AI Agent：MeMe 熱潮中走紅的產物是否真的有價值？

發表於 2024-12-27 14:34 作者： 金色精選

作者：0XNATALIE

今年下半年以來，AI Agent 的話題熱度持續攀升。起初 AI 聊天機器人 terminal of truths 因其在 X 上幽默的發帖和回復（類似微博上的「羅伯特」）而廣受關注，並獲得了 a16z 創始人 Marc Andreessen 的 5 萬美元資助。受到其發布內容的啓發，有人創建了 GOAT 代幣，短短 24 小時內漲幅超過 10000%。AI Agent 的話題隨即引起了 Web3 社區的關注。之後，基於 Solana 的首個去中心化 AI 交易基金 ai16z 問世，推出了AI Agent 开發框架 Eliza，並引發了大小寫代幣之爭。然而，社區對 AI Agent 的概念仍不清晰：AI Agent 的核心到底是什么？與 Telegram 交易機器人有何不同？

工作原理：感知、推理與自主決策

AI Agent 是一種基於大型語言模型（LLM）的智能代理系統，能夠感知環境、進行推理決策，並通過調用工具或執行操作來完成復雜任務。工作流程：感知模塊（獲取輸入）→ LLM（理解、推理與規劃）→ 工具調用（執行任務）→ 反饋與優化（驗證與調整）。

具體來說，AI Agent 首先通過感知模塊從外界環境中獲取數據（如文本、音頻、圖像等），並將其轉化爲可以被處理的結構化信息。LLM 作爲核心組件，提供強大的自然語言理解與生成能力，充當系統的「大腦」。基於輸入的數據和已有的知識，LLM 進行邏輯推理，生成可能的解決方案或制定行動計劃。隨後，AI Agent 通過調用外部工具、插件或 API 完成具體的任務，並根據反饋對結果進行驗證與調整，形成閉環優化。

在 Web3 的應用場景中，AI Agent 與 Telegram 交易機器人或自動化腳本有何區別？以套利爲例，用戶希望在利潤大於 1% 的條件下進行套利交易。在支持套利的 Telegram 交易機器人中，用戶設置好利潤大於 1% 的交易策略，Bot 便开始執行。然而，當市場波動頻繁，套利機會不斷變化時，這些 Bot 缺乏風險評估能力，只要滿足利潤大於 1% 的條件便執行套利。相比之下，AI Agent 能自動調整策略。例如，當某筆交易的利潤超過 1%，但通過數據分析評估其風險過高，市場可能突然變化導致虧損，它會決定不執行這筆套利。

因此，AI Agent 具備自我適應性，其核心優勢在於能夠自我學習和自主決策，通過與環境（如市場、用戶行爲等）的互動，根據反饋信號調整行爲策略，不斷提升任務執行效果。它還能基於外部數據實時做出決策，並通過強化學習不斷優化決策策略。

這么一說是不是有點像意圖框架下的求解器（slover）？AI Agent 本身也是基於意圖的產物，與意圖框架下的求解器最大的區別就是，求解器依靠精確算法，具有數學上的嚴謹性，而 AI Agent 決策依賴於數據訓練，往往需要在訓練過程中通過不斷試錯來接近最優解。

AI Agent 主流框架

AI Agent 框架是是用於創建和管理智能代理的基礎設施。目前在 Web3 裏，比較流行的框架包括 ai16z 的Eliza、zerebro 的 ZerePy 和 Virtuals 的 GAME。

Eliza 是一個多功能的 AI Agent 框架，使用 TypeScript 構建，支持在多個平台（如 Discord、Twitter、Telegram 等）上運行，並通過復雜的記憶管理，能夠記住先前的對話和上下文，保持穩定一致的個性特徵和知識回答。Eliza 採用 RAG（Retrieval Augmented Generation）系統，能夠訪問外部數據庫或資源，從而生成更加准確的回答。此外，Eliza 集成了 TEE 插件，允許在 TEE 中部署，從而確保數據的安全性和隱私性。

GAME 是賦能和驅動 AI Agent 進行自主決策和行動的框架。开發者可以根據自己的需求自定義代理的行爲，擴展其功能，並提供定制化的操作（如社交媒體發布、回復等）。框架中的不同功能，如代理的環境位置和任務等，被劃分爲多個模塊，方便开發者進行配置和管理。GAME 框架 將 AI Agent 的決策過程分爲兩個層級：高層規劃（HLP） 和 低層規劃（LLP），分別負責不同層次的任務和決策。高層規劃負責設定代理的總體目標和任務規劃，根據目標、個性、背景信息及環境狀態制定決策，確定任務的優先級。低層規劃則專注於執行層面，將高層規劃的決策轉化爲具體操作步驟，選擇合適的功能和操作方法。

ZerePy 是一個开源的 Python 框架，用於在 X 上部署 AI Agent。該框架集成了 OpenAI 和 Anthropic 提供的 LLM，使开發者能夠構建和管理社交媒體代理，自動化執行如發布推文、回復推文、點贊等操作。每個任務可以根據其重要性設置不同的權重。ZerePy 提供了簡潔的命令行接口（CLI），便於开發者快速啓動和管理代理。同時，框架還提供了 Replit （一個在线代碼編輯和執行平台）模板，开發者可以通過它快速开始使用 ZerePy，而無需復雜的本地環境配置。

爲什么 AI Agent 會面臨 FUD？

AI Agent 看似智能，能夠降低入門門檻並提升用戶體驗，爲什么社區仍存 FUD？原因在於，AI Agent 本質上仍只是一個工具，目前尚不能完成整個工作流程，只能在某些節點上提升效率、節省時間。而且目前的發展階段，AI Agent 的作用多集中在幫助用戶一鍵發行 MeMe 及運營社交媒體账號。社區戲稱「assests belong Dev，liabilities belong AI」。

不過就在本周 aiPool 作爲代幣預售的 AI Agent 發布，利用 TEE 技術實現了去信任化。該 AI Agent 的錢包私鑰在 TEE 環境中動態生成，確保安全性。用戶可以向 AI Agent 控制的錢包發送資金（例如 SOL），AI Agent 隨後根據設定規則創建代幣，並在 DEX 上啓動流動性池，同時向符合條件的投資者分發代幣。整個過程無需依賴任何第三方中介，完全由 AI Agent 在 TEE 環境下自主完成，避免了 DeFi 中常見的 rug pull 風險。可見，AI Agent 正在逐步發展。我認爲，AI Agent 能夠幫助用戶降低門檻、提升體驗，哪怕只是簡化部分資產發行過程，也是有意義的。但從宏觀的 Web3 視角來看，AI Agent 作爲鏈下的產物，當前階段只是充當輔助智能合約的工具角色，因此無需對其能力過度吹噓。由於今年下半年除了 MeMe 之外缺乏顯著的財富效應敘事，AI Agent 的 hype 圍繞 MeMe 而展开由此火了也是正常。單靠 MeMe 並無法維持長期的價值，所以如果 AI Agent 能在交易流程中帶來更多創新玩法，提供切實的落地價值，它或許會發展成一種普遍的 infra 工具。

標題：AI Agent：MeMe 熱潮中走紅的產物是否真的有價值？

地址：https://www.coinsdeep.com/article/192164.html

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。