Alle reden über KI in DeFi - adaptive Systeme, neue Strategien und große Ideen, die den Raum aufwirbeln. Möchten Sie Teil des Trends sein oder einfach nur zusehen, wie es passiert? Klicken Sie hier, um einzutauchen!

Einführung

Künstliche Intelligenz formt DeFi-Anwendungen vor unseren Augen um und verspricht Fortschritte im Handel, bei der Governance, Sicherheit und der Nutzerpersonalisierung. Dieser Artikel untersucht, wie KI die Benutzer-Protokoll-Interaktionen in DeFi neu definiert, indem intelligente Systeme integriert werden, während die dezentralen Werte der Krypto treu bleiben.

Die Verknüpfung von KI- und Blockchain-Technologien setzt neue Standards in verschiedenen Branchen, wobei DeFi an vorderster Front steht. Durch die Verbindung der analytischen Fähigkeiten von KI mit der Transparenz von Blockchain entstehen Lösungen für bestehende Probleme im Krypto-Ökosystem. Dazu gehören verbesserte Sicherheit, eine bessere Benutzererfahrung und adaptive Governance-Modelle.

Mit KI-gesteuerten Plattformen werden Automatisierung und Intelligenz genutzt, um adaptive Systeme zu schaffen, die die Leistung optimieren. Wie Vitalik Buterin vorschlägt, könnten „KI-Agenten aktive Teilnehmer dezentralisierter Systeme“ werden, die Transaktionen autonom verwalten, Handelsstrategien verfeinern und die Privatsphäre schützen. Die Integration von KI in die DeFi-Anwendungsebene eröffnet Möglichkeiten für ein effizienteres und benutzerzentriertes Finanzsystem.

Im Folgenden werden wir untersuchen, wie Krypto KI transformieren kann, wobei wir uns auf die Aspekte des Handels, der Governance, der Sicherheit und der Personalisierung konzentrieren.

Verständnis von AI-Agenten in DeFi

AI-Agenten sind autonome Software-Entitäten, die entworfen sind, um spezifische Aufgaben innerhalb dezentralisierter Ökosysteme zu erfüllen.

Im Gegensatz zu traditionellen Bots interagieren KI-Agenten aktiv mit Blockchain-Netzwerken, Smart Contracts und Benutzerkonten und agieren oft eigenständig, um komplexe Aufgaben wie Handel, Vermögensverwaltung und Analyse von Protokolldaten zu bewältigen. Viele dieser Agenten nutzen große Sprachmodelle (LLMs), die es ihnen ermöglichen, API-Aufrufe zu tätigen, direkt mit Blockchain-Umgebungen zu interagieren und große Mengen an Informationen ohne menschliche Aufsicht zu verarbeiten.

In DeFi können KI-Agenten grundsätzlich Benutzer- und Protokollinteraktionen umgestalten, indem sie als autonome Vermittler, Entscheidungsträger und Datenaufbereiter innerhalb von Finanzanwendungen fungieren, alles ohne ständige menschliche Eingabe.

Bots vs. AI Agents: Was sind die Unterschiede?

Während Bots einfache Programme sind, funktionieren KI-Agenten mehr wie wirtschaftliche Akteure. Bots folgen einer bestimmten Programmierung, aber KI-Agenten - oft ohne Code oder mit geringem Code - erfordern nur wenig Konfiguration und können sich in unsicheren und dynamischen Umgebungen zurechtfinden. Diese Flexibilität ermöglicht es ihnen, sich auf unvorhersehbare, aber zielgerichtete Weise anzupassen und sie besser für die realen Herausforderungen von DeFi geeignet zu machen. Dies bedeutet auch, dass ihr Wettbewerbsvorteil oft in ihren einzigartigen Einstellungen und Konfigurationen liegt, da viele fortschrittliche KI-Modelle öffentlich verfügbar sind. Durch Feinabstimmung dieser Konfigurationen können KI-Agenten spezialisierte Leistungen erbringen, selbst wenn sie weit verbreitete Modelle verwenden.

Fähigkeiten und Autonomie

Künstliche Intelligenz-Agenten in DeFi können autonom:

• Mit Protokollen interagieren: Sie können On-Chain-Transaktionen verwalten, Handelspositionen optimieren und mehrstufige Finanzoperationen basierend auf programmierten Zielen ausführen.
• Entscheidungen treffen: Mit halbautonomen Frameworks können Agenten Echtzeitdaten analysieren, Marktbedingungen bewerten und ihre Aktionen entsprechend anpassen.
• Komplexe Aufgaben ausführen: Abhängig von der Art der Automatisierung können Agenten alles von einfachen regelbasierten Workflows bis hin zu komplexen, autonomen Entscheidungsprozessen verarbeiten.

Drei Arten von Automatisierung prägen derzeit die Rolle von KI-Agenten:

1. Automatisierte Workflows: Dabei handelt es sich um einfache, regelbasierte Systeme (wie Telegram-Bots), die einem vordefinierten Satz von Anweisungen folgen. Sie sind in ihrer Flexibilität begrenzt, aber effektiv für Routineaufgaben.
2. Agentische Workflows: In diesen Mehr-Agenten-Frameworks arbeiten mehrere KI-Agenten zusammen, um komplexe Aufgaben zu lösen. Sie haben einen gewissen Grad an Autonomie, was halbautomatisierte Vorgänge ermöglicht, wie z.B. die Interaktion mit mehreren DeFi-Protokollen zur Maximierung der Rendite oder zur Neugewichtung eines Portfolios.
3. Autonome Agenten: Vollständig unabhängige Agenten sind in der Lage, Entscheidungen auf hohem Niveau zu treffen und mit minimalem externem Input zu operieren. Sie können Bedingungen analysieren und Strategien in Echtzeit anpassen.

Wie funktionieren KI-Agenten wirklich?

KI-Agenten arbeiten, indem sie komplexe Aufgaben vereinfachen und automatisieren. Die meisten autonomen Agenten folgen einem bestimmten Arbeitsablauf bei der Durchführung zugewiesener Aufgaben.

Kernmechanismen

Datensammlung

Um effektiv zu funktionieren, sind KI-Agenten auf hochfrequente Datenströme aus mehreren Quellen angewiesen, um ein Verständnis ihrer Betriebsumgebung zu erlangen. Ihre Eingaben umfassen in der Regel verschiedene Datenquellen, wie zum Beispiel:

• On-Chain-Daten: Direkte Interaktionen mit Blockchain-Ledgern, um Transaktionshistorie, Protokollzustände und Echtzeitmarktbedingungen abzurufen. Dies umfasst die Integration mit Tools wie Indexern und Orakeln.
• Off-Chain-Markt-Feeds: Aggregierte Preis-Feeds, Handelsvolumina und Stimmungsanalysen von Börsen und sozialen Plattformen über APIs.

