چگونه از هوش مصنوعی برای تحقیق در پروژه‌های ارزهای دیجیتال استفاده کنیم؟ راهنمای گام به گام DYOR

هوش مصنوعی (AI) می‌تواند در عرض چند دقیقه وایت‌پیپر، توکنومیک و داده‌های زنجیره‌ای یک پروژه ارز دیجیتال را تحلیل کند. اما همین مدل می‌تواند یک حسابرسی جعلی ایجاد کند، آدرس قرارداد را اشتباه بگیرد و داده‌های نادرست را به عنوان واقعیت ارائه دهد. ما نشان می‌دهیم که چگونه از AI برای تحقیق سریع‌تر در مورد ارزهای دیجیتال استفاده کنیم، بدون اینکه کنترل تصمیمات سرمایه‌گذاری را به آن بسپاریم.

AI می‌تواند تحقیق را تسریع کند، اما جایگزین تأیید نمی‌شود. می‌تواند به سرعت یک خلاصه مقدماتی از وایت‌پیپر تهیه کند، عناصر توکنومیک را مقایسه کند و ریسک‌های بالقوه را سازماندهی کند.

همچنین می‌تواند آدرس قرارداد را جعل کند، عرضه توکن را اشتباه بگیرد یا به حسابرسی که وجود ندارد استناد کند. مشکل این است که هر دو پاسخ می‌توانند به یک اندازه مطمئن به نظر برسند.

بنابراین از ChatGPT نپرسید: "آیا خرید این توکن ارزش دارد؟"

این سوال تصمیمی را به مدل می‌سپارد که نمی‌تواند به جای شما اتخاذ کند.

رویکرد بسیار بهتری به این صورت است: شما منابع معتبر را جمع‌آوری می‌کنید، از AI می‌خواهید که داده‌ها را سازماندهی کند و سپس مهم‌ترین نتایج را در کد، اکسپلورر بلاک‌چین و پایگاه‌های داده مستقل بررسی می‌کنید.

AI در اینجا به عنوان دستیار DYOR عمل می‌کند، نه به عنوان یک اوراکل.

در این راهنما، کل فرآیند را به شما نشان خواهیم داد -- از بررسی آدرس قرارداد تا تحلیل آزادسازی توکن‌ها، فعالیت کاربران و مجوزهای مدیر.

شما همچنین پرامپت‌های آماده‌ای دریافت خواهید کرد که می‌توانید در هر پروژه‌ای استفاده کنید.

اصول مهم: پاسخ AI منبع نیست. منبع، سند، کد یا مجموعه داده‌ای است که پاسخ بر اساس آن ایجاد شده است. اینفوگرافیک Cryps.pl: مدل به سازماندهی مواد کمک می‌کند، اما منبع و تأیید بر عهده نویسنده تحقیق باقی می‌ماند. فهرست مطالب:

• AI چه کاری می‌تواند در تحقیق ارزهای دیجیتال انجام دهد؟
• AI نباید چه کارهایی را به جای سرمایه‌گذار انجام دهد؟
• قبل از راه‌اندازی AI: منابع را آماده کنید
• به کدام منابع بیشتر اعتماد کنیم؟
• چگونه پروژه ارز دیجیتال را گام به گام با AI تحلیل کنیم
• از چه ابزارهایی در کنار AI استفاده کنیم؟
• پرامپت آماده برای تحقیق کامل در مورد ارزهای دیجیتال
• مثال: چگونه AI می‌تواند پروتکل آلفا را به اشتباه ارزیابی کند
• رایج‌ترین اشتباهات هنگام استفاده از AI برای DYOR {#inside-nav}

AI چه کاری می‌تواند در تحقیق ارزهای دیجیتال انجام دهد؟ {#1}

مدل‌های زبانی در کار با مقدار زیادی متن خوب هستند.

آنها می‌توانند اطلاعات تکراری را پیدا کنند، اسناد را مقایسه کنند و بخش‌های فنی را به زبان ساده‌تر توضیح دهند.

این به ویژه زمانی مفید است که پروژه دارای مستندات گسترده، چندین نسخه از سند و ده‌ها پست در فروم‌های حکمرانی باشد.

AI می‌تواند به شما کمک کند:

• وایت‌پیپر و مستندات را خلاصه کند،
• محصول موجود را از نقشه راه جدا کند،
• فرضیات توکنومیک را فهرست کند،
• پروژه را با رقبای خود مقایسه کند،
• سوالاتی برای تیم آماده کند،
• پرسش Dune یا بخشی از قرارداد هوشمند را توضیح دهد،
• تناقضات بین اسناد را پیدا کند،
• چک‌لیستی از پرچم‌های قرمز بسازد،
• سناریوهایی برای عرضه آینده آماده کند،
• بررسی کند که آیا هر فرضیه در گزارش منبع دارد یا نه.

عملکرد عملی‌ترین مدل، سازماندهی سریع تعداد زیادی از اسناد و داده‌ها است.

