Skip to main content

什么是 AI 代理

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—行动—观察循环正是把代理与一个简单聊天机器人区分开来的地方。聊天机器人回答一个提示，然后等待下一个；代理则跨多个步骤追求一个目标，在此过程中使用工具、记忆和规划。

在加密 AI 中，代理尤其引人注目，因为区块链为自主行动提供了一个天然的环境：签署交易、管理钱包、与智能合约交互以及转移价值——全都通过代码，全都无需人类中介。

**简而言之：**AI 代理会感知、决策并行动。聊天机器人只对提示做出响应。

它是什么

AI 代理是一个超越回答单个问题的程序。有四种能力把它与更简单的 AI 界面区分开来：

  1. 感知 —— 代理接收输入：文本、链上数据、市场行情、用户请求或传感器信号。
  2. 推理 —— 它处理这些输入以形成一个计划或决策。这可能涉及一个大语言模型（LLM）、一个自定义模型，或一个结构化的逻辑层。
  3. 行动 —— 它执行真实的操作：调用 API、部署合约、触发工作流、发送消息，或与其他代理交互。
  4. 记忆与工具 —— 许多代理跨会话保持上下文（记忆），并使用外部工具（API、数据库、智能合约、其他代理）来完成无法在单个提示中完成的任务。

并非每个被贴上“代理”标签的系统都具备全部四种能力。有些只是没有真正决策能力的薄 API 封装。在 DecAIHub 中，证据表和 AI reality 标志有助于把真正的代理与被改名的聊天机器人区分开来。

它如何运作

代理循环

一个设计良好的 AI 代理遵循一个反复进行的周期。理解每个步骤有助于评估一个声称使用代理的项目是否在以有意义的方式这样做。

  1. 感知 —— 代理从其环境中接收输入。在加密语境中，这可能意味着读取链上数据（代币余额、交易历史、流动性池状态）、监控市场行情、接收用户用自然语言下达的指令，或监听来自其他代理的事件。

  2. 推理 —— 代理处理输入并规划其下一步行动。这正是 AI 模型发挥作用的地方。一个 LLM 可能解读用户请求（“把我的稳定币转入收益率最高的金库”），把它拆分成子任务，评估各种选项，并选择一个策略。一些代理使用思维链提示（chain-of-thought prompting），模型在决策之前显式地写出其推理过程。

  3. 行动 —— 代理执行所选的行动。这可能意味着调用一个 API、签署一笔区块链交易、部署一个智能合约、发送一条通知，或把一个子任务委派给另一个代理。行动这一步正是赋予代理现实世界影响力——以及现实世界风险——的地方。

  4. 观察 —— 代理检查其行动的结果。交易成功了吗？API 返回了预期的数据吗？目标达成了，还是代理需要再迭代一次？

  5. 迭代或停止 —— 基于观察，代理要么回到第 1 步（感知新的状态并规划下一个行动），要么判定任务已经完成。

这个循环对于一个简单任务可以只执行一次，对于一个复杂的工作流则可以运行数十次迭代。与产生一个响应便等待的聊天机器人不同，代理会自主地持续运作，直到其目标达成或满足某个终止条件。

记忆类型

处理多步骤任务的代理需要某种形式的记忆：

  • 短期记忆（也称工作记忆或上下文窗口）—— 代理在单个任务期间所持有的信息。这往往受 LLM 上下文窗口的限制。
  • 长期记忆 —— 跨会话存续的持久化存储。代理可能在向量数据库或结构化存储中保存用户偏好、过往行动、学到的策略或积累的知识。
  • 情景记忆 —— 对特定过往交互或事件的记录，代理在做出未来决策时可以检索并引用它们。

记忆是一个关键的差异化因素。一个没有持久化记忆的代理无法从过往交互中学习，也无法跨会话保持连续性——实际上每次运行都会重置。

工具使用

一个强大的代理并不仅仅依赖其推理模型。它使用工具——扩展其能力的外部函数、API 或服务：

  • 通过 RPC 调用读取区块链状态
  • 通过钱包集成执行交易
  • 查询数据库或知识库
  • 调用其他 AI 模型（例如，一个图像模型或一个专门的分类器）
  • 在多代理系统中与其他代理交互

