Alur Kerja Agen untuk Penelitian Kripto

insights.glassnodeDipublikasikan tanggal 2026-04-01Terakhir diperbarui pada 2026-04-01

Abstrak

Agen AI pengkodean mengubah cara analis dan peneliti berinteraksi dengan data. Artikel ini memberikan contoh penggunaan agen AI (seperti Claude Code) untuk meneliti data crypto dari Glassnode CLI hanya menggunakan perintah bahasa alami. Contoh hipotesis: "Apakah inflow ekstrem BTC ke exchange memprediksi penurunan harga 7 hari ke depan?". Agen secara otomatis menemukan metrik yang tepat, mengunduh data, menjalankan analisis statistik, dan menghasilkan ringkasan hasil. Hasil menunjukkan hari dengan inflow >2 standar deviasi di atas rata-rata mengalami drawdown 1.9% lebih tinggi, namun sampel terbatas. Agen juga dapat membuat visualisasi timeseries dari data tersebut. Glassnode CLI memungkinkan penelitian cepat tanpa boilerplate code. Cukup berikan pertanyaan penelitian dalam bahasa alami, dan agen akan menghasilkan hasil dalam hitungan menit.

Agen pengkodean AI mengubah cara analis dan peneliti berinteraksi dengan data. Alih-alih menulis skrip baris demi baris, Anda memberikan hipotesis atau pertanyaan penelitian kepada agen AI dan – ia menulis kode, mengambil data, menjalankan analisis, dan mengembalikan hasil.

Dalam artikel ini kami menyajikan contoh dunia nyata langkah demi langkah: Meminta agen AI untuk mengunduh data melalui Glassnode CLI, menjalankan analisis statistik, dan menghasilkan bagan siap terbit, semua dari perintah bahasa alami.

Apa yang Anda perlukan

  1. Akses ke agen AI

Kami menggunakan Claude Code dalam panduan ini, tetapi agen apa pun yang dapat menjalankan perintah Python dan shell akan bekerja, termasuk Codex ChatGPT, Cursor, Github Copilot, Google Gemini CLI, OpenClaw, atau alat serupa.

  1. Glassnode CLI (gn)

Antarmuka baris perintah untuk API Glassnode. Instal dan konfigurasikan kunci API Anda dengan mengikuti dokumen Glassnode CLI. Kunci API diperlukan.

Perintah (Prompt)

Kami akan mengevaluasi hipotesis berikut: Peristiwa masuk ekstrem ke bursa BTC bersifat prediktif terhadap penurunan (drawdown) 7 hari ke depan. Untuk melakukan itu, kami akan menginstruksikan Claude Code menggunakan perintah berikut:

Menggunakan Glassnode CLI, unduh masuk harian ke bursa BTC dan harga penutupan untuk tahun terakhir. Analisis apakah lonjakan masuk (hari dengan masuk > 2 standar deviasi di atas rata-rata) memprediksi penurunan dalam 7 hari berikutnya. Tunjukkan saya ringkasan dengan statistik dan hasil.

Itu saja. Satu kalimat yang menggambarkan pertanyaan, dan kalimat lain yang mendefinisikan metodologi. Agen yang akan melanjutkannya dari sana.

Sebuah perintah sederhana untuk agen AI

Apa yang dilakukan agen

Di balik layar, agen menjalankan serangkaian langkah:

  1. Menemukan metrik yang tepat dengan menjalankan gn metric list dan gn metric describe untuk menemukan jalur metrik yang benar dan parameter yang valid.
  2. Mengunduh data melalui gn metric get, menyimpan file CSV untuk kedua masuk ke bursa (transactions/transfers_volume_to_exchanges_sum) dan harga penutupan (market/price_usd_close).
  3. Menulis dan menjalankan analisis Python yang menghitung ambang batas lonjakan, mengidentifikasi hari lonjakan, menghitung penurunan maksimum 7 hari ke depan, dan membandingkan hari lonjakan dengan hari normal.