اگر می‌خواهید ابتدا با برنامه‌های خاص آشنا شوید، همچنین می‌توانید به مجموعه Cryps.pl: بهترین ابزارهای AI برای سرمایه‌گذار مراجعه کنید.

در این راهنما، ما بر روی فرآیندی تمرکز می‌کنیم که خطر خطا را صرف‌نظر از مدل انتخابی کاهش می‌دهد.

AI نباید چه کارهایی را به جای سرمایه‌گذار انجام دهد؟ {#2}

AI نباید:

• تصمیمات خرید یا فروش را اتخاذ کند،
• داده‌های جاری را بدون بررسی در منبع ارائه دهد،
• قیمت‌ها را به عنوان واقعیت پیش‌بینی کند،
• پروژه را بر اساس تنها یک حسابرسی ایمن بداند،
• تعداد دنبال‌کنندگان را به عنوان مدرکی برای پذیرش در نظر بگیرد،
• آدرس‌های فعال را با تعداد افراد یکی بداند،
• داده‌هایی را که پروژه افشا نکرده است، جعل کند.

OpenAI تنها هشدار می‌دهد که مدل ممکن است حقایق، نقل قول‌ها و ارجاعات نادرست ایجاد کند و سطح بالای اطمینان پاسخ‌ها به معنای صحت آن‌ها نیست.

اطلاعات مهم باید پس از باز کردن منبع بررسی شوند، نه فقط پس از دیدن لینک. OpenAI محدودیت‌های ChatGPT را در مستندات خود توصیف می‌کند.

قبل از راه‌اندازی AI: منابع را آماده کنید {#3}

تحقیق خوب از خارج از چت شروع می‌شود. ابتدا مطمئن شوید که در حال تحلیل پروژه صحیحی هستید.

همان نام یا تیکر ممکن است به چند توکن اشاره داشته باشد. وب‌سایت‌های جعلی اغلب ظاهر پروژه‌های واقعی را کپی می‌کنند و توکن‌های کلاهبرداری ممکن است نام ارز دیجیتال محبوبی را به خود بگیرند.

شناسه اصلی باید آدرس قرارداد و شبکه باشد. قبل از شروع تحلیل، همچنین خوب است که با رایج‌ترین انواع کلاهبرداری‌های کریپتو که توسط Cryps.pl توصیف شده‌اند، آشنا شوید.

جمع‌آوری کنید:

1. وب‌سایت رسمی پروژه،
2. وایت‌پیپر و مستندات،
3. آدرس‌های قرارداد،
4. مخزن GitHub،
5. گزارش‌های حسابرسی،
6. مستندات توکنومیک و وستیگ،
7. انجمن حکمرانی،
8. پروفایل‌های تیم و نهادهای قانونی،
9. داده‌ها از اکسپلورر بلاک‌چین،
10. داده‌های بازار و آن‌چین از سرویس‌های مستقل.

بررسی کنید که آیا آدرس ارائه شده در وب‌سایت پروژه با آدرس در اکسپلورر و در aggregatorهایی مانند CoinGecko مطابقت دارد یا خیر. اگر منابع قراردادهای مختلفی را نشان می‌دهند، تحلیل را متوقف کنید. ابتدا باید اختلاف را توضیح دهید.

به کدام منابع بیشتر اعتماد کنیم؟ {#3}

همه لینک‌ها ارزش یکسانی ندارند.

|---------------------------------|--------------------------------------------------------------------|---------------------------------------| | دسته‌بندی | نمونه‌ها | به چه کار می‌آید | | داده‌های مستند قابل تأیید | کد پیاده‌سازی شده آن‌چین، بلاک‌چین، اکسپلورر، ثبت‌نام نهاد نظارتی | تأیید وضعیت واقعی | | مستندات پروژه | وایت‌پیپر، مستندات، حکمرانی، وبلاگ رسمی | تعیین اظهارات و اصول پروژه | | تحلیل‌های مستقل | حسابرسی‌ها، تحقیقات، گزارش‌ها و تحلیل‌های آن‌چین | ارزیابی و تفسیر خارجی | | پایگاه‌های با روش‌شناسی توصیف‌شده | DefiLlama، Dune، Glassnode، L2BEAT | تجمیع و نرمال‌سازی داده‌ها |

وایت‌پیپر منبع اولیه برای سؤال "پروژه چه وعده‌ای می‌دهد؟" است. اما این مدرکی نیست که نشان دهد محصول کار می‌کند یا کاربران دارد.

به یاد داشته باشید که در مورد مقررات نیز همین‌طور است. ESMA تأکید می‌کند که وایت‌پیپرهای دارایی‌های دیجیتال در بخش مناسب ثبت‌نام MiCA تأیید نشده و توسط نهادهای مربوطه تأیید نشده‌اند.

مسئولیت محتوای آن‌ها بر عهده ارائه‌دهنده یا ناشر است. ESMA نحوه عملکرد ثبت‌نام MiCA را در وب‌سایت خود توضیح می‌دهد. ثبت‌نام رسمی MiCA. منبع: ESMA، دسترسی: 29 ژوئیه 2026.

