作者：YBB Capital Researcher Ac-Core

一、DeFAI讲了一个什么故事 1.1 什么是DeFAI

简洁明了表述DeFAI即为AI+DeFi。关于AI，市场已炒作完一轮又一轮，从AI算力到AI Meme，从不同技术架构到不同基础设施。尽管近期 AI Agent 总体市值普遍存在跌幅，但DeFAI的概念却正在成为一种新的突破趋势。当前的DeFAI在大体分类上可划分为AI抽象、自主DeFi代理和市场分析与预测三类，其大类中的具体划分见下图。

图源：作者自制

1.2 DeFAI是如何运作的

在DeFi系统中，AI Agent背后的核心是LLM（大语言模型），运作涉及多层次的流程与技术，涵盖从数据收集到决策执行的方方面面。根据IOSG文中@3sigma 的研究，多数模型都遵循数据收集、模型推理、决策制定、托管和运行、互操作性、钱包这六个特定的工作流程，以下做为总结：

1. 数据收集：AI Agent的首要任务是对其操作环境进行全面了解。这包括从多个来源获取实时数据：

● 链上数据：通过索引器、预言机等手段获取实时的区块链数据，如交易记录、智能合约状态、网络活动。这帮助Agent保持对市场动态的同步；

● 链下数据：从外部数据提供商（如CoinMarketCap、Coingecko）获取价格信息、市场新闻和宏观经济指标，确保Agent对市场外部条件的理解。这些数据通常通过API接口提供给Agent；

● 去中心化数据源：一些Agent可能通过去中心化的数据馈送协议获取价格预言机的数据，确保数据的去中心化和可信性。

2. 模型推理：在数据收集完成后，AI Agent进入推理和计算阶段。这里，Agent依赖多个AI模型进行复杂的推理和预测：

● 监督学习和非监督学习：通过在带标签或无标签数据上训练，AI模型可以分析市场和治理论坛的行为。例如，它们可以通过分析历史交易数据，预测未来市场走势，或者通过分析治理论坛数据，推测某一投票提案的结果；

● 强化学习：通过试错和反馈机制，AI模型可以自主优化策略。例如，在代币交易中，AI Agent可以通过模拟多种交易策略来确定最佳买入或卖出时机。这种学习方式使Agent在不断变化的市场条件下能够持续改进；

● 自然语言处理（NLP）：通过理解和处理用户自然语言输入，Agent可以从治理提案或市场讨论中提取关键信息，帮助用户更好地做出决策。这在扫描去中心化治理论坛或处理用户指令时尤为重要。

3. 决策制定：基于收集的数据和推理的结果，AI Agent进入决策阶段。在这一阶段，Agent不仅需要分析当前的市场状况，还要在多个变量之间做权衡：#p#分页标题#e#

● 优化引擎：Agent使用优化引擎在各种条件下寻找最佳的执行方案。例如，在进行流动性提供或套利策略时，Agent必须考虑滑点、交易费用、网络延迟、资金规模等因素，以便找到最优的执行路径；

● 多代理系统协作：为了应对复杂的市场状况，单个Agent有时无法全面优化所有决策。在这种情况下，可以部署多个AI Agent，各自专注于不同的任务领域，通过协作来提高整体系统的决策效率。例如，一个Agent专注于市场分析，另一个Agent专注于执行交易策略。

4. 托管与运行：由于AI Agent需要处理大量计算，通常需要将其模型托管在链下服务器或分布式计算网络上：

● 中心化托管：部分AI Agent可能依赖如AWS等中心化云计算服务来托管其计算和存储需求。这种方式有助于确保模型的高效运行，但同时也会带来集中化的潜在风险；

● 去中心化托管：为了降低中心化风险，一些Agent使用去中心化的分布式计算网络（如Akash）以及分布式存储解决方案（如Arweave）来托管模型和数据。这类解决方案确保了模型的去中心化运行，同时提供数据存储的持久性；

● 链上交互：虽然模型本身托管在链下，但AI Agent需要与链上协议进行交互，以便执行智能合约功能（如交易执行、流动性管理）以及管理资产。这需要安全的密钥管理和交易签署机制，如MPC（多方计算）钱包或智能合约钱包。

5. 互操作性：AI Agent在DeFi生态系统中的关键角色是与多个不同的DeFi协议和平台无缝交互：

● API集成：Agent通过API桥接器与各个去中心化交易