Chuan Lin

中金一篇万字长文《中金：稳定币的经济学分析》开篇就2个错误观点：数字货币没有去中心化；是私人货币，不是政府货币。 他理解的去中心化已经狭义为不受任何控制的去政府化；美元稳定币竟然不是政府货币？ 这也难怪得出结论：在香港搞搞试点就行了。 专家=专门坑大家。

【写给技术小白：Crypto AI Agent框架到底在做什么？】 在前段时间的AI Agent热潮，“AI Agent框架”一词总是有着不菲的魔力，很多人认为AI Agent框架就是AI Agent赛道的核心infra，有巨大的估值想象空间。因此一旦一个框架类的项目成为热点，市值往往能达到数亿甚至数十亿。那，这些框架到底在做些什么事情呢？为什么很多技术出身的人总是说这些框架技术含量一般、没什么技术壁垒？本文就希望给不懂技术的AI大模型用户们，讲解一下这个问题。 首先我们要明确两个在Crypto AI Agent赛道中的相当长一段时间内的现状，即： 1. AI Agent的核心推理能力需要依赖于大厂或者开源的AI大语言模型（如chatGPT、deepseek、Claude、Llama）；对于Crypto AI Agent项目而言，自研大模型甚至做大模型finetune都是不现实的，基本都是直接用现成的大模型。 2. 现在AI大语言模型的输入和输出都是文本。在输入端，AI大语言模型需要用户自己提供相关的信息（虽然现在有联网搜索功能，但这个功能对于具体的Agent任务不一定实用）；在输出端，AI大语言模型可以帮你写代码，但受限于没有执行环境，却无法直接执行这些代码。 AI Agent，指的是能够感知环境并做出行动的AI智能体。既然大模型无法直接做到感知环境、做出行动，那么就需要额外的工程代码来实现，这就是AI Agent框架实质上做的事情，即： 1. 设计一套结构化的大模型输入（prompt）；这套prompt中至少包含以下部分：如何让大模型按照指定的结构进行输出、信息采集的文本接口、记忆的文本接口 2. 做一系列环境感知的工程模块，帮助Agent能够从环境中收集信息（比如从推特上抓取信息、从链上抓取信息），并整理成大模型的输入文本 3. 做一系列具体执行的工程模块，能够解析大模型的结构化输出，并让Agent能够采取具体的行动（比如发出响铃警报、在推特上发帖、在链上购买代币） 4. 做一个记忆模块，能够记住一部分之前的信息，以优化Agent的行动 举个例子，假设现在我要开发一个能自动监测crypto行业热点事件并发布热点解读的Twitter Agent，我就需要完成以下技术模块： 一、环境感知模块 1. 部署链上数据监听器：如通过以太坊节点API实时监控大额转账、合约调用等关键事件 2. 搭建社交媒体爬虫：如用Python的Scrapy框架抓取Twitter热搜话题和KOL发言 3. 集成新闻聚合接口：如调用Google News API获取行业快讯 4. 数据清洗管道：用正则表达式过滤垃圾信息，将异构数据统一为JSON格式 （对于一个Agent框架而言，这些常见的环境感知模块是肯定要做出来、供开发者们调用的） 二、Prompt工程系统 可以设计如下结构化提示词模板：你是一个加密货币分析师，当前链上数据显示[插入转账数据]，社交媒体热议[插入话题]，谷歌新闻发布[插入新闻]，请按照以下结构输出： {“score”: 事件重要性评分（1-10分）， “content”: 140字事件解读的推文， “manual”: 是否需要人工复核（yes/no）} （对于一个Agent框架而言，提示词设计肯定比单独的Agent要复杂的多，要保留更多的接口和兼容性） 三、执行模块 当大模型输出结构化文本后： 1. 用自定义解析器提取关键字段（如评分>7分、无需复核，则触发自动发布） 2. 调用Twitter API执行发帖操作 （对于一个Agent框架而言，会做各种常见的行动的工程模块供开发者选择） 四、记忆模块：如每次请求携带前10次分析的摘要、防止重复 总结一下，AI Agent框架的核心就是：如何收集信息并结构化的传递给大模型，让大模型结构化的输出？如何将大模型输出的结构化文本转化为具体的行动？在这个基础之上，不同的AI Agent框架会有自己的特色来优化Agent的表现，比如ElizaOS中的Evaluator，Swarms中多Agent协同的设计等等。 同样的，为什么很多技术大牛不认为当前AI Agent框架有技术壁垒的原因也显而易见了：框架依赖现成大模型、模块多为开源工具集成、缺乏独特算法创新等等。因此如果在下一波AI Agent浪潮中出现了更多Agent框架，我会毫不意外，甚至我还期待能有真正有创新性、一定技术壁垒的框架出现。 如果感觉本文对你有帮助，请帮忙点赞、转发！欢迎在评论区交流互动，我都会积极回复的~