چگونه پروژه کریپتو را مرحله به مرحله با AI تحلیل کنیم {#4}

مرحله 1. از AI بخواهید که فهرست ادعاها را ارائه دهد، نه خلاصه

خلاصه معمولی وایت‌پیپر اغلب زبان بازاریابی را تکرار می‌کند. شما به فهرستی از جملات نیاز دارید که می‌توان آن‌ها را بررسی کرد.

از پرامپت زیر استفاده کنید:

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | بر اساس وایت‌پیپر پیوست شده، تمام ادعاهای مادی پروژه را فهرست کنید. آن‌ها را به دسته‌های زیر تقسیم کنید: 1. محصول موجود، 2. نقشه راه، 3. فرضیات اقتصادی، 4. پیش‌بینی‌ها، 5. ادعاهای بازاریابی. برای هر ادعا، موارد زیر را ارائه دهید: -- بخش دقیق منبع، -- صفحه یا بخش، -- حداقل مدرک لازم برای تأیید، -- اطلاعاتی که سند توضیح نمی‌دهد. فرض نکنید که اعلامیه‌های پروژه درست هستند. |

به عنوان مثال: درخواست برای ثبت ادعاها. نتیجه AI همیشه نیاز به باز کردن و بررسی منابع ذکر شده دارد.

در نتیجه "ما 100 هزار کاربر داریم" دیگر یک واقعیت آماده نیست. این تبدیل به سوالی می‌شود: پروژه چگونه کاربر را تعریف می‌کند، این عدد از چه دوره‌ای ناشی می‌شود و آیا می‌توان آن را از داده‌ها بازسازی کرد؟

برای اطلاعات بیشتر در مورد خود سند، می‌توانید در راهنمای Cryps.pl بخوانید: وایت‌پیپر چیست و چگونه آن را تحلیل کنیم.

مرحله 2. بررسی مشکل، محصول و نیاز به بلاک‌چین

پروژه ممکن است فناوری چشمگیری داشته باشد، اما هنوز هم ممکن است مشکل مهمی را حل نکند.

از AI بخواهید به پنج سوال پاسخ دهد:

• کاربر کیست؟
• چه کسی برای محصول پرداخت می‌کند؟
• چه مشکلی حل می‌شود؟
• آیا محصول عملی در شبکه اصلی وجود دارد؟
• چرا این راه‌حل به بلاک‌چین نیاز دارد؟

اگر یک پایگاه داده متمرکز بتواند به کاربر دقیقاً همان نتیجه را بدهد، پروژه باید به وضوح هزینه و پیچیدگی اضافی بلاک‌چین را توجیه کند.

مرحله 3. تست حذف توکن

بلاک‌چین ممکن است لازم باشد، اما توکن ممکن است دیگر ضروری نباشد.

پروژه می‌تواند هزینه‌ها را تولید کند و محصول را توسعه دهد، در حالی که توکن به دارنده هیچ حقی در هیچ بخشی از این ارزش نمی‌دهد.

مرحله 4. تحلیل توکنومیک

به نمودار تخصیص محدود نشوید. توکنومیک یک سیستم جریان‌ها است: چه کسی توکن‌ها را دریافت می‌کند، چه زمانی می‌تواند آن‌ها را بفروشد، منبع تقاضا کجاست و چه کسی درآمد را به دست می‌آورد.

جمع‌آوری کنید:

• عرضه در گردش،
• عرضه کل و حداکثر،
• قوانین انتشار و سوزاندن،
• تخصیص برای تیم، سرمایه‌گذاران و جامعه،
• دوره قفل (cliff) و زمان‌بندی آزادسازی توکن‌ها (vesting)،
• آزادسازی در 30، 90 و 365 روز،
• حقوق انتشار توکن‌های جدید،
• نقدینگی توکن،
• مکانیزم جذب ارزش.

ارزش بازار و FDV یکی نیستند

ارزش بازار قیمت ضربدر عرضه در گردش است. FDV ارزش فرضی را با تمام عرضه پذیرفته شده نشان می‌دهد.

|-----------------------------------------------------------------------------------------| | ارزش بازار = قیمت × عرضه در گردش FDV = قیمت × عرضه حداکثری یا کل پذیرفته شده |

نمودار توضیحی Cryps.pl. ارزش بازار از عرضه در گردش استفاده می‌کند، در حالی که FDV از عرضه کل یا حداکثری پذیرفته شده استفاده می‌کند.

FDV معمولاً به عنوان قیمت فعلی ضرب در حداکثر عرضه توکن‌ها محاسبه می‌شود. اگر پروژه‌ای این را مشخص نکند، تأمین‌کننده داده‌ها می‌تواند از عرضه کل یا ارزش پذیرفته شده دیگری استفاده کند. FDV پیش‌بینی سرمایه‌گذاری آینده نیست، بنابراین قبل از مقایسه پروژه‌ها باید روش‌شناسی سرویس را بررسی کنید. CoinGecko فرمول و محدودیت‌های FDV را توصیف می‌کند.

