作者：YBB Capital Researcher Ac-Core

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

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：