DeFi中的自主代理：用AI重塑金融

OKX Ventures 近期举办了一场以“自主代理重塑DeFi”为主题的线上分享会 (Twitter Space)，深入探讨了Web3中最激动人心的交叉领域之一：DeFi自主代理的崛起。

本次讨论超越了AI聊天机器人的早期概念热潮，直面核心问题：自主代理如何创造真实价值、管理风险，并彻底重塑去中心化金融的用户体验？为了获得来自建设者的一线洞见，我们邀请了四位正致力于塑造Agentic Finance未来的行业先锋：

• Cambrian Network's CEO & Founder Sam

• Almanak's CEO & Founder Neo

• Giza's CEO & Founder Renç

• Makina's Product Lead Colin

AMA内容摘要：

1. AI不是对DeFi的渐进式改良，而是一场范式转移。 目标是将DeFi从当前复杂、以产品为中心的模式，转变为简单、以用户为中心的个性化服务。最终实现让用户的财务目标被自主地达成，而无需深度的技术知识。

1. AI的明确分工：“链下大脑”，而非“链上之手”。 当前AI在DeFi中的角色被严格限定。它主要作为“链下大脑”进行复杂的推理、数据分析、解析用户意图以及生成确定性且可验证的策略代码。AI本身不直接触碰或管理链上资金，最终的执行是基于可审计的、类似传统金融的逻辑。

1. 安全优先：通过“人类监督+技术护栏”来管理风险。 我们需要将安全和风险控制置于首位，以解决用户对AI失控的担忧。核心方案是：AI的操作必须在由人类风险经理预设的、代码强制执行的“护栏”内进行，并且其生成的策略代码是完全可供人类审计和验证的。这确保了AI的决策可控、可追溯。

1. 服务两类客户：为机构提效，为散户降门槛。 产品同时面向机构和零售用户，但方式不同。对冲基金、DAO等机构客户通过AI大幅降低策略开发和运营的成本与时间。对零售用户，则追求“彻底的抽象化”——将所有DeFi的复杂性隐藏起来，用户只需表达简单的理财目标（如“我希望稳定赚取收益”），剩下的交给代理完成。

1. 生态协同：应用层与基础设施层共同发展。 Agentic DeFi的实现需要一个完整的生态系统。这不仅包括像Giza和Almanak这样直接面向用户的策略应用层，也包括像Makina这样提供安全、跨链执行环境的“轨道/结算”层，以及像Cambrian Network这样为代理提供可靠、可验证数据“燃料”的基础设施层。

1. 最终目标：让专业金融策略民主化。 通过AI代理，目标是打破传统金融中只有少数人能接触到复杂量化策略的壁垒。将原本需要耗费数百万美元和数月时间开发的对冲基金级策略，以极低的成本和极快的速度提供给所有人，真正实现普惠金融。

AMA 问题和讨论原文：

1. 产品及主要焦点简介

• Sam (Cambrian Network)
  我的职业生涯始于美国国家实验室之一，从事密码学工作主要负责加密硬件的逆向工程。之后我在加州大学圣塔芭芭拉分校获得了强化学习博士学位。接着，我创办了我的第一家公司Semiotic Labs，我们是The Graph协议的核心开发团队，专注于AI、可验证性和The Graph的支付系统。
  在那期间，我们做了大量与代理相关的工作。例如，我们在2022年发布了首批用于The Graph内部动态定价的强化学习代理。2023年，我们发布了首个公开可用的区块链数据终端，用户可以通过自然语言生成SQL来查询实时和历史数据。到了2024年，基于这些经验以及我们坚信AI将立即产生巨大影响、加密货币将在全球经济中日益重要的信念，我们决定从Semiotic中孵化出Cambrian。Cambrian专注于提供链上和链下的金融情报。为代理提供这种情报是我们的滩头阵地市场。

• Neo (Almanak)
  我进入这个领域已经九年了。在创办Almanak之前我经营着一家为DeFi、交易和加密资产管理提供数据科学和咨询服务的机构，所以我对这个领域的运作方式非常熟悉。
  关于Almanak，我们进入市场已有四年。我们喜欢称自己为一家vibe coding公司，你可以把我们看作是DeFi领域的Cursor。基本上，我们利用AI代理来发现和构建复杂的交易与资产管理策略。这些策略是完全可验证的确定性代码。你可以认为这些策略与任何对冲基金用来交易的策略是相同的。

