动化，同时仍然让您最终拥有控制权并决定您想要做什么。我们看到许多协议不仅希望将支持集成到已编写的文档中，还希望集成到根据最新代码自动生成的文档中。甚至还有代码示例。你知道，我们看到很多项目都对这种能力感到兴奋。他们正在重新思考整个研究和分析领域，将结构化和非结构化数据结合起来，因此不仅拥有来自时空数据库的丰富数据库数据，而且还拥有可能是公司以前的报告或已发布的信息的文档。我们经常看到这样的用例，分析师希望将已经发布的、社交媒体上发布的信息与数据库数据结合起来，我们认为这种丰富的组合非常强大。

**斯科特：**我也这么认为。我认为围绕文档、错误报告、错误报告、客户支持还有更多用例，几乎每个协议、每个 dapp、每个项目都可以利用这些用例，尤其是任何拥有自己的文档的项目，人们已经要求很多的问题。

**罗恩：**是的。您知道，文档是重要来源之一。从 Discord 或其他社区讨论中的噪音中提取信号 - 你如何才能找到权威的答案，而不是新人出现并一遍又一遍地问同一问题的噪音，但谁在富有洞察力地回答问题？您如何从最新的代码中实际获取信息？事实证明，大多数项目的文档都缺少代码，这是一个众所周知的秘密。因此，实际上，优先使用代码而不是书面文档很重要。就像，这是真的，您可能想根据代码所说的内容而不是不久前记录的内容来回答，对吧？因此，回答技术问题并帮助人们提高工作效率是我们认为很多项目都在寻找的一个非常重要的领域。

**斯科特：**那么，举一个简单的例子。假设我从你们的文档中问了一个非常粗糙的问题：告诉我如何使用 PKI 进行身份验证。 ChainML 会将其解释为文档请求，适当地路由该请求以检索支持文档，然后 OpenAI 就会明白，嘿，PKI 正在引用公钥加密技术。鉴于我们的所有文档，它将返回一个非常合理的响应，说明如何使用私钥签署质询以及如何开始使用空间和时间安全身份验证 API。

**Ron：**还要指出另一件事，就是这样做，你知道，在调用 GPT-4 之前，我们已经对文档建立了索引，并且可以接受该查询并说，我们将找到文档中的以下部分：与它最相关的，这样我们就可以提示它并将其作为大型语言模型的输入，以便它根据正确的上下文进行回答。

**斯科特：**是的。你知道，这只会变得更加强大，因为人们开始提出更复杂的问题，不仅涉及我们的文档，当然还涉及我们摄取到空间和时间并提供的大量索引区块链数据。它最终将成为区块链数据的谷歌搜索引擎。现在，有一个问题到 SQL 语句的映射，我说，嘿，给我看看至少有 10 个 NFT 的 Polygon 钱包的数量。这是请求到 SQL 的映射。但是，随着我们在矢量搜索方面做得更好，随着我们在组织区块链数据方面做得更好，甚至，你知道，开始将原始区块链数据本身潜在地提供给开源法学硕士，随着时间的推移，区块链数据本身可以搜索、可以生成搜索或使用最近邻算法与矢量搜索数据库、ChainML 和空间和时间一起基本上可以构建区块链数据的 Google 搜索。

到目前为止，我们所做的只是提出转换为 SQL 的自然语言问题，这已经是一个非常非常强大的基础设施，可以快速找到您需要的内容并回答您的问题。但这会变得更多，你知道，我们可以进一步从 SQL 中抽象出一个层。你明白我在说什么吗，罗恩？

**罗恩：**当然。我认为现在是对使用空间和时间的人们说的好时机，我们很想听听我们如何使休斯顿对您来说更加强大。它如何改进您的分析并使其更轻松地访问所有出色的区块链数据和可视化？如何使其成为区块链数据分析的最佳工具？

**Scott：**请告诉我一些您对 Space 和 Time 以及所有客户和合作伙伴如何构建 on-chainML 的期望吗？它真的只是一个托管在后端的 API 吗？与 ChainML 的集成是什么样的？

**Ron：**是的，我的意思是，我们提供 API。我们的引擎可以轻松地将不同的链组合在一起，使用各种模型来解决诸如预测、选择数据、测试假设、查找信息和文档、提供有针对性的对话支持（如客户服务）等任务，对吗？因此可以很容易地集成这些。它们都被设计为真正的模块化，因此您可以扩展它们，可以更改提示策略，可以将自己的文档和信息放在适当的位置，并说明哪些表与您的项目相关，等等，然后使控制意图是什么、链条是什么、它如何运作、甚至有预算真的很容易，这样你就可以说出你将使用多少资源。