Agen kembali dengan ringkasan yang dapat dibaca:

Meskipun ini hanya contoh ilustratif, eksperimen kami memang mengungkapkan hubungan moderat antara lonjakan masuk ke bursa dan penurunan berikutnya. Hari lonjakan melihat penurunan rata-rata kira-kira 1,9 poin persentase lebih banyak. Namun, dengan hanya 10 hari lonjakan dalam sampel dan efek yang terkonsentrasi dalam dua periode volatil, sinyalnya lebih bersifat sugestif daripada statistik yang kuat. Backtest yang ketat perlu memperhitungkan jendela yang tumpang tindih, mengontrol rezim volatilitas, menggunakan data point-in-time, dan memvalidasi out-of-sample.

Memvisualisasikan hasil

Memvisualisasikan data adalah cara yang baik untuk memvalidasi apakah angka-angkanya bertahan. Dalam proses ini, perintah tindak lanjut yang sederhana sudah cukup:

Buat visualisasi yang menunjukkan data sebagai deret waktu (timeseries).

Dari sini, Anda dapat terus beriterasi: sesuaikan bagan, perbaiki analisis, atau arahkan penelitian ke arah yang berbeda, semua melalui percakapan bahasa alami.

Visualisasi data Glassnode yang dihasilkan AI

Mulai dengan Penelitian Kripto AI pada Data Glassnode

Glassnode CLI memerlukan kunci API, tersedia untuk pelanggan Glassnode Professional.

  1. Instal Glassnode CLI dan konfigurasikan kunci API Anda. Lihat dokumentasi
  2. Buka agen pengkodean AI pilihan Anda (Claude Code, Codex, Cursor, Gemini CLI, OpenClaw, dll.)
  3. Mulai memberikan perintah. Coba pertanyaan seperti:
    • "Unduh deposit staking ETH untuk 6 bulan terakhir dan plot trennya"
    • "Bandingkan aliran bersih (netflows) bursa BTC dan ETH selama 90 hari terakhir"
    • "Temukan metrik mana yang memiliki korelasi tertinggi dengan pengembalian (returns) 30 hari BTC"

Glassnode CLI memungkinkan agen untuk menemukan dan mengambil data metrik tanpa memerlukan pencarian API manual atau penulisan kode boilerplate. Digabungkan dengan agen pengkodean AI, Glassnode CLI mengubah pertanyaan penelitian menjadi hasil dalam hitungan menit.

Pertanyaan Terkait

QApa yang dimaksud dengan AI coding agent dan bagaimana cara kerjanya dalam penelitian kripto?

AAI coding agent adalah alat kecerdasan buatan yang mengubah cara analis dan peneliti berinteraksi dengan data. Alih-alih menulis skrip secara manual, pengguna cukup memberikan hipotesis atau pertanyaan penelitian kepada agen AI, lalu agen akan menulis kode, mengambil data, menjalankan analisis, dan mengembalikan hasil secara otomatis.

QApa saja yang diperlukan untuk memulai penelitian kripto dengan AI menggunakan data Glassnode?

ADibutuhkan dua hal utama: (1) Akses ke AI agent seperti Claude Code, ChatGPT Codex, Cursor, atau tools serupa yang mampu menjalankan perintah Python dan shell, (2) Glassnode CLI (gn) yang sudah diinstal dan dikonfigurasi dengan API key dari Glassnode Professional subscription.

QBagaimana proses yang dilakukan AI agent untuk menganalisis data inflow exchange BTC?

AAgen AI menjalankan tiga langkah utama: (1) Menemukan metrik yang tepat dengan menjalankan perintah gn metric list dan gn metric describe, (2) Mengunduh data melalui gn metric get untuk exchange inflows dan harga penutupan BTC, (3) Menulis dan menjalankan analisis Python untuk menghitung threshold spike, mengidentifikasi hari spike, dan menghitung drawdown 7 hari ke depan.

QApa hasil yang ditemukan dari analisis hubungan antara inflow spike dan drawdown BTC?

AAnalisis menemukan asosiasi moderat antara inflow spike dan drawdown subsequent. Hari-hari dengan inflow spike menunjukkan drawdown rata-rata sekitar 1,9 persentase poin lebih tinggi. Namun dengan hanya 10 hari spike dalam sampel dan efek yang terkonsentrasi di dua periode volatil, sinyal ini lebih bersifat sugestif daripada statistik yang robust.