• Renç (Giza)
  我拥有产品和市场营销背景，在创立Giza之前我曾在强生公司担任五年产品负责人。在此期间我也构建了跨越不同金融用例的智能合约系统。我很幸运能拥有一个具备机器学习和数据科学背景的团队，所以我们更多地是从拥有金融经验的机器学习和AI领域切入。
  自2022年以来，我们一直在构建Giza。Giza为自动化金融构建代理应用——这些自主系统能够代表用户和机构执行复杂的金融策略，且运营开销为零。我想说，这是我们版本的“为无银行账户者提供银行服务”。在我们看来，金融排斥不仅关乎你是否拥有一个安全的账户来存放你那不断通胀的法币，更关乎被隔绝于各种机会之外。你是否能够灵活应对变化的市场，利用这些巨大的机会，并在必要时规避风险？这是我们想要回答的问题。我们在Giza的工作就是将所有这些能力民主化。

• Colin (Makina)
  我负责Makina的产品。我大约四个月前加入团队。我进入加密领域已有十多年了。我的背景最初是传统金融，大约在2016年开始涉足DeFi，并从那时起一直在构建产品。
  在Makina，我们专注于将我们所说的“DeFi执行”机构化。除了策略和金库（vaults）之外，我们真正感兴趣的是创造一种安全可靠的方式来与任何DeFi协议或任何EVM交互进行交互。这对于任何试图运行策略的人都至关重要，无论是人类以更传统的方式操作，还是更被动或自动化的策略，亦或是通过AI驱动的代理方式构建的策略。
  我们从多个角度看待这个问题。首先，我们关注我们称之为“运营者”（operators）的角色。这类似于你在其他协议中看到的“策展人”（curators）。他们能够以安全的方式进行交易，同时对其能做什么和不能做什么有控制。除此之外，我们自己也大量使用AI来改善用户体验，例如提供更好的建议，更好地理解用户正在做什么，以及研究整合新协议的不同方式，以确保无论是人类、代理还是其他类型的算法在操作金库时，都能以安全的方式快速上手并创造最大价值。

1. 是什么启发你开始当前的项目？为什么你认为AI会为你的产品带来价值，主要价值主张是什么？

• Sam (Cambrian Network):
  我在2019年12月完成了我的博士学业。强化学习现在非常火热，但在2019年我们正处于一个强化学习的熊市。这也是我们最初创办公司时专注于全同态加密的原因之一。
  但当2022年GPT问世时，起初我和大家一样被震撼了。但我当时其实认为我们正处于一个泡沫的开端——我知道今天很多人也认为我们处在泡沫中。但到了2023年，在GPT发布一年后，我不断看到进步，我产生了一种深刻的信念，并且至今仍然坚信，我们正处在一场新革命的开端，上一场革命是互联网革命。在此之前，我们有硅谷革命，再往前追溯，还有工业革命等等。
  所以，我们正处在一场不会消失的新革命的最初几年。我鼓励在座的每个人都做好准备，AI的能力在可预见的未来将每年翻一番，这将影响到一切，影响我们生活的方方面面，它已经开始了。
  除了这个信念，我也参与了DeFi。早在2021年，我之前的公司创建了Odos.xyz，我们将其分拆了出去。它是一个DEX聚合器。所以我对金融应用以及加密货币带来的金融自由和素养抱有深刻的信念。
  在我们引言中提到的试点项目和实验期间，我注意到的最困难的事情之一是，关于链上正在发生的事情的数据和信息，以及其他对链上和链下金融决策至关重要的相关信息，都非常难以获取。而这对于金融决策至关重要。这就是我们专注于Cambrian的原因。我们相信，每个从事代理金融或自主金融的项目都需要可靠、快速、全面且可验证的信息来喂养它们的代理。这对这些项目的成功至关重要，因此我们决定专注于金融情报。

