# 代理的所有文章

在 HTX 新闻中心浏览与「代理」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

AI 席卷全球，Crypto + AI 为何一片惨淡？

这篇文章探讨了在人工智能（AI）蓬勃发展的背景下，区块链（Crypto）与AI结合的赛道为何表现惨淡。文章通过需求侧分析，将“区块链+AI”领域划分为四个细分赛道：去中心化算力、去中心化存储、模型验证与隐私保护、AI智能体基础设施。文章指出，当前困境的核心并非技术结合逻辑矛盾，而是严重的供需错配。传统AI产业的核心需求是短期性能提升、成本优化和基建稳定性；而现有的区块链AI方案多聚焦于数据主权、去中心化和透明校验等长期或次要议题，且往往在性能或稳定性上存在妥协，导致企业缺乏迁移动力。具体来看：去中心化算力和存储虽有逻辑合理性，但技术优势不足以让企业承担切换风险；模型验证和隐私技术因缺乏紧迫的监管驱动而需求滞后；AI智能体基础设施则面临市场需求（当前聚焦内部自动化）与技术愿景（服务未来跨网络自治智能体）不匹配的问题。目前，唯有AI智能体支付赛道，因区块链与传统金融均未妥善解决行业痛点，而具备直接竞争的条件。文章认为，该赛道缺乏标杆性落地案例是阻碍其获得主流关注的关键。其长期价值依然存在，但未来发展取决于能否有效适配市场真实需求：要么主动补齐短期性能短板以融入现有AI产业链，要么坚持布局，等待下一代AI范式成熟带来需求爆发。

Foresight News06/29 06:14

Foresight News06/29 06:14

Dwarkesh Patel：下一代AI，可能是干活干出来的

硅谷知名播客主持人Dwarkesh Patel探讨了下一代AI训练范式的可能方向。他指出，当前前沿实验室关注的RLVR（可验证奖励强化学习）虽然在代码、数学等可验证、可重复的任务上进展迅速，但其在复杂现实任务（如创业、法律、市场决策）中可能受限，因为这些任务反馈慢、变量多、环境不可重置。 Dwarkesh提出，AI的真正突破可能需要从“发布前训练”转向“发布后学习”。关键在于让模型能够从真实部署中积累经验，并将这些经验有效压缩并“写回”模型权重，实现持续学习。他提到了两种潜在技术方向：一是“在策略自蒸馏”（OPSD），将模型在长上下文中获得的经验蒸馏回基础模型；二是“梦境”模拟，即AI根据观察构建内部模拟环境进行练习。未来的训练流程可能是：先通过RLVR训练出基本智能体，再将其部署到真实任务中，从用户反馈和项目经验中持续学习。这意味着AI进步的核心数据源可能从互联网文本和实验室任务，转向智能体在真实世界中自行产生的经验。

marsbit06/28 23:49

marsbit06/28 23:49

抱抱脸模型TOP榜，我现在只服yuxinlu1

个人开发者yuxinlu1凭借两个开源模型冲上Hugging Face热榜前列，力压多家大厂模型，总下载量超70万。其模型基于Gemma 4-12B，主打代码编程（V1）和智能体工具调用（V2）能力，并以GGUF量化格式发布，最低仅需约4.5GB显存即可本地运行，兼顾隐私与免费。V1专注生成可验证代码，V2增强了多步任务处理能力，在特定基准测试上表现达到基座的3.5倍。作者逯雨鑫是在美AI方向研究生，项目纯属自费的个人探索。他投入约40小时，重点处理了高质量训练数据，并积极响应用户反馈。他认为个人开发者的优势在于能更专注解决具体痛点，而非追求全能。其成功也源于对本地、低门槛AI助手的定位，满足了大量用户对隐私和免费使用的需求。除代码模型外，他早期还发布过中文网文生成LoRA等。他强调开源需真诚说明模型能力，并坚持应对挑战。目前其V3及基于Qwen3.6-27B的更大版本已在计划中。模型最适配llama.cpp平台。

marsbit06/28 01:51

marsbit06/28 01:51

DeepSeek开始造富

DeepSeek近期从神秘的实验室转型为商业公司，开始大规模招聘并接受外部融资，估值达4000亿元。这标志着公司进入造富前夜，员工期权首次获得明确估值。中国AI行业整体进入造富阶段，智谱、月之暗面等公司估值飙升，Pre-IPO融资活跃。AI是近十年来首个能大规模创造新产业、新岗位的赛道，类似移动互联网的造富周期重新开启。当前竞争正从卷模型转向卷Agent。DeepSeek成立Harness团队，旨在参与全球Agent竞争，并重新定义下一代工程师的核心能力——掌握推理优化、Agent架构等前沿技术。对普通人而言，AI红利不仅在于加入AI公司，更在于利用AI重塑各行各业。如同移动互联网赋能内容创作者和电商卖家，Agent时代将为每个行业的从业者提供用AI放大自身技能、开启新事业的机会。 DeepSeek的招聘象征中国AI进入了可持续创造财富、公司与职业的新阶段。新的造富周期属于所有学会使用AI的个体。

