Sztuczna inteligencja (AI) potrafi w kilka minut przeanalizować whitepaper, tokenomikę i dane on-chain projektu krypto. Ten sam model może jednak zmyślić audyt, pomylić adres kontraktu i przedstawić fałszywe dane jako pewnik. Pokazujemy, jak wykorzystać AI do szybszego researchu kryptowalut, nie oddając mu kontroli nad decyzjami inwestycyjnymi.
AI może przyspieszyć research, ale nie zastępuje weryfikacji. Może szybko przygotować wstępne streszczenie whitepaperu, porównać elementy tokenomiki i uporządkować potencjalne ryzyka.
Potrafi też zmyślić adres kontraktu, pomylić podaż tokena albo powołać się na audyt, który nie istnieje. Problem w tym, że obie odpowiedzi mogą brzmieć równie pewnie.
Dlatego nie pytaj ChatGPT: „Czy warto kupić ten token?”.
To pytanie oddaje modelowi decyzję, której nie jest w stanie podjąć za Ciebie.
Znacznie lepsze podejście wygląda tak: zbierasz wiarygodne źródła, zlecasz AI uporządkowanie danych, a następnie sprawdzasz najważniejsze wnioski w kodzie, eksploratorze blockchaina i niezależnych bazach.
AI jest wtedy asystentem DYOR, a nie wyrocznią.
W tym poradniku pokażemy Ci cały proces – od sprawdzenia adresu kontraktu po analizę odblokowań tokenów, aktywność użytkowników i uprawnienia administratora.
Dostaniesz też gotowe prompty, które możesz zastosować przy dowolnym projekcie.
Najważniejsza zasada: odpowiedź AI nie jest źródłem. Źródłem jest dokument, kod lub zestaw danych, na podstawie którego powstała odpowiedź.
Spis treści:
Co AI może zrobić w researchu krypto?
Modele językowe są dobre w pracy z dużą ilością tekstu.
Potrafią znaleźć powtarzające się informacje, zestawić dokumenty i wyjaśnić techniczny fragment prostszym językiem.
Przydaje się to szczególnie wtedy, gdy projekt ma rozbudowaną dokumentację, kilka wersji dokumentu i dziesiątki wpisów na forum governance.
AI może pomóc Ci:
- streścić whitepaper i dokumentację,
- oddzielić istniejący produkt od roadmapy,
- wypisać założenia tokenomiki,
- porównać projekt z konkurentami,
- przygotować pytania do zespołu,
- wyjaśnić zapytanie Dune lub fragment inteligentnego kontraktu,
- znaleźć sprzeczności między dokumentami,
- zbudować checklistę czerwonych flag,
- przygotować scenariusze dla przyszłej podaży,
- sprawdzić, czy każda teza w raporcie ma źródło.
Najbardziej praktycznym zastosowaniem modelu jest szybkie porządkowanie dużej liczby dokumentów i danych.
Jeżeli chcesz najpierw poznać konkretne aplikacje, zobacz również zestawienie Cryps.pl: najlepsze narzędzia AI dla inwestora.
W tym poradniku skupiamy się nie na rankingu narzędzi, lecz na procesie, który ogranicza ryzyko błędu niezależnie od wybranego modelu.
Czego AI nie powinno robić za inwestora?
AI nie powinno:
- podejmować decyzji o zakupie lub sprzedaży,
- podawać bieżących danych bez sprawdzenia ich w źródle,
- prognozować ceny jako pewnika,
- uznawać projektu za bezpieczny na podstawie samego audytu,
- traktować liczby obserwujących jako dowodu adopcji,
- utożsamiać aktywnych adresów z liczbą osób,
- wymyślać danych, których projekt nie ujawnił.
OpenAI samo ostrzega, że model może tworzyć nieprawdziwe fakty, cytaty i odwołania, a wysoki poziom pewności odpowiedzi nie oznacza jej poprawności.