آزادسازی به معنای فروش خودکار نیست

آزادسازی تعداد توکن‌هایی را که می‌توانند منتقل یا فروخته شوند افزایش می‌دهد. اما نمی‌گوید که مالکان آن‌ها چه خواهند کرد.

به جای پرسیدن از AI: "آیا آزادسازی قیمت را کاهش می‌دهد؟" از:

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | تجزیه و تحلیل آزادسازی نزدیک‌ترین توکن‌ها. ارائه دهید: -- تعداد و ارزش توکن‌ها، -- درصد عرضه فعلی در گردش، -- ذینفعان، -- شرایط زمان‌بندی آزادسازی، -- نسبت به حجم روزانه متوسط، -- نسبت به عمق بازار در محدوده ±2% و ±5%. سناریوهای فروش 0%، 10%، 25% و 50% از مجموعه را آماده کنید. قیمت را پیش‌بینی نکنید. توانایی بازار برای جذب عرضه را ارزیابی کنید. |

مثال ویرایشی: درخواست برای تجزیه و تحلیل سناریویی آزادسازی بدون پیش‌بینی قیمت.

خود اندازه آزادسازی بدون مقایسه با نقدینگی، حجم، هزینه ورود و ساختار ذینفعان اطلاعات کمی می‌دهد.

توسعه مبانی را می‌توانید در راهنمای Cryps.pl درباره هفت شاخص توکنومیک پیدا کنید.

مرحله 5. تیم، سرمایه‌گذاران و شراکت‌ها را بررسی کنید

AI می‌تواند به سرعت بیوگرافی‌ها را جمع‌آوری کند. اما نباید به تنهایی آن‌ها را تأیید کند.

مقایسه کنید:

• وب‌سایت پروژه،
• پروفایل‌های حرفه‌ای،
• مخازن قبلی،
• ثبت شرکت‌ها،
• نسخه‌های آرشیوی وب‌سایت‌ها،
• بیانیه‌های نهادهای نظارتی،
• بیانیه‌های شرکای ادعایی.

اگر پروژه‌ای لوگوی یک شرکت بزرگ را منتشر کند، به دنبال تأیید از طرف آن شرکت باشید. "شراکت" می‌تواند به معنای محصول مشترک، مشارکت در برنامه استارتاپ یا استفاده معمولی از یک خدمت عمومی باشد. این سه چیز کاملاً متفاوت هستند.

درخواست:

|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | تمام شراکت‌های اعلام شده توسط پروژه را فهرست کنید. برای هر یک تأیید طرف دیگر، تاریخ، دامنه دقیق همکاری، محصول یا ادغام عملی، و نتیجه قابل اندازه‌گیری را پیدا کنید. لوگو و بیانیه یک‌طرفه را به عنوان: "اعلام شده، تأیید نشده" علامت‌گذاری کنید. |

مرحله 6. GitHub و قراردادهای هوشمند را ارزیابی کنید

تعداد زیاد commitها در ارائه خوب به نظر می‌رسد. اما لزوماً به معنای توسعه محصول نیست. به‌روزرسانی‌های خودکار، مستندات و اصلاحات جزئی می‌توانند به‌طور مصنوعی شمارش را افزایش دهند.

بررسی کنید:

• آیا مخزن شامل کد یک محصول عملی است؟
• چند نفر واقعاً کد می‌نویسند؟
• آیا درخواست‌های pull مورد بررسی کد قرار می‌گیرند؟
• آیا پروژه دارای تست‌ها و CI است؟
• آخرین نسخه چه زمانی منتشر شده است؟
• آیا کد منتشر شده با کدی که در زنجیره پیاده‌سازی شده مطابقت دارد و می‌توان آن را به نسخه خاصی از قرارداد مرتبط کرد؟
• آیا بخش‌های بحرانی بسته شده‌اند؟
• آیا پروژه به یک نفر وابسته است؟

GitHub نمودارهای commit و تغییرات کد را ارائه می‌دهد، اما خود شاخص‌های فعالیت باید در زمینه خوانده شوند. مستندات GitHub داده‌های موجود درباره فعالیت مخزن را توصیف می‌کند.

حسابرسی تضمین نیست

در گزارش حسابرسی بررسی کنید:

1. تاریخ
2. دامنه
3. commit یا نسخه کد
4. عناصر حذف شده
5. مشکلات پیدا شده
6. وضعیت اصلاحات
7. تغییرات انجام شده پس از حسابرسی.

حسابرسی یک لایه اضافی از کنترل است، نه مهر امنیت. Ethereum.org به وضوح هشدار می‌دهد که حسابرسی نمی‌تواند هر خطایی را شناسایی کند. Ethereum.org محدودیت‌های حسابرسی و لایه‌های امنیتی دیگر را بررسی می‌کند.

چه کسی می‌تواند قرارداد را تغییر دهد؟

کد تأیید شده کافی نیست اگر مدیر بتواند به زودی پیاده‌سازی را تغییر دهد.