marsbit06/28 01:28

marsbit06/28 01:28

黄仁勋：Prompt正在过时，Loop才是新范式

黄仁勋等AI领域领军人物提出，传统的“Prompt Engineering”（提示词工程）正在被“Loop Engineering”（循环工程）取代。新范式的核心是从手动编写具体指令，转变为设计和管理能够自动运行、自我验证并持续优化的循环系统。 **Loop是什么？** Loop（循环）指一种系统设计：用户设定一个目标，AI Agent（智能体）会自动执行任务，完成后由独立的验证机制（如另一个模型）进行验收；若未通过，则带着反馈重新执行，直至成功或达到预设限制。人的角色从“逐句指挥”转变为“规则设计者”。这与单纯使用Agent的关键区别在于，Loop为其提供了自主持续工作的管理框架。 **当前落地情况** 目前，Claude Code和OpenAI Codex是Loop理念的主要实践者。两者都实现了将复杂任务拆分，由多个Agent并行处理并汇总结果。其核心设计原则是“执行与验证分离”，以避免自我评分时的宽松问题。例如，“Claude Code之父”Boris Cherny描述其工作流：数百个Agent在隔离环境中自动处理问题，仅疑难事项才需人工干预。 **如何构建有效的Loop？** 1. **前提测试**：任务需具备重复性、可自动化验收、成本可控且Agent拥有必要工具。 2. **从最小可行Loop开始**：包含触发器、技能定义、状态记录文件和自动化验证门禁。务必先手动跑通流程再自动化。 3. **执行与验收分离**：必须由独立的Agent或模型进行验收，确保评估客观。 4. **避开常见陷阱**：设置硬性停止条件（如token上限）、持久化状态、不让Loop处理需要主观判断的任务、坚持阅读代码变更以维持理解。 5. **核心衡量指标**：关注“每个被采纳改动的平均成本”，接受率低于50%意味着Loop可能效率低下。 **范式演进路径** Loop的兴起是AI应用控制粒度不断上移的结果：从**Prompt Engineering**（优化单次指令）到**Context Engineering**（组织背景信息），再到**Harness Engineering**（构建执行环境），最终演进至**Loop Engineering**（设计自主循环系统）。这一过程逐步将人类从具体操作中解放出来。 **渊源与反思** Loop的理念在学术界早有雏形，例如姚顺雨等人提出的ReAct框架，将“推理-行动-观察”构建为循环。业界火爆的背后也需冷思考，专家提醒需警惕token成本，并指出“AI可以外包思考，但无法外包人的理解”，强调在自动化中保持对问题的根本认知至关重要。

marsbit06/25 14:26

marsbit06/25 14:26

巨头打响Context之战，重构AI护城河

今年以来，美国AI三巨头（OpenAI、Anthropic、Google）围绕“Context”（上下文/语境）展开激烈竞争，这正在重构AI时代的护城河。 Context的含义已从最初衡量模型输入长度的技术参数，演变为涵盖用户资产、工具权限、任务状态和个性化理解的综合概念。竞争经历了三次跃迁： 1. **长上下文窗口**：早期比拼模型一次性能处理多少文本，从数万字迅速扩展到百万级。 2. **跨会话记忆（Memory）**：焦点转向AI能否长期记住用户偏好和历史交互，建立连续性关系。 3. **进入真实环境**：最新趋势是AI通过浏览器、桌面应用和GUI操作能力，主动进入用户任务现场，获取动态、实时的Context。三家巨头路径各异： * **OpenAI**：以ChatGPT账户为核心，反向整合各种场景（应用、浏览器、编程），使其成为汇聚和调用Context的中枢。 * **Anthropic**：聚焦高价值垂直场景（如编程、Agent），通过Computer Use（GUI操作）和MCP（工具连接协议）主动获取任务环境中的动态Context。 * **Google**：面临将海量但分散的旧有数据（搜索、邮件、文档等）重构为AI可理解、可用的任务型Context的工程挑战，正逐步将其生态产品转化为Gemini的个性化背景。竞争逻辑正从互联网时代的“网络规模”转向AI时代的“个体纵深”。护城河不再仅依赖于用户数量，而更取决于： 1. **Context的复利**：AI在每次任务中加深对用户的理解，降低后续冷启动成本。 2. **权限与工具链的嵌入**：AI获得授权进入真实工作流，迁移成本变高。 3. **信任关系的形成**：长期、可靠的服务才能获得执行复杂任务的权限。 AI产品争夺的是“任务入口”。国内如腾讯等公司，其挑战也在于如何将存量生态（关系、内容、服务）高效转化为AI可进入和调用的任务Context。这场Context之战的核心，是看谁能将生态更快转化为AI的工作环境，并在深度理解用户中建立新壁垒。