Ważne dane należy sprawdzać po otwarciu źródła, nie tylko po zobaczeniu linku. OpenAI opisuje ograniczenia ChatGPT w swojej dokumentacji.
Zanim uruchomisz AI: przygotuj źródła
Dobry research zaczyna się poza czatem. Najpierw upewnij się, że analizujesz właściwy projekt.
Ta sama nazwa lub ticker mogą odnosić się do kilku tokenów. Fałszywe strony często kopiują wygląd prawdziwego projektu, a scam token może nosić nazwę popularnej kryptowaluty.
Podstawowym identyfikatorem powinien być adres kontraktu oraz sieć. Przed rozpoczęciem analizy warto też znać najczęstsze rodzaje krypto scamów opisane przez Cryps.pl.
Zbierz:
- oficjalną stronę projektu,
- whitepaper i dokumentację,
- adresy kontraktów,
- repozytorium GitHub,
- raporty audytowe,
- dokumentację tokenomiki i vestingu,
- forum governance,
- profile zespołu i podmioty prawne,
- dane z eksploratora blockchaina,
- dane rynkowe i on-chain z niezależnych serwisów.
Sprawdź, czy adres podany na stronie projektu zgadza się z adresem w eksploratorze oraz w agregatorze takim jak CoinGecko. Jeśli źródła pokazują różne kontrakty, zatrzymaj analizę. Najpierw wyjaśnij rozbieżność.
Którym źródłom ufać najbardziej?
Nie wszystkie linki mają tę samą wartość.
| Kategoria | Przykłady | Do czego służą |
| Dane bezpośrednio weryfikowalne | kod wdrożony on-chain, blockchain, eksplorator, rejestr regulatora | potwierdzanie stanu faktycznego |
| Dokumenty projektu | whitepaper, dokumentacja, governance, oficjalny blog | ustalanie deklaracji i zasad projektu |
| Niezależne analizy | audyty, badania, raporty i analizy on-chain | zewnętrzna ocena oraz interpretacja |
| Bazy z opisaną metodologią | DefiLlama, Dune, Glassnode, L2BEAT | agregacja i normalizacja danych |
Whitepaper jest źródłem pierwotnym dla pytania „co obiecuje projekt?”. Nie jest jednak dowodem, że produkt działa albo ma użytkowników.
Warto o tym pamiętać również przy regulacjach. ESMA zaznacza, że znajdujące się w odpowiedniej części rejestru MiCA whitepapery kryptoaktywów nie zostały sprawdzone ani zatwierdzone przez właściwe organy.
Za ich treść odpowiada oferujący lub emitent. ESMA wyjaśnia działanie rejestru MiCA na swojej stronie.
Jak analizować projekt krypto z AI krok po kroku
Krok 1. Poproś AI o rejestr twierdzeń, nie o streszczenie
Zwykłe streszczenie whitepaperu często powtarza język marketingowy. Potrzebujesz listy zdań, które można sprawdzić.
Użyj promptu:
| Na podstawie załączonego whitepaperu wypisz wszystkie materialne twierdzenia projektu. Podziel je na: 1. istniejący produkt, 2. roadmapę, 3. założenia ekonomiczne, 4. prognozy, 5. twierdzenia marketingowe. Dla każdego twierdzenia podaj: – dokładny fragment źródła, – stronę lub sekcję, – minimalny dowód potrzebny do potwierdzenia, – informację, czego dokument nie wyjaśnia. Nie zakładaj, że deklaracje projektu są prawdziwe. |
W efekcie „mamy 100 tys. użytkowników” przestaje być gotowym faktem. Staje się pytaniem: jak projekt definiuje użytkownika, z jakiego okresu pochodzi liczba i czy da się ją odtworzyć z danych?
Więcej o samym dokumencie przeczytasz w poradniku Cryps.pl: czym jest whitepaper i jak go analizować.