推理（做什么）与工具使用（怎么做）的结合，正是让现代 AI 代理显著比聊天机器人更有能力的原因。

真实的行业示例

若干知名框架和项目说明了 AI 代理在实践中如何运作：

  • AutoGPT —— 最早被广泛讨论的自主代理项目之一。它展示了一个 LLM 驱动的代理的概念，该代理能够设定目标、把它们拆分成子任务、浏览网页并执行代码——全都无需逐步的人类引导。
  • LangChain —— 一个流行的开源框架，用于构建 LLM 驱动的应用，包括代理。LangChain 为工具使用、记忆、提示链接和代理循环提供抽象，使其成为许多加密 AI 项目的基础库。
  • CrewAI —— 一个聚焦于多代理系统的框架，其中多个专门的代理协作完成一个任务，各自扮演一个既定角色。这映照了一些加密项目为复杂工作流构建代理蜂群的方式。

这些名字出现在许多加密 AI 项目的描述中。当一个项目说它“使用 LangChain”时，意味着它采用了一个现成的框架来进行代理编排。当它说它“构建了一个专有代理框架”时，这一主张需要 Tier-1 证据来核验。

AI 代理 vs 聊天机器人 vs 助理

这些术语相互重叠，但并不可互换：

能力 聊天机器人 助理 代理
对提示做出响应 是 是 是
使用工具和 API 很少 有时 经常
做出多步骤决策 否 有限 是
自主行动 否 否 是
保持长期目标 否 很少 经常
从过往交互中学习 否 很少 有时
在没有持续输入的情况下运作 否 否 是

聊天机器人一次回答一个问题。它没有目标、没有工具，除了当前对话之外没有记忆。助理可能会搜索网页或总结文档，但它等待指令，并不设定自己的目标。代理则制定计划、选择工具、执行行动并评估结果——有时跨会话和跨服务，有时在初始目标设定后无需任何人类干预。

要进行更深入的比较，参见助理 vs 副驾 vs 聊天机器人 vs 代理。

为什么 AI 代理是 DecAIHub 中最常见的类别

AI/Agents 是 DecAIHub 登记库中最大的类别。AI 与加密的交汇创造出一个天然的用例：代理可以持有钱包、签署交易、管理头寸并与智能合约交互——全都无需人类中介。

常见的子类别包括：

  • AI/Agents | DeFi —— 自主管理交易、流动性或收益策略的代理。
  • AI/Agents | Infra —— 用于构建、部署或编排代理的平台。
  • AI/Agents | Consumer —— 面向终端用户的个人助理、伴侣或创意工具。
  • AI/Agents | Gaming —— NPC、游戏教练或 AI 驱动的游戏经济。
  • AI/Agents | Meme —— 围绕 meme 文化或叙事代币构建的代理，往往是以人格驱动的社交媒体机器人。

每个子类别都把代理架构与一个特定的加密领域结合起来。关于如何阅读这些复合标签，参见如何阅读复合 AI 类别。

由于“代理”一词在加密营销中很流行，这个类别也承载着最高的 AI-washing 风险。许多项目把自己标榜为“AI 代理平台”，而提供的东西不过是一个聊天机器人或一个薄薄的 API 封装。

它在 DecAIHub 项目卡片中的出现位置

当一个项目声称拥有 AI 代理时，在项目卡片中检查这些信号：

  • AI component 字段 —— 它描述的是一个真实的代理框架（例如 agentic framework (memory/actions/plugins)、AI agent platform (workflows/tools/KB)），还是描述含糊、面向营销？
  • 证据表 —— 是否存在确认代理能够感知、决策和行动的 Tier-1 来源（源代码、技术文档、在线演示）？Tier-1 证据包括公开仓库、详细的技术文档和可运行的产品演示。
  • DecAI Fit —— 高 DecAI Fit 分数意味着该代理主张在三个维度上得到了可验证证据的支撑：AI reality、Onchain necessity 和 Token necessity。低分或一个 positioning only 标签意味着截至审查日期证据不足。
  • ai_score —— DecAI Fit 的 AI reality 组成部分，计算为来自五个二元标志（0-3 量表）的 min(3, AI_0 + AI_1 + AI_2 + AI_3 + AI_4)。对于代理项目，一个有意义的 ai_score 需要有证据表明代理真的做出自主决策，而不只是转述提示。

