DeFi中的自主代理：用AI重塑金融

原文來源：OKX

OKX Ventures 最近舉辦了一場以「自主代理重塑 DeFi」為主題的線上分享線上分享會 (De 33)，其中最深入的網頁：DSpace 中最激動人心的線上分享會

本次討論超越了 AI 聊天機器人的早期概念熱潮，直面核心問題：自主代理如何創造真實價值、管理風險，並徹底重塑去中心化金融的用戶體驗？為了獲得來自建設者的一線洞見，我們邀請了四位正致力於塑造 Agentic Finance 未來的行業先鋒：

• Cambrian Network's CEO & Founder Sam

• Almanak's CEO & Founder Sam

• Almanak's CEO & Founder Sam

• Almanak's CEO & Founderp. Renç

• Makina's Product Lead Colin

AMA 內容摘要：

1. AI 不是 DeFi 的漸進式改良，而是一場範式轉移。目標是將 DeFi 從當前複雜、以產品為中心的模式，轉變為簡單、以用戶為中心的個人化服務。最終實現讓使用者的財務目標自主地達成，而無需深度的技術知識。

2. AI 的明確分工：「鏈下大腦」，而非「鏈上之手」。目前 AI 在 DeFi 中的角色被嚴格限定。它主要作為「鏈下大腦」進行複雜的推理、數據分析、解析用戶意圖以及生成確定性且可驗證的策略代碼。 AI 本身不直接觸碰或管理鏈上資金，最終的執行是基於可審計的、類似傳統金融的邏輯。

3. 安全優先：透過「人類監督+技術護欄」來管理風險。我們需要將安全和風險控制置於首位，以解決使用者對 AI 失控的擔憂。核心方案是：AI 的操作必須在由人類風險經理預設的、代碼強制執行的「護欄」內進行，而其產生的策略代碼是完全可供人類審計和驗證的。這確保了 AI 的決策可控、可追溯。

4. 服務兩類客戶：為機構提效，為散戶降門檻。產品同時面向機構和零售用戶，但方式不同。對沖基金、DAO 等機構客戶透過 AI 大幅降低策略開發和營運的成本與時間。對零售用戶，則追求「徹底的抽象化」——將所有 DeFi 的複雜性隱藏起來，用戶只需表達簡單的理財目標（如「我希望穩定賺取收益」），剩下的交給代理商完成。

5. 生態協同：應用層與基礎設施層共同發展。 Agentic DeFi 的實作需要一個完整的生態系統。這不僅包括像 Giza 和 Almanak 這樣直接面向使用者的策略應用層，也包括像 Makina 這樣提供安全、跨鏈執行環境的「軌道/結算」層，以及像 Cambrian Network 這樣為代理商提供可靠、可驗證資料「燃料」的基礎設施層。

6. 最終目標：讓專業金融策略民主化。透過 AI 代理，目標是打破傳統金融中只有少數人能接觸到複雜量化策略的障礙。將原本需要耗費數百萬美元和數月時間開發的對沖基金級策略，以極低的成本和極快的速度提供給所有人，真正實現普惠金融。

AMA 問題與討論原文：

1.產品及主要焦點簡介

• Sam (Cambrian Network):

• Sam (Cambrian Network):

• Sam (Cambrian Network):

• Sam (Cambrian Network):

• Sam (Cambrian Network):

之後我在加州大學聖塔芭芭拉分校獲得了密集學習博士學位。接著，我創辦了我的第一家公司 Semiotic Labs，我們是 The Graph 協議的核心開發團隊，專注於 AI、可驗證性和 The Graph 的支付系統。

在那期間，我們做了大量與代理相關的工作。例如，我們在 2022 年發布了首批用於 The Graph 內部動態定價的強化學習代理商。 2023 年，我們發布了首個公開可用的區塊鏈資料終端，使用者可以透過自然語言產生 SQL 來查詢即時和歷史資料。到了 2024 年，基於這些經驗以及我們堅信 AI 將立即產生巨大影響、加密貨幣將在全球經濟中日益重要的信念，我們決定從 Semiotic 中孵化出 Cambrian。 Cambrian 專注於提供鏈上和鏈下的財務情報。為代理人提供這種情報是我們的灘頭陣地市場。

• Neo (Almanak):

我進入這個領域已經過了九年。在創辦 Almanak 之前我經營著一家為 DeFi、交易和加密資產管理提供資料科學和諮詢服務的機構，所以我對這個領域的運作方式非常熟悉。

關於 Almanak，我們進入市場已有四年。我們喜歡稱自己為一家 vibe coding 公司，你可以把我們看作是 DeFi 領域的 Cursor。基本上，我們利用 AI 代理來發現和建立複雜的交易與資產管理策略。這些策略是完全可驗證的確定性代碼。你可以認為這些策略與任何對沖基金用來交易的策略是相同的。

• Renç (Giza):

我擁有產品和行銷背景，在創立 Giza 之前我曾在強生公司擔任五年產品負責人。在此期間我也建構了跨越不同金融用例的智慧合約系統。我很幸運能擁有一個具備機器學習和資料科學背景的團隊，所以我們更多是從擁有金融經驗的機器學習和 AI 領域切入。