因此，我们让启动和运行以及执行此类用例变得非常容易，并不断构建更复杂的功能。继续构建，例如，如何进行一定程度的过滤？您如何确保所产生的结果与您的品牌想要接触客户并与客户互动的方式一致，对吗？所以有一系列的功能。使用 API 开始很容易，而且扩展也很容易。

**Scott：**从我们的角度来看，Space and Time 的下一步实际上是构建越来越多的数据工程重点功能。在本次讨论的前面，我们展示了文本到 Python，我说，嘿，给我一个 Python 脚本，它可以 ping Twitter API，获取围绕 Polygon 这样的关键字的一些 Twitter 情绪数据。我认为这将成为使用数据库加速实现价值的一个非常非常基本的事情，尤其是已经加载了索引区块链数据的 Web3 原生数据库：空间和时间。作为一项服务，我们已经对链上内容的精确副本进行了索引，并使其可供查询。我们的客户正在使用 ChainML 的对话式 AI 引擎来查询该数据。但随后客户希望将其与自己的数据或链下数据或链下参考表中的数据或来自 TradFi 的财务数据结合起来，以加入与 DeFi 相关的链上数据，例如利率。他们可能想要获取 Twitter 数据以加入链上活动，并查看其映射情况。他们可能希望将游戏数据映射到哪些游戏内事件导致了链上 NFT 购买或铸币。链上发生的事情与链下发生的事情的交集将非常重要。

**罗恩：**是的，我完全同意。我认为，灵活地引入各种数据来公开数据，以便人工智能可以适当地使用它，是持续投资和改进的一个重要领域。所以我们对此感到兴奋。我认为，您知道，您正在开创性地使其成为该协议的最佳开发人员体验。我认为任何 Web3 协议，或者实际上任何以开发人员为中心的项目，都需要考虑如何构建这些人工智能功能，以使其为客户提供丰富、高效的体验。

**Scott：**是的，我认为从数据工程的角度来看，除了简单的文本到 Python 之外，我们接下来可以解决的一些领域实际上是构建端到端的整个管道，真正的 ETL 管道，即，还包括以下管道： Chainlink 预言机作业不仅将数据加载到空间和时间中，而且实际上将空间和时间数据加载到链上，您知道，快速开发完整的端到端数据管道，您可能会在其中获取链外数据并加载它进入空间和时间，对其进行处理、查询，然后将其放在链上，通过 Chainlink 或其他预言机网络将其发送回您的智能合约。端到端的管道将非常重要。我们将做大量工作来利用 OpenAI 来加速这一进程。嘿，聊天机器人，即，嘿，ChainML，给我一个管道，抓取债券市场数据，将其加载到空间和时间中，将其与 Aave 的链上利率结合起来，然后将整个数据集传回我的智能合约。因此，这些端到端数据管道主要对数据工程师和 dapp 开发人员来说非常重要。

另一方面，对于业务分析师来说，实际生成整个仪表板非常重要，不仅仅是 SQL 结果，不仅仅是查询，而是基本上围绕某个主题的整个分析套件。所以你知道，嘿，聊天机器人，嘿，休斯顿，更重要的是，嘿，ChainML，给我一个关于 Aave 清算的仪表板，或者给我一个关于 Chainlink OCR 向节点运营商支付的仪表板，或者给我一个关于 NFT 钱包活动的仪表板今天从这个特定的 NFT 项目开始。我在 Twitter 上看到某个 NFT 薄荷糖真的很流行。我可以在聊天机器人中提出问题，为自己构建一个小仪表板，这样我就可以了解我的 NFT 铸币厂现在的实时链上活动。从这里获得的价值非常快，这是我的铸币厂的地址，您可以快速向我展示有关我的铸币厂的信息，活跃的钱包，哪些钱包交易最多，底价，您知道，快速生成整个仪表板，将是我们的下一个前沿。

**罗恩：**是的，超级令人兴奋。我们还认为，这在某种程度上提高了更强大的代理的标准，无论是为数据工程师实现完整管道的自动化，还是为分析师真正推动下一个水平的自动化和复杂性的仪表板，都是一些超级令人兴奋的方向。它与我们的路线图以及我们想要继续构建引擎的方向非常一致。当然，到目前为止，合作非常顺利，非常高兴休斯顿能够上线并交到客户手中，并且很高兴推出该引擎让更多人试用。

**斯科特：**我完全同意。这是我们两个项目的重点与 ChainML 的完美交集，因此专注于成为意图引擎、用于将请求路由到大型语言模型的会话引擎，以及空间和时间，它拥有真正全面的当前内容副本 -链。我们收集所有数据，组织数据，并使其可供处理。 ChainML 生成将要处理的实际代码，该代码将处理该数据。所以，与您的团队合作非常愉快。您的团队所做的事情给我留下了深刻的印象。它确实大大提高了我们的用户体验质量。