关键问题始终是：该代理是真的做出决策，还是一个调用别人模型而毫无自主性的 API wrapper？

仅有这个术语本身无法证明什么

  • 把一个产品称为“AI 代理”并不能证明它使用真正的 AI。一些“代理”是带有 AI 标签、基于规则的机器人——这是一种被称为 AI-washing 的做法。
  • 代理标签并不能证明链上集成是有意义的，也不能证明代币是必需的。一个项目可能拥有一个可用的代理，却不需要区块链或代币。
  • 代理架构本身丝毫不能说明底层模型的质量、可靠性或成熟度。一个原型代理和一个生产级代理都可以被称为“AI 代理”。
  • 使用一个代理框架（例如 LangChain）并不能证明该项目拥有专有 AI。框架是工具；重要的是构建在它们之上的数据、模型和逻辑。

请勿混淆

  • 聊天机器人 —— 一种对单个提示做出响应、没有目标、规划或工具使用的系统。许多被营销为“AI 代理”的产品在功能上是聊天机器人。
  • 自动化 —— 遵循预定义逻辑（如果 X，则 Y）的、基于规则的脚本。自动化不涉及学习或推理。一个遵循固定规则的交易机器人是自动化，而不是 AI 代理。
  • AI component —— 对一个项目内部具体 AI 技术的描述。代理是一种架构；AI component 则是为代理的推理提供动力的模型或系统。
  • API wrapper —— 一种把用户输入发送给第三方 AI 模型并返回输出的产品。API wrapper 在其界面上可能看起来像代理，但缺乏自主决策能力。
  • 多代理系统 —— 一种多个代理交互、协调或竞争的系统。每个单独的代理仍然是一个 AI 代理；多代理标签描述的是系统架构。

常见问题

AI 代理与聊天机器人有什么区别？

聊天机器人对单个提示做出响应，然后等待下一个。它没有目标、没有工具，通常除了当前对话之外没有记忆。AI 代理设定目标、规划实现它们的步骤、使用工具（API、数据库、智能合约）执行行动并评估结果——往往无需进一步的人类输入。代理循环（感知、推理、行动、观察）是关键的架构差异。

AI 代理能持有加密钱包吗？

能。如果一个 AI 代理能访问钱包的私钥或与某个钱包管理服务集成，它就能控制一个加密钱包。这使得代理能够自主地签署交易、转移资金、与 DeFi 协议交互或部署合约。然而，让代理托管一个钱包会引入重大的安全和信任考量，项目必须透明地加以应对。

是不是所有加密“代理”项目都真的在使用 AI 代理？

不是。“代理”一词在加密营销中被宽泛地使用。一些被标为代理的项目是简单的聊天机器人、基于规则的机器人，或缺乏自主决策能力的 API wrapper。DecAIHub 的 AI reality 分数和证据层级有助于把具备真正代理能力的项目与那些仅为定位而使用该术语的项目区分开来。

是什么让一个 AI 代理具有自主性？

自主性意味着代理能够通过多个步骤追求一个目标，而无需在每一步都要求人类指令。它感知其环境、推理出最佳行动、执行该行动、观察结果，并决定下一步做什么——全都靠自己完成。自主程度各不相同：一些代理在高风险行动之前会要求人类确认，而另一些则完全独立地运作。

DecAIHub 如何核验一个代理项目是否拥有真实的 AI？

DecAIHub 使用一套结构化的证据方法来评估代理项目。审查者寻找 Tier-1 证据（公开代码、技术文档、可运行的演示）、Tier-2 证据（第三方审计、访谈、详细的博客文章）和 Tier-3 证据（营销材料、社交媒体主张）。AI component 字段描述代理实际做什么，而 ai_score（0-3，由五个二元标志 AI_0 到 AI_4 推导而来）反映 AI 主张的深度和可验证性。没有可验证 AI 证据的项目得到 ai_score = 0。

另请参阅

外部参考

No comments to display

Back to top