返回AI笔记
AI Day 73

AI Day 73: Dune 链上数据验证 — Virtuals vs Autonolas 真实收入分析

AI Day 73: Dune 链上数据验证 — Virtuals vs Autonolas 真实收入分析

2026-04-06
Dune链上分析VirtualsOLASAutonolas收入验证SQLBaseEthereum

日期：2026-04-06 阶段：第五阶段 — AI Agent 经济模型深度 (Day 71+) 标签：Dune 链上分析 Virtuals OLAS Autonolas 收入验证 SQL Base Ethereum

目标

Day 71 给出了三个项目的可持续性评分（Virtuals 5.6 / ai16z 5.0 / Autonolas 7.4），但那是基于机制分析的定性判断。

本篇用 Dune 链上数据做定量验证：

验证问题对应指标
Virtuals 的手续费收入有多少？趋势如何？日/周交易量、手续费、Agent 发射数
Autonolas 的服务收入有多少？Bonding 收入、服务注册数、质押数据
收入是否可持续？收入趋势、用户留存、活跃度变化
谁的经济模型更健康？收入/FDV 比、真实用户数、收入集中度

一、Virtuals Protocol 链上分析（Base链）

1.1 核心合约地址

VIRTUAL Token (Base): 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
Virtuals Bonding Curve / Factory: 需在 Dune 查 base.creation_traces 确认
Virtuals Fee Collector: 通过交易追踪确认

1.2 Query 1: VIRTUAL Token 每日交易量与活跃度

-- Virtuals: 每日 DEX 交易量趋势 (Base链)
-- 目的：验证投机热度是否在消退

SELECT
  date_trunc('day', block_time) AS trade_date,
  COUNT(*) AS trade_count,
  COUNT(DISTINCT taker) AS unique_traders,
  SUM(amount_usd) AS total_volume_usd,
  AVG(amount_usd) AS avg_trade_size_usd
FROM dex.trades
WHERE blockchain = 'base'
  AND (
    token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b  -- VIRTUAL
    OR token_sold_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
  )
  AND block_time >= NOW() - INTERVAL '90' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 交易量是上升、平稳还是下降？
  • 独立交易者数量趋势（新用户还在进来吗？）
  • 平均交易额（是鲸鱼在玩还是散户参与？）

1.3 Query 2: Agent Token 发射数量趋势

-- Virtuals: 每日新 Agent Token 发射数量
-- 目的：Launchpad 核心指标——还有人在创建 Agent 吗？

-- 方法1: 追踪 Factory 合约的 token creation 事件
-- 需要先确认 Virtuals Factory 合约地址

SELECT
  date_trunc('day', block_time) AS launch_date,
  COUNT(*) AS new_agents_launched
FROM base.creation_traces
WHERE "from" = 0xVIRTUALS_FACTORY_ADDRESS  -- 替换为实际 Factory 地址
  AND block_time >= NOW() - INTERVAL '90' DAY
GROUP BY 1
ORDER BY 1 DESC

-- 方法2: 通过 VIRTUAL Token 的 DEX 新交易对出现来间接统计
-- 每个新 Agent Token 会创建一个 AgentToken/VIRTUAL 交易对

SELECT
  date_trunc('week', min_time) AS first_seen_week,
  COUNT(*) AS new_agent_tokens
FROM (
  SELECT
    CASE
      WHEN token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      THEN token_sold_address
      ELSE token_bought_address
    END AS agent_token,
    MIN(block_time) AS min_time
  FROM dex.trades
  WHERE blockchain = 'base'
    AND (
      token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      OR token_sold_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    )
    AND block_time >= NOW() - INTERVAL '180' DAY
  GROUP BY 1
) sub
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 新 Agent 发射数量是否在下降？
  • 发射数量与 VIRTUAL 价格的相关性（纯投机驱动？）