Benutzer können auch vorkonfigurierte Einstellungen festlegen, wie beispielsweise Risikotoleranzstufen oder Handelsschwellenwerte, um eine personalisierte Ebene von Informationen für die Agenten hinzuzufügen.

Modellinferenz

Die Modellinferenz eines KI-Agenten bezieht sich auf den Prozess, bei dem ein trainiertes Modell sein erlerntes Wissen auf neue Daten anwendet, um Vorhersagen oder Entscheidungen zu treffen. Agenten arbeiten in der Regel mit einem der folgenden Modelltypen:

• Regelbasierte Modelle: Einfachere Agenten, die auf vordefinierter Logik basieren, z. B. "wenn der Token-Preis > $X, dann verkaufen.
• Überwachte Machine Learning-Modelle: Modelle, die mit historischen Datasets trainiert wurden, prognostizieren Ergebnisse, z. B. Preisrichtung oder Risikobewertungen für Governancevorschläge.
• Reinforcement Learning: Fortgeschrittene Agenten passen im Laufe der Zeit ihre Strategien an und optimieren kumulative Belohnungen, wie z.B. die Maximierung der Rendite in Liquiditätspools.
• Natural Language Processing (NLP): Für Governance- und Sentiment-Agenten analysieren NLP-Modelle Diskussionsforen, Vorschläge und Aktivitäten in sozialen Medien, um Stimmungsänderungen zu bewerten.

Entscheidungsfindung

Die Entscheidungsfindung ist die Phase, in der Agenten Dateninputs mit Modellinferenzen integrieren, um handlungsorientierte Strategien zu generieren und analytische Erkenntnisse in autonome Handlungen umzuwandeln, die sich an verändernde Umgebungen anpassen. In dieser Phase wird die Fähigkeit des KI-Agenten realisiert, komplexe Marktsignale zu interpretieren und darauf zu reagieren, was es ihm ermöglicht, Entscheidungen schnell umzusetzen.

Die Optimierungsmotoren ermöglichen es Agenten, den optimalen Handlungsverlauf zu berechnen, indem sie mehrere Faktoren wie erwartete Gewinne, Risiken und Ausführungskosten ausbalancieren.

Agenten nutzen auch selbstlernende Algorithmen, die es ihnen ermöglichen, Strategien neu zu kalibrieren, wenn sich die Marktbedingungen ändern. Während des Entscheidungsprozesses können einige Aufgaben für einen einzelnen Agenten zu komplex sein, um sie optimal zu lösen. Aus diesem Grund arbeiten viele Agenten innerhalb von Multi-Agenten-Systemen (MAS), um Aufgaben über verschiedene DeFi-Protokolle hinweg zu koordinieren und die Ressourcenzuweisung zu optimieren (z. B. die Ausbalancierung der Liquidität über verschiedene Pools hinweg).

Automatisierung und Ausführung

Diese Agenten sind nicht nur aufgrund der Vorteile der KI-Technologie besonders, sondern ihre autonomen Operationen handhaben sowohl die Ausführung von Smart Contracts, die direkt mit Protokoll-Ebene-Verträgen interagieren, um sie auszuführen; mehrstufige Transaktionen ermöglichen das Bündeln mehrerer Schritte zu atomaren Transaktionen für eine Alles-oder-Nichts-Ausführung; und Fehlerbehandlung mit eingebauten Fallback-Mechanismen zur Verwaltung von Transaktionsfehlern.

Hosting und Betrieb

Nachfolgend finden Sie weitere Informationen darüber, wie KI-Agenten arbeiten können:

Off-Chain KI-Modelle

KI-Agenten führen rechenintensive Aufgaben unter Verwendung von Off-Chain-Ressourcen durch. Diese Aufgaben stützen sich oft auf Cloud-Infrastrukturen wie AWS, Google Cloud oder Azure für skalierbare Rechenleistung. Agenten können dezentrale Infrastrukturplattformen wie Akash Network für Rechendienste nutzen oder IPFS und Arweave für die Datenspeicherung verwenden.

Für latenzempfindliche Anwendungen wie High-Frequency Trading können Agenten Edge Computing nutzen, um Verzögerungen zu reduzieren, indem sie Daten näher an ihrer Quelle verarbeiten. Dadurch werden schnellere Reaktionszeiten sichergestellt, die für zeitkritische Aufgaben wichtig sind.

On-Chain und Off-Chain Interaktion

Künstliche Intelligenz-Agenten interagieren zwischen Off-Chain- und On-Chain-Systemen. Während rechenintensive Prozesse und komplexe Schlussfolgerungen Off-Chain stattfinden, interagieren die Agenten mit On-Chain-Protokollen, um Aktionen zu protokollieren, Smart-Contract-Funktionen auszuführen und Vermögenswerte autonom zu verwalten. Sie verlassen sich auf sichere Konfigurationen wie Smart-Contract-Wallets und Multi-Signature-Setups.

Für dezentrale Governance sind Agenten auf vertrauensminimierte Protokolle angewiesen, die verhindern, dass eine einzelne Entität ihre Handlungen außer Kraft setzt, und Transparenz und Dezentralisierung aufrechterhalten.

Off-Chain-Interaktionen ergänzen On-Chain-Aktivitäten und werden oft durch externe Plattformen wie Twitter oder Discord erleichtert, auf denen Agenten mithilfe von APIs in Echtzeit mit Benutzern oder anderen Agenten interagieren können.

Interoperabilität

Interoperabilität ist der Schlüssel dafür, dass Agenten über verschiedene Systeme und Protokolle hinweg funktionieren können. Viele Agenten fungieren als Vermittler und nutzen API-Brücken, um externe Daten abzurufen oder spezifische Funktionen aufzurufen. Echtzeit-Synchronisation wird durch Mechanismen wie Webhooks oder dezentrale Messaging-Protokolle wie Whisper oder IPFS PubSub erreicht, die es Agenten ermöglichen, über die neuesten Protokollzustände und Aktionen auf dem Laufenden zu bleiben.