از AI بخواهید در شناسایی کمک کند:

• مالک قرارداد
• مدیر proxy
• نقش‌هایی که اجازه می‌دهند توکن‌ها را صادر کنند، عملیات را متوقف کنند و آدرس‌ها را مسدود کنند
• مجوزهای به‌روزرسانی قرارداد
• آستانه multisig
• تأخیر زمانی (timelock)
• آدرس خزانه
• عملکردهای اضطراری.

سپس آدرس‌ها را در اکسپلورر تأیید کنید. OpenZeppelin تأکید می‌کند که مکانیزم‌های به‌روزرسانی قرارداد نیاز به کنترل دسترسی صحیح دارند. مستندات OpenZeppelin proxy و UUPS را توصیف می‌کند.

مرحله 7. داده‌های on-chain را بررسی کنید

متریک‌های on-chain نیاز به تفسیر دقیق دارند، زیرا نام‌های مشابه اغلب به پدیده‌های مختلف اشاره دارند.

آدرس فعال کاربر نیست

یک نفر می‌تواند از چندین کیف پول استفاده کند. یک آدرس صرافی می‌تواند در عوض وجوه هزاران مشتری را ذخیره کند.

Glassnode بنابراین از هورستیک‌های خود برای گروه‌بندی آدرس‌ها در "entities" استفاده می‌کند، اما حتی آن‌ها نیز تخمینی هستند. Glassnode محدودیت‌های داده‌های آدرس را توضیح می‌دهد.

به جای فقط تعداد آدرس‌ها، بررسی کنید:

• کاربران پرداخت‌کننده
• کاربران جدید و بازگشتی
• نگهداری پس از 7 و 30 روز
• میانه تعداد تراکنش‌ها در هر کیف پول
• سهم ربات‌ها و کیف پول‌هایی که عمدتاً برای دریافت airdrop ایجاد شده‌اند
• فعالیت پس از پایان مشوق‌ها.

افزایش TVL لزوماً به معنای واریزهای جدید نیست

TVL می‌تواند بدون واریزهای جدید افزایش یابد. اگر پروتکل 100 ETH را ذخیره کند و قیمت اتر 20% افزایش یابد، TVL به دلار نیز حدود 20% افزایش می‌یابد. ممکن است هیچ واریز جدیدی وجود نداشته باشد.

DefiLlama TVL را به عنوان ارزش دارایی‌های موجود در قراردادها تعریف می‌کند و به طور جداگانه اشاره می‌کند که حرکت قیمت می‌تواند جریان‌های واقعی را پنهان کند. DefiLlama تعاریف متریک‌های خود را منتشر می‌کند. تعاریف TVL، هزینه‌ها و درآمد. منبع: DefiLlama Data Definitions، دسترسی: 29 ژوئیه 2026.

بنابراین بررسی کنید:

• جریان‌های خالص
• ترکیب TVL
• سهم توکن خود پروژه
• looping و شمارش مضاعف
• تمرکز واریزها
• تأثیر برنامه‌های تشویقی.

Snapshot رتبه‌بندی DefiLlama از 29 ژوئیه 2026 نشان می‌دهد که به عنوان مثال 17.951 میلیارد دلار TVL برای Lido، 14.552 میلیارد دلار برای Aave، 7.646 میلیارد دلار برای Morpho و 7.121 میلیارد دلار برای Binance staked ETH وجود دارد. این رتبه‌بندی ارزش دارایی‌ها در قراردادها است، نه رتبه‌بندی کیفیت سرمایه‌گذاری. خود مقدار TVL نمی‌گوید که چه بخشی از افزایش از واریزهای جدید، تغییرات قیمت دارایی‌ها یا مشوق‌ها ناشی می‌شود. بزرگترین پروتکل‌ها بر اساس TVL. منبع: DefiLlama Protocol Rankings، خوانش: 29 ژوئیه 2026. TVL معادل ورود سرمایه نیست.

هزینه‌ها، درآمد و درآمد دارندگان

این مفاهیم گاهی به طور متناوب استفاده می‌شوند، اگرچه معنای متفاوتی دارند:

• هزینه‌ها -- تمام هزینه‌هایی که توسط کاربران پرداخت می‌شود،
• درآمد -- بخشی که توسط پروتکل نگه‌داری می‌شود،
• درآمد دارندگان -- بخشی از درآمد که به نفع دارندگان توکن اختصاص داده می‌شود.

بسته به مدل، پروتکل می‌تواند بخش قابل توجهی از هزینه‌ها را به تأمین‌کنندگان نقدینگی، اعتبارسنج‌ها یا سایر شرکت‌کنندگان منتقل کند. دارندگان توکن ممکن است از این درآمدی دریافت نکنند و فعالیت ممکن است با جوایز بیشتر تحریک شود.

تفاوت در داده‌های DefiLlama برای 30 روز، که در تاریخ 29 ژوئیه 2026 خوانده شده است، قابل مشاهده است. Pump حدود 81.26 میلیون دلار هزینه و 30.86 میلیون دلار درآمد نشان می‌دهد، در حالی که Hyperliquid حدود 53.53 میلیون دلار هزینه و 37.46 میلیون دلار درآمد دارد. بنابراین، همان مقدار هزینه می‌تواند به ارزش کاملاً متفاوتی که توسط پروتکل نگه‌داری می‌شود، منجر شود. در مقایسه پروژه‌ها، باید دسته فعالیت و تعریفی که توسط تأمین‌کننده داده‌ها استفاده شده است، نیز در نظر گرفته شود.