1.4 Query 3: Virtuals 协议手续费收入估算

-- Virtuals: 估算协议手续费收入
-- Virtuals 对每笔 Agent Token 交易收取 1% 手续费
-- 其中 20% 归协议

SELECT
  date_trunc('week', block_time) AS week,
  SUM(amount_usd) AS total_volume_usd,
  SUM(amount_usd) * 0.01 AS estimated_total_fees_usd,        -- 1% 总手续费
  SUM(amount_usd) * 0.01 * 0.20 AS estimated_protocol_revenue_usd,  -- 协议收入(20%)
  SUM(amount_usd) * 0.01 * 0.20 AS estimated_staker_revenue_usd     -- 质押者收入(20%)
FROM dex.trades
WHERE blockchain = 'base'
  AND (
    token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    OR token_sold_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
  )
  AND block_time >= NOW() - INTERVAL '180' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 周收入趋势（高峰 vs 当前）
  • 年化收入 vs FDV 比率（P/S ratio）
  • 收入是否高度集中在少数几周（不可持续的脉冲式收入？）

1.5 Query 4: VIRTUAL 持有者分布

-- VIRTUAL Token 持有者集中度分析
-- 目的：Token 是否过度集中？

SELECT
  CASE
    WHEN balance_usd >= 1000000 THEN '鲸鱼 (>$1M)'
    WHEN balance_usd >= 100000 THEN '大户 ($100K-$1M)'
    WHEN balance_usd >= 10000 THEN '中等 ($10K-$100K)'
    WHEN balance_usd >= 1000 THEN '散户 ($1K-$10K)'
    ELSE '微型 (<$1K)'
  END AS holder_tier,
  COUNT(*) AS holder_count,
  SUM(balance_usd) AS total_value_usd,
  SUM(balance_usd) / (SELECT SUM(balance_usd) FROM tokens.balances
    WHERE blockchain = 'base'
    AND token_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    AND balance > 0) * 100 AS pct_of_supply
FROM (
  SELECT
    address,
    balance,
    balance * p.price AS balance_usd
  FROM tokens.balances b
  LEFT JOIN prices.usd_latest p
    ON p.blockchain = 'base'
    AND p.contract_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
  WHERE b.blockchain = 'base'
    AND b.token_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    AND b.balance > 0
) holdings
GROUP BY 1
ORDER BY total_value_usd DESC

看什么：

  • Top 10 持有者占比（>50%则高度集中）
  • 散户持有者增长趋势
  • 鲸鱼是否在抛售

二、Autonolas (OLAS) 链上分析（Ethereum + Gnosis）

2.1 核心合约地址

OLAS Token (Ethereum): 0x0001A500A6B18995B03f44bb040A5fFc28E45CB0
OLAS Staking (Ethereum): 需确认具体质押合约
OLAS Registries (Ethereum): 0x9983E1aFc4674769a4D9a3AaB8b23D8FEb4a37e7 (Component Registry)
OLAS Service Registry: 0x48b6af7B12C71f09e2fC8aF4855De4Ff54e002c2
OLAS Treasury: 0xa0DA53447C0f6C4987964d8463da7e6628B30f82
OLAS Depository (Bonding): 0xfF8697d8d2998d6AA2e09B405795C6F4BEeB0C81

2.2 Query 5: OLAS 服务注册趋势

-- Autonolas: Agent 服务注册数量趋势
-- 目的：验证 Agent 生态是否在增长

SELECT
  date_trunc('month', block_time) AS month,
  COUNT(*) AS new_services_registered
FROM ethereum.logs
WHERE contract_address = 0x48b6af7B12C71f09e2fC8aF4855De4Ff54e002c2  -- Service Registry
  AND topic0 = 0xd5bfe7cd85f47fbc4edeb6a5e8f30e8f6e63ecab1649d46d50f55c4b8b3e1600  -- CreateService event (需确认)
  AND block_time >= NOW() - INTERVAL '365' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 新服务注册是否在增长？
  • 与 Agent 叙事热度的相关性

2.3 Query 6: OLAS Bonding（协议拥有流动性）收入

-- Autonolas: Depository Bonding 收入分析
-- 用户用 OLAS-ETH LP 换取折扣 OLAS，协议获得流动性

SELECT
  date_trunc('month', block_time) AS month,
  COUNT(*) AS bond_count,
  SUM(value / 1e18) AS total_eth_bonded  -- 假设 ETH 计价
FROM ethereum.traces
WHERE to = 0xfF8697d8d2998d6AA2e09B405795C6F4BEeB0C81  -- Depository
  AND value > 0
  AND block_time >= NOW() - INTERVAL '365' DAY
GROUP BY 1
ORDER BY 1 DESC