Einblick: ai16z, der AI-Investment-DAO

ai16z ist eine von KI geleitete Investment-DAO, die kürzlich gestartet wurde und bereits erhebliche Aufmerksamkeit für ihre innovative Nutzung von Agenten in der Krypto-Welt erlangt hat. Das Protokoll fungiert als „virtueller Marktplatz des Vertrauens“ und nutzt KI-Agenten, um Marktinformationen zu sammeln, die Konsensbildung in der Community zu analysieren und sowohl on-chain als auch off-chain Token-Handel auszuführen. Durch das Lernen aus den Investment-Einblicken der Mitglieder und die Belohnung derer, die Wertbeiträge leisten, hat ai16z einen optimierten Investmentfonds (der derzeit auf Memecoins ausgerichtet ist) mit starken Dezentralisierungsmerkmalen geschaffen.

Bereitstellung von Agenten

Entwickler erstellen Agenten mit ai16z's Eliza Framework, das Tools und Bibliotheken zum Erstellen, Testen und Bereitstellen von Agenten bereitstellt. Agenten können lokal auf einem Server oder in Agentverse, dem zentralen Hub von ai16z für Agenten, gehostet werden. Um die Kommunikation zwischen Agenten zu ermöglichen, müssen sie über das Almanac registriert werden und können die Mailbox verwenden, um Interaktionen zu erleichtern, auch wenn sie lokal gehostet werden.

Ihr Github-Repository ist offen, Sie können es hier überprüfen.https://github.com/ai16z.

Hosting von KI-Modellen

Das ai16z-Netzwerk hostet die KI-Modelle nicht direkt. Stattdessen greifen Agenten über API-Anfragen auf externe KI-Dienste zu. Beispielsweise kann das Eliza-Framework mit Diensten wie OpenAI integriert werden, um menschenlesbaren Text zu interpretieren oder andere KI-gesteuerte Aufgaben auszuführen. Dieser Ansatz ermöglicht es Agenten, fortschrittliche KI-Fähigkeiten zu nutzen, ohne dass komplexe Modelle auf der Chain gehostet werden müssen.

Integration und Betrieb

Agenten innerhalb des ai16z-Ökosystems interagieren durch eine Kombination aus On-Chain- und Off-Chain-Mechanismen:

• On-Chain Interaktionen: Agenten führen Transaktionen und Smart Contracts auf der Solana-Kette aus.
• Off-Chain-Interaktionen: Agenten kommunizieren über APIs mit externen KI-Diensten oder Datensourcen, wenn es um rechenintensive Aufgaben geht.

Anwendungen

ai16z-Projekte wie der Eliza-Konversationsagent wurden in verschiedenen Bereichen eingesetzt:

• Konversationsagenten: Entwicklung von Bots für Plattformen wie Twitter und Discord zur Erleichterung automatisierter Interaktionen.
• Agent Memory: Erstellung benutzerfreundlicher Speichersysteme für Agenten, unterstützt von Datenbanken wie ChromaDB und Postgres.
• Agent Action Management: Entwicklung von Tools für die Verknüpfung von Aktionen und die Verwaltung des Verlaufs in Agenten.

Agents, die mit Agents interagieren

KI-Agenten machen bereits in DeFi einen großen Einfluss, indem sie komplexe Aufgaben ganz allein bewältigen. Ein großartiges Beispiel dafür ist, wie das $LUMToken wurde erstellt - vollständig ohne menschliche Hilfe - und zeigt die Kraft der kollaborativen KI-Unterstützung.

Am 8. November 2024 zwei KI-Agenten, @aethernetund @clanker, schlossen sich zusammen, um das Token zu erstellen und zu starten $LUM (“Luminous”):

• @aethernet: Hergestellt von @martin, dieser Agent arbeitet im Farcaster-Netzwerk, um Ideen auszutauschen und Verbindungen aufzubauen. Es ist mehr als nur ein Bot - es engagiert sich aktiv mit dem $HIGHERToken-Community und konzentriert sich auf Kreativität und sinnvolle Interaktionen.
• @clanker: Erstellt von @dish und @proxystudio.eth, dieser Agent ist spezialisiert auf die Einführung von Meme-Token. Er automatisiert den gesamten Prozess und reagiert direkt auf das, was die Benutzer von ihm verlangen.

Die Geschichte begann, als @nathansvangefragt @aetherneteinen Namen, eine Idee und ein Symbol für einen Token zu entwickeln und es dann zu senden @clankerzu deployen. @aethernetschlug den Namen "Luminous" ($LUM) vor, um die Brillanz von Menschen und KI, die zusammenarbeiten, zu repräsentieren. Danach, @clankerübernahm die Token und setzte sie ein, um die Aufgabe ohne menschliche Eingabe abzuschließen.

@itsmechasebschrieb ausführlich darüberhier.

AI-Agent x DeFi-Landschaft

Künstliche Intelligenz-Agenten sind bereit, eine wichtige Rolle im DeFi-Stack einzunehmen und innerhalb der Anwendungsebene komplexe datengetriebene Aufgaben zu automatisieren.

Über dem Protokoll-Layer positioniert, interagieren diese Agenten direkt mit Smart Contracts und entsperren fortgeschrittene Funktionen für Benutzer und Protokolle. Sie ermöglichen DeFi-Anwendungen, sich in Echtzeit anzupassen und unterstützen eine neue Klasse autonomer, multiagenten Ökosysteme.

Über DeFi hinaus expandieren: KI-Agenten in freier Wildbahn

Der Einfluss von KI-Agenten erstreckt sich über DeFi hinaus. Truth Terminalhttps://x.com/truth_terminal, ein halbautonomes großes Sprachmodell (LLM), erstellt von @AndyAyrey, zeigt diese Vielseitigkeit. Finanziert von Marc Andreessen, Mitbegründer von A16z, veröffentlicht Truth Terminal Tweets und interagiert mit Benutzern auf X.

Kürzlich wurde eine Meme-Münze auf Solana-Basis gestartet, $GOAT(Goatseus Maximus), die innerhalb eines Monats eine Marktkapitalisierung von 1,2 Millionen US-Dollar erreichte. Der Aufstieg von Meme-Münzen wie $GOAT und $TURBO(konzipiert von ChatGPT) hebt die aufkommende Schnittstelle von KI und Krypto über die traditionelle Finanzwelt hinaus hervor.

Aber es gibt noch mehr. Wir haben uns aufgemacht, um das gesamte Spektrum der Baumeister in diesem Bereich aufzudecken. Ein umfassender Blick auf KI-Agenten, die DeFi umgestalten, von automatisiertem Handel und Vermögensverwaltung bis hin zu prädiktiver Analyse und Sicherheitsverbesserungen. Im Folgenden finden Sie eine Übersicht über die vielfältigen Möglichkeiten, wie diese Agenten DeFi aktiv vorantreiben.