自 2022 年以來，我們一直在建造 Giza。 Giza 為自動化金融建立代理應用程式－這些自主系統能夠代表使用者和機構執行複雜的金融策略，且營運開銷為零。我想說，這是我們版本的「為無銀行帳戶者提供銀行服務」。在我們看來，金融排斥不僅關乎你是否擁有一個安全的帳戶來存放你那不斷通膨的法幣，更關乎被隔絕於各種機會之外。你是否能夠靈活應對變化的市場，利用這些巨大的機會，並在必要時規避風險？這是我們想要回答的問題。我們在 Giza 的工作就是將所有這些能力民主化。

• Colin (Makina):

我負責 Makina 的產品。我大約四個月前加入團隊。我進入加密領域已有十多年了。我的背景最初是傳統金融，大約在 2016 年開始涉足 DeFi，並從那時起一直在建立產品。

在 Makina，我們專注於將我們所謂的「DeFi 執行」機構化。除了策略和金庫（vaults）之外，我們真正感興趣的是創造一種安全可靠的方式來與任何 DeFi 協定或任何 EVM 互動進行互動。這對於任何試圖運行策略的人都至關重要，無論是人類以更傳統的方式操作，還是更被動或自動化的策略，亦或是透過 AI 驅動的代理方式構建的策略。

我們從多個角度看待這個問題。首先，我們關注我們稱為「經營者」（operators）的角色。這類似於你在其他協議中看到的「策展人」（curators）。他們能夠以安全的方式進行交易，同時對其能做什麼和不能做什麼有控制。除此之外，我們自己也大量使用 AI 來改善用戶體驗，例如提供更好的建議，更好地理解用戶正在做什麼，以及研究整合新協議的不同方式，以確保無論是人類、代理還是其他類型的演算法在操作金庫時，都能以安全的方式快速上手並創造最大價值。

2. 是什麼啟發你開始目前的專案？為什麼你認為 AI 會為你的產品帶來價值，主要價值主張是什麼？

• Sam (Cambrian Network):

我在 2019 年 12 月完成了我的博士學業。強化學習現在非常火熱，但在 2019 年我們正處於一個強化學習的熊市。這也是我們最初創辦公司時專注於全同態加密的原因之一。

但當 2022 年 GPT 問世時，起初我和大家一樣被震撼了。但我當時其實認為我們正處於一個泡沫的開端——我知道今天很多人也認為我們處在泡沫中。但到了 2023 年，在 GPT 發布一年後，我不斷看到進步，我產生了一種深刻的信念，並且仍然堅信，我們正處在一場新革命的開端，上一場革命是互聯網革命。在此之前，我們有矽谷革命，再往前追溯，還有工業革命等等。

所以，我們正處於一場不會消失的新革命的最初幾年。我鼓勵在座的每個人都做好準備，AI 的能力在可預見的未來將每年翻一番，這將影響到一切，影響我們生活的方方面面，它已經開始了。

除了這個信念，我也參與了 DeFi。早在 2021 年，我之前的公司創建了 Odos.xyz，我們將其分拆了出去。它是一個 DEX 聚合器。所以我對金融應用以及加密貨幣帶來的金融自由和素養抱持著深刻的信念。

在我們引言中提到的試點項目和實驗期間，我注意到的最困難的事情之一是，關於鏈上正在發生的事情的數據和信息，以及其他對鏈上和鏈下金融決策至關重要的相關信息，都非常難以獲取。而這對於財務決策至關重要。這就是我們專注於 Cambrian 的原因。我們相信，每個從事代理金融或自主金融的計畫都需要可靠、快速、全面且可驗證的資訊來餵養牠們的代理。這對這些項目的成功至關重要，因此我們決定專注於金融情報。

• Neo (Almanak):

我們喜歡稱自己為「為 DeFi 服務的 AI」。關於靈感，Almanak 最初是一家使用 AI 優化交易和資產管理策略的公司。我們一直與大型資產管理公司和大型配置者合作，所以我們總是能接觸到大額資本。 Almanak 已經成立四年了。

三年前，當 ChatGPT 熱潮開始時，我們知道它會變得非常重要。於是我們問那些大客戶：「嘿，什麼能讓你們信服地把錢交由 AI 管理？」他們說——這些是特別大的資金配置者——他們永遠不會存入超過比如 100 美元。他們非常害怕 AI 操控、間接的提示詞注入以及各種「未知的未知」。或者簡單地說，當錢虧了，他們希望有個人可以起訴。

所以，在與這些管理著數十億美元的機構交談時，我們問自己：「好吧，AI 最擅長什麼？」如今的 AI 最擅長程式設計。它的編碼速度比一般人快數百倍。 AI 也非常擅長推理；它處理資訊的速度比人類快萬億倍。

於是我們抓住了這兩個特點並將其應用到 Almanak。我們創建了一個「代理集群」（Agentic Swarm）——或者說代理集群團隊——它們遵循的目標函數是：編寫一個高效能的策略，發現市場機會，處理市場動態，優化現有策略，並將所有這些資訊回饋給用戶。

