今天和 @DeAgentAI 的小伙伴开了很长时间的会，基本都是在讨论加密货币行业的 Ai Agent 和 传统领域中 Ai 的区别在哪里，其实即便是目前的传统 Ai 中大家熟知的 Ai 应用也就是在几个方面，一个是无人驾驶，一个是基于语言模型的交互，还有就是通过Ai绘图和动画，这些都是在民用领域比较容易发现的。 而在加密货币领域中，Ai更多的还是在于概念上，前一段时间我每天都会屏蔽大量的“Ai色情对话”的广告，基本上就是ChatGPT的色情版，对话类也是目前加密货币领域较为常见的，其它能有些不同的就是 LUMO 这种给开发人员提供数据集的底层AI应用。当然还有自动发推的这种“AI”，这种AI的背后有部分还是有人工的筛选。 在当前的加密货币领域中比较有代表性的就是 Virtuals 和 ai16z ，Virtuals 的应用更多的还是在“交互”上，仍然能看到传统ChatGPT的影子，而 ai16z 的创新模式非常的好，通过AI来实现投资，但效果如何，现在还待商榷。而且是不是适合普通用户使用还未尝可知。 所以在实际能帮助用户交易的类别中，暂时还没有看到真实的落地产品，不论是真的做交易决策的，还是做交易辅助的，甚至是做真正AI分析的工具都还没有落地，如果真的说加密货币行业的AI有未来，那么这种AI肯定是能获得欢迎的，其实量化就是某种的“AI”，不同点就是策略本身还是需要人为的干预，而不是“AI”自己的抉择。 为什么这些连我这个外行都能想到的问题，却没有很好的解决，主要是有几个原因。 1.共识性缺失（Multi-Persona Dilemma） 这点很好理解，就是我们通过AI问的问题给出的答案可能都是完全不同的，就说明Ai本身没有一个同意和明确的意图，这样在做交易的时候很容易给出不同的方向，而导致投资者不能完全的信任。 2.同一性断裂（Fragmented Identity） 多路径或多结果的可能性会导致在同一时刻 AI 对同一问题输出完全相反的答案，破坏治理系统的信任机制。例如，区块链用单链结构避免了类似的冲突。在任何时刻，Agent 的状态链只接受唯一的状态更新，保证同一时刻输出唯一结果。 3.连续性障碍（Ephemeral Memory） 如果说前两种还是比较模糊的话，第三个问题我自己就遇到过，我之前就说过想要通过ChatPGT来整理出我自己的交易模型，但做不到的一个主要原因就是Ai能储存的数据是非常有限的，根本就没有办法储存我这几年所有的文章，也就没有办法基于这些文章来做出一个模型。AI缺乏可追溯的长期记忆，无法建立持续优化的决策链路。 以上的三种都是影响AI能推出真实的可以帮助交易或者是分析的工具，当然发现问题，解决问题，能知道问题在哪里，然后去找解决方案就可以，虽然到现在还是不能有100%落地的产品，但已经可以通过 Lobe（意图共识引擎）-Memory（去中心化记忆网络）-Tools（LMT）架构实现"决策-记忆-执行"闭环，构建Web3原生AI Agent基础设施，这套框架可广泛用于多个专业领域，包括链上AI优化、DeFi自动化交易策略，数据管理等多个领域。