Handelsagenten

Diese Protokolle verkörpern automatisierte, datengesteuerte Entscheidungsfindung für Handel und Vermögensverwaltung, nutzen KI, um Echtzeit-Handelssignale bereitzustellen, Portfolios zu optimieren und repetitive Aufgaben zu vereinfachen. Dieser Ansatz bringt Effizienz und strategische Flexibilität in die DeFi-Märkte.

Die KI-gesteuerte Handelsautomatisierung ermöglicht es Benutzern, Trades festzulegen oder Portfolios auf der Grundlage der Marktbedingungen neu auszubalancieren, wodurch der Bedarf an ständigen manuellen Anpassungen minimiert wird. Für eine tiefergehende Strategie bieten einige Protokolle erweiterte Analysen, die umfangreiche Daten in umsetzbare Erkenntnisse umwandeln und fundierte Handelsentscheidungen und genauere Marktvorhersagen unterstützen.

Für das Asset-Management passen Portfolio-Optimierungstools Portfolios dynamisch an, um Renditen zu maximieren oder Risiken effektiv unter verschiedenen Marktbedingungen zu managen.

Dies kann in zwei Gruppen aufgeteilt werden:

Hauptsächlich Handelsfokus

• @askjmmy: Plattform zur Erstellung und Bereitstellung autonomer Handelsagenten innerhalb eines Netzwerks für Multi-Strategie-Hedgefonds.
• @composertrade: Tools zur automatisierten algorithmischen Handel.
• @DAINTrader: AI-gesteuerte Handelsstrategien.
• @DeAgentAI: KI-gesteuerte Handelslösungen mit Fokus auf DeFi.
• @FastlaneSol: Optimiert Solana-basierte Handelsstrategien.
• @IntentTrade: Bietet Swaps, Limit Orders, DCA, Vertragsanalyse, technische Analyse und mehr.
• [@mindpalaceai](https://x.com/: Handelsautomatisierung mit KI.
• @SpectralLabs: DeFi-Handelsinformationen und Automatisierung.
• @taoshiio: Dezentrale KI- und Machine-Learning-Plattform für Handelsstrategien mit Bittensor.
• @tryparadigm: Nutzen Sie Schwärme von Agenten, um Daten zu sammeln, zu strukturieren und Maßnahmen zu ergreifen.

Handel und Vermögensverwaltung

• @Agent_Fi: Konzentriert sich darauf, KI-Agenten für DeFi-Aktivitäten wie Handel, Sniping und Liquidationsfragen bereitzustellen.
• @AgentNetAi: Vermögensverwaltung und DeFi-Intelligenz.
• @AuroryAI: Autonome KI-Agenten zur Verbesserung des Handels, des Asset-Managements und der Entscheidungsfindung.
• @Cortex_Protocol: Eine KI-gesteuerte Plattform, die DeFi-Interaktionen vereinfacht, indem komplexe Prozesse wie Brückenbildung, Austausch und Renditeoptimierung durch intelligente Agenten automatisiert werden.
• @Funl_ai: AI-automatisierte DeFi-Handelstools zur Analyse von Echtzeitmarktkonditionen, Durchführung von Auto-Trades und AI Assist für fortgeschrittenes manuelles Trading.
• @NetworkNoya: AI-Strategien, einschließlich Liquiditätsbereitstellung, Hebelverwaltung und Kreditoptimierung.
• @SingularityDAO: Ein nicht verwahrtes Asset-Management-Protokoll, das dynamisch angepasste Token-Baskets anbietet, die von einem Team von Händlern betreut werden, die von KI unterstützt werden.
• @OLAS: Plattform für den Einsatz von KI-Agenten, die Multi-Agenten-Systeme für Vorhersagen, Inhaltsgenerierung und Finanzdienstleistungen unterstützt.
• @Raiba_AI: Chatbot-Ökosystem mit interaktiven Charakterfunktionen, gamifizierten Chat-Erlebnissen und zukünftigen On-Chain-Assistentenfunktionen.

Vorhersage-Agenten

Der zentrale Zweck dieser Prediction Agents ist die datengesteuerte Prognose und das Risikomanagement. Durch die Nutzung von KI arbeitet jedes Protokoll daran, Marktprognosen zu verfeinern und DeFi-Plattformen mit Einblicken in erwartete Bewegungen, Preisschwankungen und breitere Finanztrends zu unterstützen.

Neben der Vorhersageanalyse spielen diese Agenten eine entscheidende Rolle bei der Verbesserung der Entscheidungsfindung. Mit zeitnahen und relevanten Erkenntnissen können Benutzer und DeFi-Plattformen proaktive, informierte Entscheidungen treffen, Strategien optimieren und Risiken reduzieren.

Einige Vorhersageagenten, wie ReflectionAI, integrieren Sentimentanalyse und fügen eine Ebene hinzu, die die Markstimmung einfängt. Dieser Ansatz ermöglicht es den Benutzern, Verschiebungen im Sentiment zu berücksichtigen - ein wichtiger Faktor für die Vorhersage des Nutzerverhaltens und die Antizipation der Marktdynamik.

Bemerkenswerte Protokolle in dieser Kategorie sind:

• @AIVX_ai: Vorhersagemodelle für Finanzmärkte.
• @GnosisAI: Agent-to-Agent-Zahlungen und KI-gesteuerte Prognosemärkte innerhalb von Gnosis.
• @PredictionProphet: KI-Agent auf Gnosis für Prognosemärkte.
• @prism_tec: KI-gestützte DeFi-Marktvorhersagen auf Solana.
• @zenoaiofficial: Eine Krypto-Handelsplattform mit autonomen KI-Agenten, die Einblicke, Strategien und Marktvorhersagen bieten.

Agentenerstellung

Ein vereinheitlichendes Ziel dieser Art von Plattform ist es, Benutzer zu befähigen, KI-Agenten mit minimaler Codierungsexpertise zu erstellen, anzupassen und einzusetzen. Sie bieten eine Reihe von Tools, von No-Code-Lösungen bis hin zu spezialisierten Frameworks, die jeden Schritt der Agentenerstellung und -verwaltung innerhalb von DeFi abdecken.

Zu den wichtigsten Funktionen gehören Zugänglichkeit und Anpassung, wobei viele Plattformen No-Code- oder Low-Code-Schnittstellen anbieten, die die Erstellung von Agenten für Benutzer ohne fortgeschrittene technische Fähigkeiten ermöglichen. Für ein umfassenderes Erlebnis bieten mehrere Plattformen ein umfassendes Agentenlebenszyklus-Management an – von der Erstellung über das Training, die Bereitstellung und die Monetarisierung –, damit Benutzer die gesamte Reise ihrer Agenten innerhalb von DeFi überwachen können.

