# Artikel Terkait Agen

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Agen", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Daftar Kelulusan Musim Ketiga EASY Residency Dirilis, Trek Mana yang Dilirik oleh YZi Lab?

YZi Labs mengumumkan 25 proyek lulusan dari program inkubasi andalannya, EASY Residency musim ketiga. Fokus utama batch ini adalah pada rekonstruksi struktur pasar keuangan on-chain, agen kecerdasan buatan (AI), tokenisasi aset dunia nyata (RWA), pasar prediksi, serta privasi dan kepatuhan. Proyek-proyek terpilih mencakup berbagai bidang inovatif: * **Infrastruktur AI & Agent:** Bank of AI (infrastruktur pembayaran dan identitas untuk agen AI di BNB Chain), Cournot (platform untuk verifikasi output probabilistik AI), Newsliquid (agen AI untuk eksekusi perdagangan berbasis berita), Taco AI (infrastruktur trading otomatis dengan AI), dan Functor (lapisan otorisasi mandiri untuk alur kerja agen AI). * **Keuangan Terdesentralisasi (DeFi) & Pasar Modal:** Möbius (lapisan margin terpadu untuk DeFi), LunarBase (platform likuiditas on-chain dengan kedalaman seperti CEX), LayerV (platform opsi dan produk terstruktur), Nemesis (protokol trading margin tanpa izin), TermMax (platform pinjaman desentralisasi dengan suku bunga tetap), dan Openstocks (platform DeFi untuk eksposur pasar ekuitas pribadi yang ditokenisasi). * **Tokenisasi & Aset Dunia Nyata (RWA):** Renaiss (infrastruktur likuiditas RWA untuk barang koleksi fisik) dan GEMINT (pasar on-chain untuk aset koleksi dan kekayaan intelektual). * **Infrastruktur Privasi & Kepatuhan:** 0xBow.io (infrastruktur privasi aset digital yang berorientasi kepatuhan) dan SilentSwap (protokol pertukaran privasi lintas rantai). * **Pasar Prediksi & Derivatif:** Polysights (infrastruktur otomatisasi untuk pasar prediksi), PokerFi (protokol pasar opsi untuk permainan keterampilan poker on-chain), dan vibe.fun (platform derivatif berbasis peristiwa on-chain). * **Infrastruktur & Aplikasi Lainnya:** Flap (infrastruktur penerbitan token yang dapat diprogram), OrbSwap (AMM multidimensi untuk penukaran stablecoin tanpa gesekan), Dapital (platform jejaring sosial dan trading yang terfinansialisasi), L7 (platform perolehan modal untuk agen multi-pasar), Isaac ("neobank" stablecoin tanpa bunga untuk pasar Muslim), MARGIN X (platform prime broker on-chain untuk BNB Chain), dan Brief Tech (alat pengindeksan bukti hukum untuk alur kerja litigasi). Kelompok proyek ini merefleksikan prioritas YZi Labs dalam mendukung inovasi yang membangun blok dasar penting untuk ekosistem blockchain yang lebih matang, efisien, dan dapat diakses.

marsbit05/14 02:14

Daftar Kelulusan Musim Ketiga EASY Residency Dirilis, Trek Mana yang Dilirik oleh YZi Lab?

marsbit05/14 02:14

Era AI Agent Mendekat dengan Cepat, Questflow Mendefinisikan Paradigma Baru Keuangan Cerdas dengan Layanan Perantara AI On-Chain