2.4 Query 7: OLAS Treasury 收入追踪

-- Autonolas: Treasury 收入（来自 Agent 服务的真实收入）
-- 追踪 Treasury 合约的 ETH 和 Token 流入

SELECT
  date_trunc('month', block_time) AS month,
  SUM(value / 1e18) AS eth_inflow
FROM ethereum.traces
WHERE to = 0xa0DA53447C0f6C4987964d8463da7e6628B30f82  -- Treasury
  AND value > 0
  AND success = true
  AND block_time >= NOW() - INTERVAL '365' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • Treasury 月收入趋势
  • 收入来源是否多样化
  • 年化收入 vs FDV

2.5 Query 8: OLAS 质押数据

-- OLAS Token 质押量变化趋势
-- 目的：验证质押者信心

SELECT
  date_trunc('week', evt_block_time) AS week,
  SUM(CASE WHEN evt_name = 'Transfer' AND "to" = STAKING_CONTRACT THEN value / 1e18 ELSE 0 END) AS staked,
  SUM(CASE WHEN evt_name = 'Transfer' AND "from" = STAKING_CONTRACT THEN value / 1e18 ELSE 0 END) AS unstaked,
  SUM(CASE WHEN evt_name = 'Transfer' AND "to" = STAKING_CONTRACT THEN value / 1e18 ELSE 0 END)
  - SUM(CASE WHEN evt_name = 'Transfer' AND "from" = STAKING_CONTRACT THEN value / 1e18 ELSE 0 END) AS net_staked
FROM erc20_ethereum.evt_Transfer
WHERE contract_address = 0x0001A500A6B18995B03f44bb040A5fFc28E45CB0  -- OLAS token
  AND (
    "to" = 0xSTAKING_CONTRACT    -- 替换实际质押合约
    OR "from" = 0xSTAKING_CONTRACT
  )
  AND evt_block_time >= NOW() - INTERVAL '180' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 净质押量趋势（增加 = 信心增长）
  • 大额取消质押事件（可能预示问题）

2.6 Query 9: OLAS 链上活跃 Agent 服务数

-- Autonolas: Gnosis 链上活跃 Agent 数量
-- 大部分 Olas Agent 运行在 Gnosis Chain

SELECT
  date_trunc('week', block_time) AS week,
  COUNT(DISTINCT "from") AS active_agent_addresses
FROM gnosis.transactions
WHERE to IN (
  -- Olas 注册的服务多签地址列表
  -- 可通过 ServiceRegistry 的事件获取
  SELECT DISTINCT topic1 AS service_address  -- 简化示例
  FROM gnosis.logs
  WHERE contract_address = 0xOLAS_GNOSIS_SERVICE_REGISTRY
)
AND block_time >= NOW() - INTERVAL '90' DAY
GROUP BY 1
ORDER BY 1 DESC

看什么：

  • 活跃 Agent 数量是否在增长
  • Agent 交易频率（在做真实工作吗？）

三、对比分析框架

3.1 关键指标对比表（运行查询后填入数据）

指标VirtualsAutonolas说明
日交易量 (当前)$___M$___MDEX 交易量
日交易量 (峰值)$___M$___M历史最高
峰值→当前衰减率__%__%衰减越大越不可持续
日活跃地址______独立交易者数
周协议收入$___K$___K手续费/Treasury收入
年化协议收入$___M$___M周收入×52
FDV$___M$___M完全稀释估值
P/S Ratio______FDV / 年化收入
新Agent/服务 (月)______生态增长
Token 前10持有者占比__%__%集中度
质押率__%__%Token 锁仓比例

3.2 P/S Ratio 行业对比

P/S Ratio = FDV / 年化收入

DeFi 协议参考值:
  Uniswap:    ~20-30x
  Aave:       ~15-25x
  Lido:       ~10-20x
  MakerDAO:   ~8-15x