在我們的生態系中，AI 與使用者合作。它給你關於策略的想法，關於優化的想法，並最終實現程式碼。然而，如果出了問題，那些對沖基金要找的人就是你。我們所創造的是一種方法，將開發任何複雜金融策略的上市時間從數月縮短到數分鐘。並且，我們將開發這類策略的成本從數百萬美元降低到僅僅幾美元，甚至不到十美元，這取決於策略的複雜性。

一旦這個策略被創建出來，它就和任何對沖基金使用的策略完全一樣。它是確定性的、可驗證的，你可以回測它、模擬它、部署它——所以你知道會發生什麼。 AI 永遠不會觸碰你的資金。 AI 只是增強了策略的創建和發現過程，但絕不觸碰資金。到目前為止，這種方式是有效的。我們看到了那些大型配置者的信心，我們目前的總鎖倉價值（TVL）是 1.6 億美元。

同樣非常重要的是，一旦一個確定性的 Python 策略被創建，你可以將它包裝進一個金庫（vault）。這些金庫是完全可組合的——你可以把它們放在 Pendle 上、Curve 上等等。所以這也非常酷。我們願意相信我們創造了一種名為「代幣化 AI 金庫」的新資產類別。再次強調，AI 絕不觸碰資金，所以大型配置者非常放心地在這裡存款。他們知道該找誰——他們會找你，金庫的經營者——而你只是利用 Almanak 作為一個編碼速度快 100 倍、認知速度快十億倍的工具。

另外，就像 Sam 說的，我們也專注於創建金融代理。我們的代理人針對量化推理能力進行了微調，所以我們確保這些代理商和業界任何其他的量化分析師一樣聰明，甚至更聰明。但我們的靈感主要來自於與大型配置者的緊密合作，並且非常務實地滿足他們的需求。我們只是問他們：「好吧各位，你們需要什麼？你們會把錢投到哪裡去？」然後我們就把它做出來了。

• Renç (Giza):

正如我所提到的，在創立 Giza 之前，我的合夥人和我一直在建立跨越不同金融用例的智慧合約系統。有一點很清楚：雖然這些自執行合約開啟了開放金融的願景，但我們坦率地認為，以其目前的狀態，創新的步伐太慢，無法與傳統金融保持競爭力。這是我們尋找方法將複雜的鏈下運算移植到鏈上，以顯著提升去中心化系統能力和與去中心化金融世界互動的使用者體驗的主要驅動力。

自 2022 年以來，我們一直在深入研究可驗證 AI。在它變得酷炫之前我們就在做了，向人們解釋它的重要性，尤其是在金融用例方面。我們探索了去中心化金融中所有可能的機器學習熱點和金融用例。

對我們來說，AI 的價值是雙重的。一方面，通用的意圖處理是理解使用者想要在財務上實現什麼的關鍵，而無需技術輸入和自主的專門行動。另一方面，它關乎在鏈上以精確且無開銷的方式執行複雜的自適應策略。這第二部分更傾向於小型的、內部開發的機器學習模型和被重複使用的傳統金融演算法，這些演算法是完全可解釋、可驗證和可自訂的。

• Colin (Makina):

我們在 Makina 的故事始於 Dialectic。 Dialectic 是我們的設計夥伴；我們現在已經獨立於他們，但他們在建立自己的基金時有了一個領悟。對於不熟悉的人來說，Dialectic 是這個領域非常活躍的投資者，自 2021 年以來一直是鏈上收益策略領域最早和最先進的參與者之一。他們透過多年來建立的系統管理著許多不同的事務。

他們很快意識到的一件事是，為了在這個領域競爭，為了賺錢，為了超越表現，為了吸引更多的存款人和有限合夥人（LPs）進入那些基金，他們需要在風險調整的基礎上超越其他策略。為此，他們建立了許多利用腳本的不同工具。他們使用的技術之一是一個名為 Oiler 的開源項目，他們也積極為其做出了貢獻。他們意識到，他們建造的許多工具如果能成為一個開放的基礎設施，實際上會活得更好。這差不多就是 Makina 故事的開端。

我們基本上是把它推向市場，與他們合作，現在正擴展到這個領域的其他業者。我們希望支持未來的發展方向，而那正朝著更多的自動化發展。這種自動化將嚴重依賴區塊鏈內部發生的事情，宏觀環境中發生的事情——無論你從哪裡獲得這些資訊。而處理這些資訊的最佳方式，就是我們從在座各位這裡聽到的。

我們先從 DeFi 和金融基礎設施問題的角度來攻克這個問題，然後研究在哪裡可以應用最佳執行、最佳決策、最佳數據分析。而那很明顯就是自主代理。

我們意識到，就像我們從 Neo 那裡聽到的——順便說一句，那是一個很棒的開場白，聽到了人們把錢交給 AI 所擔心的一些問題——我們以一種稍微不同的方式來處理它。但我們堅信，隨著這些技術越來越好，人們開始理解，我們可以補充和擴展產品，同時解決資產管理產業內部發生的一些主要成本問題。所以我們是 DeFi 的堅定信徒，是以太坊的堅定信徒，也是 AI 及其在這些行業中進步的堅定信徒。