به‌طور کمکی می‌توان مقایسه کرد:

|-----------------------------------------------------------------------------------------------------------|
| تراز جریان‌ها برای دارندگان توکن = درآمد دارندگان − ارزش انتشار جدید اختصاص داده شده به مشوق‌ها |

بالاترین هزینه‌ها در 30 روز. منبع: DefiLlama Fees، خوانش: 29 ژوئیه 2026. دسته‌های پروتکل‌ها و تعاریف هزینه‌ها یکسان نیستند.

این یک شاخص کمکی است و نه ارزش توکن یا سود مالک آن. انتشار الزاما نباید به کاهش قیمت متناسب منجر شود و اثرات آن به دریافت‌کنندگان، روش توزیع، نقدینگی و شرایط بازار بستگی دارد.
سهم درآمدها در کمیسیون‌ها. منابع: DefiLlama Fees و DefiLlama Revenue، خوانش: 29 ژوئیه 2026.

مرحله 8. نقدینگی و جامعه را بررسی کنید

حجم 24 ساعته نمی‌گوید که با چه قیمتی می‌توانید توکن را بفروشید.

بررسی کنید:

• اسپرد،
• عمق بازار،
• لغزش تخمینی،
• سهم بزرگترین صرافی،
• تعداد تریدرهای منحصر به فرد،
• وابستگی به یک سازنده بازار،
• نقدینگی متعلق به تیم،
• تاریخ پایان جوایز برای تأمین‌کنندگان نقدینگی.

تحقیق NBER در مورد 29 صرافی نشان داد که تجارت شستشوی قابل توجهی در برخی از پلتفرم‌های تحلیل شده وجود دارد. این یک نتیجه تاریخی برای مجموعه خاصی بود، بنابراین نمی‌توان آن را به هر صرافی امروزی نسبت داد.

با این حال، نشان می‌دهد که چرا باید گردش گزارش شده را با عمق و کیفیت بازار مقایسه کرد. تحقیق "Crypto Wash Trading" در NBER در دسترس است.

به همین ترتیب، رسانه‌های اجتماعی را نیز در نظر بگیرید. دنبال‌کنندگان، واکنش‌ها و احساس مثبت می‌توانند خریداری یا تولید شوند.

به نکات زیر توجه کنید:

• جهش‌های ناگهانی در تعداد دنبال‌کنندگان،
• نظرات مشابه،
• حساب‌های تازه ایجاد شده،
• برتری مسابقات بر گفتگوهای مربوط به محصول،
• حذف سوالات انتقادی،
• اختلاف بین محبوبیت در رسانه‌های اجتماعی و استفاده در زنجیره.

از چه ابزارهایی به همراه AI استفاده کنیم؟

شما نیازی به همه پلتفرم‌ها به طور همزمان ندارید. آن‌ها را با توجه به سوال خود انتخاب کنید.

|-----------------------------|--------------------------------------------------------|---------------------------------------------| | وظیفه | ابزارها | محدودیت‌های مهم | | مستندات و مقایسه‌ها | ChatGPT، Claude، Gemini | نتیجه نیاز به بررسی منابع | | تحقیقات جاری | جستجو یا تحقیق عمیق | ارجاع به منابع جایگزین باز کردن لینک | | TVL، هزینه‌ها، درآمد | DefiLlama، Token Terminal | تعریف و روش‌شناسی را بررسی کنید | | پرسش‌های زنجیره‌ای | Dune | جداول، ABI و منطق SQL را ارزیابی کنید | | آدرس‌ها و مالکین توکن‌ها | اکسپلورر، Nansen، Arkham، Bubblemaps | برچسب‌ها ممکن است تجربی باشند | | توکنومیک | مستندات، CoinGecko، خدمات ردیابی آزادسازی | چندین منبع را مقایسه کنید | | قراردادهای هوشمند | اکسپلورر، گزارش حسابرسی، GoPlus، TokenSniffer | اسکنر تضمینی نمی‌دهد | | ریسک L2 | L2BEAT | "مرحله" ارزیابی کامل امنیت نیست | | اجتماعی | X، Discord، Telegram، ابزارهای احساسات | ربات‌ها و کمپین‌های پولی تصویر را تحریف می‌کنند | | وضعیت قانونی | ESMA، KNF و ثبت‌نام ملی مربوطه | وضعیت ممکن است به سرعت تغییر کند |

تحقیق عمیق ChatGPT می‌تواند بر روی فایل‌های ارسال شده، وب عمومی و دامنه‌های مشخص کار کند و گزارشی با لینک‌های به منابع ایجاد کند. در پروژه‌های پیچیده، بهتر از پاسخ سریع چت عمل می‌کند.