• Neo (Almanak)
  我们喜欢称自己为“为DeFi服务的AI”。关于灵感，Almanak最初是一家使用AI优化交易和资产管理策略的公司。我们一直与大型资产管理公司和大型配置者合作，所以我们总能接触到大额资本。Almanak已经成立四年了。
  三年前，当ChatGPT热潮开始时，我们知道它会变得非常重要。于是我们问那些大客户：“嘿，什么能让你们信服地把钱交由AI管理？”他们说——这些是特别大的资金配置者——他们永远不会存入超过比如100美元。他们非常害怕AI操控、间接的提示词注入以及各种“未知的未知”。或者简单地说，当钱亏了，他们希望有个人可以起诉。
  所以，在与这些管理着数十亿美元的机构交谈时，我们问自己：“好吧，AI最擅长什么？”如今的AI最擅长编码。它的编码速度比普通人快数百倍。AI也非常擅长推理；它处理信息的速度比人类快万亿倍。
  于是我们抓住了这两个特点并将其应用到Almanak。我们创建了一个“代理集群”（Agentic Swarm）——或者说代理集群团队——它们遵循的目标函数是：编写一个高性能的策略，发现市场机会，处理市场动态，优化现有策略，并将所有这些信息反馈给用户。
  在我们的生态系统中，AI与用户协作。它给你关于策略的想法，关于优化的想法，并最终实现代码。然而，如果出了问题，那些对冲基金要找的人是你。我们所创造的是一种方法，能将开发任何复杂金融策略的上市时间从数月缩短到数分钟。并且，我们将开发这类策略的成本从数百万美元降低到仅仅几美元，甚至不到十美元，具体取决于策略的复杂性。
  一旦这个策略被创建出来，它就和任何对冲基金使用的策略完全一样。它是确定性的、可验证的，你可以回测它、模拟它、部署它——所以你知道会发生什么。AI永远不会触碰你的资金。AI只是增强了策略的创建和发现过程，但绝不触碰资金。到目前为止，这种方式是有效的。我们看到了那些大型配置者的信心，我们目前的总锁仓价值（TVL）是1.6亿美元。
  同样非常重要的是，一旦一个确定性的Python策略被创建，你可以将它包装进一个金库（vault）。这些金库是完全可组合的——你可以把它们放在Pendle上、Curve上等等。所以这也非常酷。我们愿意认为我们创造了一种名为“代币化AI金库”的新资产类别。再次强调，AI绝不触碰资金，所以大型配置者非常放心地在这里存款。他们知道该找谁——他们会找你，金库的运营者——而你只是利用Almanak作为一个编码速度快100倍、认知速度快十亿倍的工具。
  另外，就像Sam说的，我们也专注于创建金融代理。我们的代理针对量化推理能力进行了微调，所以我们确保这些代理和行业里任何其他的量化分析师一样聪明，甚至更聪明。但我们的灵感主要来自于与大型配置者的紧密合作，并非常务实地满足他们的需求。我们只是问他们：“好吧各位，你们需要什么？你们会把钱投到哪里去？”然后我们就把它做出来了。

• Renç (Giza)
  正如我所提到的，在创立Giza之前，我的合伙人和我一直在构建跨越不同金融用例的智能合约系统。有一点很清楚：虽然这些自执行合约开启了开放金融的愿景，但我们坦率地认为，以其目前的状态，创新的步伐太慢，无法与传统金融保持竞争力。这是我们寻找方法将复杂的链下计算移植到链上，以显著提升去中心化系统能力和与去中心化金融世界交互的用户体验的主要驱动力。
  自2022年以来，我们一直深入研究可验证AI。在它变得酷炫之前我们就在做了，向人们解释它的重要性，尤其是在金融用例方面。我们探索了去中心化金融中所有可能的机器学习热点和金融用例。
  对我们来说，AI的价值是双重的。一方面，通用的意图处理是理解用户想要在财务上实现什么的关键，而无需技术输入和自主的专门行动。另一方面，它关乎在链上以精确且无开销的方式执行复杂的自适应策略。这第二部分更倾向于小型的、内部开发的机器学习模型和被反复使用的传统金融算法，这些算法是完全可解释、可验证和可定制的。

• Colin (Makina)
  我们在Makina的故事始于Dialectic。Dialectic是我们的设计伙伴；我们现在已经独立于他们，但他们在建立自己的基金时有了一个领悟。对于不熟悉的人来说，Dialectic是这个领域非常活跃的投资者，自2021年以来一直是链上收益策略领域最早和最先进的参与者之一。他们通过多年来建立的系统管理着许多不同的事务。
  他们很快意识到的一件事是，为了在这个领域竞争，为了赚钱，为了超越表现，为了吸引更多的存款人和有限合伙人（LPs）进入那些基金，他们需要在风险调整的基础上超越其他策略。为此，他们构建了许多利用脚本的不同工具。他们使用的技术之一是一个名为Oiler的开源项目，他们也积极为其做出了贡献。他们意识到，他们构建的许多工具如果能成为一个开放的基础设施，实际上会活得更好。这差不多就是Makina故事的开端。
  我们基本上是把它推向市场，与他们合作，现在正扩展到这个领域的其他运营者。我们希望支持未来的发展方向，而那正朝着更多的自动化发展。这种自动化将严重依赖于区块链内部发生的事情，宏观环境中发生的事情——无论你从哪里获得这些信息。而处理这些信息的最佳方式，就是我们从在座各位这里听到的。
  我们首先从DeFi和金融基础设施问题的角度来攻克这个问题，然后研究在哪里可以应用最佳执行、最佳决策、最佳数据分析。而那很明显就是自主代理。
  我们意识到，就像我们从Neo那里听到的——顺便说一句，那是一个很棒的开场白，听到了人们把钱交给AI所担心的一些问题——我们以一种稍微不同的方式来处理它。但我们坚信，随着这些技术越来越好，人们开始理解，我们可以补充和扩展产品，同时解决资产管理行业内部发生的一些主要成本问题。所以我们是DeFi的坚定信徒，是以太坊的坚定信徒，也是AI及其在这些行业中进步的坚定信徒。

