Que sont les agents IA ? En quoi diffèrent-ils des robots de trading Telegram ?

Depuis le second semestre de cette année, le sujet des agents IA gagne du terrain. Initialement, le terminal de vérités du chatbot IA a attiré une large attention pour ses messages et réponses humoristiques sur X (similaires à "Robert" sur Weibo), et a reçu une subvention de 50 000 $ du fondateur de a16z, Marc Andreessen.

AI Agents, a hot topic in the Web3 community, have sparked discussions and debates. But what exactly are AI Agents? How do they differ from Telegram trading bots? And why do they face skepticism despite their potential benefits?

Les agents IA, un sujet brûlant dans la communauté Web3, ont suscité des discussions et des débats. Mais que sont exactement les agents IA ? En quoi diffèrent-ils des robots de trading Telegram ? Et pourquoi suscitent-ils le scepticisme malgré leurs avantages potentiels ?

AI Agents are intelligent agent systems powered by large language models (LLMs) that can perceive their surroundings, make logical decisions, and complete complex tasks by utilizing tools or executing actions. Their workflow involves:

Les agents IA sont des systèmes d'agents intelligents alimentés par de grands modèles de langage (LLM) qui peuvent percevoir leur environnement, prendre des décisions logiques et effectuer des tâches complexes en utilisant des outils ou en exécutant des actions. Leur flux de travail implique :

* Perception module (acquiring input)

* Module de perception (acquisition d'entrée)

* LLM (understanding, reasoning, and planning)

* LLM (compréhension, raisonnement et planification)

* Tool invocation (task execution)

* Invocation d'outil (exécution de tâches)

* Feedback and optimization (validating and adjusting)

* Feedback et optimisation (validation et ajustement)

For example, in the context of Web3 applications, AI Agents differ from Telegram trading bots or automation scripts in the following way:

Par exemple, dans le contexte des applications Web3, les agents IA diffèrent des robots de trading Telegram ou des scripts d'automatisation de la manière suivante :

Suppose users want to execute arbitrage trades when profits exceed 1%. In a Telegram trading bot that supports arbitrage, users can set a trading strategy for profits greater than 1%, and the bot will begin executing trades that meet this condition. However, these bots lack the ability to assess risk and will continue executing arbitrage trades as long as the profit condition is met. In contrast, AI Agents can automatically adjust their strategies. For instance, if a trade's profit exceeds 1%, but data analysis reveals that the risk is too high due to potential sudden market changes that could lead to losses, the AI Agent will decide not to execute the arbitrage trade.

Supposons que les utilisateurs souhaitent exécuter des transactions d'arbitrage lorsque les bénéfices dépassent 1 %. Dans un robot de trading Telegram prenant en charge l'arbitrage, les utilisateurs peuvent définir une stratégie de trading pour des bénéfices supérieurs à 1 %, et le robot commencera à exécuter des transactions qui remplissent cette condition. Cependant, ces robots n’ont pas la capacité d’évaluer les risques et continueront à exécuter des transactions d’arbitrage tant que la condition de profit sera remplie. En revanche, les agents IA peuvent ajuster automatiquement leurs stratégies. Par exemple, si le profit d'une transaction dépasse 1 %, mais que l'analyse des données révèle que le risque est trop élevé en raison de potentiels changements soudains du marché qui pourraient entraîner des pertes, l'agent IA décidera de ne pas exécuter la transaction d'arbitrage.

Thus, AI Agents possess self-adaptability, with their core advantage being the ability to self-learn and make autonomous decisions. Through interaction with the environment (such as market conditions, user behavior, etc.), they adjust their behavioral strategies based on feedback signals, continuously improving the effectiveness of task execution. They can also make real-time decisions based on external data and continuously optimize decision-making strategies through reinforcement learning.

Ainsi, les agents IA possèdent une auto-adaptabilité, leur principal avantage étant la capacité de s’auto-apprendre et de prendre des décisions autonomes. Grâce à l'interaction avec l'environnement (comme les conditions du marché, le comportement des utilisateurs, etc.), ils ajustent leurs stratégies comportementales en fonction des signaux de rétroaction, améliorant ainsi continuellement l'efficacité de l'exécution des tâches. Ils peuvent également prendre des décisions en temps réel basées sur des données externes et optimiser en permanence les stratégies de prise de décision grâce à l'apprentissage par renforcement.