3. 你們現在的主要客戶是誰？他們的痛點是什麼？

• Neo (Almanak):

在 Almanak，我們的產品需要解決兩個面向的問題。我們必須解決如何提供複雜策略和金庫的供給問題。所以，我們與許多不同的 DAO 以及 Morpho 上的每一位策展人進行了合作，例如 Stake DAO, MEV Capital, Block Analitica, Gauntlet——所有這些人。當談到 DAO 時，我們正在與 DeFi Llama 排名前 20 名的大多數 DAO 進行洽談。他們為什麼會用我們的產品？他們基本上會創建利用他們資產的金庫。

我以一個最大的資產管理參與者 Ethena 為例。想像一下，你可以擁有一個 USDe 金庫，它會持續優化並尋找所有 DeFi 協議中最高的 USDe 收益。我們正在和這些人談。

我們也在跟許多新專案談。我不知道大家是否在關注，但現在有很多關於高 FDV 代幣經濟學的抱怨。所以，在 Almanak，我們也允許專案利用 AI 來推出自己的流動性提供或交易策略。用戶可以簡單地使用我們的演算法來啟動一個市場或一個交易競賽。

最後但同樣重要的是普通用戶，資本就是從他們這裡來的。所以我剛才解釋了金庫的供給方。資本的供給方則來自使用者。一旦這些金庫被部署，任何人都可以存入資金並從中受益，當然，作為交換，需要與金庫的策展人分享一些利潤。這些金庫將是完全無需許可的，所以任何人都能部署一個金庫。但我只是想給你們一些關於誰會管理它們，以及我們的首批客戶是誰的視角。

此外，還有資產管理公司和避險基金。我們正在與管理數十億美元的中心化金融（CeFi）實體洽談，他們只是想自動化他們的部署系統。量化分析師（Quants）極為昂貴且難以找到。他們可以把所有這些外包給我們的代理，非常快速地部署複雜的交易策略，在一周甚至幾天內成為一個對沖基金。

我還想提一下這裡重要的一點。作為一個用戶，你將能夠在一個非常類似於 ve 合約的合約中質押代幣。所以你可以為你最喜歡的金庫投票，為你最喜歡的 DAO 投票，或者在你存入金庫時為你的資產投票以增加你的獎勵。我們的產品非常複雜。金庫的供給方將由專業使用者提供，但資本的供給對所有人開放。

• Sam (Cambrian Network):

Colin 剛才提到了在產生收益的金庫和借貸協議之間分配資本。我們關注的焦點是衡量這些收益是在哪裡產生的。要優化 Colin 提到的這類策略，你需要了解在不同鏈上以及這些鏈內不同協議中產生的歷史效益。這需要複雜的資料管道（data plumbing），你要追蹤鏈上活動，包括 EVM 和非 EVM 鏈，並追蹤這些鏈內的協定。

建構者既需要歷史資訊來調整他們的策略，也需要即時資訊來執行他們的策略。這是我們專長的領域之一——追蹤所有這些資訊。如果你想想一個 RPC 提供商，他們提供的是實時的原始信息，這意味著從 RPC 提供者出來的信息並不總是清晰明了。我們所做的是解碼所有的歷史數據，並基於我們對協議的了解，解碼資訊並開始跟踪，比如說，正在產生的收益。

目前，我們正處於封閉測試階段，並與 Coinbase 開發者平台合作。我們正與 Olas 合作，成為 Olas 對沖基金集群的一部分，為 Olas 內的代理商提供歷史和即時的鏈上及鏈下數據。

我們也正在與其他幾個專案合作：我們與 Truflation 緊密合作，為他們提供情緒分析和錢包活動。我們合作的另一個更有趣的專案叫做 AskPire。他們正在追蹤數以萬計與代幣化專案相關的 GitHub 倉庫。我們追蹤歷史貢獻和貢獻者的質量，而 AskPire 正在建立使用我們數據的客製化交易策略，這使得他們能夠將專案活動與未來的代幣價格關聯起來。所以，我希望這能讓你大致了解我們提供的資訊類型。這都是基於我們在代理金融項目中看到的共同需求。

• Renç (Giza):

為了稍微鋪墊一下，在 Giza，我們對漸進式的改進並不真正感興趣。我認為 DeFi 長期以來一直受困於一個又一個的漸進式改進。我們想要實現的是金融領域一次徹底的使用者體驗（UX）典範轉移——甚至不只是 Web3，而是整個金融業。我們希望將金融從以產品為中心轉變為以用戶為中心。在這一點上我們有非常堅定的看法：個人化金融是前進的方向。

我們的願景不是創造另一個 DeFi 協議，從來都不是。而是要創造一個 7 天 24 小時的伴侶，它能夠執行並讓你洞悉你的財務狀況，為你實現你的財務目標。這是我們追逐的北極星。鑑於我們基礎設施的穩健性和這個量身定制的個人化金融的北極星，Giza 的代理商如今能夠同時服務零售用戶和機構。