AI Agent Token:
  Virtuals:   ___x  ← 填入
  Autonolas:  ___x  ← 填入

判断标准:
  < 20x  → 合理或低估（有真实收入支撑）
  20-50x → 高估但如果增长快可接受
  > 50x  → 严重高估，主要靠叙事/投机
  > 100x → 基本是 Meme 定价

3.3 收入质量评分

维度评分标准VirtualsAutonolas
收入真实性链上可验证、非补贴/10/10
收入持续性趋势稳定、非脉冲式/10/10
收入多样性不依赖单一来源/10/10
收入增长性MoM 增长率/10/10
收入/估值匹配P/S ratio 合理性/10/10

四、进阶分析 Query

4.1 Query 10: Virtuals Agent Token 生存率

-- 有多少 Agent Token 在发射后还有交易活跃度？
-- 目的：验证 Agent 是否有持续价值，还是发射即巅峰

WITH agent_tokens AS (
  -- 找出所有与 VIRTUAL 配对交易过的 Token（即 Agent Token）
  SELECT
    CASE
      WHEN token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      THEN token_sold_address
      ELSE token_bought_address
    END AS agent_token,
    MIN(block_time) AS first_trade_time,
    MAX(block_time) AS last_trade_time
  FROM dex.trades
  WHERE blockchain = 'base'
    AND (
      token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      OR token_sold_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    )
    AND block_time >= NOW() - INTERVAL '180' DAY
  GROUP BY 1
),
survival AS (
  SELECT
    agent_token,
    first_trade_time,
    last_trade_time,
    date_diff('day', first_trade_time, last_trade_time) AS active_days,
    CASE
      WHEN last_trade_time >= NOW() - INTERVAL '7' DAY THEN 'still_active'
      WHEN date_diff('day', first_trade_time, last_trade_time) >= 30 THEN 'survived_30d'
      WHEN date_diff('day', first_trade_time, last_trade_time) >= 7 THEN 'survived_7d'
      ELSE 'dead_within_7d'
    END AS status
  FROM agent_tokens
)
SELECT
  status,
  COUNT(*) AS agent_count,
  COUNT(*) * 100.0 / SUM(COUNT(*)) OVER() AS pct
FROM survival
GROUP BY 1
ORDER BY agent_count DESC

关键判断：

  • 如果 >80% 的 Agent Token 在 7 天内死亡 → Launchpad 模式不可持续
  • 如果存活 30 天以上的 Agent Token 在增加 → 生态有真实价值

4.2 Query 11: Virtuals 头部 Agent 集中度

-- 前10个 Agent Token 占总交易量的比例
-- 目的：收入是否过度依赖少数 Agent？

WITH agent_volumes AS (
  SELECT
    CASE
      WHEN token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      THEN token_sold_address
      ELSE token_bought_address
    END AS agent_token,
    SUM(amount_usd) AS total_volume
  FROM dex.trades
  WHERE blockchain = 'base'
    AND (
      token_bought_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
      OR token_sold_address = 0x0b3e328455c4059EEb9e3f84b5543F74E24e7E1b
    )
    AND block_time >= NOW() - INTERVAL '30' DAY
  GROUP BY 1
),
ranked AS (
  SELECT
    agent_token,
    total_volume,
    ROW_NUMBER() OVER (ORDER BY total_volume DESC) AS rank
  FROM agent_volumes
)
SELECT
  CASE WHEN rank <= 10 THEN 'Top 10 Agents' ELSE 'Other Agents' END AS tier,
  COUNT(*) AS agent_count,
  SUM(total_volume) AS tier_volume,
  SUM(total_volume) / (SELECT SUM(total_volume) FROM ranked) * 100 AS pct_of_total
FROM ranked
GROUP BY 1
ORDER BY tier_volume DESC

关键判断：

  • Top 10 占比 >80% → 高度集中，少数 Agent 撑起整个平台
  • Top 10 占比 <50% → 长尾健康，生态多样性好

4.3 Query 12: Autonolas 真实 Agent 工作量验证

-- Olas Predict Agent 在 Gnosis Chain 上的活跃度
-- Olas 最知名的 Agent 是预测市场 Agent（参与 Omen 等）
-- 验证 Agent 是否在做真实工作