Krok 2. Sprawdź problem, produkt i potrzebę blockchaina
Projekt może mieć efektowną technologię, ale nadal nie rozwiązywać istotnego problemu.
Poproś AI o odpowiedź na pięć pytań:
- Kto jest użytkownikiem?
- Kto płaci za produkt?
- Jaki problem zostaje rozwiązany?
- Czy działający produkt istnieje w sieci głównej?
- Dlaczego rozwiązanie wymaga blockchaina?
Następnie wykonaj prosty test:
| Opisz ten sam produkt bez użycia blockchaina. Wskaż, które korzyści znikają, a które pozostają. Oddziel rzeczywistą redukcję potrzeby zaufania od marketingu. |
Jeżeli scentralizowana baza danych zapewniłaby użytkownikowi dokładnie ten sam rezultat, projekt powinien jasno uzasadnić dodatkowy koszt i złożoność blockchaina.
Krok 3. Zrób test usunięcia tokena
Blockchain może być potrzebny, ale token już niekoniecznie.
Wklej opis produktu i użyj promptu:
| Usuń token z modelu tego projektu. Które funkcje przestają działać? Oddziel: – opłaty, – zabezpieczenie sieci, – staking, – governance, – dostęp do usługi, – zachęty, – spekulację. Wskaż, kto ma powód kupować token, jeżeli jego cena przez rok nie rośnie. |
Projekt może generować opłaty i rozwijać produkt, podczas gdy token nie daje posiadaczowi prawa do żadnej części tej wartości.
Krok 4. Przeanalizuj tokenomikę
Nie kończ na wykresie alokacji. Tokenomika jest systemem przepływów: kto otrzymuje tokeny, kiedy może je sprzedać, skąd bierze się popyt i kto przejmuje przychody.
Zbierz:
- podaż w obiegu,
- podaż całkowitą i maksymalną,
- zasady emisji oraz spalania,
- alokację dla zespołu, inwestorów i społeczności,
- okres blokady (cliff) i harmonogram uwalniania tokenów (vesting),
- odblokowania w ciągu 30, 90 i 365 dni,
- uprawnienia do emisji nowych tokenów,
- płynność tokena,
- mechanizm przechwytywania wartości.
Market cap i FDV to nie to samo
Kapitalizacja rynkowa to cena pomnożona przez podaż w obiegu. FDV pokazuje hipotetyczną wycenę przy całej przyjętej podaży.
| Market cap = cena × podaż w obiegu FDV = cena × przyjęta maksymalna lub całkowita podaż |
FDV jest zazwyczaj obliczane jako aktualna cena pomnożona przez maksymalną podaż tokenów. Jeżeli projekt jej nie określa, dostawca danych może wykorzystać podaż całkowitą lub inną przyjętą wartość. FDV nie jest prognozą przyszłej kapitalizacji, dlatego przed porównaniem projektów trzeba sprawdzić metodologię serwisu. CoinGecko opisuje wzór i ograniczenia FDV.
Odblokowanie nie oznacza automatycznej sprzedaży
Odblokowanie zwiększa liczbę tokenów, które mogą zostać przeniesione lub sprzedane. Nie mówi jednak, co zrobią ich właściciele.
Zamiast pytać AI: „Czy odblokowanie obniży cenę?”, użyj:
| Przeanalizuj najbliższe odblokowanie tokenów. Podaj: – liczbę i wartość tokenów, – procent obecnej podaży w obiegu, – beneficjentów, – warunki harmonogramu uwalniania, – relację do średniego dziennego wolumenu, – relację do głębokości rynku w paśmie ±2% i ±5%. Przygotuj scenariusze sprzedaży 0%, 10%, 25% i 50% puli. Nie prognozuj ceny. Oceń zdolność rynku do absorpcji podaży. |
Sama wielkość odblokowania niewiele mówi bez zestawienia jej z płynnością, wolumenem, kosztem wejścia i strukturą beneficjentów.