我們今天合作的機構有更嚴謹、更複雜的需求，涵蓋從託管要求到風險框架再到流動性指令。 Giza 的成立就是為了透過量身定制的代理策略而不是現成的產品來滿足他們。這包括從設計定制代理到隔離的基礎設施、實時監控、審計追踪，以及為基金、金融科技合作夥伴和新銀行（它們有很多主動需求）提供白標實現。

對於個人用戶，我認為這個領域還有一些值得探討的地方。這可能是我們仍然提供同樣複雜性但沒有那麼複雜的地方。對於零售用戶——即「為無銀行帳戶者提供銀行服務」——我們可以讓他們透過一個極度簡化的介面與去中心化金融互動，這個介面完全抽象化了策略層。我們為使用者承擔了財務決策的責任。我們自動化了決策過程。我認為這是 Giza 最明顯的區別因素之一，我們有勇氣、專業知識和才華來承擔這項艱鉅的任務。

對於零售和機構兩個細分市場，我們正在探索一些獨特的要求。簡而言之，零售用戶想要徹底的抽象和可近性，而機構則需要更高的安全性、監控和報告標準。我們有能力同時滿足這兩者。

Giza 一直在建立一個至關重要的資產基礎，那就是穩定幣市場。顯然，它短期內不會消失。它的總市值已達到 3000 億美元，每個流通中的穩定幣都代表著可以由 Giza 代理自主優化的潛在資本。這就是為什麼我們為這個領域建立了我們的第一個代理，並將繼續擴大其覆蓋範圍和能力。當然，這也使我們能夠服務國庫、DAO、機構基金——任何可以抽象化 DeFi 的地方，任何有人問「我該如何投資穩定幣？」的地方，Giza 都在那裡。

• Colin (Makina):

Renç剛才說了一些非常有趣的話，關於我們如何超越金融領域的漸進式變革。我想我們所有人都投身這項技術，都是因為我們意識到傳統金融體系目前對人們來說行不通。我認為這是所有以太坊參與者的指路明燈之一。

我們在 Makina 努力堅守的是，在我們所做的一切的基礎中建立安全性和保障，同時使其具有可擴展性。我們堅信，透過提供這種基礎設施，我們可以為任何人帶來最好的結果，無論是大型機構還是小型零售用戶。

我們看待世界的方式與 Neo 所說的非常相似。有些實體有投資需求，也有些實體希望滿足這些需求。我們正努力確保金融結果的最佳管理者能夠獲得可以安全操作的工具。我們堅信這是一個會成長的領域。

如果我們看看傳統金融市場，全球目前管理的資產大約是 150 兆美元。一個非常有趣的事實是，目前其中約 60-70% 是主動管理的，而且這個份額一直在下降。很大一部分原因是人們支付了大量費用，卻不一定能跑贏 ETF。我們在加密世界裡也聽到了很多關於 ETF 的消息。 ETF 也是相當革命性的，由於其低成本，改變了許多傳統金融人士的看法。

我們堅信，隨著我們看到以太坊、EVM 和 AI 等技術在安全性和自動化方面的進步，這些成本可以降低，人們可以透過更好的策略以更具成本效益的方式獲得超額收益。在全球範圍內，這對我們來說真的非常重要。這不僅僅是為華爾街或倫敦金融城的某個實體做得更好。這是為了確保任何需要獲得金融成果的人都能做到。

除此之外，我們堅信這些都應該直接建構在 DeFi 協定內部。我們應該建立工具，讓管理者能夠將這些生產性資產轉化為抵押品或在 DeFi 生態系統內以不同形式使用。這才是我們發展 DeFi 經濟的真正方式。這可以是穩定幣，但也可以遠不止於此，這樣人們就可以將他們未來的負債與手頭上的資產相匹配，並代代相傳。我們認為這將從根本上改變人們透過自身財富實現繁榮的方式。我再說一遍，我們是 AI 和以太坊實現這一目標的忠實擁躉。

4. 在你們的技術堆疊中，哪些部分更依賴 AI 能力，哪些部分依賴較少，為什麼？另外，既然我們在討論建構一個利用 AI 的金融系統，風險管理和控制就非常重要。當你們考慮 AI 安全時，你們是如何在工作流程中考慮風險管理或控制的？

• Ray (OKX Ventures):

當人們討論 DeFi 代理時，似乎很多用戶，尤其是零售用戶，對這個概念仍有誤解。他們可能認為，「嘿，我們可以直接使用 AI 代理，100% 完全依賴它們來做財務決策、管理我們的資金、尋找 alpha」，但實際上並非如此。實際上，我們是想幫助客戶建立一個在某種程度上利用 AI 能力的金融系統，最終提高工作效率或決策品質。但我們仍然需要建立一個可靠的、確定性的或可驗證的工作流程，因為在我們投入大量資金之前，我們需要一個可靠的金融系統。這就是為什麼我想問一些關於如何在你們的系統中考慮潛在風險因素的問題。

