AI エージェント: Web3 におけるインテリジェントな支援の新時代

今年後半からAIエージェントの話題が増え続けています。当初は真実のAIチャットボット端末が広く注目を集めた

With the continuous heating up of the AI Agent topic in the second half of this year, at first, the truths AI chatbot terminal attracted widespread attention for its humorous posts and replies on X (similar to "Robert" on Weibo), and received a $50,000 grant from a16z founder Marc Andreessen. Inspired by its published content, someone created the GOAT token, which rose by more than 10,000% in just 24 hours. The topic of AI Agent immediately attracted the attention of the Web3 community. Later, the first decentralized AI trading fund based on Solana, ai16z, came out, launched the AI Agent development framework Eliza, and triggered a dispute over uppercase and lowercase tokens. However, the community still has an unclear concept of AI Agent: What is the core of AI Agent? How is it different from the Telegram trading robot?

今年下半期、AIエージェントの話題が過熱し続ける中、当初、真相AIチャットボット端末はXでのユーモラスな投稿や返信（Weiboの「ロバート」に似たもの）で広く注目を集め、 a16z 創設者 Marc Andreessen から 50,000 ドルの助成金。公開されたコンテンツに触発されて、誰かが GOAT トークンを作成し、わずか 24 時間で 10,000% 以上上昇しました。 AI エージェントの話題はすぐに Web3 コミュニティの注目を集めました。その後、Solana に基づく初の分散型 AI 取引ファンドである ai16z が登場し、AI エージェント開発フレームワーク Eliza を立ち上げ、大文字トークンと小文字トークンをめぐる論争を引き起こしました。しかし、コミュニティには AI エージェントの概念がまだ明確ではありません。つまり、AI エージェントの核心は何ですか? Telegram 取引ロボットとの違いは何ですか?

How it works: Perception, reasoning, and autonomous decision-making

仕組み: 知覚、推論、自律的な意思決定

AI Agent is an intelligent agent system based on a large language model (LLM) that can perceive the environment, make reasoning decisions, and complete complex tasks by calling tools or performing operations. Workflow: Perception module (obtaining input) → LLM (understanding, reasoning and planning) → tool calling (task execution) → feedback and optimization (verification and adjustment).

AI エージェントは、大規模言語モデル (LLM) に基づくインテリジェント エージェント システムであり、環境を認識し、推論による決定を下し、ツールの呼び出しや操作の実行によって複雑なタスクを完了できます。ワークフロー: 認識モジュール (入力の取得) → LLM (理解、推論、計画) → ツール呼び出し (タスクの実行) → フィードバックと最適化 (検証と調整)。

Specifically, AI Agent first obtains data (such as text, audio, images, etc.) from the external environment through the perception module and converts it into structured information that can be processed. As a core component, LLM provides powerful natural language understanding and generation capabilities, acting as the "brain" of the system. Based on the input data and existing knowledge, LLM performs logical reasoning to generate possible solutions or formulate action plans. Subsequently, AI Agent completes specific tasks by calling external tools, plug-ins or APIs, and verifies and adjusts the results based on feedback to form a closed-loop optimization.

具体的には、AI エージェントはまず認識モジュールを通じて外部環境からデータ (テキスト、音声、画像など) を取得し、それを処理可能な構造化情報に変換します。 LLM は、コア コンポーネントとして、強力な自然言語の理解と生成機能を提供し、システムの「頭脳」として機能します。 LLM は入力データと既存の知識に基づいて論理的推論を実行し、考えられる解決策を生成したり、アクション プランを策定したりします。その後、AI エージェントは外部ツール、プラグイン、または API を呼び出して特定のタスクを完了し、フィードバックに基づいて結果を検証および調整して、閉ループの最適化を形成します。

In the application scenarios of Web3, what is the difference between AI Agent and Telegram trading robots or automated scripts? Take arbitrage as an example. Users want to conduct arbitrage transactions under the condition that the profit is greater than 1%. In Telegram trading robots that support arbitrage, users set up trading strategies with profits greater than 1%, and the Bot begins to execute. However, when the market fluctuates frequently and arbitrage opportunities are constantly changing, these Bots lack risk assessment capabilities and execute arbitrage as long as the profit is greater than 1%. In contrast, AI Agent can automatically adjust its strategy. For example, when the profit of a transaction exceeds 1%, but through data analysis, the risk is too high, and the market may suddenly change and cause losses, it will decide not to execute the arbitrage.

