Search Results

注意：本文档是英文原版的自动翻译。 什么是 AI component AI component 是项目中真正发生人工智能工作的那个具体部分——分析、生成、预测、排序或决策。它不是一个营销标签或品牌提及。在 DecAIHub 项目卡片中，AI component 字段回答一个问题：这里的人工智能究竟做什么？ **简而言之：**AI component 是数据进入、由人工智能驱动的结果产出的具体机制——而不是一个 logo、一句标语或一个路线图承诺。 给初学者的类比 把一个项目想象成一家餐厅。**用例（use case...

注意：本文档是英文原版的自动翻译。 AI component 与用例 DecAIHub 上的每张项目卡片都有两个看起来相似但回答不同问题的字段：AI component 和 Use case。前者描述项目内部的具体技术；后者描述项目为其用户做了什么。把两者混淆会让人更难评估其 AI 是否真实，以及产品是否解决了真正的问题。 简而言之： AI component 是系统内部 AI 所做的事。Use case 是用户从产品中得到的东西。一个项目可以有强大的 use case 却没有真正的 AI component——反...

注意：本文档是英文原版的自动翻译。 自动化与真正的 AI component 许多加密项目把简单的自动化标榜为"AI"。一个遵循预设规则的交易机器人、一个按 gas 价格路由交易的智能合约、一个在达到阈值时触发的通知系统——这些都是自动化，而非人工智能。本页帮助区分这两者。 简而言之： 自动化遵循固定规则；一个真正的 AI component 从数据中学习并产生概率性输出。这一区别之所以重要，是因为 DecAIHub 评估 AI 主张是否可验证——而基于规则的逻辑不是人工智能。 给初学者的类比 设想两台恒温器。第一...

注意：本文档是英文原版的自动翻译。 什么是对他人模型的 API 封装 **API wrapper（API 封装）**是指一个项目通过另一家公司的 API 调用其 AI 模型——例如 OpenAI 的 GPT、Anthropic 的 Claude 或 Google 的 Gemini——并将结果作为自身产品的一部分呈现出来。这是为产品“加上 AI”的最简单方式，也是加密 AI 项目中最常见的模式。 **简而言之：**API wrapper 把你的输入发送给别人的模型，并返回该模型的输出。AI 属于提供方，而不属于这个封...

注意：本文档是英文原版的自动翻译。 什么是 AI 代理 **AI 代理（AI agent）**是一种能够感知其环境、做出决策并采取行动以实现目标的软件系统——无需人类指挥每一个步骤。可以把它想象成计算器与私人助理之间的区别：计算器只精确回答你输入的问题，而助理理解你更宏观的目标，弄清楚该采取哪些步骤、执行它们、检查结果，并持续进行直到任务完成。 在人工智能（AI）的世界里，“代理”一词带有特定含义：该系统在一个循环中运作。它接收输入、推理出该做什么、执行一个行动、观察结果，然后决定是再迈一步还是停止。这种感知—推理...

注意：本文档是英文原版的自动翻译。 助手、副驾驶、聊天机器人和代理有什么区别 把这四个术语想象成一个遥控谱系上的不同位置。**聊天机器人（chatbot）**就像对讲机：你说话，它回话，互动到此结束。**助手（assistant）**就像一个能帮你查找信息的智能音箱。**副驾驶（copilot）**就像一个看着地图、建议转弯但从不抢方向盘的副驾。**智能体（agent）**则是自动驾驶汽车——它感知路况、做出决策并采取行动，无需等待你的批准。 加密人工智能项目几乎可以互换地使用这些标签，然而它们描述的是截然不同的能...

注意：本文档是英文原版的自动翻译。 什么是 RAG（检索增强生成） 想象一个学生在参加一场开卷考试。他不是仅凭记忆回答每一道题，而是翻阅教科书、找到最相关的页面、读完它们，然后写出一个把记忆中的知识与刚查到的事实结合起来的答案。检索增强生成（Retrieval-Augmented Generation, RAG）对大语言模型的运作方式与此相同。模型不再仅仅依赖它在训练期间记住的内容——它先搜索一个外部知识库，检索最相关的文档，并在生成回应时把它们用作额外的上下文。 这项技术之所以重要，是因为即便是最强大的 LLM ...

注意：本文档是英文原版的自动翻译。 什么是 zkML **zkML（Zero-Knowledge Machine Learning，零知识机器学习）**是一种使用零知识证明来验证机器学习模型正确运行了其推理的技术——而无需泄露模型权重、输入数据，或两者。它提供一种密码学保证：“这个输出是由这个模型在这个输入上产生的”，且任何人都能在不看到私密信息的情况下验证该证明。 简而言之： zkML 让你在不暴露模型或数据的情况下证明一个 AI 模型正确运行过。它是可验证 AI 的途径之一，为正确推理提供了一种数学（无需信任）...

注意：本文档是英文原版的自动翻译。 什么是 AI 质量指标，为什么它们很重要 AI 质量指标是描述一个 AI 系统执行其任务表现如何的可度量数值——不是用营销术语，而是用带有上下文的数字来描述。在加密人工智能领域，宣称往往超前于证据，质量指标正是“我们的 AI 很强大”和“我们的模型在一个明确定义的测试集上达到 82% 准确率”之间的区别。 简而言之： 没有可度量的质量数据，AI 宣称就无法验证。DecAIHub 使用 AI_3 标志来追踪项目是否提供了真实的数字——而不仅仅是断言。 它们为什么重要 每个加密人工智...