**罗恩：**谢谢，伙计们。今天和你谈话真是太好了。

Space and Time最近宣布发布 OpenAI 聊天机器人 Houston，用户可以在 Space and Time Studio 上与之交互。 Houston 利用 GPT-4 和 ChainML 允许用户根据自然语言提示生成 SQL、Python 脚本、仪表板等。

这篇博文改编自最近的播客节目，其中 Space and Time 首席技术官兼联合创始人 Scott Dykstra 采访了 ChainML 创始人兼首席执行官 Ron Bodkin，讨论了休斯顿的能力、生成式 AI 的未来以及两者之间的合作关系项目。

**Scott Dykstra：**我是 Space and Time 联合创始人兼首席技术官 Scott Dykstra，我和 ChainML 首席执行官兼创始人 Ron Bodkin 在一起。 Space and Time 一直在与 ChainML 合作开展大量工作，将文本到 SQL 的 AI 集成到 Space and Time 中。也就是说，ChainML 实际上提供了一个对话式 AI 引擎，Space and Time 在我们的聊天机器人中使用了该引擎。如果没有 ChainML 团队以及 Ron 和他的工程团队的帮助，我们在聊天机器人方面将面临很大的挑战。因此，Ron 提供的是企业级对话人工智能引擎，我们已将其集成到我们的应用程序中。与 ChainML 合作是一次非常有趣的经历，ChainML 也是我们在 Chainlink BUILD 计划中的另一个合作伙伴。罗恩，很高兴见到你。

**罗恩·博德金：**很高兴今天在这里与您交谈，斯科特，我们非常高兴与您在休斯顿合作。你知道，我们认为 Space and Time 确实是应用对话式人工智能使应用程序更有用的创新者。休斯顿正在使获得客户支持和提出问题变得容易，而不仅仅是文档，甚至生成代码以方便与数据库和支持技术集成，并轻松使用空间和时间数据库进行分析，以便用户可以可视化数据，甚至进行预测。你知道，这里面有很大的力量。我们看到越来越多的项目意识到通过生成式人工智能添加这些功能非常重要。您知道，我们感到兴奋的事情之一是我们的引擎可以轻松地将这些更复杂的用例分解为小型代理，这些代理可以一起协作并真正交付结果。我当然很高兴谈论我们如何合作以及我们如何实现这一目标。

**Scott：**是什么让 ChainML 专注于对话式人工智能？ ChainML 这段旅程的起点是什么？

**Ron：**作为一个团队，我们 ChainML 的人已经在人工智能领域工作了很多年，所有领导团队都在人工智能领域工作了十多年。而且，您知道，多年来我们一直对大型语言模型的强大功能感到兴奋。我对此感到兴奋，并在 Google Cloud CTO 办公室与大客户合作时利用它。当我去 Vector Institute（加拿大领先的人工智能研究机构之一）并与一些大型行业客户合作时，我们正在帮助他们研究如何使用这些模型来提供客户支持以及与客户互动。而且技术正在变得越来越好。因此，我们开始与 Web3 客户交谈，并询问“围绕人工智能所做的哪些事情让您感到兴奋？”我们看到人们对改善用户访问数据的体验非常感兴趣。我们构建了一个小型黑客马拉松演示来展示我们所兴奋的事情，斯科特，你看到了，也许我会让你描述一下接下来发生的事情。

**Scott：**是的，我认为 ChainML 在聊天机器人中提供的功能给我们留下了深刻的印象，例如根据区块链数据进行预测、围绕意图路由的功能，就像我要求在聊天机器人中执行某个操作一样。聊天机器人，ChainML 很好地弄清楚了意图是什么，并将我的请求路由到适当的后端来满足该请求，无论是文本到 Python 应用程序还是文本到 SQL 应用程序，还是预测模型，或者，你知道，可能即将推出一些更复杂的功能。询问有关《时空》文档的问题。您认为这将走向何方？您认为 ChainML 在 AI 和 Web3 的交叉点上继续构建什么？

**罗恩：**我们很兴奋！我们正在准备该引擎的开源版本。所以这很快就会到来。这将使更多的人能够构建一些强大的体验。显然，随着越来越多的 Space and Time 客户开始使用休斯顿，我们感到很兴奋，并表示，我们如何扩展它并在代理中添加我们自己的一些技能和功能，以使其能够很好地适合我们的用例。这些都是我们想做的重要事情。您知道，我们认为，行业越来越多地转向如何不只是构建演示？嘿，您可以构建一个调用 GPT-4 并执行一些有趣操作的演示。但是如何构建可以部署的健壮的东西呢？如何做到这一点才能真正对它返回的答案充满信心，并进行事实检查和获取参考资料等事情？如何使用不同的模型和日益强大的开源模型来准备信息并验证它？与最强大的商业模型（如 GPT-4 和 Claude）配合，可以产生真正高质量的结果。所以我们认为这很重要。