• Renç (Giza):

是的，絕對是如此。我認為這非常關鍵，作為一家率先推出代表用戶和機構進行金融決策的代理的公司，這是我們在過去幾個月中必須克服的最大挑戰之一——教育公眾你所提出的這些合理問題。代理會拿走我的錢跑路嗎？我們能解釋 AI 用我們的錢在做什麼嗎？這有多大程度是 100% 確定的？它們會產生幻覺嗎？我們必須經歷所有這些才能讓人們接受。因為它是一種全新的工具。就 Giza 而言，它不是人們已經習慣於存入資金的金庫；它是一個全新的事物。每個使用者都有一個為他們服務的專屬代理。在你的提問中，區分或定義在這種情況下「AI」是什麼很重要。

你提出的問題大多源自於對 LLM 的理解。對我們來說，LLM 在解析我們用戶的通用需求並將其參數化為偏好方面的能力非常驚人——基本上是將模糊的、人類層面的輸入，從“我想在我的穩定幣上安全地賺錢”到“我想跑贏美國通膨 5%”或“我想對 ETH 承擔中等風險暴露”，轉化為結構化的金融參數。

但 AI 通常被認知的部分──也就是 LLM──對我們來說就到此為止了。一旦意圖被參數化，執行就轉移到建立在演算法邏輯和最佳化函數上的專門代理上，這些代理是確定性的、可驗證的、可審計的，並且能夠跨市場和協議持續自我調整。所以，將這兩者結合起來，我們既從 AI 方面獲得了極大的可自訂性，又同時從擅長金融市場的專門代理那裡獲得了專業的、穩健的、安全的和受策略約束的執行。

• Neo (Almanak):

我不確定 AI 如何能既是確定性的又是可驗證的，但關於我們：我們是如何使用 AI 以及如何解決安全問題的。

再次強調，我們對所有事情都非常務實。我們不想重新發明輪子；我們只是採納了市場上行之有效且有需求的東西。我們特別利用 AI 來產生程式碼，速度快 100 倍，而且這些程式碼是確定性和可驗證的。如果你問任何對沖基金經理人、任何量化分析師、任何開發者他是否熟悉我們代理商產生的東西，他都會熟悉。如果他接到他的有限合夥人（LPs）或銀行的電話說：「嘿，能給我看看代碼嗎？」，他就能展示代碼。如果錢虧了，你將能夠說出是誰偷了錢以及錢是如何被偷的，因為程式碼有漏洞或其他問題。所以這非常重要。安全性與其他對沖基金、其他銀行一樣安全。

當涉及執行和構思時，我們使用代理的方式和這裡的其他人非常相似：基本上是篩選市場、尋找 alpha、找到最佳解決方案、找到最佳交易、模擬策略、回測以及模擬交易以避免滑點。所以 AI 與你一起構思，但最終由你做決定。你決定是否實施 AI 提供給你的策略；你決定是否要更新程式碼。程式碼是完全可驗證和確定性的。再次，我們只是採納了行之有效的方法，並在編碼方面使其快了 100 倍，在推理方面快了十億倍。

當涉及到區塊鏈基礎設施層時，我們也不想重新發明它；我們只是採納了行之有效的東西。我們希望一切都是完全可組合的，所以我們使用可組合的金庫。安全性透過透明的權限來解決。每個金庫都有透明的權限，所以你可以在鏈上看到這個金庫能存取什麼。每當有人——這個金庫經理或策展人——更改這些權限時，都會是可見且透明的。這完全是複製了對沖基金的做法。

此外，我們還創建了——我認為這非常不顯眼，但卻是我們做過的技術含量最高、最困難的事情之一——為我們的代理創建了結構化的工作流程。我們目前有 18 個代理；現在每個人都可以使用其中的 7 個。這些代理人就像量化分析師，但它們在類似於傳統對沖基金的基礎設施上運作。我們借鑒了傳統對沖基金所擁有的——創建、回測、模擬和優化策略的基礎設施——但我們不是為人類創建它，而是為 AI。所以即使是創建過程本身，也和其他對沖基金一樣嚴謹。

基本上，我們只在對資金損失不關鍵的部分使用 AI。正因如此，人們才放心地存入資金，我們也收到了大量來自基金和資產管理公司使用該工具的主動請求。我會說，我們的安全性就像區塊鏈一樣安全。

• Colin (Makina):

我聽了這些朋友們講了很多非常有趣的東西，我可能無法就 AI 的確定性進行辯論，所以這方面就留給你們了。

再說一次，我們是從金融的角度切入這個問題的。回答第一個關於我們在哪裡使用 AI 的問題，我想強調的是，這是我們今天的使用方式。我不是建立這些 AI 代理內部工作原理的專家；我們努力為那些專家提供工具。我們看到了一個演進過程。這裡的任何人在任何意義上都使用過 AI，都在很短的時間內看到了巨大的進步，而且這種進步將繼續下去。