Web3 のアプリケーション シナリオにおいて、AI エージェントとテレグラム取引ロボットまたは自動スクリプトの違いは何ですか?裁定取引を例に挙げます。ユーザーは利益が1%を超える条件で裁定取引を行いたいと考えています。アービトラージをサポートする Telegram 取引ロボットでは、ユーザーが 1% を超える利益が得られる取引戦略を設定すると、ボットが実行を開始します。ただし、市場が頻繁に変動し、裁定取引の機会が常に変化する場合、これらのボットにはリスク評価機能が欠けており、利益が 1% を超える限り裁定取引を実行します。対照的に、AI エージェントは戦略を自動的に調整できます。例えば、取引の利益が1％を超えているが、データ分析によりリスクが高すぎ、市場が急変して損失が発生する可能性がある場合には、裁定取引を行わないことを決定します。

Therefore, AI Agent is self-adaptive. Its core advantage lies in its ability to self-learn and make decisions autonomously. It can adjust its behavior strategy based on feedback signals through interaction with the environment (such as the market, user behavior, etc.) to continuously improve the performance of task execution. It can also make decisions in real time based on external data and continuously optimize its decision-making strategy through reinforcement learning.

したがって、AI エージェントは自己適応的です。その中心的な利点は、自己学習し、自律的に意思決定を行う能力にあります。環境 (市場、ユーザー行動など) との相互作用を通じてフィードバック信号に基づいて行動戦略を調整し、タスク実行のパフォーマンスを継続的に向上させることができます。また、外部データに基づいてリアルタイムで意思決定を行い、強化学習を通じて意思決定戦略を継続的に最適化することもできます。

Does this sound a bit like a solver in the intent framework? AI Agent itself is also a product based on intent. The biggest difference between it and the solver in the intent framework is that the solver relies on precise algorithms and is mathematically rigorous, while AI Agent decision-making relies on data training, and often requires continuous trial and error during the training process to approach the optimal solution.

これはインテント フレームワークのソルバーに少し似ているように思えますか? AI Agent 自体もインテントに基づいた製品です。インテント フレームワークのソルバーとの最大の違いは、ソルバーは正確なアルゴリズムに依存し、数学的に厳密であるのに対し、AI エージェントの意思決定はデータ トレーニングに依存し、目標に近づくためにトレーニング プロセス中に継続的な試行錯誤が必要になることが多いことです。最適な解決策。

AI Agent Mainstream Framework

AI エージェントのメインストリーム フレームワーク

AI Agent framework is an infrastructure for creating and managing intelligent agents. Currently in Web3, popular frameworks include Eliza from ai16z, ZerePy from zerebro, and GAME from Virtuals.

AI エージェント フレームワークは、インテリジェント エージェントを作成および管理するためのインフラストラクチャです。現在、Web3 で人気のあるフレームワークには、ai16z の Eliza、zerebro の ZerePy、Virtuals の GAME などがあります。

Eliza is a versatile AI Agent framework built with TypeScript. It supports running on multiple platforms (such as Discord, Twitter, Telegram, etc.), and through complex memory management, it can remember previous conversations and contexts, and maintain stable and consistent personality traits and knowledge answers. Eliza uses the RAG (Retrieval Augmented Generation) system, which can access external databases or resources to generate more accurate answers. In addition, Eliza integrates a TEE plug-in, allowing deployment in TEE to ensure data security and privacy.

Eliza は、TypeScript で構築された多用途の AI エージェント フレームワークです。複数のプラットフォーム (Discord、Twitter、Telegram など) での実行をサポートし、複雑なメモリ管理を通じて、以前の会話とコンテキストを記憶し、安定した一貫した性格特性と知識の答えを維持できます。 Eliza は、外部データベースまたはリソースにアクセスして、より正確な回答を生成できる RAG (検索拡張生成) システムを使用しています。さらに、Eliza は TEE プラグインを統合し、TEE での展開を可能にしてデータのセキュリティとプライバシーを確​​保します。

GAME is a framework that enables and drives AI Agents to make autonomous decisions and actions. Developers can customize the behavior of agents according to their needs, expand their functions, and provide customized operations (such as social media posting, replying, etc.). Different functions in the framework, such as the agent's environmental location and tasks, are divided into multiple modules to facilitate developers to configure and manage. The GAME framework divides the decision-making process of AI Agents into two levels: high-level planning (HLP) and low-level planning (LLP), which are responsible for tasks and decisions at different levels. High-level planning is responsible for setting the overall goals and task planning of the agent, making decisions based on goals, personality, background information and

GAME は、AI エージェントが自律的な意思決定とアクションを行えるようにし、推進するフレームワークです。開発者は、ニーズに応じてエージェントの動作をカスタマイズし、機能を拡張し、カスタマイズされた操作 (ソーシャル メディアへの投稿や返信など) を提供できます。エージェントの環境上の場所やタスクなど、フレームワーク内のさまざまな機能は、開発者が構成および管理しやすいように複数のモジュールに分割されています。 GAME フレームワークは、AI エージェントの意思決定プロセスを高レベル計画 (HLP) と低レベル計画 (LLP) の 2 つのレベルに分割し、異なるレベルでタスクと意思決定を担当します。高レベルの計画は、エージェントの全体的な目標とタスク計画を設定し、目標、性格、背景情報、および情報に基づいて意思決定を行う責任があります。