# 代理的所有文章

在 HTX 新聞中心流覽與「代理」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

从电力基础设施到 Token 经济:AI 产业链的「七层蛋糕」

本文提出,AI产业正从以模型训练为核心的“上半场”,进入以海量推理需求驱动的“Token工业时代”。未来消耗算力最多的将是遍布全球的AI Agent的每一次交互与任务执行。 文章借鉴并扩展了黄仁勋的“蛋糕”架构,将AI经济产业链描绘为围绕Token运转的“七层蛋糕”: 1. **电力**:AI时代的能源基础。 2. **AIDC(AI数据中心)**:集中GPU形成Token生产能力的“工厂”,趋势向轻量化、模块化的区域节点发展。 3. **GPU**:Token的核心生产设备,需求从训练向推理倾斜。 4. **LLM(大语言模型)**:Token的生产引擎,竞争焦点转向推理成本与效率。 5. **Token分发**:像电网一样分配算力的云平台与租赁服务。 6. **Token优化与智能调度**:根据任务复杂度、隐私要求等,动态调度算力与模型的关键“大脑”。 7. **AI Agent**:Token的最终消费者与价值实现层。 当前产业链各层之间存在割裂与效率瓶颈(如算力与能源不匹配、缺乏智能调度等)。只有当这七层基础设施被打通并高效协同时,AI产业才能从“工具时代”迈向真正的“大规模采用时代”。未来的竞争关键,可能不在于拥有最大的模型,而在于能否有效连接能源、算力、网络与Token流动,构建起支持数十亿AI Agent持续协作的智能基础设施网络。

marsbit05/26 05:43

从电力基础设施到 Token 经济:AI 产业链的「七层蛋糕」

marsbit05/26 05:43

Agentic Design Patterns:一本让我重新理解"Agent 到底是什么"的书

《Agentic Design Patterns》一书由Google工程总监Antonio Gullí撰写,系统性地将AI Agent开发拆解为21种设计模式。文章作者阅读后,对Agent的本质有了更深刻的理解。 书中将Agent划分为四个等级:Level 0仅为裸LLM,不具备行动能力,并非真正的Agent;Level 1能自主调用工具完成任务;Level 2具备战略规划与上下文工程能力,能对信息进行裁剪和降噪,并进行自我反思;Level 3则是多智能体协作,像团队一样分工合作。 文章重点阐述了几个核心概念: 1. **上下文工程**:超越提示词工程,系统地为Agent构建包括系统指令、外部数据、隐式信息和反馈回路在内的四层上下文环境,以提升其准确性和效率。 2. **反思模式**:采用“生产者-批评者”双智能体模式,让一个智能体负责创作,另一个负责审查和提出修改意见,通过迭代循环显著提升输出质量,但需设置合理的迭代次数以控制成本。 3. **多智能体协作**:并非越复杂越好,应根据任务复杂度选择合适的通信拓扑结构(如独立执行、对等网络、中心调度等)。通常,一个达到Level 2的单智能体加上反思机制已能应对大多数场景。 4. **记忆三层模型**:分为会话层(临时对话上下文)、状态层(任务进行中的临时数据)和持久层(跨会话的长期记忆),需要设计相应的存储与检索策略。 书末还提出了对未来Agent发展的五个假设,其中最颠覆的是“变形多智能体”:系统能根据最终目标自动创建、调整、重组智能体团队,实现完全自主的任务规划与执行。 作者建议读者可立即实践三点:为现有智能体增加一个“批评者”角色以进行审查;开始实践系统的上下文工程而非仅关注提示词;优先将单智能体能力提升至Level 2,而非盲目追求多智能体系统。 这本书的价值在于,它将许多开发者在实践中摸索的经验系统化、模式化,为AI Agent开发提供了一份清晰的“地图”。