下一步将开始进行多式联运，对吗？因此，不仅是语言，还包括处理图像和视频以及更复杂的模式。我认为，你知道，更多的公司和项目将会像 Space and Time 一样，在他们的应用程序中构建丰富的对话体验，比如 Houston。因此，我认为更多的组织将会这样做，因为它非常有价值，而且这将利用访问数据库数据以及非结构化数据的需求。我认为您仍然看到更多的人正在构建“如何查询文档？”的演示。但你知道，能够在人工智能中集成文档和结构化数据也将非常重要。

**斯科特：**我完全同意。我认为很多项目、Web3 中的很多协议都会尝试构建自己的聊天机器人，并意识到使用 OpenAI 的聊天 API 来启动和运行聊天机器人或者获取基础知识很容易。但是，当他们开始意识到，嘿，需要有一层意图 - 路由层是我能描述的最好的，这有点像位于前端聊天机器人和后端大型之间的中间件层您正在使用的语言模型。您需要中间的一些东西作为基于代理的框架来与后端的大型语言模型进行通信。您认为 ChainML 明年会走向何方？您很快就谈到了开源对话式人工智能引擎。您的团队还在做什么？

**Ron：**我们正在与许多很高兴使用它的客户合作。我们认为将会有越来越多的功能，不仅仅是意图检测之类的东西，还有如何进行细化和改进。如何通过良好的协调规划来分解更复杂的问题？你什么时候得到一个人的反馈？正确的？所以我认为，今天，人们往往植根于一种非常非常短周期的聊天机器人心态，比如，我要求人工智能助手快速做某事，它会做或不做。我们认为，它正在走向一个世界，人们将在人工智能的持续帮助下完成更复杂的项目。我们认为这是一个非常重要的方向。其中一部分还包括增加更丰富的质量管理。

那么，如何衡量人工智能在各种任务上的表现，以便您能够不断改进并了解自己的处境？正确的。因此，这既包括使用人工智能来获取有关人工智能的反馈，也包括何时让人们提供输入，无论是应用程序的用户提供明确的反馈，还是只是使用第三方团队提供关键反馈，以便你可以不断评估和改进。因此，这些都是我们很高兴能够开展工作的领域。我们也很高兴能够继续推进引擎运行的底层基础设施。我们有一个执行人工智能的协议，它允许你以去中心化的方式运行，这样你就可以以抗审查的方式在正确的位置在正确的 GPU 上运行。所以我们也正在朝这个方向努力。我们认为这也将成为 AI 和 Web3 交叉点的一个重要方向。

**Scott：**随着 LM 的开源方面变得越来越好，您是否认为 ChainML 有可能在某个时候训练您自己的 LM？

**罗恩：**是的，这是个好问题。我的意思是，我非常看好开源语言模型的快速进步以及用于阅读高质量开源的资金。所以，你知道，我认为将会有越来越多的机会使用各种优秀的开源模型来创造有价值的体验，并且许多公司已经在测试和比较它们。但我认为，如何微调它们并对数据进行小幅调整以使其适合特定用例，通常存在一些容易实现的目标？我们发现，这通常不是您想要做的第一件事，您可以通过集成外部数据为模型提供正确的信息并准备响应，甚至尝试一些不同的提示策略并评估和完善来更快地行动。因此，您可以做很多事情来提高人工智能代理的质量，而无需构建自己的自定义模型。

但这肯定是我们随着时间的推移而思考的一个方向，社区希望看到用于培训开源的资源。因此，随着我们规模的扩大，我们可能会在这个领域做更多的事情。但现在，我认为很高兴看到如此多的非营利组织、学术界以及商业公司创建开源大型语言模型。我认为在 Web3 社区中，DAO 将越来越多地站出来并希望支持伟大模型的创建。所以我认为这是一个快速发展和进步的领域。

**Scott：**我们的合作伙伴关系目前只专注于数据管理——我们可以在聊天机器人中提供哪些不同的功能，使 dapp 开发人员、业务分析师、数据工程师能够更好地管理他们的数据。所以我可以看到一个开源的 LLM 可能在这些领域进行了微调，这对未来的 Space and Time 和 ChainML 确实有利。

**Ron：**是的，我认为你肯定想测试一下，然后说，在某些时候，你是否会通过专门针对数据库查询和分析用例微调 LLM 获得更好的结果，而不是，你知道，有多少结果？只需跟上最新模型的快速发展并向他们提供正确的信息以产生良好的结果，您是否会受益？另外，我们关注的一件大事，我认为很重要的是，它不仅仅是一个完成的事情，比如要求一个模型产生一个输出，而是能够测试它并使用什么的反馈那是为了完善它。甚至与此同时，一些批评者说，“这有什么潜在的错误或潜在的不正确之处？”并解决这个问题。或者，你知道，也许最终会回到用户那里问他们，“嘿，我想澄清一下，你知道，你如何衡量这个关键目标，以便查询不仅仅是正确的数据，而是方法你想测量一下吗？”正确的？

