AI Agent：MeMe 热潮中走红的产物是否真的有价值？

作者：0XNATALIE

 

今年下半年以来，AI Agent 的话题热度持续攀升。起初 AI 聊天机器人 terminal of truths 因其在 X 上幽默的发帖和回复（类似微博上的「罗伯特」）而广受关注，并获得了 a16z 创始人 Marc Andreessen 的 5 万美元资助。受到其发布内容的启发，有人创建了 GOAT 代币，短短 24 小时内涨幅超过 10000%。AI Agent 的话题随即引起了 Web3 社区的关注。之后，基于 Solana 的首个去中心化 AI 交易基金 ai16z 问世，推出了 AI Agent 开发框架 Eliza，并引发了大小写代币之争。然而，社区对 AI Agent 的概念仍不清晰：AI Agent 的核心到底是什么？与 Telegram 交易机器人有何不同？

工作原理：感知、推理与自主决策

AI Agent 是一种基于大型语言模型（LLM）的智能代理系统，能够感知环境、进行推理决策，并通过调用工具或执行操作来完成复杂任务。工作流程：感知模块（获取输入）→ LLM（理解、推理与规划）→ 工具调用（执行任务）→ 反馈与优化（验证与调整）。

具体来说，AI Agent 首先通过感知模块从外界环境中获取数据（如文本、音频、图像等），并将其转化为可以被处理的结构化信息。LLM 作为核心组件，提供强大的自然语言理解与生成能力，充当系统的「大脑」。基于输入的数据和已有的知识，LLM 进行逻辑推理，生成可能的解决方案或制定行动计划。随后，AI Agent 通过调用外部工具、插件或 API 完成具体的任务，并根据反馈对结果进行验证与调整，形成闭环优化。

在 Web3 的应用场景中，AI Agent 与 Telegram 交易机器人或自动化脚本有何区别？以套利为例，用户希望在利润大于 1% 的条件下进行套利交易。在支持套利的 Telegram 交易机器人中，用户设置好利润大于 1% 的交易策略，Bot 便开始执行。然而，当市场波动频繁，套利机会不断变化时，这些 Bot 缺乏风险评估能力，只要满足利润大于 1% 的条件便执行套利。相比之下，AI Agent 能自动调整策略。例如，当某笔交易的利润超过 1%，但通过数据分析评估其风险过高，市场可能突然变化导致亏损，它会决定不执行这笔套利。

因此，AI Agent 具备自我适应性，其核心优势在于能够自我学习和自主决策，通过与环境（如市场、用户行为等）的互动，根据反馈信号调整行为策略，不断提升任务执行效果。它还能基于外部数据实时做出决策，并通过强化学习不断优化决策策略。

这么一说是不是有点像意图框架下的求解器（slover）？AI Agent 本身也是基于意图的产物，与意图框架下的求解器最大的区别就是，求解器依靠精确算法，具有数学上的严谨性，而 AI Agent 决策依赖于数据训练，往往需要在训练过程中通过不断试错来接近最优解。

AI Agent 主流框架

AI Agent 框架是是用于创建和管理智能代理的基础设施。目前在 Web3 里，比较流行的框架包括 ai16z 的 Eliza、zerebro 的 ZerePy 和 Virtuals 的 GAME。

Eliza 是一个多功能的 AI Agent 框架，使用 TypeScript 构建，支持在多个平台（如 Discord、Twitter、Telegram 等）上运行，并通过复杂的记忆管理，能够记住先前的对话和上下文，保持稳定一致的个性特征和知识回答。Eliza 采用 RAG（Retrieval Augmented Generation）系统，能够访问外部数据库或资源，从而生成更加准确的回答。此外，Eliza 集成了 TEE 插件，允许在 TEE 中部署，从而确保数据的安全性和隐私性。

GAME 是赋能和驱动 AI Agent 进行自主决策和行动的框架。开发者可以根据自己的需求自定义代理的行为，扩展其功能，并提供定制化的操作（如社交媒体发布、回复等）。框架中的不同功能，如代理的环境位置和任务等，被划分为多个模块，方便开发者进行配置和管理。GAME 框架 将 AI Agent 的决策过程分为两个层级：高层规划（HLP） 和 低层规划（LLP），分别负责不同层次的任务和决策。高层规划负责设定代理的总体目标和任务规划，根据目标、个性、背景信息及环境状态制定决策，确定任务的优先级。低层规划则专注于执行层面，将高层规划的决策转化为具体操作步骤，选择合适的功能和操作方法。

ZerePy 是一个开源的 Python 框架，用于在 X 上部署 AI Agent。该框架集成了 OpenAI 和 Anthropic 提供的 LLM，使开发者能够构建和管理社交媒体代理，自动化执行如发布推文、回复推文、点赞等操作。每个任务可以根据其重要性设置不同的权重。ZerePy 提供了简洁的命令行接口（CLI），便于开发者快速启动和管理代理。同时，框架还提供了 Replit （一个在线代码编辑和执行平台）模板，开发者可以通过它快速开始使用 ZerePy，而无需复杂的本地环境配置。

为什么 AI Agent 会面临 FUD？

AI Agent 看似智能，能够降低入门门槛并提升用户体验，为什么社区会有 FUD？原因在于，AI Agent 本质上仍只是一个工具，目前尚不能完成整个工作流程，只能在某些节点上提升效率、节省时间。而且目前的发展阶段，AI Agent 的作用多集中在帮助用户一键发行 MeMe 及运营社交媒体账号。社区戏称「assests belong Dev，liabilities belong AI」。

不过就在本周 aiPool 作为代币预售的 AI Agent 发布，利用 TEE 技术实现了去信任化。该 AI Agent 的钱包私钥在 TEE 环境中动态生成，确保安全性。用户可以向 AI Agent 控制的钱包发送资金（例如 SOL），AI Agent 随后根据设定规则创建代币，并在 DEX 上启动流动性池，同时向符合条件的投资者分发代币。整个过程无需依赖任何第三方中介，完全由 AI Agent 在 TEE 环境下自主完成，避免了 DeFi 中常见的 rug pull 风险。可见，AI Agent 正在逐步发展。我认为，AI Agent 能够帮助用户降低门槛、提升体验，哪怕只是简化部分资产发行过程，也是有意义的。但从宏观的 Web3 视角来看，AI Agent 作为链下的产物，当前阶段只是充当辅助智能合约的工具角色，因此无需对其能力过度吹嘘。由于今年下半年除了 MeMe 之外缺乏显著的财富效应叙事，AI Agent 的 hype 围绕 MeMe 而展开由此火了也是正常。单靠 MeMe 并无法维持长期的价值，所以如果 AI Agent 能在交易流程中带来更多创新玩法，提供切实的落地价值，它或许会发展成一种普遍的 infra 工具。