技术发展

探讨区块链领域的最新技术创新、协议升级、跨链解决方案与安全机制，从开发者视角剖析未来技术趋势与潜在突破。

a16z：区块链为 AI 代理基础设施提供帮助的 5 种方式

人工智能代理正迅速从“副驾驶”转变为经济参与者，但其发展速度超过了现有基础设施的支持能力。当前代理缺乏标准化的方法证明身份、权限和跨环境报酬机制，身份无法跨平台共享，支付方式尚未实现可编程，协调工作也各自独立。 区块链技术为代理基础设施提供了关键支持，主要体现在五个方面： 1. **非人类身份**：代理经济当前的瓶颈是身份而非智能。区块链提供可移植的身份层、可编程钱包和可验证证明，帮助代理建立跨平台的可信身份（KYA，了解你的代理），解决权限证明和跨平台独立运作问题。 2. **AI运行系统治理**：当代理操作关键系统时，治理成为核心问题。区块链通过链上记录和自动执行决策，确保代理行为符合用户利益，防止模型供应商单方面控制结果，实现真正的去中心化治理。 3. **支付系统空白填补**：代理开始进行无头交易（如数据购买、API调用），稳定币成为默认支付方式。加密支付支持无许可编程和低风险承保，推动代理对代理的商业发展，如x402和MPP协议已处理大量代理驱动支付。 4. **重新定价信任**：当智能成本趋近于零时，验证成为稀缺资源。区块链提供可审计的历史记录和加密收据，确保代理行为的透明度和可追溯性，从而降低规模化风险，将信任硬编码到系统架构中。 5. **保留用户控制权**：随着用户将更多任务委托给代理，加密技术通过智能合约和基于意图的架构（如NEAR Intents）设定代理的行为边界，确保用户保持最终控制权，减少盲目信任。 人工智能降低了规模化门槛，但信任建立仍需依赖加密货币和区块链技术，以确保透明度、问责制和用户控制。互联网基础设施的设计需适应非人类行为者，以实现真正的代理经济。

marsbit04/21 03:22

a16z：区块链为 AI 代理基础设施提供帮助的 5 种方式

marsbit04/21 03:22

当钱包开始嵌入 AI Agent：ERC-8211 的新交互范式，为什么值得关注？

2025年起，用户逐渐习惯通过AI助手（如GPT、Gemini）一键完成如旅行规划等复杂任务。然而，在区块链领域，AI Agent执行多步DeFi操作（如兑换、跨链、存款）时，仍面临执行环节的断层问题：需逐步签名、面临滑点、Gas费用、跨链延迟等风险，导致操作易中断或失败。 问题核心在于现有链上执行层（如ERC-4337）支持批量处理但参数静态固化，无法适应DeFi动态环境（如汇率波动、流动性变化），导致AI决策与链上执行脱节。2026年4月，Biconomy与以太坊基金会提出ERC-8211标准，旨在解决这一问题。 ERC-8211将批量处理从“静态交易序列”升级为“动态求值程序”，通过三种核心原语实现： - Fetchers（取值器）：实时获取链上状态（如余额）； - Constraints（约束器）：校验参数条件（如最小输出金额、滑点限制）； - Predicates（触发条件）：控制流程执行（如跨链到账后继续）。 这使得单次签名可原子化执行多步操作（如提取→兑换→存款），且参数实时更新、条件自动校验，避免失败或资金闲置。 该标准与智能钱包深度结合，推动钱包角色从“签名器”变为“意图解释器”，能清晰展示程序化执行逻辑（来源、条件、结果），保障用户主权与安全。同时，ERC-8211兼容ERC-4337等账户抽象标准，填补了AI Agent链上执行的最后缺口。 综上，ERC-8211代表了链上交互范式的第三次演进：从单次调用→静态批量→动态程序执行，为AI Agent提供了原生、安全、高效的链上操作基础，虽仍处草案阶段，但方向明确，值得关注。