因此，坦率地说，我认为这是一个很大的转变，业内人士非常关注培训模型。但这些生成式人工智能模型的强大之处在于，一个模型可以在多种任务上表现出色。如果你给它一些背景信息，那就可以做得很好。所以我认为未来训练自定义模型的需要会大大减少。

**斯科特：**是的，我绝对同意。我们已经谈论了很多关于休斯顿的事情。让我们快速浏览一下休斯顿，描述休斯顿是什么，然后从那里开始。 Houston 是 Space and Time 的聊天机器人，是与 ChainML 合作构建的，当然也是由 ChainML 提供支持的。 Houston 是我们共同构建的一个聊天机器人，旨在让用户更好地执行文本到 SQL 的生成：例如，在提示符下提出自然语言问题，返回 SQL，针对区块链数据运行该 SQL。我们还使用 Python 做了很多工作。例如，我今天正在玩一个提示：编写一个 Python 脚本来从 Polygon 周围的 Twitter API 中获取 Twitter 情绪数据，基本上是说，嘿，我想编写一个简单的 Python 脚本来 ping Twitter 的 API，获取任何我们可以围绕 Polygon 获取数据 - 你知道 Twitter 上围绕 Polygon 的讨论是什么吗？然后，当然，将其集成到我们的应用程序中，我们会看到这个开放的人工智能为我们生成了 Python 脚本。我们可以在我们的 Python 预览器、代码编辑器、代码预览器中实时调试它，然后从那里开始。

而且，您知道，这远远超出了文本到 SQL 的范畴。我开始看到许多不同的以数据为中心的应用程序（无论是在 Web3 中还是在 Web2 中）开始使用文本到 SQL 进行越来越多的工作，我们稍后将对此进行描述。但我认为，当您还可以生成简单的 Python 脚本来将数据加载到数据库中、将数据加载到空间和时间中、从外部源获取数据以及生成 Chainlink 预言机作业时，它就会变得非常强大。因此，真正有趣的地方是在前端：我说，嘿，给我一个 Python 脚本，这是我的 Python 脚本的参数。在后端，ChainML 解释该请求并将该请求路由到以 Python 为中心的模块，然后该模块要求 GPT-4 返回 Python 脚本。 ChainML 所做的是提供一个中间件层，在对话中适当地进行路由，因为单独地，如果我说，你知道，向我展示所有至少有 10 笔链上交易的 Polygon 钱包，这是一个这是非常不同类型的请求，也是我们将发送到 GPT-4 的一组非常不同的提示。 ChainML 提供了中间件，一个中间层，可以将请求路由到适当的后端逻辑，无论是 SQL、Python、理解文档、提交错误，您可以采取许多不同的操作在专注于数据的聊天机器人中。如果你只做一件事，那很容易，对吧？如果我们只进行文本到 SQL，这很容易，但当有很多不同的操作时，ChainML 会有所帮助。

**Ron：**即使在生成代码或执行数据库查询时，控制流中也已经存在一些复杂性，您不仅必须能够输入正确的上下文信息，对吗？就像，您知道，为了生成目的，需要从空间和时间代码库中获取哪些相关代码？正在使用的最新 API 或最新表是什么？但随后也会迭代结果说，嘿，也许让我们测试一下，就像，嘿，这里可能有错误，所以让我们修改脚本或 SQL 代码来响应，看看什么实际上会产生正确的结果。因此，即使在这些链之一中，获取准备信息和生成结果的整个流程，迭代直到获得工作结果然后返回它，也比仅仅让我们尽力而为要复杂得多你看，对吧？

这是一个巨大的胜利，因为大多数时候，当用户使用 ChatGPT 时，它不知道最新的 API。它的信息在 2021 年就被切断了，所以它已经过时了。而且您甚至没有关于某些 API 的任何信息。第二，如果它犯了错误，你就有责任去接受它，引导它，告诉它这是错误，你要做什么来修复它。而且你不需要与聊天机器人来回喂食的过程。因此，对于用户来说，让所有工作都能自动且可预测地完成是一个巨大的胜利。

