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 上幽默的發帖和回覆（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。受到其發佈內容的啟發，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 開發框架 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 的核心到底是什麼？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複雜任務。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），並將其轉化為可以被處理的結構化信息。LLM 作為核心組件，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？以套利為例，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 便開始執行。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、用戶行為等）的互動，根據反饋信號調整行為策略，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。
這麼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 裡，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，支持在多個平臺（如 Discord、Twitter、Telegram 等）上運行，並通過複雜的記憶管理，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，從而生成更加準確的回答。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。開發者可以根據自己的需求自定義代理的行為，擴展其功能，並提供定製化的操作（如社交媒體發佈、回覆等）。框架中的不同功能，如代理的環境位置和任務等，被劃分為多個模塊，方便開發者進行配置和管理。GAME 框架 將 AI Agent 的決策過程分為兩個層級：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為具體操作步驟，選擇合適的功能和操作方法。
ZerePy是一個開源的 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，使開發者能夠構建和管理社交媒體代理，自動化執行如發佈推文、回覆推文、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），便於開發者快速啟動和管理代理。同時，框架還提供了 Replit （一個在線代碼編輯和執行平臺）模板，開發者可以通過它快速開始使用 ZerePy，而無需複雜的本地環境配置。
為什麼 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，為什麼社區會有 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 及運營社交媒體賬號。社區戲稱「assests belong Dev，liabilities belong AI」。
不過就在本週aiPool作為代幣預售的 AI Agent 發佈，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 上啟動流動性池，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。我認為，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 作為鏈下的產物，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 而展開由此火了也是正常。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。