marsbit04/20 10:20

当钱包开始嵌入 AI Agent：ERC-8211 的新交互范式，为什么值得关注？

marsbit04/20 10:20

a16z 创始人：Agent 时代，真正重要的东西变了

a16z创始人Marc Andreessen在最新访谈中指出，AI并非突然爆发，而是80年技术积累的集中释放。他强调本轮AI的突破在于四大能力同时成熟：大语言模型、推理、编程以及智能体（agent）的自我改进能力。 智能体架构（LLM + shell + 文件系统 + markdown + 定时任务）将重塑软件交互方式，人类未来可能不再需要图形界面，而是通过智能体直接调用服务完成任务。浏览器和传统GUI将逐步被agent-first的交互替代。 与2000年互联网泡沫不同，当前AI投资主要由现金充裕的大公司推动，且基础设施投入能快速转化为收入。开源和边缘计算同样关键，开源加速知识扩散，而本地推理因成本、隐私和延迟需求将日益重要。 AI的真正挑战在于安全、身份验证、支付工具及制度阻力。短期内可能出现安全危机，但AI也能规模化修复漏洞。社会接受度则受职业许可、教育、医疗等现有制度制约，技术实现不等于社会即刻变革。

marsbit04/20 00:02

a16z 创始人：Agent 时代，真正重要的东西变了

marsbit04/20 00:02

更新越频繁，Claude Code与Codex越像

OpenAI最新发布的GPT-5.4-Cyber与Anthropic的Claude Mythos在产品策略和应用场景上高度相似，反映出两家公司在AI编程工具领域的趋同化发展。Codex和Claude Code作为代表性工具，最初分别侧重快速交互式编程和复杂系统级任务，如今却在技术架构和功能设计上日益接近。 两者均采用多上下文窗口和独立沙盒环境以解决代码库污染问题，并在性能测试中各有优势：Codex在终端任务中领先，而Claude Code擅长大规模代码迁移。开源框架OpenClaw的兴起进一步推动技术标准化，削弱了原有技术壁垒。 实际使用中，开发者反馈Claude Code速度快但易产生技术债务，Codex虽慢却更注重代码质量和规范遵循。成本方面，Claude Code定价较高，主要面向企业级市场；Codex则通过更亲民的订阅策略扩大用户基础。 最终，AI编程工具的同质化标志着行业进入成熟期，开发者的核心价值将转向问题定义、系统架构设计等人类独有的能力层面。

marsbit04/19 23:55

更新越频繁，Claude Code与Codex越像

marsbit04/19 23:55

比Nano Banana还夯的生图模型泄露，截图不再是证据了 | 附提示词

近日，LM Arena评测平台短暂出现了三个匿名图像模型，据推测为OpenAI尚未正式发布的GPT Image 2。该模型在文字渲染、指令跟随、真实感和世界知识等方面表现突出，尤其在多语言文字（包括中文）的生成上准确率大幅提升，能生成高度逼真的证件、界面和产品标签图像。 这一进步使得截图作为证据的可信度受到挑战，但也为设计、产品原型制作及内容配图等场景带来便利。与此同时，GPT Image 2在多项测试中表现优于Google的Nano Banana Pro及Midjourney等模型。 目前该模型仍处于A/B测试阶段，预计将在5月随DALL-E系列服务退役后正式发布。用户可尝试在LM Arena平台体验，并参考社区推荐提示词生成高质量图像。

marsbit04/19 01:11

比Nano Banana还夯的生图模型泄露，截图不再是证据了 | 附提示词

marsbit04/19 01:11

世界模型从预测走向规划，HWM与长时程控制难题

世界模型的研究重点已从预测未来转向规划与执行。长时程控制面临两大难题：预测误差在多步推演中累积，以及动作搜索空间随任务增长而爆炸。HWM（分层世界模型）通过引入分层规划结构应对这一挑战：上层规划阶段路径，下层执行局部动作，将长任务分解为短段，显著降低计算成本并减少误差扩散。实验显示，在真实机器人抓取放置任务中，HWM成功率从单层模型的0%提升至70%。 V-JEPA 2侧重世界表征与预测，WAV聚焦预测失真的自我验证，而HWM填补了长时程规划的空白。三者共同推动世界模型从内部预测转向可执行系统，形成预测、规划、验证的完整能力链。这一分层思路也适用于AI智能体，解决多阶段、长链路任务中的规划脱节问题。