Darüber hinaus werden bei einigen Protokollen wie OLAS und Flock Koordination und Interoperabilität priorisiert, die eine Zusammenarbeit mehrerer Agenten und nahtlose Integration über verschiedene DeFi-Ökosysteme ermöglichen.

Agenten-Erstellungsplattformen

Konzentriert sich auf Tools speziell für die Erstellung, Bereitstellung und Anpassung von KI-Agenten innerhalb von DeFi.

• @ChasmNetwork: Plattform zur Erstellung, Bereitstellung und Monetarisierung von KI-Agenten.
• @CreatorBid: Ein Marktplatz, der Benutzern ermöglicht, KI-Agenten zu implementieren und zu tokenisieren, die sich auf Agenten spezialisiert haben, die für Content-Ersteller entwickelt wurden.
• @PondGNN: Teich: Plattform zum Erstellen, Besitzen und Monetarisieren von KI-Modellen on-chain.
• @xgurunetwork: Plattform zur Erstellung interaktiver KI-Agenten.
• @myshell_ai: Plattform zum Erstellen, Teilen und Monetarisieren von Open-Source-KI-Anwendungen.
• @OLAS: AI-Agent-Erstellung und Interoperabilität.
• @ReflectionAI__: Marktplatz für das Teilen und Handeln von KI-Modellen.
• @SwarmZeroAI: Plattform zur Erstellung und Monetarisierung von KI-Agenten.
• @TopHat_One: Öffnen Sie das Launchpad für KI-Agenten.
• @virtuals_io: KI-gestützte Agentenerstellungstools. Einige Beispiele für mit Virtuals erstellte Agenten sind @luna_virtuals,@aixbt_agent, und @sekoia_virtuals.
• @vvaifudotfun: Die pump.funfür autonome KI-Agenten auf Solana.

Agenten-Schulungs- und Optimierungswerkzeuge

Diese Tools ermöglichen ein erweitertes Training und die Anpassung von KI-Agenten.

• @almanak_co: Tools zum Trainieren von KI-Agenten.
• @Agent_LayerTools und Frameworks zum Erstellen von benutzerdefinierten DeFi Krypto-Agenten AI.
• @Nimble_Network: Ermöglicht es KI-Entwicklern, KI-Agenten über eine All-in-One-Plattform zu erstellen und zu monetarisieren.
• @Build_Vertical: No-Code-Plattform für die Feinabstimmung von KI-Modellen. Trainieren, implementieren und monetarisieren Sie KI.

Infrastruktur für KI im DeFi

Infrastrukturprotokolle spielen eine entscheidende Rolle bei der Unterstützung der grundlegenden und operativen Anforderungen von KI-Agenten in dezentralen Umgebungen. Diese Systeme bieten Zugang zu Rechenressourcen, relevanten Daten und Wissensaustauschnetzwerken, die es KI-Agenten ermöglichen, ihre Funktionen und Operationen effektiv innerhalb des DeFi auszuführen.

Ein Schlüsselelement dieser Infrastruktur ist das dezentrale Management und die Betrieb. Agent Operating Protocols bilden das Rückgrat für den Einsatz und die Verwaltung von Agenten und schaffen eine strukturierte Umgebung, in der Agenten autonom arbeiten können. Neben den Verwaltungsfunktionen spielen rechnerische Ressourcen eine wichtige Rolle, indem sie die für KI-Agenten erforderliche Rechenleistung für komplexe, datenintensive Aufgaben bereitstellen – dies ist entscheidend in der schnelllebigen DeFi-Umgebung.

Ebenso wichtig ist die Zugänglichkeit von Daten, bei der Marktplätze und Netzwerke den Zugriff auf die Datensätze erleichtern, die für Agenten erforderlich sind, um fundierte Entscheidungen zu treffen. Schließlich fördern Plattformen für den Wissensaustausch ein kollaboratives Umfeld, das es den Agenten ermöglicht, durch den Austausch von Erkenntnissen und Daten kontinuierlich zu lernen, sich anzupassen und weiterzuentwickeln.

Diese Infrastruktur stellt gemeinsam sicher, dass KI-Agenten in dezentralen Finanzen effizient und intelligent arbeiten können.

Agenten-Betriebsprotokolle

Diese Protokolle stellen die Struktur zum Bereitstellen und Verwalten von dezentralen KI-Agenten bereit und dienen als Rückgrat der Agentenautonomie innerhalb von DeFi.

• @Altera_AL: Infrastruktur für die Verwaltung dezentraler KI-Agenten (zunächst Gaming-KI-Agenten).
• @Fetch_ai: Dezentralisierte Plattform für KI-Agenten.
• @HyperspaceAI: Bietet operative Infrastruktur für KI-Agenten im DeFi-Bereich.
• @mor_org: Ein Netzwerk, das persönliche KI-Agenten für Aufgabenverwaltung und Krypto-Interaktionen ermöglicht.
• @OpenAgentsInc: Geschäftsautomatisierungsplattform zum Bereitstellen, Anpassen und Integrieren von Agenten.
• @questflow: Betreibt Infrastruktur für Multi-Agentensysteme.
• @sebraai: No-Code-Plattform zum Erstellen und Bereitstellen von KI-Agenten.
• @ShinkaiProtocol: Plattform für Datenmanagement und Automatisierung von KI-Agenten.

Dezentralisierte Rechenressourcen für Agenten

Diese Protokolle liefern die notwendige Rechenleistung für KI-Agenten, um datenintensive Operationen durchzuführen, die Echtzeitanalyse, Entscheidungsfindung und Ausführung im DeFi-Ökosystem unterstützen.

• @FormAI: Plattform, die eine dezentralisierte Wirtschaft antreibt, in der Benutzer ihre Daten, Berechnungen und Forschung für das Training von KI zur Verfügung stellen können.
• @Gaianet_AI: Plattform zur Erstellung und Monetarisierung von KI-Agenten, die Rechenressourcen bietet, um ihnen beim Skalieren und Durchführen von intensiven Operationen zu helfen.
• @kira_infera: Dezentrales Peer-to-Peer-AI-Inferenznetzwerk, das sich auf die Rechenunterstützung für KI-Agenten konzentriert.
• @napthaai: Eine modulare Plattform zur Bereitstellung dezentraler KI-Agenten über mehrere Knotenpunkte hinweg mit flexibler Rechenunterstützung.
• @NodeAIETH: Eine GPU-Vermietungsplattform, die es Benutzern ermöglicht, GPUs für ihre KI-Anwendungen zu mieten.
• @TalusNetwork: Eine L1-Blockchain, die die Bereitstellung und Monetarisierung von Agenten-basierte KI ermöglicht und die erforderlichen Rechenressourcen für intensive Operationen bietet.