*斯科特： ****没错。因此，当您只需要开始处理一些数据、发现某些数据集或开始快速编写查询时，聊天机器人可能会特别有用。例如，这些可能不是您必须放入仪表板的生产级查询。但有时他们是这样的，而且只是开始寻找你需要的数据，整理数据集，开始使用正确的模式、正确的列针对区块链数据编写 SQL，并找出一些简单的东西，比如，嘿，向我展示每天的 Polygon 交易以开始，或者，你知道，向我展示所有至少有 5 笔链上交易的 Polygon 钱包，并开始，你知道，在聊天机器人中取回准确的 SQL。该 SQL 在聊天机器人中执行，当然，您不仅可以获得查询结果，而且还可以可视化该查询结果并编辑数据可视化。在一个案例中，我问，嘿，向我展示 Polygon 每天的交易情况，在一个舒适的范围内。我们正在返回带时间戳的交易哈希、发件人和收件人地址以及有关该组钱包的信息。在下一个查询中，我询问的是链上有一定数量交易的钱包。因此，只要能够在聊天机器人中提出自然语言问题并返回针对空间和时间执行的准确 SQL，它确实可以加快找到所需内容的价值实现时间。 *

因此，您知道，我们的许多业务分析师正在研究代表 Polygon 的数据集。因此，我们已经获得了 Polygon 上链上内容的关系 SQL 副本。而且还有很多桌子。您有自己的区块表，可以与您的本机钱包表等连接，但开始查询它可能会很困难。因此，好处是您可以跳入我们的查询编辑器或聊天机器人，并开始编写 SQL，从 Polygon 块中选择所有内容。我们可以开始看到我们引用的块表，以及我们可以加入的其他表。但是我们的很多用户说，嘿，我们需要向前迈出一步，我们需要真正开始查询它。所以我可能会说，你知道，看看这里的这个数据集，我会说，你知道，向我展示所有区块表，其中使用的 Gas 量大于一定量的 Gas 或区块奖励高于一定数量。现在，这是一个非常强大的发现工具，可用于开始构建仪表板或为数据集充电。只需一秒钟，我们就从 OpenAI 获取 SQL，该 SQL 查询针对空间和时间数据库执行。我们甚至可以在那里看到一些生成的可视化效果。而且，您知道，对聊天机器人中正确的数据可视化可能是什么样子的一些猜测。 ChainML 的作用在于，当我说“显示 XYZ”时，ChainML 知道这是一个 SQL 请求，而不是我要求的 Python 脚本，也不是有关 Space and Time 文档的问题。我不想进行一般性的聊天对话，我有一个非常有针对性、非常具体的请求：向我展示多边形块。因此 ChainML 知道这是一个 SQL 请求，将请求适当地路由到后端 SQL 模块，然后该模块与 OpenAI 对话，并向 GPT-4 提供一堆额外的提示上下文。

**Ron：**是的，我的意思是，ChainML 的引擎不仅决定什么是正确运行的链、什么是正确的功能集，而且在控制流程中，比如，嘿，首先，我们如何提供相关的功能您所要求的该查询的表、您所要求的查询类型，并提供有关其子集的信息以生成 SQL，然后使用运行查询的结果来说明是否有错误，就放弃它返回并纠正它以获得正确的结果？就像在代码生成示例中一样，使用 API 中的最新代码提示它，以便它知道如何生成信息，这与您回顾 GPT-4 等模型中内置的内容不同，其中它拥有最后的知识关于 API 的内容是 2021 年底的。所以已经过时了，对吧？因此，获取最新信息，基于该信息生成，然后循环和更正，这对于脚本很重要，对于 SQL 也很重要，而且，你知道，我们认为这是为分析师创造影响力的一种非常强大的方式，对吧？你不需要成为提示专家，你不需要用勺子喂养像 ChatGPT 这样的聊天机器人，然后回去说，让我运行它，让我获取更多信息，让我修复错误。您无需轮流聊天即可获得有用的查询。它将自动执行所有这些操作，最终您将获得一个功能强大的分析工具。正确的？

而且，你知道，我不想过多地预览我们的发展方向。但我们认为这是我们可以构建的一个原语，并构建用户可以拥有的更强大的分析工具。因此，不仅生成查询并将其可视化，而且如何不断提高标准，以便分析师可以更好地查看丰富数据库中的所有数据，例如空间和时间数据库，以及所有精彩的区块链索引数据，并在此基础上真正进行强大的分析。

**斯科特：**您预计还有哪些其他行动对您的客户很重要？ Space and Time 非常注重数据工程：SQL、Python、有关我们文档的问题，重点是数据库。您认为 ChainML 路由对您的客户还有哪些其他行为或意图？

**Ron：**我们认为 DeFi 和金融领域有很多人经常喜欢深入分析不同的策略并预测潜在的结果 - 你知道，自动化他们的交易策略和风险管理协议，对吗？因此，这些都是越来越多的内置功能的示例，因此代理可以进行更多的分析，为您提供更多的杠杆作用和更多的自动化，同时仍然让您最终拥有控制权并决定您想要做什么。我们看到许多协议不仅希望将支持集成到已编写的文档中，还希望集成到根据最新代码自动生成的文档中。甚至还有代码示例。你知道，我们看到很多项目都对这种能力感到兴奋。他们正在重新思考整个研究和分析领域，将结构化和非结构化数据结合起来，因此不仅拥有来自时空数据库的丰富数据库数据，而且还拥有可能是公司以前的报告或已发布的信息的文档。我们经常看到这样的用例，分析师希望将已经发布的、社交媒体上发布的信息与数据库数据结合起来，我们认为这种丰富的组合非常强大。