1. 你们现在的主要客户是谁？他们的痛点是什么？

• Neo (Almanak):
  在Almanak，我们的产品需要解决两个方面的问题。我们必须解决如何提供复杂策略和金库的供给问题。所以，我们与许多不同的DAO以及Morpho上的每一位策展人进行了合作，比如Stake DAO, MEV Capital, Block Analitica, Gauntlet——所有这些人。当谈到DAO时，我们正在与DeFi Llama排名前20的大多数DAO进行洽谈。他们为什么会用我们的产品？他们基本上会创建利用他们资产的金库。
  我以一个最大的资产管理参与者Ethena为例。想象一下，你可以拥有一个USDe金库，它会持续优化并寻找所有DeFi协议中最高的USDe收益。我们正在和这些人谈。
  我们也在和很多新项目谈。我不知道大家是否在关注，但现在有很多关于高FDV代币经济学的抱怨。所以，在Almanak，我们也允许项目利用AI来推出他们自己的流动性提供或交易策略。用户可以简单地使用我们的算法来启动一个市场或一个交易竞赛。
  最后但同样重要的是普通用户，资本就是从他们这里来的。所以我刚才解释了金库的供给方。资本的供给方则来自用户。一旦这些金库被部署，任何人都可以存入资金并从中受益，当然，作为交换，需要与金库的策展人分享一些利润。这些金库将是完全无需许可的，所以任何人都能部署一个金库。但我只是想给你们一些关于谁将管理它们，以及我们的首批客户是谁的视角。
  此外，还有资产管理公司和对冲基金。我们正在与管理着数十亿美元的中心化金融（CeFi）实体洽谈，他们只是想自动化他们的部署系统。量化分析师（Quants）极其昂贵且难以找到。他们可以把所有这些外包给我们的代理，非常快速地部署复杂的交易策略，在一周甚至几天内成为一个对冲基金。
  我还想提一下这里重要的一点。作为一个用户，你将能够在一个非常类似于ve合约的合约中质押代币。所以你可以为你最喜欢的金库投票，为你最喜欢的DAO投票，或者在你存入金库时为你的资产投票以增加你的奖励。我们的产品非常复杂。金库的供给方将由专业用户提供，但资本的供给对所有人开放。

• Sam (Cambrian Network):
  Colin刚才提到了在产生收益的金库和借贷协议之间分配资本。我们关注的焦点是衡量这些收益是在哪里产生的。要优化Colin提到的这类策略，你需要了解在不同链上以及这些链内不同协议中产生的历史收益。这需要复杂的数据管道（data plumbing），你要跟踪链上活动，包括EVM和非EVM链，并跟踪这些链内的协议。
  构建者们既需要历史信息来调整他们的策略，也需要实时信息来执行他们的策略。这是我们专长的领域之一——跟踪所有这些信息。如果你想想一个RPC提供商，他们提供的是实时的原始信息，这意味着从RPC提供商出来的信息并不总是清晰明了。我们所做的是解码所有的历史数据，并基于我们对协议的了解，解码信息并开始跟踪，比如说，正在产生的收益。
  目前，我们正处于封闭测试阶段，并与Coinbase开发者平台合作。我们正与Olas合作，成为Olas对冲基金集群的一部分，为Olas内的代理提供历史和实时的链上及链下数据。
  我们还在与其他几个项目合作：我们与Truflation紧密合作，为他们提供情绪分析和钱包活动。我们合作的另一个更有趣的项目叫做AskPire。他们正在跟踪数以万计与代币化项目相关的GitHub仓库。我们跟踪历史贡献和贡献者的质量，而AskPire正在构建使用我们数据的定制化交易策略，这使得他们能够将项目活动与未来的代币价格关联起来。所以，我希望这能让你大致了解我们提供的信息类型。这都是基于我们在代理金融项目中看到的共同需求。