我們目前真正依賴 AI 的地方是使用自動化。當然，正如我們從 Renç和 Neo 那裡聽到的，你需要為此設置護欄。 Makina 一個非常有趣的地方是，我們將這些護欄帶到了跨鏈。 L2 是以太坊的重要組成部分，EVM 的替代 L1 也是，我們在跨鏈轉移資產時保持著同樣的控制。這意味著我們可以開闢新的投資領域，並且可以吸收大量資訊。 Sam 提到了他的公司提供的一些很棒的不同資訊來源。能夠讀取社交媒體上發生的事情——我的意思是，我們現在都在 X（推特）上——是非常關鍵的。

我們大多數人本周可能都有意或無意地花了一些時間思考 Monad。 Monad 上會發生很多事情，早點進入會幫助一些人跑贏其他人。但你不應該在沒有控制的情況下這樣做。這就是我們真正引入的東西。我們認為 AI 將在決定何時何地部署資金方面發揮重要作用，但並非沒有控制權。

• 我們堅信，在目前這個時間點，這些控制仍然需要製衡。我們在金庫內部設有一個「風險經理」角色。這真正意味著的是，有人可以基於白名單決定一個運營商——可以是一個代理商或另一個人——被允許訪問什麼。這被加密地保存在我們機器或金庫內已啟動的每個區塊鏈中。所以當業者做出決策時，時機、方向、幅度——所有這些都可以由這些業者以各種方式決定。但限制存取權限是需要更多考慮的事情，我們需要保持這種控制。我們特別允許風險經理使用 AI 工具進行快速迭代，並建立我們稱為藍圖或腳本的東西，但最終，目前由人類做出最終決定。

另一方面，從使用者的角度來看，我們正在大量實驗，以更好地理解我們的存款使用者想要什麼樣的推薦。這脫離了執行什麼決策的問題，更多的是理解使用者試圖實現什麼，並幫助他們與現有的東西相匹配。正如我所說，我曾在傳統金融工作過，任何在傳統金融待過的人都真正理解獲取資訊有多難。我們希望幫助人們獲得他們想要的訊息，更好地理解基於他們自己的直覺、基於他們自己的目標的表現。我們認為 AI 是實現這一目標的一個非常好的工具。它並不完美。我們一直在用我們的常見問題解答（FAQs）進行實驗，這些都是透過一個 LLM 機器人運行的。團隊會告訴你它仍然需要更多的調整、更多的資料輸入。但我們的用戶對此非常讚賞，這幫助我們調整了我們自己的用戶介面和前端體驗，以更好地服務這些用戶，讓他們以非常有效的方式了解他們想知道的確切內容，而無需閱讀 18 頁的 FAQs。

我真正想強調的另一件事是，我們不用 AI 寫智能合約。我們有真正頂尖的 Solidity 開發者。我們正在與審計師進行大量工作，以確保底層的一切都是安全的。我們認為，在目前，所有這些都應該由非常有經驗的人類來完成，我們對團隊中擁有經驗豐富的人類感到非常滿意。

• Sam (Cambrian Network):

從高層次上，我想分享我如何看待代理。我認為智能存在於一個光譜上。你今天看到的被部署的代理，我將它們歸類為演算法代理（algorithmic agents）。這些代理的決策策略是確定性的；它們是數學的，使用最佳化，並且會完全按照創建者的意圖運行。

在光譜的另一端，我們有 AI 代理（AI agents）。我們今天擁有的最先進的 AI 是 LLMs。 LLMs 富有創造力，能夠適應不同條件。然而，我們今天面臨的 AI 代理的問題是它們是非確定性的。你可以給 GPT 相同的提示，每次執行你都會得到不同的答案。除了非確定性之外，它們還經常出錯；它們會產生幻覺。

AI 代理的前景在於它們的適應性，遠勝於演算法代理。我相信我們將看到——並且我非常有信心地認為——LLM 的確定性問題將被解決。例如，有一家名為 Sakana AI 的公司，它從 Google Brain 孵化出來；他們最近發表了一個結果，在讓 LLM 每次生成相同內容方面取得了巨大進展。我相信 EigenLayer 也將發布一些類似的工作。在提高準確性和幻覺方面，你可以假設每年在任何重要任務上，錯誤率都會減半。

所以總結一下，現在，就像 Renç說的，LLMs 非常適合捕捉意圖，並將意圖轉化為參數，這些參數可以輸入到演算法代理中，然後可靠地運行。在 AI 光譜的另一端，你可以假設它們的性能每年都會翻倍，並且它們將成為管理我們財務決策的積極決策者。

現在，具體到 Cambrian 正在做的事情，我非常關心資料。在資料問題方面，我們透過使用密碼學來檢查我們所有的輸入是否正確，從而確保準確性。如果你開始嘗試取得區塊鏈數據，你會發現它經常是錯誤的。密碼學是確保其正確的解決方案。這些原始數據隨後進入一個資料庫，我們開始追蹤像是收益這樣的東西，我們必須確保我們的收益追蹤演算法與我們追蹤的所有協議的智慧合約編寫方式一致。所以我們必須與其他來源進行大量的抽查和大量的測試。