با این حال، هنوز هم باید مهم‌ترین نتایج را به صورت دستی بررسی کرد. OpenAI نحوه عملکرد تحقیق عمیق را در مرکز کمک توضیح می‌دهد.

در تحقیقات تکراری، برخی مراحل را می‌توان با یک عامل خودکار کرد، اما فقط پس از تعیین منابع، قوانین و نقاطی که نیاز به تأیید انسان دارند. Cryps.pl این موضوع را در راهنمایی برای ایجاد یک عامل AI برای سرمایه‌گذاری به طور گسترده‌تری نشان می‌دهد. خودکارسازی فرآیند به معنای خودکارسازی تصمیم‌گیری سرمایه‌گذاری نیست.

پیشنهاد آماده برای تحقیق کامل در مورد ارزهای دیجیتال {#6}

|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | شما یک دستیار تحقیق هستید، نه مشاور سرمایه گذاری. پروژه: -- نام: -- نماد: -- شبکه: -- آدرس قرارداد: -- دامنه رسمی: -- تاریخ مرزی داده‌ها: یک تحقیق قابل حسابرسی برای پروژه آماده کنید. قوانین: 1. از حافظه مدل به عنوان منبع حقایق جاری استفاده نکنید. 2. هر اطلاعات متغیر را با لینک و تاریخ مشخص کنید. 3. کد، داده‌های زنجیره‌ای، ثبت‌ها و مستندات را ترجیح دهید. 4. مواد پروژه را به عنوان منابع وابسته علامت‌گذاری کنید. 5. واقعیت، بیانیه، برآورد، نظر و عدم وجود داده‌ها را جدا کنید. 6. حدس نزنید. وقتی مدرکی وجود ندارد، بنویسید "نامشخص". 7. در صورت تناقض، هر دو مقدار را نشان دهید. 8. آدرس‌ها را با کاربران، هزینه‌ها را با درآمد و TVL را با جریان‌های خالص یکی نکنید. 9. برای هر فرضیه کلیدی، بگویید چه چیزی می‌تواند آن را رد کند. 10. توصیه‌ای برای خرید یا فروش ندهید. نتیجه را در جدول زیر ارائه دهید: ادعا | ارزش | تاریخ | منبع | نوع منبع | تأیید مستقل | سطح اطمینان | آنچه نمی‌دانیم. در انتها اضافه کنید: -- حقایق تأیید شده، -- تناقضات، -- کمبود داده‌ها، -- پرچم‌های قرمز، -- 10 سؤال برای بررسی بیشتر.

پس از دریافت گزارش، دومین درخواست را اجرا کنید:

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | فرض کنید فرضیه مثبت درباره پروژه نادرست است. قوی‌ترین ضد استدلال را فقط بر اساس شواهد جمع‌آوری شده بسازید. سه معیار را که ممکن است گمراه‌کننده باشند و داده‌های لازم برای حل اختلاف را مشخص کنید. |

مثال ویرایشی: دور دوم تحلیل باید روایت اول را زیر سؤال ببرد و معیارهای مستعد تفسیر نادرست را افشا کند.

این یک مجموعه ساده است، اما مدل را مجبور می‌کند به دنبال نقاط ضعف باشد به جای اینکه دوباره روایت اول را تأیید کند.

مثال: چگونه AI می‌تواند پروتکل آلفا را به اشتباه ارزیابی کند {#7}

فرض کنید پروتکل خیالی دارای:

• 300 میلیون دلار TVL،
• حسابرسی یک شرکت شناخته شده،
• 10 میلیون دلار هزینه سالانه،
• 12% توکن‌ها در گردش.

پاسخ ضعیف AI ممکن است به این شکل باشد: "TVL بالا، حسابرسی و عرضه کم نشان‌دهنده بنیادهای قوی است".

اما تحلیل دقیق‌تر ممکن است نشان دهد که:

• بخش بیشتری از TVL از استخر نقدینگی یارانه‌ای ناشی می‌شود،
• پروتکل تنها 1 میلیون دلار از 10 میلیون دلار هزینه را نگه می‌دارد،
• دارندگان توکن درآمدی دریافت نمی‌کنند،
• مشوق‌ها سالانه 25 میلیون دلار هزینه دارند،
• 80 میلیون توکن در سه ماه آینده آزاد می‌شود،
• حسابرسی مربوط به پیاده‌سازی قدیمی است،
• به‌روزرسانی قرارداد تحت کنترل multisig 2/3 بدون تأخیر زمانی است.

داده‌های اولیه ممکن است صحیح باشند، اما اگر بدون زمینه ارائه شوند، می‌توانند به ارزیابی نادرست منجر شوند.

این اساس تحقیق خوب است: شما به دنبال یک پرچم قرمز جادویی نیستید، بلکه تعیین می‌کنید که حقایق چگونه در یک سیستم به هم متصل می‌شوند.

سوال "آیا خرید کنم؟"

مدل از وضعیت شما، تحمل ریسک و وضعیت کامل بازار اطلاعی ندارد. چنین سوالی او را به ایجاد یک نظر ظاهراً واضح تشویق می‌کند.