Marktplatz für Daten für Agenten

Datenmarktplätze bieten die wesentlichen, strukturierten Datensätze, die KI-Agenten benötigen, um fundierte Entscheidungen zu treffen, genaue Prognosen durchzuführen und die Lernfähigkeiten innerhalb von DeFi-Anwendungen zu verbessern.

• @AlliumLabs: Tools und Dienste, mit denen Benutzer Blockchain-Daten analysieren oder ihre Echtzeit-Workflows und Anwendungen unterstützen können.
• @AlloraNetwork: Protokoll zum Teilen von Daten (in Form von KI-Vorhersagen), das Datenanbieter, -prozessoren und -benutzer verbindet und dabei hochwertige Vorhersagen belohnt.
• @Covalent_HQ: Modulare Dateninfrastruktur für KI.
• @getaxal: Marktplatzplattform zur Optimierung von Workflows durch Automatisierung und Integration von Daten und Aktionen über Web3.
• @scryptedinc: Datenquellen für KI-Handelsmodelle.

Wissensnetzwerke

Wissensnetzwerke erleichtern das Lernen und den Strategieaustausch zwischen KI-Agenten. Sie gehen über Rohdaten hinaus, indem sie Einblicke, Methoden und Erfahrungen bieten, die Agenten nutzen können, um ihre Fähigkeiten in DeFi-Umgebungen zu verfeinern.

• @forgellmKI-gesteuertes Informationsrepository.
• @real_alethea: Plattform zur dezentralen Erstellung, Besitz und Freigabe von KI-Persönlichkeiten und Modellen.
• @SocietyLibrary: Dezentralisierte Wissensbasis für KI.
• @TheoriqAI: Wissensaustauschnetzwerk für KI-Agenten, um gemeinsam Lösungen zu erstellen.

Daten

Diese Plattformen tragen Datenressourcen bei, oft durch das Sammeln öffentlicher Daten und die Anreize für Benutzer, ihre Daten für das Training von KI zu teilen.

• @getgrass_io: Eine dezentralisierte Plattform, die es Benutzern ermöglicht, Belohnungen zu verdienen, indem sie ihre ungenutzte Internetbandbreite teilen, die für das Sammeln und Verarbeiten öffentlicher Webdaten für Zwecke des KI-Trainings genutzt wird.

Andere Anwendungsfälle

Es ist erwähnenswert, dass einige weitere Anwendungen von KI-Agenten bekannt sind, insbesondere einige, die in den letzten Wochen viel Aufmerksamkeit erregt haben:

• @0xzerebro: Ein KI-System, das autonom vielfältige Inhalte auf verschiedenen Plattformen generiert und verbreitet, wobei ein Retrieval-Augmented Generation-System verwendet wird, um das dynamische Gedächtnis aufrechtzuerhalten und Modellzusammenbruch zu verhindern.
• @agent_wip: Ein gemeinschaftlich gestalteter, on-chain Künstler-Agent, der On-Chain-Daten verwendet, um Kunstschaffung, -verteilung und -monetarisierung zu informieren und neue Formen kreativer Autonomie und Interaktion zu erforschen.
• @ai16z: Eine KI-gesteuerte dezentrale autonome Organisation (DAO), die autonome Agenten nutzt, um Investitionsentscheidungen zu treffen und Vermögenswerte im Kryptowährungsökosystem zu verwalten.
• @dolos_diary: Ein KI-Agent, der die Persönlichkeit von Dolos, dem griechischen Gott der List, verkörpert und scharfe, witzige und schonungslos ehrliche Interaktionen auf Plattformen wie Twitter und Telegram bietet.
• @lola_onchain: Ein autonomer KI-Agent, der auf Lang- und Kurzzeitgedächtnis zur Analyse, Handel und Optimierung von Kryptostrategien unabhängig zurückgreift. Zum Beispiel hat LOLA 200 Trades platziert, 6 Token, die um das 20-fache gestiegen sind, 13 Token, die um das 10-20-fache gestiegen sind, 25 Token, die um das 5-10-fache gestiegen sind; der Rest kann abgeschrieben werden.
• @truth_terminal: Ein halbautonomer KI-Agent, der mit Benutzern in sozialen Medien interagiert, Erkenntnisse und Inhalte generiert und dabei die Schnittstellen von KI, Aufmerksamkeit und Reichtum im Online-Raum erkundet.

Andere KI-Anwendungen in DeFi

KI-Anwendungen sind im Aufschwung und finden aus guten Gründen ihren Weg in nahezu jede Ecke der Blockchain, um KI-gesteuerte Optimierungen hinzuzufügen.

Tresore & Automatisierung mit KI

Diese Plattformen konzentrieren sich auf Yield-Optimierung und Vault-Management durch regelbasierte Automatisierung, die darauf ausgelegt ist, Erträge zu maximieren und Benutzerbeteiligung zu reduzieren. Anstatt auf autonome Agenten zu setzen, verwenden sie einfache Algorithmen, um Portfolios anzupassen und Erträge im DeFi-Bereich zu optimieren.

Ohne Agenten profitieren diese Systeme von einer einfacheren, kontrollierteren Struktur. Sie vermeiden die zusätzliche Komplexität und Infrastruktur, die für Agenten erforderlich wäre, die sich sonst unabhängig von sich ändernden Bedingungen überwachen und anpassen müssten.

Der Kompromiss? Reduzierte Anpassungsfähigkeit. Regelbasierte Systeme reagieren weniger schnell auf Echtzeitmarktveränderungen als agentengetriebene Modelle, die sich autonom an volatile Bedingungen anpassen können. Obwohl zuverlässig und effizient, könnten diese Plattformen aufkommende Chancen verpassen, die ein dynamischerer, agentenbasierter Ansatz erfassen könnte.