Rozwinięcie podstaw znajdziesz w poradniku Cryps.pl o siedmiu wskaźnikach tokenomiki.
Krok 5. Sprawdź zespół, inwestorów i partnerstwa
AI może szybko zebrać biografie. Nie powinno ich samo potwierdzać.
Porównaj:
- stronę projektu,
- profile zawodowe,
- wcześniejsze repozytoria,
- rejestry spółek,
- archiwalne wersje stron,
- komunikaty regulatorów,
- komunikaty rzekomych partnerów.
Jeżeli projekt publikuje logo dużej firmy, poszukaj potwierdzenia po stronie tej firmy. „Partnerstwo” może oznaczać wspólny produkt, udział w programie startupowym albo zwykłe używanie publicznej usługi. To trzy różne rzeczy.
Prompt:
| Wypisz wszystkie partnerstwa deklarowane przez projekt. Dla każdego znajdź: – potwierdzenie drugiej strony, – datę, – dokładny zakres współpracy, – działający produkt lub integrację, – mierzalny rezultat. Logo i jednostronny komunikat oznacz jako: „deklarowane, niepotwierdzone”. |
Krok 6. Oceń GitHub i inteligentne kontrakty
Duża liczba commitów wygląda dobrze w prezentacji. Nie musi jednak oznaczać rozwoju produktu. Automatyczne aktualizacje, dokumentacja i drobne poprawki mogą sztucznie podnosić licznik.
Sprawdź:
- czy repozytorium zawiera kod działającego produktu,
- ilu ludzi rzeczywiście tworzy kod,
- czy pull requesty przechodzą przegląd kodu,
- czy projekt ma testy i CI,
- kiedy ukazało się ostatnie wydanie,
- czy opublikowany kod odpowiada kodowi wdrożonemu on-chain i można powiązać go z konkretną wersją kontraktu,
- czy krytyczne części są zamknięte,
- czy projekt jest zależny od jednej osoby.
GitHub udostępnia wykresy commitów i zmian kodu, ale same wskaźniki aktywności trzeba czytać w kontekście. Dokumentacja GitHub opisuje dostępne dane o aktywności repozytorium.
Audyt nie jest gwarancją
Przy raporcie audytowym sprawdź:
- datę,
- zakres,
- commit lub wersję kodu,
- wyłączone elementy,
- znalezione problemy,
- status poprawek,
- zmiany wprowadzone po audycie.
Audyt jest dodatkową warstwą kontroli, a nie pieczęcią bezpieczeństwa. Ethereum.org wprost ostrzega, że audyt nie wykryje każdego błędu. Ethereum.org omawia ograniczenia audytów i pozostałe warstwy bezpieczeństwa.
Kto może zmienić kontrakt?
Zweryfikowany kod nie wystarcza, jeśli administrator może za chwilę podmienić implementację.
Poproś AI o pomoc w zidentyfikowaniu:
- właściciela kontraktu,
- administratora proxy,
- ról pozwalających emitować tokeny, wstrzymywać działanie i blokować adresy,
- uprawnień do aktualizacji kontraktu,
- progu multisig,
- opóźnienia czasowego (timelocka),
- adresu skarbca,
- funkcji awaryjnych.
Następnie potwierdź adresy w eksploratorze. OpenZeppelin podkreśla, że mechanizmy aktualizacji kontraktu wymagają prawidłowej kontroli dostępu. Dokumentacja OpenZeppelin opisuje proxy i UUPS.
Krok 7. Sprawdź dane on-chain
Metryki on-chain wymagają ostrożnej interpretacji, ponieważ zbliżone nazwy często odnoszą się do różnych zjawisk.
Aktywny adres nie jest użytkownikiem
Jedna osoba może korzystać z wielu portfeli. Jeden adres giełdy może z kolei przechowywać środki tysięcy klientów.