OKX Ventures 關於 DeFi 自主代理的 Thesis

• Ray（賽道在 2024 年下半年，經歷了從概念狂熱到現實檢驗的關鍵轉折。以「GPT Wrappers/Chatbots」模式為主的第一波浪潮，曾許諾用戶僅透過自然語言就能輕鬆駕馭複雜的 DeFi 操作。然而，這種看似美好的願景在實踐中迅速暴露了其根本缺陷。

這些早期的「DeFAI 終端」在實際應用中普遍遭遇了三大困境：首先，LLM 難以精準識別金融場景下高度複雜且個性化的用戶意圖；其次，產業缺乏將模糊意圖穩定轉化為精確鏈上操作的配套工具；最後，即使用戶擁有了強大的

然而，這些問題的深層共性根源在於：第一代 Agent 們試圖完全依賴非決定性的 LLM 來主導從意圖理解到交易執行的整個過程。

這個根本性的範式缺陷導致了市場的快速洗牌。面對極低的實際轉換率和糟糕的使用者體驗，絕大多數專案因此消失。倖存者則出現了清晰的路線分化：

• 部分專案試圖在 UI 層級進行漸進式改良，優化提示字工程，但這並未觸及核心問題。

• 而另一部分，也是真正引領市場方向的項目，則選擇了更徹底的轉型——它們不再強求 AI 直接理解一切，而是轉向聚焦於特定場景、透過預設工作流程 (pre-built workflows) 為使用者提供明確價值的「自主型 Agent」。

這類新興的自主型 Agent 透過預設的、經過驗證的流程並專注於在 DeFi 適配層 (DeFi Adapter Layer) 和認知引擎 (Cognitive Engine) 上構建真正的深度能力，市場焦點因此明確地轉向了後者，開啟了自主型 Agent 的時代。而要理解這轉變的本質，我們必須先釐清兩種執行範式之間的根本差異。

我們認為，一個安全、可靠且可擴展的 AI 金融解決方案，必須摒棄讓 LLM 直接執行的模式，轉向以「決定性」（Determinism）為核心的結構化工作流程——對於任何給定的輸入，系統總是產生完全相同的輸出。這如同一個數學公式或一段傳統電腦程式碼，其行為是可預測、可驗證、可重複的。此工作流程應遵循以下四大核心原則：

1. 資料策源與環境隔離 (Curated Data Sourcing & Environmental Isolation): Agent 取得外部資訊（如市場行情、鏈上資料）的管道必須是經過嚴格審查和格式化的 API 連接器，而非任其在開放式網路上。這從源頭杜絕了因資料污染而導致的安全風險。

2. 固化策略，而非即時決策 (Pre-vetted Strategies, Not Ad-Hoc Decisions): 任何交易邏輯都不能是 AI 的即興創作。每一套策略都必須在部署前，於沙盒環境中經過開發、嚴苛的回測與模擬，其目標和行為邊界在進入實盤前就已被“固化”，確保其行為符合預期。

3. 權限執行與風險邊界 (Permissioned Execution & Risk Boundaries): 策略執行權限應受到嚴格限制。透過智慧合約設定清晰的權責邊界（例如，僅能與白名單協議互動、嚴格的資金劃轉限制等），確保即使在最壞情況下，潛在損失也被鎖定在可控範圍內。

4. 持續監控與熔斷機制 (Continuous Monitoring & Circuit Breakers): 策略上線後，必須由一個全天候的自主風險管理系統進行即時監控。一旦策略行為偏離預期或市場出現極端波動，該系統應能立即啟動「熔斷」機制，採取減倉或暫停策略等乾預措施，充當最終的「安全閥」。

正是由於第一代產品的範式缺陷，市場迅速完成了洗牌。面對糟糕的使用者體驗和極低的轉換率，絕大多數專案都銷聲。倖存者們則出現了清晰的路線分化：一部分計畫停留在 UI 層面的漸進式改良，而真正引領方向的，是選擇了徹底轉型的「自主型 Agent」(Autonomous Agents)。請不要誤解這個概念，這些新興的 Agentic 產品不再強迫 AI 理解和做所有事情。相反，它們透過 預設的、經過驗證的工作流程 (pre-built, validated workflows)，在特定場景下為使用者提供明確價值。它們將研發重心放在建造真正具有護城河的 DeFi 適配層 (DeFi Adapter Layer) 和 認知引擎 (Cognitive Engine) 上。市場焦點因此明確轉向了後者，開啟了自主型 Agent 的時代。

結論：

儘管 Crypto x AI 賽道飽受質疑，但我們堅信，在遵循上述原則、恰當發揮 LLM 能力的前提下，該領域能為特別是機構客戶帶來極具吸引力的價值主張。這包括 提升多維度資訊分析能力（捕捉傳統演算法難以涵蓋的複雜因子關聯）、數量級地提升程式碼開發與部署效率，以及 實現更強大的自動化執行能力。因此，我們願意長期並持續地關注該領域的發展，並尋找符合我們核心原則的早期團隊。

本文來自投稿，不代表 BlockBeats 觀點。