• Renç (Giza):
  为了稍微铺垫一下，在Giza，我们对渐进式的改进并不真正感兴趣。我认为DeFi长期以来一直受困于一个又一个的渐进式改进。我们想要实现的是金融领域一次彻底的用户体验（UX）范式转变——甚至不仅仅是Web3，而是整个金融业。我们希望将金融从以产品为中心转变为以用户为中心。在这一点上我们有非常坚定的看法：个性化金融是前进的方向。
  我们的愿景不是创造又一个DeFi协议，从来都不是。而是要创造一个7天24小时的伴侣，它能够执行并让你洞悉你的财务状况，为你实现你的财务目标。这是我们追逐的北极星。鉴于我们基础设施的稳健性和这个量身定制的个性化金融的北极星，Giza的代理如今能够同时服务于零售用户和机构。
  我们今天合作的机构有更严谨、更复杂的需求，涵盖从托管要求到风险框架再到流动性指令。Giza的建立就是为了通过量身定制的代理策略而不是现成的产品来满足他们。这包括从设计定制代理到隔离的基础设施、实时监控、审计追踪，以及为基金、金融科技合作伙伴和新银行（它们有很多主动需求）提供白标实现。
  对于个人用户，我认为这个领域还有一些值得探讨的地方。这可能是我们仍然提供同样复杂性但没有那么复杂的地方。对于零售用户——即“为无银行账户者提供银行服务”——我们可以让他们通过一个极度简化的界面与去中心化金融互动，这个界面完全抽象掉了策略层。我们为用户承担了财务决策的责任。我们自动化了决策过程。我认为这是Giza最明显的区别因素之一，我们有勇气、专业知识和才华来承担这项艰巨的任务。
  对于零售和机构两个细分市场，我们正在探索一些独特的要求。简而言之，零售用户想要彻底的抽象化和可及性，而机构则需要更高的安全性、监控和报告标准。我们有能力同时满足这两者。
  Giza一直在构建一个至关重要的资产基础，那就是稳定币市场。显然，它短期内不会消失。它的总市值已达到3000亿美元，每一个流通中的稳定币都代表着可以由Giza代理自主优化的潜在资本。这就是为什么我们为这个领域构建了我们的第一个代理，并将继续扩大其覆盖范围和能力。当然，这也使我们能够服务于国库、DAO、机构基金——任何可以抽象化DeFi的地方，任何有人问“我该如何投资稳定币？”的地方，Giza都在那里。

• Colin (Makina):
  Renç刚才说了一些非常有趣的话，关于我们如何超越金融领域的渐进式变革。我想我们所有人投身这项技术，都是因为我们认识到传统金融体系目前对人们来说行不通。我认为这是所有以太坊参与者的指路明灯之一。
  我们在Makina努力坚守的是，在我们所做的一切的基础中构建安全性和保障，同时使其具有可扩展性。我们坚信，通过提供这种基础设施，我们可以为任何人带来最好的结果，无论是大型机构还是小型零售用户。
  我们看待世界的方式与Neo所说的非常相似。有些实体有投资需求，也有些实体希望满足这些需求。我们正努力确保金融结果的最佳管理者能够获得可以安全操作的工具。我们坚信这是一个会增长的领域。
  如果我们看看传统金融市场，全球目前管理的资产大约是150万亿美元。一个非常有趣的事实是，目前其中约60-70%是主动管理的，而且这个份额一直在下降。很大一部分原因是人们支付了大量费用，却不一定能跑赢ETF。我们在加密世界里也听到了很多关于ETF的消息。ETF也是相当革命性的，由于其低成本，改变了很多传统金融人士的看法。
  我们坚信，随着我们看到以太坊、EVM和AI等技术在安全性和自动化方面的进步，这些成本可以降低，人们可以通过更好的策略以更具成本效益的方式获得超额收益。在全球范围内，这对我们来说真的非常重要。这不仅仅是为华尔街或伦敦金融城的某个实体做得更好。这是为了确保任何需要获得金融成果的人都能做到。
  除此之外，我们坚信这些都应该直接构建在DeFi协议内部。我们应该构建工具，让管理者能够将这些生产性资产转化为抵押品或在DeFi生态系统内以不同形式使用。这才是我们发展DeFi经济的真正方式。这可以是稳定币，但也可以远不止于此，这样人们就可以将他们未来的负债与手头的资产相匹配，并代代相传。我们认为这将从根本上改变人们通过自身财富实现繁荣的方式。我再说一遍，我们是AI和以太坊实现这一目标的忠实拥趸。

1. 在你们的技术栈中，哪些部分更依赖AI能力，哪些部分依赖较少，为什么？另外，既然我们在讨论构建一个利用AI的金融系统，风险管理和控制就非常重要。当你们考虑AI安全时，你们是如何在工作流程中考虑风险管理或控制的？

• Ray (OKX Ventures):
  当人们讨论DeFi代理时，似乎很多用户，尤其是零售用户，对这个概念仍有误解。他们可能认为，“嘿，我们可以直接使用AI代理，100%完全依赖它们来做金融决策、管理我们的资金、寻找alpha”，但实际上并非如此。实际上，我们是想帮助客户构建一个在某种程度上利用AI能力的金融系统，最终提高工作效率或决策质量。但我们仍然需要构建一个可靠的、确定性的或可验证的工作流程，因为在我们投入大量资金之前，我们需要一个可靠的金融系统。这就是为什么我想问一些关于如何在你们的系统中考虑潜在风险因素的问题。