QApa saja contoh pertanyaan penelitian yang bisa diajukan ke AI agent untuk data Glassnode?

AContoh pertanyaan penelitian: (1) 'Unduh data deposit staking ETH selama 6 bulan terakhir dan plot trennya', (2) 'Bandingkan netflow exchange BTC dan ETH selama 90 hari terakhir', (3) 'Temukan metrik mana yang memiliki korelasi tertinggi dengan return BTC 30-hari'.

Bacaan Terkait

Huang Renxiong 'Menyelamatkan' Pasar Saham Korea: Mengunci Memori SK Hynix, Kekurangan Chip Akan Berlanjut

Pasar saham Korea Selatan mengalami penurunan tajam awal Juni, dengan indeks KOSPI anjlok lebih dari 5%. Dalam situasi ini, kunjungan Jensen Huang, CEO NVIDIA, ke Korea Selatan memainkan peran penting. Dalam pertemuan dengan CEO SK Hynix, Kwak Noh-jung, dan Chairman SK Group, Chey Tae-won, Huang mengumumkan bahwa CPU Vera buatan NVIDIA akan menggunakan memori DRAM dari SK Hynix. Kedua perusahaan juga menandatangani kerja sama teknologi jangka panjang untuk mengembangkan memori generasi mendatang untuk infrastruktur AI NVIDIA, mencakup superkomputer AI, PC, dan platform robotika. Kerja sama ini melampaui pasokan memori. SK Hynix akan memanfaatkan teknologi AI NVIDIA (seperti CUDA-X dan Omniverse) dalam desain dan manufaktur semikonduktor mereka, termasuk untuk komputasi lithografi dan menciptakan *digital twin* pabrik wafer untuk mengoptimalkan operasi. Meski berpartner dengan SK Hynix, NVIDIA mendiversifikasi pasokan HBM4 untuk sistem Vera Rubin dengan melibatkan tiga pemasok: SK Hynix, Samsung Electronics, dan Micron Technology. Namun, Huang memprediksi bahwa kekurangan chip memori akan berlanjut selama beberapa tahun ke depan karena tingginya permintaan dari industri AI. Kunjungan Huang juga menguatkan hubungan strategis NVIDIA dengan industri teknologi Korea, termasuk raksasa seperti Hyundai Motor, LG, dan Naver, menunjukkan komitmen mendalam NVIDIA di kawasan ini.

marsbit40m yang lalu

Huang Renxiong 'Menyelamatkan' Pasar Saham Korea: Mengunci Memori SK Hynix, Kekurangan Chip Akan Berlanjut

marsbit40m yang lalu

Indeks Nasdaq Turun 4.2% dalam Satu Hari, Apakah 'Jumat Kelam' Menusuk Gelembung Saham AS?

Indeks Nasdaq turun 4,18% pada 5 Juni 2026, mencatat penurunan terbesar dalam satu hari sejak April 2025. Indeks S&P 500 dan Dow Jones juga turun tajam, dengan sektor semikonduktor, terutama saham-saham AI seperti NVIDIA dan AMD, mengalami penurunan terparah. Data non-farm payrolls AS bulan Mei yang lebih kuat dari perkiraan menjadi pemicu langsung, memicu kekhawatiran akan inflasi dan penundaan pemotongan suku bunga oleh Federal Reserve. Analisis mengungkapkan bahwa penurunan ini terjadi di tengah valuasi pasar saham AS yang tinggi. Beberapa indikator, seperti CAPE ratio dan "Buffett Indicator", menunjukkan level yang mengkhawatirkan, mirip dengan periode sebelum gelembung dot-com tahun 2000. Sentimen investor sebelumnya juga sangat optimis. Sektor AI, yang menjadi motor penggerak pasar selama 18 bulan terakhir, menunjukkan kerapuhan. Kekhawatiran muncul terkait kelanjutan belanja modal AI dan kemampuan monetisasi aplikasi. Penurunan ini memicu perdebatan di kalangan analis: apakah ini awal penyesuaian gelembung atau hanya koreksi sehat dalam pasar bull. Masa depan pasar akan sangat ditentukan oleh data inflasi (CPI) AS bulan Mei yang akan datang dan pertemuan kebijakan Federal Reserve. Keputusan Fed mengenai jalur suku bunga akan menjadi kunci untuk menentukan apakah penurunan ini adalah awal tren bearish atau hanya fase volatilitas sementara. Investor disarankan untuk lebih berhati-hati dan memantau perkembangan data ekonomi serta sinyal kebijakan moneter dengan ketat.

