jakiro
來源：PermaDAO
一場新的由 AI 驅動的敘事即將主導 DeFi 領域，它將永久且徹底改變加密貨幣市場的運作方式。
AI 代理驅動金融很快將成為現實，其對行業的影響將是深遠的、難以想像的。
AgentFi 意味著什麼？
AgentFi ，自主金融（ Autonomous Finance ），代理協議（Agentic protocols）…… 這些都是我們遇到的幾個嘗試定義同一概念的名詞。它們都描述了一個未來，AI 代理將能夠訪問 DeFi 市場並執行利潤策略，而無需人類參與監督。
起初，AgentFi 是一個簡單而明顯的想法，但讓我們探討一下它的特性以及它是如何實現的。
@aothecomputer 最近發布了這篇文章，這讓我們思考了當前 DeFi 領域正在不可避免地向一個無需信任的、自主代理驅動市場轉變。
什麼是 AgentFi？
DeFi 使金融市場無需許可且開放，從而顛覆了金融市場。諸如資產交換、借貸等基本操作現在可以在任何有網際網路連接設備的地方以無需信任的方式執行。這都歸功於強大的智能合約。
然而，DeFi 缺乏一個智能層，其中的機器人可以做出複雜的市場決策。目前，機器人可以根據一些數據事件來行動。
AgentFi 指的是一個世界，其中機器人可以創建並調整類似於基金經理的複雜策略。
首先要想到的一個問題是：AgentFi 是如何建立在 DeFi 原語之上的？
為了回答這個問題，我們需要了解當前 DeFi 的運作方式，並探討自主代理與當前在 DeFi 協議中運行的機器人之間的區別。
AgentFi vs DeFi
AgentFi 與 DeFi 有兩個關鍵差異，這使其與交易市場開闢了一系列新的可能性。
1. 機器人可能採取行動的數據類型。
2. AI 代理能夠超越預定配置主動行動的能力。
當前，在 DeFi 中可用的數據是定量的。這是一系列根據事件（如新聞或流動性變化）更新的原始價格數據。
DeFi 機器人監視這些價格變化，並根據其所有者設定的預配置參數執行策略。這些機器人需要大量監督，因為它們缺乏智能。
如果市場情況發生變化，它們無利可圖的風險就會更大。它們只能對預設的數據觸發器做出反應。它們不能「醒來」並主動更新它們的策略。
自主代理的不同之處在於，它們將能夠訪問和解釋不僅是定量數據，而且是定性數據。
因此，代理商僅對價格變化做出反應，AI 代理將能夠解釋隱藏在數字背後的信息。
代理將能夠閱讀演講內容、公告內容，還可以讀懂說話者的面部表情或新聞文章的語調，並將此與實時數據結合起來用於引導決策。
但是 DeFi 無法可靠地訪問定性數據，那麼它將來自何處呢？這正是由 AO 在 Arweave 上構建的魔法。
Arweave 是各種數據的存儲層，不僅僅是來自 Oracle 的原始價格數據。
上傳到 Arweave 的數據沒有限制。由於 AO 上的進程可以使用來自 Arweave 的數據，因此基於 AO 構建的 AI 代理可以訪問其 Defi 操作的全新數據維度。這就像在電影中添加聲音一樣。
自主代理將有能力閱讀不僅是價格提供的細微差別的信息。換句話說，他們將獲得超越數字的新程度的智能。他們的策略將由 AO 上的 LLMs 提供支持。
甚至，AO 中的系統設計允許這些代理自動「喚醒」。將其與以太坊上的 MEV 機器人進行比較。
它不斷監視交易，直到出現 MEV 機會。該機器人試圖儘快做出反應以利用它。
在 AO 上，自主代理可以設置為在某些預設參數的限制之外主動行動。將其與複雜的金融人工智慧作為引擎結合，您將得到一個不可阻擋的24/7交易代理，它學習並適應不斷變化的市場條件。
要實現這一切，只需要將實時可靠數據上遊到 Arweave，AO 中的每個過程都可以將它們添加到其輸入中。
AgentFi 將在 Defi 領域創造無限可能。光是想到這些代理就足以讓人頭腦爆炸。
想像一個世界，人工智慧代理可以採納最成功交易者的策略。現在想像一下，您可以通過在一個 Defi 應用上資助它們的運營來對它們下注 — 沃倫·巴菲特 vs 吉姆·西蒙斯 vs 西蒙·考克韋爾。
在 24/7 實時交易競技場上，適者生存。
關於 AgentFi 如何構建在Defi之上的簡短總結：
當前的 Defi 機器人包括以下特點：
-
反應性的
-
遲鈍的
-
僅限於定量數據
-
需要持續監督
自主金融代理（Autonomous Financial Agents）包括以下特點：
-
主動的
-
智能的
-
對質量數據進行自適應學習
-
可以進行開放式所有權
由於 AgentFi 敘事令人興奮，我們可能還沒有考慮到風險和後果。目前，我們能做的就是為這種轉變做好準備，很快將在 AO 上發生。
作為參考，還請查看 @goodalexander 關於 Agentic Protocols 的精彩文章，它為本文提供了靈感。我們將很快深入探討這些想法。