marsbit06/23 23:13

marsbit06/23 23:13

专访 Strategy CEO：抛开 32 枚 BTC 的抛售风波，6 万亿 AI 智能体才是比特币的终局

在近期因出售32枚比特币（约250万美元）引发市场广泛关注后，Strategy公司CEO Phong Le接受了专访，重点阐述了公司的长期战略与对比特币未来的展望。 Le首先澄清，此次小额出售是公司透明运营的一部分，旨在向债权人和评级机构证明其资产流动性及财务纪律，同时测试内部交易流程。他强调，市场短期反应如同“投票机”，而公司更关注长期作为“称重机”的价值创造。作为全球最大的比特币企业持有者，Strategy持有约84.5万枚比特币，其决策经过严谨的董事会流程与数据分析，绝非随意之举。针对市场将其优先股产品STRC与“死亡螺旋”担忧相关联，Le指出，80%以上的STRC由散户和长期机构持有，DeFi协议持仓不足10%，风险可控。他进一步分享了公司在熊市中的核心策略——“什么都不做”，即依靠坚定的信念和底层逻辑，静待价值回升，并认为伟大的公司均经历过波动与考验。关于未来，Le透露了AI在公司发展中的关键作用。生成式AI助力将STRC等产品的开发周期从数年缩短至数月。他展望，未来世界可能从60亿人类演变为6万亿自主决策的AI智能体，而它们进行价值交换时将天然倾向于使用比特币及加密网络，这为比特币带来了巨大的长远潜力。在平衡加密原教旨主义与传统资本市场上，Le主张以开放包容的方式“用爱传播比特币”，无论是通过自托管、交易所、股票还是ETF，各种敞口方式都值得鼓励。对于STRC价格近期低于面值，Le表示产品仍处早期阶段，公司将通过补充储备及启动付息机制推动其回归稳定。他最后确认，公司确实在5月31日前一周出售了比特币，并已按规定披露。整篇专访传递出Strategy公司超越短期市场噪音，聚焦比特币长期生态建设与未来AI智能体时代宏大叙事的坚定立场。

链捕手06/23 01:13

专访 Strategy CEO：抛开 32 枚 BTC 的抛售风波，6 万亿 AI 智能体才是比特币的终局

链捕手06/23 01:13

研报解读：花旗参会 AWS 峰会，看好云业务加速但数据治理仍是关键变量

花旗分析师团队参加AWS纽约峰会后发布报告，认为AWS的战略重心已从AI实验验证转向规模化部署。峰会发布的新产品矩阵（如AWS Context、Amazon Quick等）旨在解决企业级落地的数据治理、跨应用集成和安全等核心痛点。报告指出，数据基础设施公司（如Snowflake、Elastic）将直接受益于AI工作负载增长，但数据治理能力已成为AI能否从试点项目融入核心业务流程的关键变量。花旗维持亚马逊“买入”评级，预计AWS云业务收入增速将从FY26的30%加速至FY27的37%，并认为该预测可能偏保守。投资逻辑关注AWS收入增速兑现、数据基础设施商的收入弹性，以及相关产品使用量的增长信号。

marsbit06/22 14:12

marsbit06/22 14:12

AI Agent 也要查"征信"了：ERC-8126 正在补上链上信任这块空白

AI Agent上链后，其可信度成为关键问题。ERC-8126协议旨在为AI Agent建立一套标准化的验证层，以补充ERC-8004的身份注册功能。它并非提供永久可信认证，而是定义了如何对Agent进行多维度检查、如何表达结果以及如何让其他系统（如钱包、市场）消费这些风险信号。 ERC-8126的核心是引入开放的第三方验证提供商（Verification Providers）市场，对已注册的Agent进行五类标准化检查： 1. **ETV（代币/合约验证）**：检查关联的链上资产或合约的真实性与风险。 2. **MCV（媒体内容验证）**：核查头像、图片等内容是否被伪造或篡改。 3. **SCV（Solidity代码验证）**：检查关联的智能合约代码是否存在常见安全漏洞。 4. **WAV（Web应用验证）**：评估网站、API等链下入口的安全性。 5. **WV（钱包验证）**：分析关联钱包地址的历史交易记录与风险关联。验证结果会转化为0-100的统一风险评分，并提供可验证的证明（如零知识证明），以便钱包、应用市场等在不公开敏感细节的前提下进行风险决策。该标准与ERC-8004（身份）、ERC-8183（商业与结算）共同构成AI Agent经济的基础设施方向，致力于将信任判断转化为可组合、可消费的标准化信号，降低用户和生态系统的信任成本。目前，ERC-8126是一套已确定的标准框架，其实际效果取决于后续生态的广泛采用。

marsbit06/22 13:54