CB Insights merilis daftar tahunan AI 100 ke-10, memilih 100 startup AI paling potensial di dunia pada tahun 2026. Sorotan utama telah bergeser ke kecepatan penyebaran dan pengelolaan AI dalam alur kerja kompleks, dengan AI Agent yang dapat menjalankan tugas multi-langkah secara mandiri menjadi pendorong utama. Sebagai peserta aktif dalam tren ini, Questflow, sebuah startup yang berbasis di Singapura dan fokus pada bisnis broker AI on-chain, memimpin perubahan ini. Berbeda dari alat keuangan AI yang kebanyakan masih berupa dasbor data, Questflow mengembangkan AI Agent menjadi entitas perdagangan mandiri. AI Clone-nya beroperasi di pasar prediksi Polymarket dan pasar kontrak berjangka Hyperliquid, secara aktif memindai pasar, membentuk penilaian, dan mengeksekusi perdagangan melalui antarmuka percakapan, 24/7 tanpa intervensi manual. Misi inti Questflow adalah mendemokratisasikan kecerdasan finansial. Dengan arsitektur produk AI Clone + Copy Trade, platform ini menurunkan ambang batas kemampuan ini menjadi mulai dari $1, tanpa biaya manajemen atau bagi hasil kinerja, hanya mengenakan biaya eksekusi perdagangan 1%, sehingga selaras dengan kepentingan pengguna. Ketepatan waktu Questflow didukung oleh konvergensi tiga tren: peluncuran AI Agent secara skala besar, percepatan penetrasi AI di sektor jasa keuangan, dan kematangan infrastruktur on-chain. Likuiditas aset on-chain yang memadai, peningkatan kemampuan inferensi AI, dan peningkatan keamanan infrastruktur dompet non-kustodian membuka jendela peluang. Questflow membayangkan masa depan di mana jutaan orang dapat mengoperasikan dana kuantitatif mereka sendiri, menggabungkan fungsi broker, dana, dan bursa dalam satu platform.

链捕手05/11 13:21

Era AI Agent Mendekat dengan Cepat, Questflow Mendefinisikan Paradigma Baru Keuangan Cerdas dengan Layanan Perantara AI On-Chain

链捕手05/11 13:21

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

Anthropic memperkenalkan fitur "Dreaming" (Bermimpi) pada platform Managed Agents, yang memungkinkan AI Agent secara otomatis menganalisis dan mengoptimalkan log dari sesi tugas sebelumnya saat tidak aktif. Proses ini mirip dengan konsolidasi memori dalam tidur manusia, di mana AI menyaring informasi penting dari riwayat operasinya (seperti pola keberhasilan atau kegagalan) untuk meningkatkan kinerja di masa depan. Fitur serupa juga dikembangkan oleh Hermes Agent dan OpenClaw, yang menggunakan mekanisme "mimpi" untuk menyempurnakan keterampilan dan memori jangka panjang AI. Artikel ini mengeksplorasi bagaimana istilah-istilah manusia seperti "berpikir", "ingatan", dan kini "bermimpi" semakin banyak diterapkan pada teknologi AI. Penggunaan bahasa ini tidak hanya bersifat metaforis tetapi juga membentuk persepsi pengguna tentang AI sebagai entitas yang lebih hidup dan mandiri. Namun, secara teknis, "Dreaming" pada AI adalah proses pengolahan data offline yang bertujuan untuk efisiensi dan pembelajaran mandiri, berbeda dengan mimpi manusia yang melibatkan kesadaran. Tantangan kontekstual dalam AI, seperti batasan memori (KV Cache) dan kebutuhan akan jendela konteks yang lebih besar (seperti model SubQ yang mengklaim 12 juta token), mendorong pengembangan fitur seperti "Dreaming" untuk membantu AI mengelola informasi dengan lebih cerdas. Artikel ini mengajak pembaca untuk mempertanyakan bagaimana bahasa membentuk hubungan kita dengan teknologi dan menggeser tanggung jawab dari pengembang ke AI itu sendiri.

marsbit05/11 00:20

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

marsbit05/11 00:20

Panduan Praktis AI Agent: Bagaimana Menggunakan Tiga Agen Cerdas untuk Menopang Seluruh Perusahaan?