• Renç (Giza):
  是的，绝对如此。我认为这非常关键，作为一家率先推出代表用户和机构进行金融决策的代理的公司，这是我们在过去几个月中必须克服的最大挑战之一——教育公众你所提出的这些合理问题。代理会拿走我的钱跑路吗？我们能解释AI用我们的钱在做什么吗？这有多大程度是100%确定的？它们会产生幻觉吗？我们必须经历所有这些才能让人们接受。因为它是一种全新的工具。就Giza而言，它不是人们已经习惯于存入资金的金库；它是一个全新的事物。每个用户都有一个为他们服务的专属代理。在你的提问中，区分或定义在这种情况下“AI”是什么很重要。
  你提出的大部分问题都源于对LLM的理解。对我们来说，LLM在解析我们用户的通用需求并将其参数化为偏好方面的能力非常惊人——基本上是将模糊的、人类层面的输入，从“我想在我的稳定币上安全地赚钱”到“我想跑赢美国通胀5%”或“我想对ETH承担中等风险暴露”，转化为结构化的金融参数。
  但AI通常被认知的部分——也就是LLM——对我们来说就到此为止了。一旦意图被参数化，执行就转移到建立在算法逻辑和优化函数上的专门代理上，这些代理是确定性的、可验证的、可审计的，并且能够跨市场和协议持续自我调整。所以，将这两者结合起来，我们既从AI方面获得了极大的可定制性，又同时从擅长金融市场的专门代理那里获得了专业的、稳健的、安全的和受策略约束的执行。

• Neo (Almanak):
  我不确定AI如何能既是确定性的又是可验证的，但关于我们：我们是如何使用AI以及如何解决安全问题的。
  再次强调，我们对所有事情都非常务实。我们不想重新发明轮子；我们只是采纳了市场上行之有效且有需求的东西。我们特别利用AI来生成代码，速度快100倍，而且这些代码是确定性和可验证的。如果你问任何对冲基金经理、任何量化分析师、任何开发者他是否熟悉我们代理产生的东西，他都会熟悉。如果他接到他的有限合伙人（LPs）或银行的电话说：“嘿，能给我看看代码吗？”，他就能展示代码。如果钱亏了，你将能够说出是谁偷了钱以及钱是如何被偷的，因为代码有漏洞或其他问题。所以这非常重要。安全性与任何其他对冲基金、任何其他银行一样安全。
  当涉及到执行和构思时，我们使用代理的方式和这里的其他人非常相似：基本上是筛选市场、寻找alpha、找到最佳解决方案、找到最佳交易、模拟策略、回测以及模拟交易以避免滑点。所以AI与你一起构思，但最终由你做决定。你决定是否实施AI提供给你的策略；你决定是否更新代码。代码是完全可验证和确定性的。再次，我们只是采纳了行之有效的方法，并在编码方面使其快了100倍，在推理方面快了十亿倍。
  当涉及到区块链基础设施层时，我们也不想重新发明它；我们只是采纳了行之有效的东西。我们希望一切都是完全可组合的，所以我们使用可组合的金库。安全性通过透明的权限来解决。每个金库都有透明的权限，所以你可以在链上看到这个金库能访问什么。每当有人——这个金库经理或策展人——更改这些权限时，都会是可见和透明的。这完全是复制了对冲基金的做法。
  此外，我们还创建了——我认为这非常不显眼，但却是我们做过的技术含量最高、最困难的事情之一——为我们的代理创建了结构化的工作流程。我们目前有18个代理；现在每个人都可以使用其中的7个。这些代理就像量化分析师，但它们在类似于传统对冲基金的基础设施上运作。我们借鉴了传统对冲基金所拥有的——创建、回测、模拟和优化策略的基础设施——但我们不是为人类创建它，而是为AI。所以即使是创建过程本身，也和任何其他对冲基金一样严谨。
  基本上，我们只在对资金损失不关键的部分使用AI。正因为如此，人们才放心地存入资金，我们也收到了大量来自基金和资产管理公司使用该工具的主动请求。我会说，我们的安全性就像区块链一样安全。

• Colin (Makina):
  我听了这些朋友们讲了很多非常有趣的东西，我可能无法就AI的确定性进行辩论，所以这方面就留给你们了。
  再说一次，我们是从金融的角度切入这个问题的。回答第一个关于我们在哪里使用AI的问题，我想强调的是，这是我们今天的使用方式。我不是构建这些AI代理内部工作原理的专家；我们努力为那些专家提供工具。我们看到了一个演进过程。这里的任何人在任何意义上使用过AI，都在很短的时间内看到了巨大的进步，而且这种进步将继续下去。
  我们目前真正依赖AI的地方是使用自动化。当然，正如我们从Renç和Neo那里听到的，你需要为此设置护栏。Makina一个非常有趣的地方是，我们将这些护栏带到了跨链。L2是以太坊的重要组成部分，EVM的替代L1也是，我们在跨链转移资产时保持着同样的控制。这意味着我们可以开辟新的投资领域，并且可以吸纳大量信息。Sam提到了他的公司提供的一些很棒的不同信息来源。能够读取社交媒体上发生的事情——我的意思是，我们现在都在X（推特）上——是非常关键的。
  我们大多数人本周可能都有意或无意地花了一些时间思考Monad。Monad上会发生很多事情，早点进入会帮助一些人跑赢其他人。但你不应该在没有控制的情况下这样做。这就是我们真正引入的东西。我们认为AI将在决定何时何地部署资金方面发挥重要作用，但并非没有控制。