**斯科特：**我也这么认为。我认为围绕文档、错误报告、错误报告、客户支持还有更多用例，几乎每个协议、每个 dapp、每个项目都可以利用这些用例，尤其是任何拥有自己的文档的项目，人们已经要求很多的问题。

**罗恩：**是的。您知道，文档是重要来源之一。从 Discord 或其他社区讨论中的噪音中提取信号 - 你如何才能找到权威的答案，而不是新人出现并一遍又一遍地问同一问题的噪音，但谁在富有洞察力地回答问题？您如何从最新的代码中实际获取信息？事实证明，大多数项目的文档都缺少代码，这是一个众所周知的秘密。因此，实际上，优先使用代码而不是书面文档很重要。就像，这是真的，您可能想根据代码所说的内容而不是不久前记录的内容来回答，对吧？因此，回答技术问题并帮助人们提高工作效率是我们认为很多项目都在寻找的一个非常重要的领域。

**斯科特：**那么，举一个简单的例子。假设我从你们的文档中问了一个非常粗糙的问题：告诉我如何使用 PKI 进行身份验证。 ChainML 会将其解释为文档请求，适当地路由该请求以检索支持文档，然后 OpenAI 就会明白，嘿，PKI 正在引用公钥加密技术。鉴于我们的所有文档，它将返回一个非常合理的响应，说明如何使用私钥签署质询以及如何开始使用空间和时间安全身份验证 API。

**Ron：**还要指出另一件事，就是这样做，你知道，在调用 GPT-4 之前，我们已经对文档建立了索引，并且可以接受该查询并说，我们将找到文档中的以下部分：与它最相关的，这样我们就可以提示它并将其作为大型语言模型的输入，以便它根据正确的上下文进行回答。

**斯科特：**是的。你知道，这只会变得更加强大，因为人们开始提出更复杂的问题，不仅涉及我们的文档，当然还涉及我们摄取到空间和时间并提供的大量索引区块链数据。它最终将成为区块链数据的谷歌搜索引擎。现在，有一个问题到 SQL 语句的映射，我说，嘿，给我看看至少有 10 个 NFT 的 Polygon 钱包的数量。这是请求到 SQL 的映射。但是，随着我们在矢量搜索方面做得更好，随着我们在组织区块链数据方面做得更好，甚至，你知道，开始将原始区块链数据本身潜在地提供给开源法学硕士，随着时间的推移，区块链数据本身可以搜索、可以生成搜索或使用最近邻算法与矢量搜索数据库、ChainML 和空间和时间一起基本上可以构建区块链数据的 Google 搜索。

到目前为止，我们所做的只是提出转换为 SQL 的自然语言问题，这已经是一个非常非常强大的基础设施，可以快速找到您需要的内容并回答您的问题。但这会变得更多，你知道，我们可以进一步从 SQL 中抽象出一个层。你明白我在说什么吗，罗恩？

**罗恩：**当然。我认为现在是对使用空间和时间的人们说的好时机，我们很想听听我们如何使休斯顿对您来说更加强大。它如何改进您的分析并使其更轻松地访问所有出色的区块链数据和可视化？如何使其成为区块链数据分析的最佳工具？

**Scott：**请告诉我一些您对 Space 和 Time 以及所有客户和合作伙伴如何构建 on-chainML 的期望吗？它真的只是一个托管在后端的 API 吗？与 ChainML 的集成是什么样的？

**Ron：**是的，我的意思是，我们提供 API。我们的引擎可以轻松地将不同的链组合在一起，使用各种模型来解决诸如预测、选择数据、测试假设、查找信息和文档、提供有针对性的对话支持（如客户服务）等任务，对吗？因此可以很容易地集成这些。它们都被设计为真正的模块化，因此您可以扩展它们，可以更改提示策略，可以将自己的文档和信息放在适当的位置，并说明哪些表与您的项目相关，等等，然后使控制意图是什么、链条是什么、它如何运作、甚至有预算真的很容易，这样你就可以说出你将使用多少资源。

因此，我们让启动和运行以及执行此类用例变得非常容易，并不断构建更复杂的功能。继续构建，例如，如何进行一定程度的过滤？您如何确保所产生的结果与您的品牌想要接触客户并与客户互动的方式一致，对吗？所以有一系列的功能。使用 API 开始很容易，而且扩展也很容易。