یک پرسش بزرگ بدون منابع

هر چه سوال گسترده‌تر و داده‌ها کمتر باشند، احتمال حدس زدن بیشتر است. تحقیق را به مراحل تقسیم کنید: مستندات، توکنومیکا، کد، زنجیره، بازار و تیم قرمز.

کپی کردن نقل قول‌ها بدون باز کردن صفحات

لینک ممکن است وجود داشته باشد، اما جمله را تأیید نمی‌کند. مستندات، تاریخ، جدول و زمینه را بررسی کنید.

برخورد با اسکنر به عنوان حسابرسی

TokenSniffer، GoPlus و ابزارهای مشابه الگوهای شناخته شده را شناسایی می‌کنند. ممکن است یک واریانت جدید از تله را نادیده بگیرند یا یک عملکرد قانونی را مشکوک علامت‌گذاری کنند.

اشتباه گرفتن متریک‌ها

متداول‌ترین اشتباهات عبارتند از:

• آدرس = کاربر،
• TVL = واریزها،
• هزینه‌ها = درآمد دارنده توکن،
• ارزش بازار = پول‌های سرمایه‌گذاری شده در پروژه،
• آزادسازی = فروش مطمئن،
• دنبال‌کنندگان = جامعه فعال.

سرمایه‌گذاری حاصل‌ضرب آخرین قیمت و عرضه در گردش است. این مقدار نشان‌دهنده مجموع سرمایه‌ای که واقعاً به بازار وارد شده نیست.

عدم وجود تاریخ مرزی

توکنومیکا، نقش‌های مدیریتی و قراردادها ممکن است تغییر کنند. هر گزارش باید نشان دهد که "داده‌ها به‌روز شده‌اند تا..." تاریخ مشخصی را ارائه دهد.

چک‌لیست سریع قبل از خرید توکن

• آیا آدرس قرارداد را تأیید کرده‌اید؟
• آیا محصول در شبکه اصلی کار می‌کند؟
• آیا بلاک‌چین ضروری است؟
• آیا توکن کاربردی غیر از سفته‌بازی دارد؟
• چه بخشی از عرضه در گردش است؟
• نزدیک‌ترین آزادسازی‌های توکن چه زمانی خواهد بود؟
• چه کسی می‌تواند توکن‌های جدید منتشر کند یا قرارداد را تغییر دهد؟
• آیا حسابرسی مربوط به نسخه فعلی است؟
• آیا پروژه دارای تایم‌لاک و مالتی‌سیگ است؟
• آیا TVL به دلیل واریزها یا قیمت دارایی‌ها افزایش می‌یابد؟
• آیا کاربران پس از پایان مشوق‌ها باقی می‌مانند؟
• چه کسی هزینه‌ها و درآمد را دریافت می‌کند؟
• آیا نقدینگی اجازه می‌دهد توکن را بدون لغزش بزرگ بفروشید؟
• آیا شراکت‌ها توسط طرف دیگر تأیید شده‌اند؟
• چه داده‌هایی هنوز مشخص نشده‌اند؟

اگر نمی‌توانید به چند سوال حیاتی پاسخ دهید، نتیجه تحقیق به این شکل نیست که "پروژه خوب است". بلکه به این شکل است: "داده‌ها کمبود دارند".

هوش مصنوعی داده‌ها را مرتب می‌کند، اما تأیید نمی‌کند

گزارش خوب باید به وضوح حقایق تأیید شده را از اظهارات، تناقضات و داده‌های گمشده جدا کند. همچنین باید اطلاعاتی را که ممکن است ارزیابی پروژه را تغییر دهد، مشخص کند.

هوش مصنوعی تحقیق را تسریع می‌کند. اما ریسک را حذف نمی‌کند و مسئولیت تصمیم‌گیری را منتقل نمی‌کند.

چگونه این محتوا ایجاد شد: این مقاله بر اساس تحلیل مستندات ابزارها، منابع زنجیره‌ای، مواد نهادهای نظارتی و تحقیقات تهیه شده است. از هوش مصنوعی برای استخراج، مقایسه و ویرایش محتوا استفاده شده است.

منابع کلیدی باز و بررسی شده‌اند، داده‌های حساس به زمان باید قبل از انتشار دوباره تأیید شوند.

هشدار ریسک: ارزهای دیجیتال دارایی‌های پرریسکی هستند. این متن جنبه آموزشی دارد و به عنوان توصیه سرمایه‌گذاری، مشاوره مالی یا حقوقی تلقی نمی‌شود.

یادداشت ویرایشی

متن در 29 ژوئیه 2026 تأیید شده است. اسکرین‌شات‌ها از وب‌سایت‌های رسمی ESMA و DefiLlama گرفته شده و به‌طور اطلاعاتی با ذکر منبع استفاده شده‌اند. سایر اینفوگرافیک‌ها و نمونه‌های اسکرین‌های پرسش‌ها به‌طور ویرایشی در پالت Cryps.pl تهیه شده‌اند. داده‌های نمونه نمایانگر داده‌های جاری بازار یا توصیه‌های سرمایه‌گذاری نیستند.