• 我们坚信，在目前这个时间点，这些控制仍然需要制衡。我们在金库内部设有一个“风险经理”角色。这真正意味着的是，有人可以基于白名单决定一个运营者——可以是一个代理或另一个人——被允许访问什么。这被加密地保存在我们机器或金库内已激活的每个区块链中。所以当运营者做出决策时，时机、方向、幅度——所有这些都可以由这些运营者以各种方式决定。但限制访问权限是需要更多考虑的事情，我们需要保持这种控制。我们特别允许风险经理使用AI工具进行快速迭代，并构建我们称之为蓝图或脚本的东西，但最终，目前还是由人类做出最终决定。
  另一方面，从用户的角度来看，我们正在大量实验，以更好地理解我们的存款用户想要什么样的推荐。这脱离了执行什么决策的问题，更多的是理解用户试图实现什么，并帮助他们与现有的东西匹配起来。正如我所说，我曾在传统金融工作过，任何在传统金融待过的人都真正理解获取信息有多难。我们希望帮助人们获得他们想要的信息，更好地理解基于他们自己的直觉、基于他们自己的目标的表现。我们认为AI是实现这一目标的一个非常好的工具。它并不完美。我们一直在用我们的常见问题解答（FAQs）进行实验，这些都是通过一个LLM机器人运行的。团队会告诉你它仍然需要更多的调整、更多的数据输入。但我们的用户对此非常赞赏，这帮助我们调整了我们自己的用户界面和前端体验，以更好地服务这些用户，让他们以非常有效的方式了解他们想知道的确切内容，而无需阅读18页的FAQs。
  我真正想强调的另一件事是，我们不用AI编写智能合约。我们有真正顶尖的Solidity开发者。我们正在与审计师进行大量工作，以确保底层的一切都是安全的。我们认为，在目前，所有这些都应该由非常有经验的人类来完成，我们对团队中拥有经验丰富的人类感到非常满意。

• Sam (Cambrian Network):
  从高层次上，我想分享一下我如何看待代理。我认为智能存在于一个光谱上。你今天看到的被部署的代理，我将它们归类为算法代理（algorithmic agents）。这些代理的决策策略是确定性的；它们是数学的，使用优化，并且会完全按照创建者的意图运行。
  在光谱的另一端，我们有AI代理（AI agents）。我们今天拥有的最先进的AI是LLMs。LLMs富有创造力，能够适应不同条件。然而，我们今天面临的AI代理的问题是它们是非确定性的。你可以给GPT相同的提示，每次运行你都会得到不同的答案。除了非确定性之外，它们还经常出错；它们会产生幻觉。
  AI代理的前景在于它们的适应性，远胜于算法代理。我相信我们将看到——并且我非常有信心地认为——LLM的确定性问题将被解决。例如，有一家名为Sakana AI的公司，它从Google Brain孵化出来；他们最近发表了一个结果，在让LLM每次生成相同内容方面取得了巨大进展。我相信EigenLayer也将发布一些类似的工作。在提高准确性和幻觉方面，你可以假设每年在任何重要任务上，错误率都将减半。
  所以总结一下，现在，就像Renç说的，LLMs非常适合捕捉意图，并将意图转化为参数，这些参数可以输入到算法代理中，然后可靠地运行。在AI光谱的另一端，你可以假设它们的性能每年都会翻倍，并且它们将成为管理我们财务决策的积极决策者。
  现在，具体到Cambrian正在做的事情，我非常关心数据。在数据问题方面，我们通过使用密码学来检查我们所有的输入是否正确，从而保证准确性。如果你开始尝试获取区块链数据，你会发现它经常是错误的。密码学是确保其正确的解决方案。这些原始数据随后进入一个数据库，我们开始跟踪像收益这样的东西，我们必须确保我们的收益跟踪算法与我们跟踪的所有协议的智能合约编写方式一致。所以我们必须与其他来源进行大量的抽查和大量的测试。

OKX Ventures关于DeFi自主代理的Thesis

• Ray (OKX Ventures):