SELECT
  date_trunc('week', block_time) AS week,
  COUNT(*) AS tx_count,
  COUNT(DISTINCT "from") AS unique_agents,
  SUM(gas_used * gas_price / 1e18) AS total_gas_spent_xdai
FROM gnosis.transactions
WHERE to IN (
  -- Omen 预测市场相关合约
  0x9083A907106684AF81fFF23aFfFF6D0cBE20b,     -- 替换为实际地址
  0xCB2f45C8C3d3CC1C8B8B8C8B8B8C8B8B8C8B8B8   -- Olas service multisigs
)
AND block_time >= NOW() - INTERVAL '90' DAY
AND "from" IN (
  -- 已知的 Olas Agent 多签地址
  SELECT address FROM olas_gnosis.services  -- 如果 Dune 有 Olas decoded 表
)
GROUP BY 1
ORDER BY 1 DESC

五、Dune Dashboard 构建指南

5.1 Dashboard 布局建议

┌─────────────────────────────────────────────────┐
│  AI Agent Token 经济模型链上验证 Dashboard         │
├─────────────────────────────────────────────────┤
│                                                 │
│  ┌─── 概览卡片 ─────────────────────────────┐   │
│  │ Virtuals 周收入  │ OLAS 周收入  │ P/S对比  │   │
│  └──────────────────────────────────────────┘   │
│                                                 │
│  ┌─── 收入趋势 (双Y轴折线图) ──────────────┐    │
│  │ Virtuals 周收入 vs OLAS 周收入            │    │
│  │ 时间范围: 6个月                           │    │
│  └──────────────────────────────────────────┘   │
│                                                 │
│  ┌─── 活跃度 ────┐  ┌─── 生态增长 ────────┐    │
│  │ 日活地址对比    │  │ 新Agent/服务注册趋势  │    │
│  │ (柱状图)       │  │ (折线图)             │    │
│  └───────────────┘  └────────────────────┘    │
│                                                 │
│  ┌─── Virtuals 专区 ────────────────────────┐   │
│  │ Agent 生存率饼图 │ 头部Agent集中度 │ 交易量 │   │
│  └──────────────────────────────────────────┘   │
│                                                 │
│  ┌─── Autonolas 专区 ───────────────────────┐   │
│  │ 服务注册趋势 │ Treasury收入 │ 质押量变化   │   │
│  └──────────────────────────────────────────┘   │
│                                                 │
│  ┌─── 结论 ─────────────────────────────────┐   │
│  │ 可持续性评分对比表 (Markdown 文本)          │   │
│  └──────────────────────────────────────────┘   │
└─────────────────────────────────────────────────┘

5.2 执行步骤

Step 1: 在 Dune 创建新 Dashboard
  → 命名: "AI Agent Token Economics: Virtuals vs Autonolas"

Step 2: 逐个创建 Query (建议顺序)
  → Q1: VIRTUAL 交易量趋势 (最基础，验证数据可用性)
  → Q3: Virtuals 手续费收入 (核心指标)
  → Q7: OLAS Treasury 收入 (核心对比指标)
  → Q10: Agent 生存率 (差异化洞察)
  → Q11: 头部集中度 (差异化洞察)
  → 其他 Query 按需添加

Step 3: 调整可视化
  → 收入用折线图 (看趋势)
  → 占比用饼图/堆叠柱状图
  → 对比用并排柱状图

Step 4: 添加文字说明
  → 每个图表下方加一句话结论
  → Dashboard 顶部加项目简介

六、预期结论与验证框架

6.1 如果数据验证了 Day 71 的判断

预期结果（基于机制分析推断）:

Virtuals:
  ✓ 峰值交易量巨大（数亿$），但衰减明显
  ✓ >80% Agent Token 在 7天内死亡
  ✓ 收入高度集中在 Top 10 Agent
  ✓ P/S ratio 可能 > 100x
  → 结论: 投机驱动，可持续性评分维持 5-6 分