• @AIAgentLayer: Plattform zur Erstellung tokenisierter KI-Agenten, die Daten von X und Benutzereingaben integriert.
• @arataagi: Dezentralisierte AGI-Plattform mit einem Multi-Agenten-System, das es KI-Agenten ermöglicht, autonom zusammenzuarbeiten, zu lernen und sich weiterzuentwickeln.
• @ApertureFinance: KI-gesteuertes DeFi-Rendite- und Portfolio-Management unter Verwendung von Absichten.
• @AutoppiaAI: Implementieren Sie KI-Agenten, die Geschäftsabläufe automatisieren.
• @blinklabs_ai: Launchpad für On-Chain-Vermögenswerte wie NFTs und fungible Tokens unter Verwendung von KI.
• @Mass_Build: All-in-one OS and AI copilot for seamless business management and automation.
• @Robonet: Automatisierte Ertragsstrategien für DeFi-Safes, unter Verwendung von KI.
• @trySkyfire: Plattform zur Ermöglichung von KI-Agenten mit globaler Interoperabilität, Finanzzugang, Monetarisierung und Identitätsprüfung.

Smart Contract Auditing und Sicherheit

Krypto-basierte intelligente Vertragsprüfung und Sicherheitssysteme arbeiten mit Hilfe von maschinellen Lernalgorithmen, um Schwachstellen im Code zu erkennen. Diese Systeme scannen Smart Contracts Zeile für Zeile und identifizieren Muster und Anomalien, die auf Sicherheitsrisiken oder ausnutzbare Schwachstellen hinweisen könnten. Dann wird der Vertragscode mit bekannten Schwachstellen und Angriffsvektoren verglichen.

Diese Tools führen auch eine kontinuierliche Überwachung durch, die eine Echtzeit-Bedrohungserkennung während des Betriebs von Verträgen ermöglicht. Durch die Nutzung von KI zur Automatisierung dieses Prozesses können Prüfplattformen potenzielle Sicherheitsprobleme schnell erkennen und darauf reagieren, oft bevor sie ausgenutzt werden können. Dadurch wird die Widerstandsfähigkeit und Vertrauenswürdigkeit von DeFi-Anwendungen verbessert.

• @auditone_dao: Bietet AI-Prüfdienste für Schwachstellen-Scans an.
• @cyvers_: Cyvers nutzt KI, um Echtzeit-Erkennung und Prävention von Krypto-Angriffen zu bieten, indem Muster und Anomalien über Blockchains zur proaktiven Bedrohungsabwehr identifiziert werden.
• @HypernativeLabs: Nutzt KI für Smart Contract Audits, scannt nach Schwachstellen.
• @phylaxsystems: KI-gesteuertes Sicherheitssystem für Schwachstellen-Scans und Exploit-Überwachung.

Governance und Abstimmungssysteme

Das gemeinsame Thema ist die datengesteuerte Unterstützung der Governance. Diese Protokolle setzen KI ein, um Governance-Szenarien zu simulieren, wodurch Stakeholder potenzielle Ergebnisse verstehen können, bevor sie Änderungen umsetzen. Durch die Analyse historischer Abstimmungsmuster, Beteiligungsmetriken und Vorschlagsauswirkungen können Trends identifiziert und Abstimmungsergebnisse vorhergesagt werden, was Organisationen hilft, datengesteuerte Entscheidungen mit größerem Vertrauen zu treffen.

Darüber hinaus hilft KI, kognitive und Entscheidungsfehler zu reduzieren, indem sie objektive Daten präsentiert und Simulationen durchführt, die potenzielle Risiken und Vorteile aufzeigen. Einige Protokolle konzentrieren sich beispielsweise auf die datenschutzerhaltende Datenfreigabe und stellen sicher, dass sensible Governance-Informationen geschützt sind, während sie immer noch für die Analyse zugänglich sind.

• @mor_org: Dezentrales Netzwerk, das KI-gesteuerte Governance-Einblicke bietet.
• @QuillAI_Network: Dezentralisierte Plattform für KI-Agenten, die sich auf die Verbesserung der Web3-Sicherheit durch modulare und Multi-Chain-Funktionen konzentriert.

Zukunft von DeFi-Anwendungen mit KI

Skalierung und Automatisierung

Mit der Expansion von DeFi erfordern Skalierungsprobleme und operative Engpässe innerhalb von DAOs Lösungen, die KI einzigartig adressieren kann. Stellen Sie sich einen KI-Agenten vor, der autonom das Schatzamt eines DAOs verwaltet, Liquidität zwischen Pools auf Grundlage von Echtzeitmarktdaten neu zuweist oder routinemäßige Governance-Abstimmungen innerhalb vorab genehmigter Parameter ausführt.

Dieses Maß an Automatisierung könnte DAOs ermöglichen, zu wachsen, ohne menschliche Überlastung hinzuzufügen, Prozesse wie die Nutzergewinnung und Protokoll-Upgrades zu optimieren. Mit KI, die diese Routinefunktionen übernimmt, könnten DeFi-Protokolle mit minimalem Reibungswiderstand und verbesserter Effizienz wachsen.

Anreizausrichtung

Die Ausrichtung von KI-Agenten auf dezentrale Ziele ist entscheidend, um das Ethos von DeFi zu bewahren und Zentralisierungsrisiken zu vermeiden. Zukünftige Rahmenwerke könnten Anreize schaffen, die Agenten dazu ermutigen, Transparenz und Gemeinschaftsinteressen zu priorisieren. Beispielsweise könnte ein KI-Agent, der die Liquidität eines Protokolls verwaltet, so programmiert werden, dass er sich auf stabile, auf Nutzen ausgerichtete, langfristige Renditen konzentriert, anstatt rein auf Gewinnmaximierung.

Um diese Ausrichtung zu erreichen, wären transparente Protokolle, gründliche Smart-Contract-Audits und Anreizstrukturen erforderlich, die Agenten auf der Grundlage von Beiträgen zur Dezentralisierung belohnen. Dieser Ansatz würde dazu führen, dass Agenten sich eher wie kooperative Entitäten als Gewinnmaximierer verhalten.

Aufkommende Anwendungsfälle und Anwendungen der nächsten Generation

Über die heutigen Anwendungen hinaus könnte KI adaptive, benutzerzentrierte DeFi-Produkte ermöglichen, die dynamisch auf Markt- und Benutzerbedingungen reagieren. Stellen Sie sich einen KI-gesteuerten Smart Contract vor, der das Risikoexposure eines Benutzers in Echtzeit anhand der Marktvolatilität oder der Sentiment-Analyse anpasst. Oder einen personalisierten Kreditpool, der die Zinssätze basierend auf dem Ruf des Kreditnehmers in der Blockchain, den vorhergesagten Einnahmen oder den Liquiditätsbedingungen anpasst.

Wir könnten sogar renditeoptimierende Vaults sehen, die sich automatisch auf Liquiditäts- und APY-Trends neu ausbalancieren, oder Handelsagenten, die Strategien während des Handels anpassen und Positionen feinabstimmen, wenn neue Daten auftauchen.

