Skip to main content

Agentes de IA (arquétipo)

Nota: Este documento é uma tradução automática da versão original em inglês.

Agentes de IA (arquétipo)

As páginas de arquétipo no DecAIHub descrevem modelos comuns de projetos — padrões recorrentes de como os projetos de crypto AI são construídos, o que oferecem e qual papel a IA desempenha em seu produto. O arquétipo "agentes de IA" cobre projetos cujo produto principal é construir, implantar ou operar agentes de IA: software autônomo que percebe dados, raciocina sobre eles e executa ações sem instrução humana contínua.

Em resumo: neste arquétipo o agente É o produto — não um recurso acoplado a outra coisa.

O que define este arquétipo

Um projeto se encaixa no arquétipo de agentes de IA quando sua oferta central gira em torno de agentes, em vez de usar agentes como um recurso secundário. O agente — sua criação, implantação, operação ou monetização — é a principal razão pela qual o projeto existe. Isso separa o arquétipo de projetos que por acaso usam um agente internamente (por exemplo, um protocolo DeFi com um rebalanceador assistido por IA), mas cujo produto principal é outra coisa. No arquétipo de agentes de IA, remover o agente remove o produto.

Os arquétipos são descritivos, não endossos. Eles ajudam os leitores a comparar roadmaps superficialmente semelhantes e a fazer perguntas consistentes sobre evidência, segurança e arquitetura. Dois projetos no mesmo arquétipo podem diferir drasticamente em maturidade e profundidade de IA verificável.

Padrões comuns

Dentro deste arquétipo, vários padrões de produto distintos aparecem repetidamente em todo o registro do DecAIHub.

Frameworks de agentes

Kits de ferramentas para construir seu próprio agente. Esses projetos fornecem SDKs, bibliotecas e ferramentas para desenvolvedores criarem agentes de IA personalizados. Normalmente incluem módulos pré-construídos para memória, planejamento, uso de ferramentas e interação com a chain. O produto é o próprio framework — os agentes construídos sobre ele pertencem a desenvolvedores terceiros.

AI components típicos: agentic framework, agent SDK, AI agent platform (workflows/tools/KB).

Launchpads de agentes

Criar, implantar e tokenizar agentes. Essas plataformas permitem que os usuários construam um agente, atribuam a ele um token e o lancem on-chain — frequentemente com interfaces no-code ou low-code. O padrão combina a criação de agentes com a emissão de token em um único fluxo. Este é um dos use cases mais comuns na categoria: AI agent creation + launch.

Use cases típicos: AI agent creation + launch, build + deploy AI agents, no-code agent deployment.

Marketplaces de agentes

Descobrir e usar agentes pré-construídos. Os projetos de marketplace agregam agentes construídos por outros, permitindo que os usuários naveguem, aluguem ou comprem serviços de agentes. O marketplace cuida da descoberta, do pagamento (geralmente em tokens) e, às vezes, da reputação. A IA pertence aos criadores individuais de agentes, não ao próprio marketplace.

AI components típicos: agent marketplace, agent registry, agent discovery.

OS agêntico

Sistemas operacionais completos para agentes autônomos. Esses projetos vão além de frameworks isolados e tentam construir um ambiente completo onde os agentes possam se coordenar, compartilhar recursos, usar ferramentas e interagir com várias chains. Eles se posicionam como a camada de infraestrutura para uma "economia de agentes".

AI components típicos: agentic OS, multi-agent orchestration, agent swarm.

Agentes verticais

Agentes desenvolvidos para domínios específicos. Em vez de fornecer uma plataforma geral, esses projetos constroem agentes para um único vertical: agentes de negociação DeFi, NPCs de jogos, personalidades de redes sociais, assistentes de consumo ou agentes de gerenciamento de infraestrutura. A IA é estritamente focada e o valor depende de quão bem o agente desempenha sua tarefa específica.

Use cases típicos: AI bots/agents for crypto, AI-powered DeFi agent, autonomous trading agent, AI companion.

O que une esses padrões

Apesar das diferentes formas de produto, todos os projetos neste arquétipo compartilham a mesma propriedade estrutural: o agente é o produto. O projeto não apenas usa IA como um recurso entre muitos — toda a proposta de valor depende da existência, da qualidade e da autonomia do agente.

Isso significa que avaliar projetos neste arquétipo requer verificar o próprio agente: ele raciocina ou segue um script fixo? Ele usa um AI component real (LLM, aprendizado por reforço, módulo de planejamento) ou é uma automação baseada em regras rotulada como um "agente"?

Os leitores também devem distinguir alegações de plataforma ("nós habilitamos agentes") das alegações de instância ("nosso agente fez X on-chain"). Ambas podem ser válidas, mas exigem tipos diferentes de prova.

Onde este arquétipo aparece nos cartões do DecAIHub

Ao ler um cartão de projeto que pertence a este arquétipo, procure por:

  • Category — normalmente AI/Agents, frequentemente combinada com uma tag de domínio (DeFi, Infra, Consumer, Gaming, Meme).
  • AI component — deve nomear um mecanismo concreto: agentic framework, agent marketplace, AI agent platform, agent swarm, multi-agent orchestration. Valores vagos são um sinal de alerta.
  • Use case — valores comuns: build + deploy AI agents, AI agent creation + launch, AI bots/agents for crypto, no-code agent builder. O use case deve descrever o que o usuário faz com o produto de agente.
  • ai_score — reflete quanta evidência verificável existe para as capacidades de IA do agente. Veja DecAI Fit.

O que este arquétipo não prova

Ser classificado sob o arquétipo de agentes de IA significa que um projeto está posicionado como centrado em agentes. A classificação sozinha não confirma que:

  • agentes reais estão em execução em produção e desempenhando tarefas autônomas;
  • os agentes usam IA real em vez de scripts fixos ou simples API wrappers;
  • a plataforma tem adoção significativa de usuários ou desenvolvedores;
  • o token é necessário para que os agentes funcionem;
  • os agentes do projeto são mais seguros, mais inteligentes ou mais autônomos do que as alternativas.

Muitos projetos de agentes são plataformas em estágio inicial com poucos agentes de fato implantados. A lacuna entre a visão e a realidade verificável costuma ser ampla neste arquétipo — tornando a AI reality score e o nível de evidência especialmente importantes.

Não confundir com

Perguntas frequentes

"Arquétipo" é o mesmo que a categoria AI/Agents?

Não. A categoria AI/Agents é um rótulo de nível superior na taxonomia. Um arquétipo explica as formas de produto recorrentes dentro e ao redor desse rótulo (frameworks, marketplaces, agentes verticais). Use arquétipos para o reconhecimento de padrões narrativos; use categorias e valores de AI component para comparação estruturada.

Por que dois projetos de agentes com landing pages semelhantes pontuam de forma diferente em ai_score?

O ai_score reflete a evidência verificável para alegações de IA — documentação, código, demonstrações, comportamento mensurável — não a semelhança de marketing. Duas visões centradas em agentes podem divergir drasticamente uma vez aplicada a evidência Tier-1.

Os leitores devem esperar que todo marketplace de agentes hospede treinamento de modelo proprietário?

Não necessariamente. Os marketplaces frequentemente focam em descoberta, pagamentos e interfaces, enquanto os criadores fornecem modelos e políticas. Avalie cada camada separadamente: a infraestrutura da plataforma, os modelos dos criadores e a evidência de execução on-chain.

Referências externas

Ver também

No comments to display

Back to top