marsbit42m yang lalu

Indeks Nasdaq Turun 4.2% dalam Satu Hari, Apakah 'Jumat Kelam' Menusuk Gelembung Saham AS?

marsbit42m yang lalu

Indeks Nasdaq Turun 4,2% dalam Satu Hari, Apakah "Jumat Hitam" Meledakkan Gelembung Saham AS?

Indeks Nasdaq anjlok 4,18% pada 5 Juni 2026, mencatat penurunan satu hari terbesar sejak April 2025. Indeks S&P 500 juga turun 2,64%, mengakhiri rekor sembilan minggu kenaikan beruntun. Data tenaga kerja AS (non-farm payrolls) yang jauh lebih kuat dari perkiraan menjadi pemicu langsung, memicu kekhawatiran ekonomi overheating dan ekspektasi bahwa The Fed mungkin menunda pemotongan suku bunga atau bahkan menaikkannya. Lonjakan imbal hasil obligasi AS kemudian menghantam saham-saham teknologi bernilai tinggi dan sensitif suku bunga, terutama di sektor semikonduktor dan AI, dengan Philadelphia Semiconductor Index runtuh lebih dari 10%. Saham seperti Nvidia, Broadcom, dan Micron menjadi penyumbang penurunan terbesar. Penurunan ini menyoroti kerentanan gelembung valuasi yang terakumulasi di pasar, terutama di sekitar narasi AI. Beberapa indikator, seperti CAPE (Shiller P/E) dan rasio kapitalisasi pasar terhadap GDP AS ("Indikator Buffett"), telah mencapai level tertinggi bersejarah, menandakan pasar yang sangat mahal. Sentimen investor juga sangat optimis sebelum koreksi. Sementara itu, "uang pintar" seperti Berkshire Hathaway telah meningkatkan posisi kas mereka. Para ahli terbelah dalam menilai penurunan ini. Kelompok bearish memandangnya sebagai awal koreksi gelembung yang lebih dalam, memperingatkan risiko stagflasi dan tekanan pada laba perusahaan. Kelompok bullish melihatnya sebagai koreksi sehat yang tertunda dalam pasar bullish yang masih didukung oleh pertumbuhan laba yang solid dan ekonomi yang tangguh. Masa depan pasar dalam waktu dekat sangat bergantung pada dua peristiwa kunci: laporan inflasi CPI bulan Mei dan pertemuan kebijakan The Fed (FOMC) pertengahan Juni. Data inflasi yang lebih panas atau sinyal hawkish dari The Fed yang mengisyaratkan suku bunga tinggi akan bertahan lebih lama dapat memperpanjang tekanan penyesuaian. Singkatnya, pasar sedang memasuki fase rapuh di mana janji jangka panjang revolusi AI mulai diuji oleh realitas makroekonomi dan data fundamental. Era taruhan satu arah pada kenaikan abadi mungkin sudah berakhir, dan kehati-hatian menjadi sangat penting.

Odaily星球日报48m yang lalu

Indeks Nasdaq Turun 4,2% dalam Satu Hari, Apakah "Jumat Hitam" Meledakkan Gelembung Saham AS?

Odaily星球日报48m yang lalu

Kasus Pertama Kecerdasan Buatan: Apa yang Diputuskan?