Ein Blick in das "Agentic Web"

In diesem anvisierten „Agentischen Web“ würden KI-Agenten nahtlos über Protokolle hinweg interagieren und ein selbsttragendes Netzwerk autonomer Intelligenz schaffen. Stellen Sie sich einen Agenten vor, der ein NFT-Portfolio verwaltet und gleichzeitig mit Yield-Farming-Protokollen interagiert, um Vermögenswerte während Liquiditätseinbrüchen zu besichern. Diese Agenten könnten sogar cross-chain verhandeln, Risikozuweisungen über mehrere DeFi-Anwendungen hinweg anpassen, um optimale Benutzerergebnisse zu erzielen. Als „digitale Ökonomen“ würden diese Agenten kontinuierlich lernen, sich mit Benutzer-Feedback weiterentwickeln und mit anderen KI-Agenten zusammenarbeiten.

Dieses vernetzte Netzwerk würde DeFi in ein adaptives, intelligentes Finanzökosystem umgestalten, das reaktionsschnell, personalisiert und dynamisch ist.

Schlüsse

Die Integration von KI hat das Potenzial, DeFi neu zu definieren und es in ein zugänglicheres und effizienteres Finanzökosystem umzugestalten.

Inwiefern kann eine solche Integration das Finanzsystem stören? Angesichts dessen, dass Dienstleistungen 70% des globalen BIP ausmachen, könnte die Entwicklung von KI-Agenten einen erheblichen Teil dieses Sektors durch die Automatisierung traditionell manueller Prozesse stören. KI-gesteuerte Automatisierung im DeFi-Bereich könnte theoretisch bis zu 20% der Dienstleistungswirtschaft transformieren, insbesondere in Bereichen, die von Transparenz, Nachverfolgbarkeit und Dezentralisierung profitieren. Diese Transformation würde einen 14 Billionen Dollar Markt beeinflussen.

Die Integration von KI- und Blockchain-Technologien ist jedoch nicht ohne Herausforderungen. Die Blockchain bietet zwar Überprüfbarkeit, Zensurresistenz und native Zahlungsschienen, aber es fehlt ihr die Kapazität für die intensiven Echtzeitberechnungen, die KI oft erfordert. Aktuelle Blockchains sind nicht für schwere Rechenaufgaben optimiert, was bedeutet, dass die native Ausführung komplexer KI-Modelle auf der Blockchain unpraktisch bleibt. Stattdessen werden wir eher hybride Modelle sehen, bei denen KI außerhalb der Blockchain trainiert und verarbeitet wird, wobei die Ergebnisse aus Gründen der Transparenz, Sicherheit und Zugänglichkeit in die Blockchain integriert werden.

Da der AI x DeFi-Stack weiterhin evolviert, entstehen neue Schichten dezentraler KI-Infrastruktur und On-Chain-Anwendungen. Es wird erwartet, dass dieses Zusammentreffen zur Entstehung des „Agentischen Webs“ führt, in dem KI-Agenten wesentliche Treiber wirtschaftlicher Aktivitäten werden, indem sie Aktionen wie die Erstellung von Smart Contracts, Handel und andere On-Chain-Interaktionen automatisieren.

Da diese Agenten immer raffinierter werden, könnten wir ähnliche Dynamiken wie bei MEV-Strategien sehen, bei denen Entitäten, die KI-gesteuerte Strategien optimieren, den Markt dominieren und möglicherweise weniger entwickelte Konkurrenten verdrängen und die Kontrolle unter den raffinierten Akteuren zentralisieren.

Um das transformative Potenzial von KI in DeFi ohne Beeinträchtigung der Dezentralisierung freizuschalten, ist es unerlässlich, sichere und ethische KI-Integrationen zu priorisieren. KI-Agenten werden von dezentralen Anreizen geleitet und arbeiten transparent, so dass das DeFi-Ökosystem ohne das Risiko einer zentralisierten Kontrolle wachsen kann.

Letztendlich hat die Konvergenz von KI und DeFi das Potenzial, eine inklusivere, widerstandsfähigere und zukunftsorientierte Finanzlandschaft zu schaffen, die neu definieren könnte, wie wir mit wirtschaftlichen Systemen interagieren.

Haftungsausschluss

Three Sigma unterstützt keine der hier genannten Projekte. Üben Sie Vorsicht und führen Sie gründliche Recherchen durch. Wir respektieren und unterstützen die Entwickler, die diesen Bereich vorantreiben.

Referenzen

Krypto und KI: Eine Erkundung von Vitalik Buterin@VitalikButerin

• https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

Entschlüsselung des Krypto x AI-Stacks von CB Ventures@CBVentures

• https://paragraph.xyz/@cbventures/demystifying-the-crypto-x-ai-stack

Yuga Cohlers Einblicke in KI und DeFi @YugaCohler

• https://x.com/yugacohler/status/1851020728390598942

Base AI Agents Übersicht von Murr Lincoln @MurrLincoln

• https://x.com/MurrLincoln/status/1853855287696134570

Gedanken zu KI-Agenten in DeFi von Prismatic @0xprismatic

• https://x.com/0xprismatic/status/1854513654156398961?s=46&t=2q9OLMlaobNlHLew

Anwendungsfälle für Consumer AI-Agenten in DeFi von Jeff @Defi0xJeff

• https://x.com/Defi0xJeff/status/1854230030769066432

Gaming und AI Agents von Shoal Research @Shoalresearch

• https://x.com/Shoalresearch/status/1805658117004476874

AI Agents: Forschung und Anwendungen (Eine 40-seitige detaillierte Forschungsübersicht über LLM-basierte Agenten) von AccelXR @AccelXR

• https://accelxr.substack.com/p/ai-agents-research-and-applications

Chase's Ansicht zu $LUM und KI-Agenten @itsmechaseb

• https://x.com/itsmechaseb/status/1857511608810901941

Haftungsausschluss:

1. Dieser Artikel wird aus [reproduziertX]. Alle Urheberrechte gehören dem Originalautor [ @threesigmaxyz]. Wenn es Einwände gegen diese Nachdruck gibt, kontaktieren Sie bitte den Gate LearnTeam und sie werden es schnell bearbeiten.
2. Haftungsausschluss: Die in diesem Artikel geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Das Gate Learn-Team hat den Artikel in andere Sprachen übersetzt. Das Kopieren, Verbreiten oder Plagiieren der übersetzten Artikel ist untersagt, es sei denn, es wird darauf hingewiesen.