链捕手05/25 04:42

Agentic Design Patterns:一本让我重新理解"Agent 到底是什么"的书

链捕手05/25 04:42

自动化的悖论:AI越强,人类越忙

本文探讨了AI自动化发展中的一个核心悖论:尽管AI能力快速提升,但人类的工作量并未减少,反而可能增加。文章以作者所在公司Every为例,说明AI工具已深度嵌入编码、写作、客服等流程,但并未导致裁员,而是重组了工作形态。人类从重复执行者转变为框架设计者、系统维护者和质量判断者。 AI擅长将过去已沉淀的能力(如代码、文案、客服回复)商品化,使其变得廉价且人人可用。这导致市场出现大量同质化的“默认输出”。然而,真正稀缺的是面对具体当下问题时的判断力、差异化创造和意义定义能力。因此,自动化并未消灭专家,反而创造了更多需要专家介入的场景,例如工程师需要审查AI生成的代码,编辑需要打磨AI起草的文稿。 文章进一步指出,基准测试(如高级工程师编码测试)衡量的只是模型在特定人类设定的“框架”内的表现。模型可以快速攻克一个框架,但人类会不断将问题推进到更复杂的新框架中。AI可以高效执行目标,但缺乏真正的主体性——它回应人类设定的问题,而非自主产生目标。知识工作的未来在于人类持续扮演“框定者”的角色。 因此,AI让“执行”变便宜,却让“判断什么值得做、为何做、做到何种程度”变得更为珍贵。自动化没有消除人类工作的价值,而是使其变得更前沿、更依赖人类的独特判断。

marsbit05/24 07:06

自动化的悖论:AI越强,人类越忙

marsbit05/24 07:06

General Tensor与Talisman强强联合,为去中心化AI构建金融基础设施

General Tensor与Talisman Wallet宣布建立重要合作伙伴关系,旨在简化用户和机构与Bittensor交互的方式,并共同构建一个“面向智能体”的金融基础设施层。 此次合作将Talisman的钱包和多签技术与General Tensor的验证器运营、挖矿基础设施、子网活动及交易平台生态相结合。这反映出行业日益认识到,去中心化AI网络需要与传统加密市场类似的成熟金融基础设施来支持其规模扩展。 Talisman专注于构建去中心化AI生态的协调层,其钱包架构内置硬件签名支持、原生多签功能及委托权限等安全特性,目前保障着约20亿美元跨链资产,其中约一半与Bittensor生态相关。其机构级产品Signet已成为该网络内少数可投入生产的多签解决方案之一。 General Tensor则通过验证器运营、挖矿设施、子网参与以及收购活跃交易平台Backprop Finance,在Bittensor生态内进行垂直整合。与Talisman的合作旨在弥合钱包层面的用户意图与网络层面执行之间的关键缺口,为用户创建托管、交易、质押、子网发现和自动执行的流畅路径,并为未来自主交互的AI智能体奠定基础。 该合作也标志着机构对去中心化AI的兴趣正变得更为成熟和深入,从早期的代币投机转向对基础设施和实际运营的关注。General Tensor近期已获得包括Digital Currency Group、Lvna Capital及高盛支持的Good Morning Holdings在内的投资者融资。

TheNewsCrypto05/22 13:07

General Tensor与Talisman强强联合,为去中心化AI构建金融基础设施

TheNewsCrypto05/22 13:07

谁在定义AI硬件的2026?

2026年,AI硬件产业进入关键跃升期,告别零散概念堆砌。工信部等三部委联合发布《人工智能终端智能化分级》国家标准,将终端智能划分为L1到L4四个等级,从响应级到协同级,明确了感知、认知等五大能力要素,覆盖手机、汽车等七大品类,为行业提供了清晰标尺。 几乎同时,阿里云发布“千问智能硬件X天猫合作计划”,投入超1亿资源,从技术、渠道等多维度助力硬件厂商。行业趋势明确:AI硬件正从端侧概念验证,走向端云协同的规模普及。 目前主流产品多处于L1和L2级,部分可达L3。L3(辅助级)是分水岭,要求设备能理解用户意图并主动服务。阿里云发布的千问旗舰模型Qwen3.7-Max等技术,为硬件实现L3级体验提供了云端能力底座。L4(协同级)则关注跨设备组成智能系统,实现场景共生。 科沃斯管家机器人“八界”、研极微神眸系列等案例表明,端侧负责实时响应与初步处理,云端承担复杂推理,这种端云协同已成为实现高等级智能的必选项。云厂商角色也从提供算力,转变为提供包含模型、Agent基础设施等在内的综合能力底座。 分级标准不仅指引技术方向,也释放了商业化信号。AI能力直接提升了用户粘性与付费转化。未来,硬件可能成为服务入口,通过订阅制等方式产生持续价值。全场景协同将重塑市场格局,推动产业向更智能、更互联的方向发展。

marsbit05/22 05:58

谁在定义AI硬件的2026?