Autonolas:
  ✓ 交易量小但稳定
  ✓ Treasury 有持续 ETH 流入
  ✓ 服务注册数稳定增长
  ✓ P/S ratio 可能 30-60x（偏高但有增长逻辑）
  → 结论: 服务驱动，可持续性评分维持 7-8 分

6.2 如果数据推翻了 Day 71 的判断

可能的意外发现:

情况A: Virtuals 收入没有衰减
  → 说明 Agent Launchpad 有持续需求，上调评分
  → 需要深入看：是新用户还是同一批人在玩？

情况B: OLAS Treasury 收入很少
  → 说明 Agent 服务收入被高估，下调评分
  → 需要深入看：Agent 的真实使用率

情况C: 两者收入都很少
  → 说明整个 AI Agent Token 赛道还在极早期
  → 投资价值 = 赌增长而非看现在收入

情况D: Virtuals 有大量活跃 Agent（>30天存活）
  → 说明平台筛选出了有价值的 Agent
  → Launchpad 模式可能比想象中更可持续

6.3 分析报告模板

运行完所有 Query 后，用以下模板产出最终报告：

# AI Agent Token 链上收入验证报告

## 数据摘要
| 指标 | Virtuals | Autonolas |
|------|----------|-----------|
| 30天协议收入 | $___K | $___K |
| 日活地址 | ___ | ___ |
| P/S Ratio | ___x | ___x |

## 关键发现
1. [最重要的发现]
2. [第二重要的发现]
3. [出乎意料的发现]

## 可持续性评分修正
| 项目 | Day71评分 | 修正后评分 | 修正原因 |
|------|---------|-----------|---------|
| Virtuals | 5.6 | ___ | [原因] |
| Autonolas | 7.4 | ___ | [原因] |

## PM 行动建议
- 如果你在做 Agent Launchpad → [建议]
- 如果你在做 Agent 服务网络 → [建议]
- 如果你在投资 Agent Token → [建议]

七、面试题

Q: 你如何用链上数据评估一个 AI Agent Token 的价值？

我会看四组数据：

第一组：收入数据 — 协议/Treasury 的实际收入流入，年化后计算 P/S ratio。与 DeFi 蓝筹（Uniswap P/S ~20x）对比，判断估值是否合理。

第二组：活跃度数据 — 日活地址、交易频率、新用户增长。重点看趋势而非绝对值，衰减超过 50% 是危险信号。

第三组：生态数据 — 新 Agent/服务注册数量、Agent 存活率。如果 80% 的 Agent 在一周内死亡，说明平台没有创造真实价值。

第四组：集中度数据 — 收入是否依赖少数 Agent？持有者是否高度集中？集中度越高，系统性风险越大。

实际案例：分析 Virtuals 和 Autonolas 时，Virtuals 交易量大但 Agent 存活率低、收入脉冲式；Autonolas 交易量小但 Treasury 有持续收入、Agent 在做真实链上工作。前者是投机定价，后者更接近价值定价。

Q: 链上数据分析有什么局限性？

三个主要局限：

(1) 链上 ≠ 全部 — 很多价值在链下发生（开发者社区活跃度、BD 合作、品牌影响力），链上数据只能看到冰山一角。

(2) 数据可被刷 — Wash trading、自我交易、循环转账都可以伪造链上活跃度。需要结合独立地址分析和资金流向图去伪。

(3) 过去 ≠ 未来 — 链上数据是滞后指标。一个协议当前收入低但如果即将上线重大更新，纯看数据会错过机会。所以链上分析要和基本面研究结合使用。

总结

步骤内容预计时间
1在 Dune 创建 Dashboard10min
2运行 Q1/Q3 — Virtuals 基础数据30min
3运行 Q7 — OLAS Treasury 数据20min
4运行 Q10/Q11 — 差异化分析30min
5填入对比表，产出报告30min
总计~2h

一句话总结：没有链上数据验证的 Token 分析是空中楼阁。12 条 SQL 查询 + 2 小时 Dune 操作 = 一个有说服力的数据驱动投研报告，也是面试中展示"我不只会说，还会验证"的最佳素材。

上一篇
Day 72