AI Agent 与区块链
约 1199 字大约 4 分钟
2026-03-31
这节课解决什么问题
前面两部分分别搭好了 AI 和 Web3 的基础。现在开始进入真正的交叉区:当一个 AI 系统不只是生成文本,而是能够读取链上信息、调用工具、发起交易、执行策略时,它就开始接近一个链上 Agent。
什么是 Agent
Agent 不是单次回答问题的模型,而是一个围绕目标持续运作的系统。
它通常至少包含四个部分:
- 目标:它到底要完成什么
- 感知:它能读取哪些数据和环境状态
- 规划:它如何决定下一步动作
- 执行:它能调用哪些工具或触发哪些操作
如果只会回答,不会持续判断和执行,通常还不能算完整 Agent。
为什么区块链会让 Agent 变得更有意思
在普通软件环境里,Agent 的动作多数发生在封闭系统中。
区块链提供的不同点在于:
- 资产可以直接被程序管理
- 状态变化可以公开验证
- 执行历史可以被追溯
- 不同协议之间有统一的调用接口
这意味着 Agent 不只是在一个聊天窗口里给建议,而是真的可能参与资产流动、协议交互和链上操作。
一个链上 Agent 的基本工作流
一个典型的链上 Agent,可以拆成下面几步:
- 读取信息:钱包状态、链上数据、协议价格、用户目标
- 理解上下文:判断当前条件、风险和机会
- 生成计划:决定该执行什么动作
- 调用工具:查询合约、生成交易、请求签名
- 执行与记录:提交交易,并跟踪结果
这条链路里,真正复杂的地方通常不是“写一句 Prompt”,而是如何把判断、权限和执行安全地接起来。
Agent 在链上最常见的三种角色
研究与信息整理
例如:
- 总结治理提案
- 追踪协议变更
- 分析地址行为
- 监控市场事件
这类 Agent 主要输出信息和建议,风险相对低。
决策辅助
例如:
- 给出资产配置建议
- 提醒风险敞口
- 生成再平衡方案
这类 Agent 不一定直接操作资产,但已经影响决策。
自动执行
例如:
- 触发再平衡
- 调用借贷协议
- 完成跨协议交互
- 执行支付流程
这类 Agent 风险最高,因为它已经从“理解世界”走到了“改变世界”。
为什么权限边界是第一原则
链上 Agent 设计里最重要的一件事,不是让它“更聪明”,而是让它“做不了不该做的事”。
至少要先定义清楚:
- 哪些动作只允许建议
- 哪些动作必须二次确认
- 哪些动作可以自动执行
- 失败后如何停止或回退
没有这一层,Agent 越强,风险越大。
常见的架构分层
比较稳的做法通常是:
- 模型层:负责理解、规划、生成策略
- 工具层:负责读取链上和链下数据
- 执行层:负责签名、发送交易、调用合约
- 规则层:负责权限限制、白名单、金额限制、风险阈值
这样分层的好处是,AI 的灵活性和链上执行的约束可以同时存在。
一个 AI × Web3 的直观例子
如果用户说:“帮我把稳定币按低风险策略分配到几个协议里。”
一个链上 Agent 可能会:
- 读取用户当前钱包和授权状态
- 获取协议利率和风险指标
- 生成几种候选方案
- 根据用户设定的约束选择方案
- 请求用户确认
- 最后按预设规则执行交易
这里真正的产品能力,不在一句回答,而在整条“理解—规划—执行”链路。
常见风险
链上 Agent 最常见的风险包括:
- 数据读错,导致判断错误
- 工具调用失败,导致中间状态不一致
- 权限过大,导致超出预期执行
- 成本估计失真,导致高 Gas 或滑点损失
- 多协议组合后风险传播过快
这一节的最小收获
学完后,至少要能说清楚:
- Agent 和普通模型回答器的区别
- 区块链为什么让 Agent 的执行能力更有价值
- 链上 Agent 的基本工作流是什么
- 为什么权限边界比“更聪明”更重要
下一节会接什么
下一节进入 AI + DeFi,具体看 Agent 与 DeFi 系统结合时会出现哪些典型场景和真实约束。