最近OpenAI推出了能夠在瀏覽器中獨立完成多種任務的AI代理，但因其模型依賴性和用戶需干預關鍵決策，討論不多。與傳統手工操作相比，AI的應用場景更廣泛，如篩選簡歷和研究股票等。對Defi場景而言，AI代理在交易決策中需借助oracle層收集和驗證鏈上數據，實時分析交易機會存在挑戰。這指出了多模態大模型在決策執行上的局限，實現Defi願景需解決模型上限、系統協調和故障處理等複雜問題。
一覺睡醒，好多朋友讓我看
1）約一個月前openai推出了同類別產品操作員，ai 可以在瀏覽器中獨立完成包括餐廳預訂、購物、訂票、外賣訂餐等任務，用戶可以可視化進行監督，並隨時接管控制權。 ，並隨時接管控制權。
這套代理的出現並沒有多少人討論，原因在於它是單一模型驅動，還是工具調用的那套框架，用戶一想到關鍵決策還需要干預進行就失去了依賴其執行任務的想法。 ，用戶一想到關鍵決策還需要干預進行就失去了依賴其執行任務的想法。
2）手工表面看似也差不太多，只是多了不少應用場景，包括篩選簡歷，研究股票、購買房產等等，但實際上是背後的框架和執行系統差異
簡而言之，ai要模仿人執行（計劃-執行-檢查-行動-行動）pdca循環行動
3）如此一比較，manus的優勢顯然就凸顯出來了，加上視頻演示，讓人確實有一種非凡的體驗感。但客觀來說
關鍵點就在於其執行任務的複雜程度，以及非統一標準用戶輸入提示，順著這套創新，web3的defai 場景是不是立馬就可以成熟應用了？顯然，還做不到：：
比如：defai場景下代理要執行交易決策，需要有一個oracle層的代理負責鏈上數據收集和驗證，並進行數據整合分析，還要實時監控鏈上價格捕捉交易機會，這個過程對實時分析有很大挑戰，有可能一秒前還有用的交易機會
這其實暴露了這類多模態大模型做執行決策的一個最大軟肋，如何联網、觸鏈調取分析實時級別的數據，並從中分析出交易機會，然後進行交易捕捉。聯網環境其實還好，很多電商網站的訂單價格並非實時變動，不容易給整個多模態協作造成巨大動態平衡困擾，要是在鏈上，這樣的挑戰幾乎無時無刻存在。
4）所以
這事放在web3對defai：：
必須得承認：意義肯定重大，llm os以及結構更少的智能理念、尤其是多重簽名系統會給web3拓展defiai的結合有很大的啟迪思路。
這其實糾正了大部分defai項目的重大誤區，不要上來就想依靠一個大模型實現ai代理自主化思考+決策等複雜目標，這在金融場景下，根本不切合實際。
真正defai願景的實現需要解決單體ai 模型能力上限、多模態交互協作原子性保證、多模態系統統一資源調度和支配、系統容錯和故障處理機制等等複雜問題。
比如：oracle層代理，負責收集鏈上數據和分析，並監控價格，形成有效數據源；，形成有效數據源；
決策層代理，根據甲骨文餵過來的數據進行分析和風險評估，並製定一套決策和行動方案；，並製定一套決策和行動方案；
執行層代理，根據決策層給出的多種方案，並考慮實際情況進行執行，包括氣費用優化、跨鏈狀態、交易排序衝突等等。
唯有這一系列的代理都同步強大，並有一個龐大的系統框架落定，一個真正的defai革命才會掀起。
資訊來源：由0x資訊編譯自互聯網。版權歸作者所有，未經許可，不得轉載！