Setiap founder independen sering menghadapi dilema saat bisnis tumbuh: pekerjaan menumpuk, tapi belum mampu merekrut tiga staf penuh waktu. Solusi di era AI adalah membangun tiga agen cerdas yang menjalankan tiga fungsi inti startup: **riset pasar, produksi konten, dan operasi harian**. **Agen 1: Agen Riset** Berfungsi sebagai analis intelijen pasar. Agen ini memantau kompetitor, tren industri, dan peluang, lalu mengirim laporan mingguan yang ringkas. Dibangun dengan prompt bertingkat (sistem, alur kerja, format) dan didukung MCP server untuk pencarian web, akses Google Drive/Notion, dan email. Setelah dijalankan tiga minggu, formatnya disempurnakan agar benar-benar memberikan wawasan yang dapat ditindaklanjuti. **Agen 2: Agen Konten** Menangani seluruh alur produksi konten, dari pencarian ide, penulisan, penyuntingan, hingga distribusi lintas platform. Kunci utamanya adalah menanamkan gaya penulisan pribadi founder dan menyiapkan "gerbang kualitas" agar konten memenuhi standar sebelum diverifikasi akhir oleh manusia. Agen ini dihubungkan ke CMS, alat penjadwalan, dan alat analitik. **Agen 3: Agen Operasi** Bertindak sebagai "kepala staf" virtual yang menangani tugas administratif, seperti menyortir email, menyiapkan bahan rapat, dan menyusun laporan mingguan. Dengan mengintegrasikan email, kalender, dan alat manajemen proyek, agen ini dapat mengurangi waktu founder mengurus tugas rutin dari 1-2 jam menjadi sekitar 15 menit per hari. **Koordinasi Tim AI** Ketiga agen ini dihubungkan melalui basis pengetahuan bersama. Temuan dari Agen Riset dapat memicu tindakan dari Agen Konten (misalnya, membuat konten responsif) dan Agen Operasi (misalnya, menyiapkan email kepada klien). Integrasi ini mengubahnya dari tiga alat terpisah menjadi satu tim yang kohesif. Dengan biaya yang jauh lebih rendah daripada merekrut tiga staf manusia, ketiga agen AI ini dapat menangani 70-80% beban kerja di ketiga bidang kritis tersebut selama 12-18 bulan pertama. Langkah awal yang disarankan adalah membangun masing-masing agen secara bertahap selama tiga minggu.

marsbit05/08 05:54

Panduan Praktis AI Agent: Bagaimana Menggunakan Tiga Agen Cerdas untuk Menopang Seluruh Perusahaan?

marsbit05/08 05:54

Dialog dengan Mai-Lan dari Amazon Web Services: Medan Pertarungan Berikutnya untuk S3, Menghadapi Gelombang Konsumsi Data di Era Agent

Awal tahun ini, popularitas OpenClaw di pasar Tiongkok menunjukkan potensi besar agen AI. Namun, pertanyaan mendesak bagi penyedia cloud muncul: apakah infrastruktur data, terutama lapisan data, siap menghadapi konsumsi data yang sangat agresif dan frekuensi tinggi oleh agen yang berkembang pesat? Mai-Lan Tomsen Bukovec, Wakil Presiden Teknologi Amazon Web Services, menekankan bahwa agen mengkonsumsi data dengan cara yang sangat aktif dan agresif, dengan frekuensi panggilan ke gudang data atau danau data yang luar biasa tinggi. Agen bekerja dalam mode "paralel dan pilih yang terbaik", menjalankan puluhan hingga ratusan kueri secara bersamaan untuk mencari jalur optimal, membuatnya menjadi konsumen data yang jauh lebih intensif daripada manusia—dengan frekuensi panggilan dan throughput data yang meningkat secara eksponensial. Biaya atau nilai menjadi faktor penentu dalam membangun infrastruktur agen. Menyambut ulang tahun ke-20 Amazon S3, layanan ini telah melakukan tiga transformasi besar untuk memenuhi kebutuhan era AI: S3 Table (format tabel), S3 Files (file), dan S3 Vector (vektor). Dukungan native S3 untuk Apache Iceberg (S3 Table) memungkinkan agen berinteraksi efisien dengan data melalui SQL. S3 Vectors, yang diperkenalkan sebagai tipe data native, digunakan untuk membangun konteks data dan sebagai memori bersama yang berkembang pesat untuk sistem agen. S3 Files, yang dirilis baru-baru ini, memungkinkan agen mengakses data S3 melalui standar POSIX seperti sistem file, menjadikannya antarmuka data yang alami. Dengan perubahan ini, Amazon S3 memperkuat posisinya sebagai fondasi kunci untuk beban kerja AI, merespons permintaan pelanggan akan pemrosesan data yang ekonomis, tersedia, tahan lama, dan tangguh, siap mendukung perkembangan dua dekade mendatang.

marsbit05/08 04:20

Dialog dengan Mai-Lan dari Amazon Web Services: Medan Pertarungan Berikutnya untuk S3, Menghadapi Gelombang Konsumsi Data di Era Agent

marsbit05/08 04:20

活动图片