Glassnode dlatego stosuje własne heurystyki grupowania adresów w „entities”, ale również one są estymacją. Glassnode wyjaśnia ograniczenia danych adresowych.
Zamiast samej liczby adresów sprawdź:
- płacących użytkowników,
- nowych i powracających użytkowników,
- retencję po 7 i 30 dniach,
- medianę liczby transakcji na portfel,
- udział botów i portfeli utworzonych głównie w celu zdobycia airdropu,
- aktywność po zakończeniu zachęt.
Wzrost TVL nie musi oznaczać nowych wpłat
TVL może wzrosnąć bez nowych wpłat. Jeśli protokół przechowuje 100 ETH, a cena etheru rośnie o 20%, TVL wyrażone w dolarach również wzrośnie o około 20%. Nie musiał pojawić się ani jeden nowy depozyt.
DefiLlama definiuje TVL jako wartość aktywów znajdujących się w kontraktach i osobno wskazuje, że ruch cen może zasłonić faktyczne przepływy. DefiLlama publikuje definicje swoich metryk.
Sprawdź więc:
- przepływy netto,
- skład TVL,
- udział własnego tokena projektu,
- looping i podwójne liczenie,
- koncentrację depozytów,
- wpływ programów motywacyjnych.
Snapshot rankingu DefiLlama z 29 lipca 2026 r. pokazuje m.in. 17,951 mld USD TVL dla Lido, 14,552 mld USD dla Aave, 7,646 mld USD dla Morpho i 7,121 mld USD dla Binance staked ETH. To ranking wartości aktywów w kontraktach, a nie ranking jakości inwestycji. Sama wysokość TVL nie mówi, jaka część wzrostu pochodzi z nowych depozytów, zmiany cen aktywów albo zachęt.
Fees, revenue i holders revenue
Te pojęcia bywają używane zamiennie, choć oznaczają coś innego:
- fees – wszystkie opłaty płacone przez użytkowników,
- revenue – część zatrzymywana przez protokół,
- holders revenue – część przychodów przeznaczana na korzyść posiadaczy tokena .
W zależności od modelu protokół może przekazywać znaczną część opłat dostawcom płynności, walidatorom lub innym uczestnikom. Posiadacze tokena mogą nie otrzymywać z tego nic, a aktywność może być dodatkowo napędzana nagrodami.
Różnicę widać w danych DefiLlama za 30 dni, odczytanych 29 lipca 2026 r. Pump wykazywał około 81,26 mln USD fees i 30,86 mln USD revenue, natomiast Hyperliquid około 53,53 mln USD fees oraz 37,46 mln USD revenue. Ta sama kwota fees może więc prowadzić do zupełnie innej wartości zatrzymywanej przez protokół. Porównując projekty, trzeba dodatkowo uwzględnić kategorię działalności i definicję zastosowaną przez dostawcę danych.
Pomocniczo można zestawić:
| bilans przepływów dla posiadaczy tokena = holders revenue − wartość nowej emisji przeznaczonej na zachęty |
To wskaźnik pomocniczy, a nie wartość tokena ani zysk jego posiadacza. Emisja nie musi przekładać się na proporcjonalny spadek ceny, a jej skutki zależą od odbiorców, sposobu dystrybucji, płynności i warunków rynkowych.
Krok 8. Sprawdź płynność i społeczność
Wolumen 24-godzinny nie mówi, po jakiej cenie uda Ci się sprzedać token.
Sprawdź:
- spread,
- głębokość rynku,
- szacowany poślizg,
- udział największej giełdy,
- liczbę unikalnych traderów,
- zależność od jednego market makera,
- płynność należącą do zespołu,
- datę zakończenia nagród dla dostawców płynności.
Badanie NBER dotyczące 29 giełd wykazało znaczący wash trading na części analizowanych platform. Był to wynik historyczny dla konkretnego zbioru, dlatego nie można przypisać go każdej dzisiejszej giełdzie.