Pada 30 April, Pengadilan Internet Guangzhou mengeluarkan surat penetapan pertama di China terkait kasus *AI agent*. Pihak tergugat adalah perangkat lunak *AI agent* sumber terbuka yang dituduh menggunakan izin tingkat sistem operasi tanpa otorisasi untuk menghindari langkah-langkah manajemen teknis platform penggugat dan melakukan operasi otomatis. Pengadilan memerintahkan penghentian segera penyediaan unduhan, penghentian perilaku penghindaran langkah-langkah teknis, serta penghapusan tutorial dan data terkait. Kasus ini memiliki kemiripan dengan gugatan Amazon terhadap Perplexity di AS, yang juga berfokus pada aktivitas yang menghindari API resmi platform. Kedua kasus menetapkan "batas hukum" yang sama: *AI agent* tidak boleh bertindak sesuka hati dan memerlukan otorisasi ganda, yaitu persetujuan pengguna **dan** persetujuan platform. Masalah intinya adalah kewajiban dan tanggung jawab. Jika *agent* dapat menghindari aturan platform, mekanisme keamanan data dan privasi yang dibangun platform akan gagal, menimbulkan risiko terkait siapa yang bertanggung jawab. Contohnya adalah evolusi strategi Ponsel Doubao. Versi 1.0 awalnya menggunakan pendekatan agresif dengan mengakses izin sistem untuk mengoperasikan aplikasi lain, namun kemudian menghadapi kendala. Versi 2.0 beralih ke jalur kerja sama, merundingkan otorisasi dan integrasi API dengan platform ekosistem seperti Alibaba. Dari kasus-kasus ini, terbentuk tren global: era pertumbuhan liar *AI agent* telah berakhir, digantikan oleh era kompetisi yang sesuai aturan. Biaya kepatuhan menjadi "biaya masuk" baru, "otorisasi ganda" menjadi standar industri, dan status sumber terbuka tidak lagi menjadi alasan untuk dibebaskan dari tanggung jawab. Dengan menangani kasus yang paling radikal dan representatif terlebih dahulu, regulasi secara efektif mendefinisikan ulang aturan permainan, mendorong lebih banyak negosiasi otorisasi dan spesifikasi akses *agent* antara perusahaan *AI agent* dan platform.

marsbit54m yang lalu

Kasus Pertama Kecerdasan Buatan: Apa yang Diputuskan?

marsbit54m yang lalu

Dipecat oleh Google Karena Makalah 14 Halaman, Lebih dari 4000 Orang Mendukungnya, 6 Tahun Kemudian: Saat Itu Ia Hampir Meramalkan Seluruh Era AI

Pada Desember 2020, peneliti AI etika terkemuka Timnit Gebru diberhentikan dari Google setelah konflik terkait makalah akademisnya yang berjudul "On the Dangers of Stochastic Parrots". Lebih dari 4.000 orang menandatangani petisi dukungan untuknya. Makalah setebal 14 halaman itu, yang ditulis pada 2020, memperingatkan berbagai risiko besar model bahasa berskala besar (LLM) jauh sebelum ledakan AI generatif seperti ChatGPT. Makalah tersebut meramalkan lima masalah utama yang kini menjadi kenyataan: (1) **Halusinasi AI** – model menghasilkan informasi yang salah namun terdengar meyakinkan; (2) **Amplifikasi bias** – prasangka sosial dalam data pelatihan diperkuat oleh model; (3) **Konsumsi energi masif** – pelatihan LLM meninggalkan jejak karbon besar; (4) **Data pelatihan tidak teraudit** – pengembang sendiri sering tidak tahu konten sebenarnya dalam dataset raksasa; (5) **Kolaps model & sentralisasi kekuasaan** – konten buatan AI akan mendominasi internet dan meminggirkan bahasa serta budaya minor, sementara pengembangan AI terkonsentrasi di segelintir perusahaan teknologi. Setelah keluar dari Google, Gebru mendirikan Distributed AI Research Institute (DAIR) untuk meneliti isu-isu etika AI di luar kepentingan komersial perusahaan besar. Enam tahun kemudian, peringatan dalam makalah "Parrot Stochastic" yang sempat dianggap berlebihan, kini diakui sebagai tantangan nyata yang dihadapi industri AI. Kisah Gebru menyoroti ketegangan abadi antara inovasi teknologi yang cepat dengan pertimbangan keadilan, transparansi, dan keberlanjutan.

marsbit54m yang lalu

Dipecat oleh Google Karena Makalah 14 Halaman, Lebih dari 4000 Orang Mendukungnya, 6 Tahun Kemudian: Saat Itu Ia Hampir Meramalkan Seluruh Era AI

marsbit54m yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow