作者：Mira
编译：深潮TechFlow
研究的悖论
Delphi 的研究报告在加密圈堪称传奇。当他们发布关于新代币机制或 DeFi 协议的分析时，项目创始人会记录要点，风投（VC）会调整投资逻辑，交易员则会重新配置投资组合。他们的研究对 Web3 领域数十亿美元的资本分配产生了深远影响。
但问题是：作为机构研究的黄金标准，也带来了一个意想不到的困境。正是这种深度和严谨让他们的分析无比珍贵，但同时也显得令人望而生畏。一份典型的 Delphi 报告可能引用十几篇其他报告，涉及需要背景知识的技术概念，以及假设读者熟悉加密行业发展动态的市场机制。
“我们拥有一整套令人惊叹的研究成果，但我们不断听到人们抱怨难以驾驭这些内容，”Delphi Digital 的运营高级副总裁 Carter Lundy 解释道。“有人可能会偶然看到一份关于 MEV（最大可提取价值）的报告，却因为不了解其背后的概念而迷失方向。我们因此错失了很多潜在价值。”
显而易见的解决方案似乎是一个 AI 助手。一个能随时解释概念、总结冗长分析，并引导读者浏览 Delphi 庞大研究库的工具。2023 年，ChatGPT 席卷全球，这条道路似乎一片明朗。
首次尝试的失败
Delphi 在初步探索 AI 助手时发现，这个问题比他们想象的要复杂得多。团队将一款最先进的语言模型集成到他们的平台中并开始测试，结果却令人担忧。AI 会自信满满地错误解释概念，甚至编造出听起来合理但完全虚假的代币指标。有时，它甚至会错误解读 Delphi 自己发布的观点。
“我们不能推出一个可能传播错误信息且与我们品牌挂钩的产品，”Lundy 回忆道。“我们的信誉就是一切。”
即使他们尝试使用当时最先进的模型，经济成本也难以承受。每个关于代币经济学或 DeFi 机制的复杂查询可能需要花费数美元来处理。对于一个每天有数千用户的平台来说，这样的成本显然无法持续。
经过数月的挫折，他们最终终止了这个项目。AI 助手的实现不得不等待更先进的技术出现。
Web3 原生解决方案
突破来自一个意想不到的地方。在为即将发布的报告研究 AI 与加密领域交集时，Delphi 团队发现了 Mira Network。吸引他们的并不仅仅是另一个 AI API，而是 Mira 在让 AI 更加可靠且经济可行方面的全新思路。
“大多数 AI 公司都专注于构建更大的模型或优化提示词，”Lundy 解释道。“而 Mira 提出了不同的问题：如何让 AI 的回答值得信赖？如何让高质量的 AI 在大规模应用中变得经济可行？”
双方决定合作，共同突破极限。如果他们能让 Delphi Oracle 成功运作，这将证明 AI 能够处理即便是最复杂且对准确性要求极高的内容。
三重创新方法
通过与 Mira 及其生态应用 Klok 的合作，团队开发出了三项创新技术，使 Delphi Oracle 从“不可能”变为“不可或缺”。
-
智能查询路由
回头看，第一个洞见其实简单得令人尴尬：并不是每个问题都需要用 AI 模型来解答。当有人询问 ETH 的当前价格时，为什么要将这个问题发送给昂贵的语言模型，而不是直接查询价格 API 呢？
团队开发了一个极速路由器，可以即时对查询进行分类：
-
价格请求直接转向市场数据
-
简单定义从知识库中提取
-
复杂的分析问题才交由完整的 AI 模型处理
这种路由系统显著降低了成本，同时还加快了对常见问题的响应速度。
-
智能缓存
第二项创新源于对用户行为的研究。他们发现，许多用户提出的问题只是换了种表述，例如：“总结这份报告”“解释这个概念”“关键要点是什么？”
系统通过预生成针对常见问题的高质量回答，并以缓存的形式提供，而不是每次重新生成。关键在于知道该缓存什么：报告摘要是固定的，但关于“最新动态”的查询则需要实时更新的回答。
-
验证层
第三项创新解决了可靠性问题。通过整合 Mira 的验证 API，系统可以在将回答展示给用户之前对其准确性进行检查。这让 Delphi 团队有信心让 AI 处理他们最复杂的内容。
变革的力量
在上线几周内，Delphi Oracle 就成为人们获取加密研究内容的重要工具。如今，平均每位用户每天至少会与 Oracle 交互一次，而且这个数字还在不断增长。
“最让我们惊讶的是它如何改变了用户的阅读习惯，”Lundy 分享道。“以前用户会在遇到复杂部分时放弃阅读，而现在他们会向 Oracle 提问，得到解释后继续阅读，而不是中途放弃。”
这种影响不仅限于理解层面。读者开始发现自己之前忽略的报告之间的联系。他们会要求 Oracle 找到与特定主题相关的研究。有些用户甚至利用它为团队或投资委员会生成摘要。
最重要的是，经济性问题终于得到了解决。通过智能路由、缓存和 Mira 的 API 相结合，每次查询的有效成本降低了约 90%。曾经高昂的费用如今变得可持续，即便是大规模应用也不例外。
超越成本优化
真正的胜利并不在于降低成本，而在于这些节省下来的资源所带来的可能性。Delphi 不再需要将 AI 功能限制于高级订阅用户，而是可以面向所有人开放 Oracle。他们不再为每次查询的成本担忧，而是专注于如何让产品真正有用。
如今，系统可以处理从基础问题（“什么是 AMM？”）到复杂综合分析（“Delphi 关于 L2 扩容的观点与其早期对侧链的研究相比有何不同？”）的各种需求。它成为连接 Delphi 专家分析师与更广泛加密社区之间的桥梁。
“我们原以为是在打造一个辅助工具，”Lundy 回忆道。“但实际上，我们创造了一种全新的方式，让人们与研究内容互动。现在有些用户会先从 Oracle 开始，根据学到的内容深入特定报告。这完全改变了用户的使用路径。”
未来蓝图
Delphi Oracle 已成为其他平台解决类似挑战的典范案例。无论是金融研究公司、技术文档网站还是教育平台，它们都面临着同样的难题：如何在不牺牲准确性的前提下，让复杂内容变得易于理解，同时又能控制成本。
这其中的经验并不是每个平台都需要 Mira 的特定技术架构，而是要认识到，让 AI 真正有用需要超越模型本身的思考。你需要高效的查询路由系统、大规模成本管理的策略，以及在准确性至关重要时确保可靠性的方式。
展望未来
如今，Delphi Oracle 每天处理数千个查询，从寻求深入分析的机构投资者到试图理解基础概念的新手，均能从中受益。这个系统不仅能解释什么是流动性池，还能综合多份研究报告中的跨链互操作性观点。
Delphi 团队不断扩展 Oracle 的功能，尝试在旧的成本结构下无法实现的特性。他们正在探索个性化的研究路径、结合文本和图表的多模态分析，甚至是针对个人投资组合定制的 AI 生成研究简报。
对于一个常被批评为难以接近的行业，Delphi Oracle 代表着一个重要的突破：证明了 AI 可以在不降低内容深度的情况下，普及专家知识。当你解决了可靠性和经济性这两个根本挑战时，你不仅仅是改进了现有产品，而是为人们学习、分析和决策提供了全新的方式。
AI 在研究领域的未来并不是要取代人类专家，而是让每个需要的人在需要的时候，以他们能理解的方式获取专家知识。Delphi Oracle 表明，这样的未来已经到来。