Pokazuje jednak, dlaczego raportowany obrót trzeba zestawić z głębokością i jakością rynku. Badanie „Crypto Wash Trading” jest dostępne w NBER.
Podobnie traktuj media społecznościowe. Obserwujących, reakcje i pozytywny sentyment można kupić lub wygenerować.
Zwróć uwagę na:
- nagłe skoki liczby obserwujących,
- identyczne komentarze,
- świeżo utworzone konta,
- przewagę konkursów nad rozmowami o produkcie,
- usuwanie krytycznych pytań,
- rozbieżność między popularnością w mediach społecznościowych a użyciem on-chain.
Jakich narzędzi używać razem z AI?
Nie potrzebujesz wszystkich platform naraz. Dobierz je do pytania.
| Zadanie | Narzędzia | Ważne ograniczenie |
| Dokumenty i porównania | ChatGPT, Claude, Gemini | wynik wymaga kontroli źródeł |
| Aktualny research | wyszukiwanie lub Deep Research | cytowanie nie zastępuje otwarcia linku |
| TVL, fees, revenue | DefiLlama, Token Terminal | sprawdź definicję i metodologię |
| Własne zapytania on-chain | Dune | oceń tabele, ABI i logikę SQL |
| Adresy i posiadacze tokenów | eksplorator, Nansen, Arkham, Bubblemaps | etykiety mogą być heurystyczne |
| Tokenomika | dokumentacja, CoinGecko, serwisy śledzące odblokowania | porównaj kilka źródeł |
| Smart kontrakty | eksplorator, raport audytu, GoPlus, TokenSniffer | skaner nie daje gwarancji |
| Ryzyko L2 | L2BEAT | „stage” nie jest pełną oceną bezpieczeństwa |
| Social | X, Discord, Telegram, narzędzia sentymentu | boty i płatne kampanie zniekształcają obraz |
| Status prawny | ESMA, KNF i właściwy rejestr krajowy | status może szybko się zmieniać |
ChatGPT Deep Research może pracować na przesłanych plikach, publicznym webie i wskazanych domenach, tworząc raport z linkami do źródeł. Przy złożonym projekcie sprawdzi się lepiej niż szybka odpowiedź z czatu.
Nadal trzeba jednak ręcznie skontrolować najważniejsze wnioski. OpenAI opisuje działanie Deep Research w centrum pomocy.
Przy powtarzalnym researchu część kroków można zautomatyzować agentem, ale dopiero po ustaleniu źródeł, reguł i punktów wymagających zgody człowieka. Cryps.pl pokazuje to szerzej w poradniku jak stworzyć agenta AI do inwestowania. Automatyzacja procesu nie oznacza automatyzacji decyzji inwestycyjnej.
Gotowy prompt do pełnego researchu krypto
| Jesteś asystentem researchu, nie doradcą inwestycyjnym. Projekt: – nazwa: – ticker: – sieć: – adres kontraktu: – oficjalna domena: – data graniczna danych: Przygotuj audytowalny research projektu. Zasady: 1. Nie używaj pamięci modelu jako źródła bieżących faktów. 2. Każdą zmienną informację opatrz linkiem i datą. 3. Preferuj kod, dane on-chain, rejestry i dokumentację. 4. Materiały projektu oznacz jako źródła zależne. 5. Oddziel fakt, deklarację, estymację, opinię i brak danych. 6. Nie zgaduj. Gdy brakuje dowodu, wpisz „nieustalone”. 7. Przy sprzeczności pokaż obie wartości. 8. Nie utożsamiaj adresów z użytkownikami, fees z revenue ani TVL z przepływami netto. 9. Dla każdej kluczowej tezy podaj, co mogłoby ją obalić. 10. Nie wydawaj rekomendacji kupna ani sprzedaży. Przedstaw wynik w tabeli: twierdzenie | wartość | data | źródło | typ źródła | niezależne potwierdzenie | poziom pewności | czego nie wiemy. Na końcu dodaj: – potwierdzone fakty, – sprzeczności, – braki danych, – czerwone flagi, – 10 pytań do dalszej weryfikacji. |
Po otrzymaniu raportu uruchom drugi prompt:
| Załóż, że pozytywna teza o projekcie jest błędna. Zbuduj najmocniejszy kontrargument wyłącznie na podstawie zebranych dowodów. Wskaż trzy metryki, które mogą wprowadzać w błąd, oraz dane potrzebne do rozstrzygnięcia sporu. |
To prosty zestaw, ale zmusza model do szukania słabości zamiast kolejnego potwierdzania pierwszej narracji.
Przykład: jak AI może źle ocenić Protokół Alfa
Załóżmy, że fikcyjny protokół ma:
- 300 mln USD TVL,
- audyt znanej firmy,
- 10 mln USD rocznych fees,
- 12% tokenów w obiegu.
Słaba odpowiedź AI mogłaby brzmieć: „Wysokie TVL, audyt i niska podaż wskazują na mocne fundamenty”.
Dokładniejsza analiza mogłaby jednak ujawnić, że:
- większa część TVL pochodzi z dotowanej puli płynności,
- protokół zatrzymuje tylko 1 mln USD z 10 mln USD opłat,
- posiadacze tokena nie otrzymują przychodu,
- zachęty kosztują 25 mln USD rocznie,
- za trzy miesiące zostanie odblokowane 80 mln tokenów,
- audyt dotyczy starej implementacji,
- aktualizację kontraktu kontroluje multisig 2/3 bez opóźnienia czasowego.
Początkowe dane mogą być prawidłowe, a mimo to prowadzić do błędnej oceny, jeżeli zostaną przedstawione bez kontekstu.
Na tym polega dobry research: nie szukasz jednej magicznej czerwonej flagi, lecz ustalasz, jak fakty łączą się w system.
Najczęstsze błędy podczas używania AI do DYOR
Pytanie „czy kupić?”
Model nie zna Twojej sytuacji, tolerancji ryzyka ani kompletnego stanu rynku. Takie pytanie zachęca go do stworzenia pozornie jednoznacznej opinii.
Jeden wielki prompt bez źródeł
Im szersze pytanie i mniej danych, tym większe pole do zgadywania. Podziel research na etapy: dokumenty, tokenomika, kod, on-chain, rynek i red team.
Kopiowanie cytowań bez otwierania stron
Link może istnieć, ale nie potwierdzać zdania. Sprawdź dokument, datę, tabelę i kontekst.
Traktowanie skanera jako audytu
TokenSniffer, GoPlus i podobne narzędzia wykrywają znane wzorce. Mogą przeoczyć nowy wariant pułapki albo oznaczyć legalną funkcję jako podejrzaną.
Mylenie metryk
Najczęstsze pomyłki to:
- adres = użytkownik,
- TVL = wpłaty,
- fees = przychód posiadacza tokena,
- market cap = pieniądze włożone do projektu,
- odblokowanie = pewna sprzedaż,
- obserwujący = aktywna społeczność.
Kapitalizacja jest iloczynem ostatniej ceny i podaży w obiegu. Nie pokazuje sumy kapitału, który rzeczywiście napłynął na rynek.
Brak daty granicznej
Tokenomika, role administracyjne i kontrakty mogą się zmienić. Każdy raport powinien wskazywać, że prezentuje „dane według stanu na…” określoną datę.
Szybka checklista przed zakupem tokena
- Czy potwierdziłeś adres kontraktu?
- Czy produkt działa w sieci głównej?
- Czy blockchain jest potrzebny?
- Czy token ma zastosowanie inne niż spekulacja?
- Jaka część podaży jest w obiegu?
- Kiedy nastąpią najbliższe odblokowania tokenów?
- Kto może emitować nowe tokeny lub zmienić kontrakt?
- Czy audyt dotyczy obecnej wersji?
- Czy projekt ma timelock i multisig?
- Czy TVL rośnie dzięki depozytom, czy cenie aktywów?
- Czy użytkownicy zostają po zakończeniu zachęt?
- Kto otrzymuje fees i revenue?
- Czy płynność pozwala sprzedać token bez dużego poślizgu?
- Czy partnerstwa potwierdziła druga strona?
- Jakie dane nadal są nieustalone?
Jeżeli nie umiesz odpowiedzieć na kilka krytycznych pytań, wynik researchu nie brzmi „projekt jest dobry”. Brzmi: „brakuje danych”.
AI porządkuje dane, ale ich nie potwierdza
Dobrze przygotowany raport powinien jasno oddzielać potwierdzone fakty od deklaracji, sprzeczności i brakujących danych. Powinien też wskazywać informacje, które mogą zmienić ocenę projektu.
AI przyspiesza research. Nie usuwa ryzyka i nie przenosi odpowiedzialności za decyzję.
Jak powstał materiał: artykuł przygotowano na podstawie analizy dokumentacji narzędzi, źródeł on-chain, materiałów regulatorów i badań. AI wykorzystano do ekstrakcji, porównywania oraz redakcji materiału.
Kluczowe źródła zostały otwarte i sprawdzone, dane czasowo wrażliwe należy ponownie zweryfikować przed publikacją.
Ostrzeżenie o ryzyku: kryptowaluty są aktywami wysokiego ryzyka. Tekst ma charakter edukacyjny i nie stanowi rekomendacji inwestycyjnej, doradztwa finansowego ani prawnego.
Nota redakcyjna
Tekst zweryfikowano 29 lipca 2026 r. Zrzuty ekranów pochodzą z oficjalnych stron ESMA i DefiLlama i zostały użyte informacyjnie z podaniem źródła
. Pozostałe infografiki oraz przykładowe ekrany promptów przygotowano redakcyjnie w palecie Cryps.pl. Przykładowe dane nie stanowią bieżących danych rynkowych ani rekomendacji inwestycyjnej.
DYOR
AI może wyszukać kandydatów i uporządkować dane, ale nie potrafi zagwarantować jakości projektu ani przyszłego wyniku. Najlepiej używać go do tworzenia krótkiej listy i wskazywania pytań do weryfikacji.
Podaj modelowi konkretne źródła, datę graniczną i oczekiwany format. Zleć osobno analizę whitepaperu, tokenomiki, kodu i danych on-chain. Wymagaj linków oraz oznaczenia braków danych.
Może wykryć sygnały ryzyka, takie jak niespójna dokumentacja, koncentracja podaży albo podejrzane uprawnienia. Nie może potwierdzić, że projekt jest bezpieczny. Brak wykrytej flagi nie jest dowodem uczciwości.
Zbierz podaż, alokacje, harmonogram vestingu, emisję, burn, płynność i przepływy przychodów. Poproś AI o obliczenie scenariuszy, ale zweryfikuj każdą wartość w dokumentacji i danych on-chain.
AI może wyjaśnić fragment kodu i wskazać znane wzorce ryzyka, ale może też przeoczyć zależności między kontraktami lub błędnie ocenić ich znaczenie. Nie zastępuje audytu, testów, formalnej weryfikacji ani specjalisty ds. bezpieczeństwa.
Dla DeFi dobrym punktem startowym jest DefiLlama. Dune przydaje się do własnych zapytań, eksploratory do weryfikacji kontraktów, Glassnode do metryk podmiotów, a L2BEAT do analizy założeń ryzyka warstw drugich.
Śledź CrypS. w Google News. Czytaj najważniejsze wiadomości bezpośrednio w Google! Obserwuj ->
Zajrzyj na nasz telegram i dołącz do Crypto. Society. Dołącz ->