根据我们之前的研究，DeFi Agent赛道在2024年下半年，经历了一场从概念狂热到现实检验的关键转折。以“GPT Wrappers/Chatbots”模式为主的第一波浪潮，曾许诺用户仅通过自然语言就能轻松驾驭复杂的DeFi操作。然而，这种看似美好的愿景在实践中迅速暴露了其根本缺陷。

这些早期的“DeFAI终端”在实际应用中普遍遭遇了三大困境：首先，LLM难以精准识别金融场景下高度复杂且个性化的用户意图；其次，行业缺乏将模糊意图稳定转化为精确链上操作的配套工具；最后，即使用户拥有了强大的工具，他们自身也常常陷入不知道该下达什么指令的“决策瘫痪”中。

然而，这些问题的深层共性根源在于：第一代Agent们试图完全依赖非决定性的LLM来主导从意图理解到交易执行的全过程。

这一根本性的范式缺陷导致了市场的迅速洗牌。面对极低的实际转化率和糟糕的用户体验，绝大多数项目因此销声匿迹。幸存者们则出现了清晰的路线分化：

• 一部分项目试图在UI层面进行渐进式改良，优化提示词工程，但这并未触及核心问题。

• 而另一部分，也是真正引领市场方向的项目，则选择了更彻底的转型——它们不再强求AI直接理解一切，而是转向聚焦于特定场景、通过预设工作流 (pre-built workflows) 为用户提供明确价值的“自主型Agent”。

这类新兴的自主型Agent通过预设的、经过验证的流程并专注于在DeFi适配层 (DeFi Adapter Layer) 和认知引擎 (Cognitive Engine) 上构建真正的深度能力，市场焦点因此明确地转向了后者，开启了自主型Agent的时代。而要理解这一转变的本质，我们必须首先厘清两种执行范式之间的根本差异。

我们认为，一个安全、可靠且可扩展的AI金融解决方案，必须摒弃让LLM直接执行的模式，转向以 “决定性”（Determinism）为核心的结构化工作流——对于任何给定的输入，系统总是产生完全相同的输出。这如同一个数学公式或一段传统计算机代码，其行为是可预测、可验证、可复现的。该工作流应遵循以下四大核心原则：

1. 数据策源与环境隔离 (Curated Data Sourcing & Environmental Isolation): Agent获取外部信息（如市场行情、链上数据）的渠道必须是经过严格审查和格式化的API连接器，而非任其在开放互联网上抓取。这从源头上杜绝了因数据污染导致的安全风险。

1. 固化策略，而非即时决策 (Pre-vetted Strategies, Not Ad-Hoc Decisions): 任何交易逻辑都不能是AI的即兴创作。每一套策略都必须在部署前，于沙盒环境中经过开发、严苛的回测与模拟，其目标和行为边界在进入实盘前就已被“固化”，确保其行为符合预期。

1. 权限执行与风险边界 (Permissioned Execution & Risk Boundaries): 策略执行权限应受到严格限制。通过智能合约设定清晰的权责边界（例如，仅能与白名单协议交互、严格的资金划转限制等），确保即使在最坏情况下，潜在损失也被锁定在可控范围内。

1. 持续监控与熔断机制 (Continuous Monitoring & Circuit Breakers): 策略上线后，必须由一个全天候的自主风险管理系统进行实时监控。一旦策略行为偏离预期或市场出现极端波动，该系统应能立即启动“熔断”机制，采取减仓或暂停策略等干预措施，充当最终的“安全阀”。

正是由于第一代产品的范式缺陷，市场迅速完成了洗牌。面对糟糕的用户体验和极低的转化率，绝大多数项目销声匿迹。幸存者们则出现了清晰的路线分化：一部分项目停留在UI层面的渐进式改良，而真正引领方向的，是选择了彻底转型的 “自主型Agent” (Autonomous Agents)。请不要误解这个概念，这些新兴的Agentic产品不再强求AI理解和做所有事情。相反，它们通过 预设的、经过验证的工作流 (pre-built, validated workflows)，在特定场景下为用户提供明确价值。它们将研发重心放在构建真正具有护城河的 DeFi适配层 (DeFi Adapter Layer) 和 认知引擎 (Cognitive Engine) 上。市场焦点因此明确转向了后者，开启了自主型Agent的时代。

结论： 尽管Crypto x AI赛道饱受质疑，但我们坚信，在遵循上述原则、恰当发挥LLM能力的前提下，该领域能为特别是机构客户带来极具吸引力的价值主张。这包括 提升多维度信息分析能力（捕捉传统算法难以覆盖的复杂因子关联）、数量级地提升代码开发与部署效率，以及 实现更强大的自动化执行能力。因此，我们愿意长期并持续地关注该领域的发展，并寻找符合我们核心原则的早期团队。