While AI Agents sound advanced and capable of enhancing user experiences, they also face skepticism in the community. This is mainly because AI Agents are still just tools and cannot complete entire workflows independently. They can only enhance efficiency and save time at certain nodes. Moreover, at the current stage of development, the role of AI Agents is mostly concentrated on helping users issue MeMes and manage social media accounts. As a result, the community戲稱" , poking fun at the fact that assets ultimately belong to the developer, while liabilities are assigned to the AI.

Même si les agents IA semblent avancés et capables d’améliorer l’expérience utilisateur, ils se heurtent également au scepticisme de la communauté. Cela est principalement dû au fait que les agents IA ne sont encore que des outils et ne peuvent pas réaliser des flux de travail entiers de manière indépendante. Ils ne peuvent qu’améliorer l’efficacité et gagner du temps sur certains nœuds. De plus, au stade actuel de développement, le rôle des agents IA se concentre principalement sur l’aide aux utilisateurs pour émettre des MeMes et gérer leurs comptes de réseaux sociaux. En conséquence, la communauté se moque du fait que les actifs appartiennent en fin de compte au développeur, tandis que les responsabilités sont attribuées à l'IA.

However, just this week, a new application of AI Agents emerged with the launch of an AI Agent for token presale by aiPool. This AI Agent leverages TEE technology to achieve trustlessness. The wallet private key of this AI Agent is dynamically generated in a TEE environment, ensuring security. Users can send funds (such as SOL) to the wallet controlled by the AI Agent, which then creates tokens according to set rules and launches a liquidity pool on a DEX, while distributing tokens to eligible investors. The entire process does not rely on any third-party intermediaries and is fully completed autonomously by the AI Agent in a TEE environment, avoiding the common rug pull risks in DeFi. It is evident that AI Agents are gradually evolving. I believe that AI Agents can help users lower barriers and enhance experiences, and even simplifying part of the asset issuance process is meaningful. However, from a macro Web3 perspective, AI Agents, as off-chain products, currently serve merely as auxiliary tools for smart contracts, so there is no need to overstate their capabilities. Given that there has been a lack of significant wealth effect narratives aside from MeMe in the second half of this year, it is normal for the hype around AI Agents to revolve around MeMe. Relying solely on MeMe cannot sustain long-term value, so if AI Agents can bring more innovative gameplay to trading processes and provide tangible value, they may develop into a common infra tool.

Cependant, cette semaine encore, une nouvelle application d'agents IA est apparue avec le lancement d'un agent AI pour la prévente de jetons par aiPool. Cet agent IA exploite la technologie TEE pour parvenir à l'absence de confiance. La clé privée du portefeuille de cet agent AI est générée dynamiquement dans un environnement TEE, garantissant la sécurité. Les utilisateurs peuvent envoyer des fonds (tels que SOL) au portefeuille contrôlé par l'agent AI, qui crée ensuite des jetons selon des règles définies et lance un pool de liquidités sur un DEX, tout en distribuant des jetons aux investisseurs éligibles. L'ensemble du processus ne repose sur aucun intermédiaire tiers et est entièrement réalisé de manière autonome par l'agent AI dans un environnement TEE, évitant ainsi les risques courants de tirage de tapis dans DeFi. Il est évident que les agents IA évoluent progressivement. Je pense que les agents IA peuvent aider les utilisateurs à réduire les barrières et à améliorer les expériences, et même simplifier une partie du processus d'émission d'actifs est significatif. Cependant, d’un point de vue macro-Web3, les agents IA, en tant que produits hors chaîne, servent actuellement simplement d’outils auxiliaires pour les contrats intelligents, il n’est donc pas nécessaire d’exagérer leurs capacités. Étant donné qu’il y a eu un manque de récits significatifs sur l’effet de richesse en dehors de MeMe au cours du second semestre de cette année, il est normal que le battage médiatique autour des agents IA tourne autour de MeMe. S'appuyer uniquement sur MeMe ne peut pas maintenir une valeur à long terme, donc si les agents IA peuvent apporter un gameplay plus innovant aux processus de trading et fournir une valeur tangible, ils pourraient devenir un outil infrastructure commun.