AI Agent：链上交互辅助工具，Meme热潮中走红的产物是否真的有价值？

作者：0XNATALIE

今年下半年以来，AI Agent 的话题热度持续攀升。起初 AI 聊天机器人terminal of truths因其在 X 上幽默的发帖和回复（类似微博上的「罗伯特」）而广受关注，并获得了 a16z 创始人 Marc Andreessen 的 5 万美元资助。受到其发布内容的启发，有人创建了 GOAT 代币，短短 24 小时内涨幅超过 10000%。AI Agent 的话题随即引起了 Web3 社区的关注。之后，基于 Solana 的首个去中心化 AI 交易基金 ai16z 问世，推出了 AI Agent 开发框架 Eliza，并引发了大小写代币之争。然而，社区对 AI Agent 的概念仍不清晰：AI Agent 的核心到底是什么？与 Telegram 交易机器人有何不同？

工作原理：感知、推理与自主决策

AI Agent 是一种基于大型语言模型（LLM）的智能代理系统，能够感知环境、进行推理决策，并通过调用工具或执行操作来完成复杂任务。工作流程：感知模块（获取输入）→ LLM（理解、推理与规划）→ 工具调用（执行任务）→ 反馈与优化（验证与调整）。

具体来说，AI Agent 首先通过感知模块从外界环境中获取数据（如文本、音频、图像等），并将其转化为可以被处理的结构化信息。LLM 作为核心组件，提供强大的自然语言理解与生成能力，充当系统的「大脑」。基于输入的数据和已有的知识，LLM 进行逻辑推理，生成可能的解决方案或制定行动计划。随后，AI Agent 通过调用外部工具、插件或 API 完成具体的任务，并根据反馈对结果进行验证与调整，形成闭环优化。

在 Web3 的应用场景中，AI Agent 与 Telegram 交易机器人或自动化脚本有何区别？以套利为例，用户希望在利润大于 1% 的条件下进行套利交易。在支持套利的 Telegram 交易机器人中，用户设置好利润大于 1% 的交易策略，Bot 便开始执行。然而，当市场波动频繁，套利机会不断变化时，这些 Bot 缺乏风险评估能力，只要满足利润大于 1% 的条件便执行套利。相比之下，AI Agent 能自动调整策略。例如，当某笔交易的利润超过 1%，但通过数据分析评估其风险过高，市场可能突然变化导致亏损，它会决定不执行这笔套利。

因此，AI Agent 具备自我适应性，其核心优势在于能够自我学习和自主决策，通过与环境（如市场、用户行为等）的互动，根据反馈信号调整行为策略，不断提升任务执行效果。它还能基于外部数据实时做出决策，并通过强化学习不断优化决策策略。

这么一说是不是有点像意图框架下的求解器（slover）？AI Agent 本身也是基于意图的产物，与意图框架下的求解器最大的区别就是，求解器依靠精确算法，具有数学上的严谨性，而 AI Agent 决策依赖于数据训练，往往需要在训练过程中通过不断试错来接近最优解。

AI Agent 主流框架

AI Agent 框架是是用于创建和管理智能代理的基础设施。目前在 Web3 里，比较流行的框架包括ai16z的 Eliza、zerebro的 ZerePy 和Virtuals的 GAME。

Eliza是一个多功能的 AI Agent 框架，使用 TypeScript 构建，支持在多个平台（如 Discord、Twitter、Telegram 等）上运行，并通过复杂的记忆管理，能够记住先前的对话和上下文，保持稳定一致的个性特征和知识回答。Eliza 采用 RAG（Retrieval Augmented Generation）系统，能够访问外部数据库或资源，从而生成更加准确的回答。此外，Eliza 集成了 TEE 插件，允许在 TEE 中部署，从而确保数据的安全性和隐私性。

GAME是赋能和驱动 AI Agent 进行自主决策和行动的框架。开发者可以根据自己的需求自定义代理的行为，扩展其功能，并提供定制化的操作（如社交媒体发布、回复等）。框架中的不同功能，如代理的环境位置和任务等，被划分为多个模块，方便开发者进行配置和管理。GAME 框架 将 AI Agent 的决策过程分为两个层级：高层规划（HLP） 和 低层规划（LLP），分别负责不同层次的任务和决策。高层规划负责设定代理的总体目标和任务规划，根据目标、个性、背景信息及环境状态制定决策，确定任务的优先级。低层规划则专注于执行层面，将高层规划的决策转化为具体操作步骤，选择合适的功能和操作方法。

ZerePy是一个开源的 Python 框架，用于在 X 上部署 AI Agent。该框架集成了 OpenAI 和 Anthropic 提供的 LLM，使开发者能够构建和管理社交媒体代理，自动化执行如发布推文、回复推文、点赞等操作。每个任务可以根据其重要性设置不同的权重。ZerePy 提供了简洁的命令行接口（CLI），便于开发者快速启动和管理代理。同时，框架还提供了 Replit （一个在线代码编辑和执行平台）模板，开发者可以通过它快速开始使用 ZerePy，而无需复杂的本地环境配置。

为什么 AI Agent 会面临 FUD？

AI Agent 看似智能，能够降低入门门槛并提升用户体验，为什么社区会有 FUD？原因在于，AI Agent 本质上仍只是一个工具，目前尚不能完成整个工作流程，只能在某些节点上提升效率、节省时间。而且目前的发展阶段，AI Agent 的作用多集中在帮助用户一键发行 MeMe 及运营社交媒体账号。社区戏称「assests belong Dev，liabilities belong AI」。

不过就在本周aiPool作为代币预售的 AI Agent 发布，利用 TEE 技术实现了去信任化。该 AI Agent 的钱包私钥在 TEE 环境中动态生成，确保安全性。用户可以向 AI Agent 控制的钱包发送资金（例如 SOL），AI Agent 随后根据设定规则创建代币，并在 DEX 上启动流动性池，同时向符合条件的投资者分发代币。整个过程无需依赖任何第三方中介，完全由 AI Agent 在 TEE 环境下自主完成，避免了 DeFi 中常见的 rug pull 风险。可见，AI Agent 正在逐步发展。我认为，AI Agent 能够帮助用户降低门槛、提升体验，哪怕只是简化部分资产发行过程，也是有意义的。但从宏观的 Web3 视角来看，AI Agent 作为链下的产物，当前阶段只是充当辅助智能合约的工具角色，因此无需对其能力过度吹嘘。由于今年下半年除了 MeMe 之外缺乏显著的财富效应叙事，AI Agent 的 hype 围绕 MeMe 而展开由此火了也是正常。单靠 MeMe 并无法维持长期的价值，所以如果 AI Agent 能在交易流程中带来更多创新玩法，提供切实的落地价值，它或许会发展成一种普遍的 infra 工具。