**Scott：**从我们的角度来看，Space and Time 的下一步实际上是构建越来越多的数据工程重点功能。在本次讨论的前面，我们展示了文本到 Python，我说，嘿，给我一个 Python 脚本，它可以 ping Twitter API，获取围绕 Polygon 这样的关键字的一些 Twitter 情绪数据。我认为这将成为使用数据库加速实现价值的一个非常非常基本的事情，尤其是已经加载了索引区块链数据的 Web3 原生数据库：空间和时间。作为一项服务，我们已经对链上内容的精确副本进行了索引，并使其可供查询。我们的客户正在使用 ChainML 的对话式 AI 引擎来查询该数据。但随后客户希望将其与自己的数据或链下数据或链下参考表中的数据或来自 TradFi 的财务数据结合起来，以加入与 DeFi 相关的链上数据，例如利率。他们可能想要获取 Twitter 数据以加入链上活动，并查看其映射情况。他们可能希望将游戏数据映射到哪些游戏内事件导致了链上 NFT 购买或铸币。链上发生的事情与链下发生的事情的交集将非常重要。

**罗恩：**是的，我完全同意。我认为，灵活地引入各种数据来公开数据，以便人工智能可以适当地使用它，是持续投资和改进的一个重要领域。所以我们对此感到兴奋。我认为，您知道，您正在开创性地使其成为该协议的最佳开发人员体验。我认为任何 Web3 协议，或者实际上任何以开发人员为中心的项目，都需要考虑如何构建这些人工智能功能，以使其为客户提供丰富、高效的体验。

**Scott：**是的，我认为从数据工程的角度来看，除了简单的文本到 Python 之外，我们接下来可以解决的一些领域实际上是构建端到端的整个管道，真正的 ETL 管道，即，还包括以下管道： Chainlink 预言机作业不仅将数据加载到空间和时间中，而且实际上将空间和时间数据加载到链上，您知道，快速开发完整的端到端数据管道，您可能会在其中获取链外数据并加载它进入空间和时间，对其进行处理、查询，然后将其放在链上，通过 Chainlink 或其他预言机网络将其发送回您的智能合约。端到端的管道将非常重要。我们将做大量工作来利用 OpenAI 来加速这一进程。嘿，聊天机器人，即，嘿，ChainML，给我一个管道，抓取债券市场数据，将其加载到空间和时间中，将其与 Aave 的链上利率结合起来，然后将整个数据集传回我的智能合约。因此，这些端到端数据管道主要对数据工程师和 dapp 开发人员来说非常重要。

另一方面，对于业务分析师来说，实际生成整个仪表板非常重要，不仅仅是 SQL 结果，不仅仅是查询，而是基本上围绕某个主题的整个分析套件。所以你知道，嘿，聊天机器人，嘿，休斯顿，更重要的是，嘿，ChainML，给我一个关于 Aave 清算的仪表板，或者给我一个关于 Chainlink OCR 向节点运营商支付的仪表板，或者给我一个关于 NFT 钱包活动的仪表板今天从这个特定的 NFT 项目开始。我在 Twitter 上看到某个 NFT 薄荷糖真的很流行。我可以在聊天机器人中提出问题，为自己构建一个小仪表板，这样我就可以了解我的 NFT 铸币厂现在的实时链上活动。从这里获得的价值非常快，这是我的铸币厂的地址，您可以快速向我展示有关我的铸币厂的信息，活跃的钱包，哪些钱包交易最多，底价，您知道，快速生成整个仪表板，将是我们的下一个前沿。

**罗恩：**是的，超级令人兴奋。我们还认为，这在某种程度上提高了更强大的代理的标准，无论是为数据工程师实现完整管道的自动化，还是为分析师真正推动下一个水平的自动化和复杂性的仪表板，都是一些超级令人兴奋的方向。它与我们的路线图以及我们想要继续构建引擎的方向非常一致。当然，到目前为止，合作非常顺利，非常高兴休斯顿能够上线并交到客户手中，并且很高兴推出该引擎让更多人试用。

**斯科特：**我完全同意。这是我们两个项目的重点与 ChainML 的完美交集，因此专注于成为意图引擎、用于将请求路由到大型语言模型的会话引擎，以及空间和时间，它拥有真正全面的当前内容副本 -链。我们收集所有数据，组织数据，并使其可供处理。 ChainML 生成将要处理的实际代码，该代码将处理该数据。所以，与您的团队合作非常愉快。您的团队所做的事情给我留下了深刻的印象。它确实大大提高了我们的用户体验质量。

**罗恩：**谢谢，伙计们。今天和你谈话真是太好了。