marsbit05/22 05:58

机器付钱,人类收割:Coinbase、Stripe、Google、Visa 的 AI 支付卡位战

**机器付钱,人类收割:AI支付卡位战与基础设施重组** 一年前,机器对机器支付仅是概念。如今,Coinbase、Stripe、Google、Visa等巨头已部署了四套竞争性支付架构,以抢占AI Agent(人工智能代理)支付这一新兴市场。数据显示,AI Agent已完成1.76亿笔交易,结算金额超过7300万美元。传统支付巨头已投入超80亿美元进行收购,以抢占这个全新支付栈的关键位置。 报告指出,这四种方案(Coinbase的x402、Stripe/Tempo的MPP、Google的AP2、Visa的代币化凭证)并非纯竞争关系,它们正在被组合成一个多层次的“支付栈”。核心竞争点在于:哪家公司能控制最多的层级,从而获取最大价值。 小额支付是推动变革的关键。在已发生的支付中,76%的交易额低于0.30美元,这是传统银行卡支付手续费难以覆盖的成本底线。相比之下,Layer 2稳定币的结算成本极低(约0.0001美元),使得加密货币(尤其是稳定币USDC,占结算的98.6%)成为机器间微支付的必然选择。 目前,Coinbase和Stripe在垂直整合上领先,各自覆盖了支付栈六层中的五层,并通过收购积极补全版图。市场正在从“榨取性机器人活动”转向“生产性Agent商务”,超过10万个AI Agent已注册在案。 然而,发展面临主要障碍并非技术,而是监管与信任。2026年多项重要法规将生效,但均未充分涵盖自主机器交易。此外,在AI可靠性(如“幻觉”问题)解决之前,让Agent无监督访问用户资金存在风险。 报告结论认为,加密轨道已赢得微支付市场。随着交易量增长和信任基础设施的成熟,更大额交易将向链上迁移。未来的节奏将由“信任层”追赶“结算层”的速度决定。这不是未来叙事,而是正在发生的支付基础设施根本性重组。

marsbit05/22 04:21

机器付钱,人类收割:Coinbase、Stripe、Google、Visa 的 AI 支付卡位战

marsbit05/22 04:21

知情人士:DeepSeek正在组建Harness团队,对标Claude Code

知情人士透露,DeepSeek正在内部组建一个名为“Harness”的团队,旨在开发代码智能体产品,直接对标Anthropic旗下的Claude Code。DeepSeek资深研究员陈德里在社交媒体证实了这一动向,并表示团队目标即“做DeepSeek Code Harness”。 此次招聘开放了Harness产品经理和研发工程师两个关键岗位。招聘信息揭示了一个核心公式:模型(Model) + 约束与控制层(Harness) = 智能体(Agent)。这表明DeepSeek的战略重点正从单纯的模型能力竞争,转向构建连接模型与真实工作流的“中间层”。DeepSeek认为,模型之外的上下文管理、工具调用、任务规划、代码修改、终端执行等能力,才是智能体融入开发者工作流的关键。 文章分析,DeepSeek此举并非简单打造代码助手插件,而是要“补齐模型通向真实工作流的中间层”,为强大的代码模型“装上双手”。过去,虽然DeepSeek的代码模型能力突出,但尚未形成高频使用的产品化工作流。Claude Code的成功证明,AI编程的竞争已转向争夺开发者工作流入口。 此前,一个名为DeepSeek-TUI的开源终端智能体项目在社区走红,它展示了开发者对DeepSeek版Claude Code的强烈需求,但也凸显了官方产品的缺失。官方Harness团队的优势在于能与模型团队深度协作,实现“模型与Harness的共同进化”,并将真实任务反馈系统性地注入模型迭代,形成数据闭环。 此举标志着DeepSeek在模型能力之外,开始全力构建其智能体产品的关键组成部分,正式进入以工作流为核心的“智能体战争”新阶段。

链捕手05/22 02:14

知情人士:DeepSeek正在组建Harness团队,对标Claude Code

链捕手05/22 02:14

活动图片