注意：本文档是英文原版的自动翻译。 为什么营销中的人工智能不等于在运行的人工智能 营销中的 AI 与在运行的 AI 之间的鸿沟，是 DecAIHub 所要解决的核心问题。数以百计的加密项目在其品牌宣传中使用诸如“AI-powered”“built with cutting-edge AI”或“our AI engine”之类的字眼——但当你去寻找可验证的工件时，许多项目并没有代码、没有模型、没有基准测试，也没有技术文档。本页解释为什么仅有营销语言不构成证据，如何识别最常见的夸大模式，以及如何借助 DecAIHub ...

注意：本文档是英文原版的自动翻译。 作为 AI 组件的推理 作为 AI 组件的推理（inference），意味着该项目在生产环境中运行一个已训练的模型来产出结果——预测、分类、生成的文本、图像或其他结果。当 DecAIHub 项目卡片在 AI component 字段中列出与推理相关的取值时，它表明系统中某处存在一个模型，它接收输入数据并返回由 AI 驱动的结果。这是 AI 确实在运行、而不只是被承诺的最直接证据。 简而言之： 作为组件的推理意味着一个模型正在被部署和使用——这是 AI 不再停留于理论、开始产出真...

注意：本文档是英文原版的自动翻译。 算力作为 AI component 作为 AI component 的**算力（Compute）**意味着该项目为 AI 工作负载提供或编排计算资源——GPU、TPU、CPU。当 DecAIHub 项目卡片在 AI component 字段中列出与算力相关的值时，它描述的是基础设施层：使模型得以被训练或运行的硬件和调度系统。算力是让 AI 成为可能的东西，但它本身不是 AI。 **简而言之：**作为组成部分的算力意味着该项目为 AI 任务供应或管理处理能力——是机房，而不是智能...

注意：本文档是英文原版的自动翻译。 数据收集与标注 **数据收集（Data collection）**是从各种来源采集原始数据的过程。**数据标注（Data labeling，也称为标注/annotation）**是为这些数据附上正确答案或元数据的过程，以便它能用于有监督的训练。二者共同构成了将原始信息转变为可用数据集的关键流水线。 **简而言之：**收集采集原材料；标注使其对人工智能有用。没有这两者，有监督模型就无法学习。这是代币激励具有合理作用的最清晰领域之一。 为什么这是一个合理的 AI 组件 每一个有监督的...

注意：本文档是英文原版的自动翻译。 分析与排名作为 AI component 作为 AI component 的**分析与排名（analytics and ranking）**意味着项目使用 AI 或机器学习来对实体——项目、代币、钱包、风险或市场状况——进行打分、分类、排名或分析。当一张 DecAIHub 项目卡片在 AI component 字段中列出与分析相关的取值时，它描述的是一个系统：在其中，一个经过训练的模型处理数据并产出结构化输出——分数、评级、排名或信号。仅仅存在分析功能并不能使一个项目成为 AI...

注意：本文档是英文原版的自动翻译。 训练作为 AI component 作为 AI component 的**训练（Training）**意味着该项目包含一个训练 AI 模型的系统或流水线——在数据上更新模型权重，以产生学到的表示。当 DecAIHub 项目卡片在 AI component 字段中列出与训练相关的值时，它描述的是一个具体机制：项目内构建或改进模型所经由的基础设施和流程。这与什么是训练这一总体概念不同——这里的重点是把训练作为一个加密 AI 产品中可验证的组成部分。 **简而言之：**作为组成部分的...

注意：本文档是英文原版的自动翻译。 检索与知识层 **检索与知识层（retrieval and knowledge layer）**是一种存储、索引并检索相关信息的系统，使人工智能模型能够生成有依据的回答。它是为模型提供外部知识访问能力的基础设施——文档、链上数据、协议规范、市场事件——而不是仅依赖模型在训练期间记住的内容。 **简而言之：**检索层是 RAG 中的“R”。它是一种搜索并获取的机制，在模型生成回答之前找到正确的上下文。 工作原理 检索与知识层遵循一个通用的流水线： **摄取（Ingestion）。*...

注意：本文档是英文原版的自动翻译。 作为 AI component 的代理（Agents） **代理（Agents）**作为一种 AI component，意味着项目的人工智能层是围绕一个代理框架构建的——这是一个感知输入、做出决策并采取行动的系统，通常带有记忆、工具和目标。当某个 DecAIHub 项目卡片在 AI component 字段中列出与代理相关的值时，它描述的是具体的技术架构：使自主或半自主行为成为可能的运行时、编排层或框架。这不同于 什么是人工智能代理 这一总体概念，也不同于 AI/Agents ...

注意：本文档是英文原版的自动翻译。 如何阅读复合 AI 类别 DecAIHub 为每个项目分配一个**复合类别（composite category）**标签，例如 AI/Agents | DeFi 或 AI/Compute | Infra。这些标签看起来紧凑，却同时携带两条信息：项目做什么类型的 AI 工作，以及它把这项工作应用于何处。本页解释如何阅读它们。 简而言之： | 之前的部分是 AI 子类别（AI 做什么）； | 之后的部分是应用领域（在哪里使用）。当项目横跨多个领域时，有些会有三个部分。 一个复...