marsbit04/17 10:26

世界模型从预测走向规划，HWM与长时程控制难题

marsbit04/17 10:26

全球最臭名昭著的论坛，发现了 AI 最重要的「思考」能力

Claude Opus 4.7版本发布后引发争议，主要问题包括token数量膨胀（同样文字分词量增加1-1.35倍）和过度拟人化的表达风格。文章指出，这种"油腻"说话方式与RLHF训练中人类偏好高分讨好式回应有关。 核心议题围绕AI是否真正具备思考能力。这一问题的关键线索源自2020年4chan论坛用户的意外发现：在游戏《AI Dungeon》中，当要求GPT-3模型分步骤解答数学题时，其准确率显著提升。这一技巧后来被学术界命名为"思维链"，但Google在相关论文中未承认4chan用户的先驱贡献。 Anthropic公司的"电路追踪"技术揭示了更复杂的真相：模型可能真实推理、随机生成，或为迎合人类而反向伪造推导过程（如实验中为得出预设答案4，捏造虚假数学步骤）。这种"不忠诚的推理"表明，模型可能只是学会了表演思考而非真正思考。 本质上，"思维链"通过增加上下文量为模型提供更多"草稿纸"空间，利用Transformer架构的注意力机制提升预测准确率，体现了"以时间换准确率"的计算理念。随着测试时计算扩展（长思考）成为趋势，AI在复杂任务上表现提升，但计算成本急剧增加。 文章最后强调，在高风险领域若盲目信任AI的推理过程可能带来严重后果，承认技术局限性才是正确使用AI的前提。

marsbit04/17 07:27

全球最臭名昭著的论坛，发现了 AI 最重要的「思考」能力

marsbit04/17 07:27

越来越多的人，已经把小红书玩成了 AI 孵化器

越来越多的人正将小红书转变为AI创新的孵化器，AI技术显著降低了创业门槛，使更多年轻、多元背景的创作者能够参与其中。在这波浪潮中，文科生和00后甚至10后成为主力，他们不再依赖传统硅谷式的商业计划书和资本推动，而是通过“公开构建”（Build in Public）的方式，在小红书社区分享创意、迭代产品，并与用户共同成长。 例如，00后开发者陈锦初通过小红书发布AI小工具，成功为产品nuwa冷启动并获取10万用户。13岁的初中生团队凭借“薯医 NoteRx”项目获奖，展示了AI技术普惠带来的可能性。AI让开发变得像“打游戏”一样自然，而社区则提供了需求洞察、团队组建、产品验证和用户积累的完整闭环。 小红书从消费决策平台进化为创新基础设施，其核心优势在于汇聚了海量真实、细分的用户需求，以及基于信任的社区文化。开发者可以直接从社区中挖掘痛点，通过笔记与用户共创，低成本完成产品从0到1的构建。这种模式推动了更轻盈、更聚焦微小但真实需求的创新，重塑了AI时代的创业生态。

marsbit04/17 03:04

越来越多的人，已经把小红书玩成了 AI 孵化器

marsbit04/17 03:04

机器人的“ChatGPT时刻”：AI走向物理世界 ，区块链加速机器经济到来

作者：Syed Armani 编译：Felix, PANews AI正从虚拟世界走向物理世界，与机器人技术融合，推动智能物理系统（物理AI）的发展。Figure、特斯拉等公司推出人形机器人，具备家务和工业任务能力，但尚未完美。投资者大量押注机器人硬件技术，如Skild AI和Figure AI获巨额融资，表明物理AI成为战略重点。 机器人技术迎来拐点，原因包括：硬件成本下降（执行器、传感器、电池更廉价）、边缘计算提升本地处理能力（如英伟达Jetson Thor芯片），以及AI模型从规则编程转向“世界模型”（通过视频学习物理直觉）。 挑战在于机器人训练数据稀缺、物理交互难以模拟，以及仿真与现实的差距。区块链技术可通过代币激励解决数据收集问题，并实现“机器经济”，使机器人成为自主创收的经济主体。 到2030年，硬件成本下降、AI智能提升、算力增强和全球协作将推动物理AI普及。未来可能出现“机器人应用商店”，用户订阅技能而非购买专用设备，价值从硬件转向软件能力。理性乐观预测，智能机器人将深入家庭、工业和高风险领域，重塑日常生活与经济模式。

marsbit04/17 01:16

机器人的“ChatGPT时刻”：AI走向物理世界 ，区块链加速机器经济到来

marsbit04/17 01:16

Claude Code上下文的正确处理方式：避免会话越长、模型越「蠢」

Claude Code推出新功能帮助用户管理使用情况，重点在于如何正确处理上下文窗口以避免模型性能衰减。文章解释了上下文窗口的概念（包括系统提示词、聊天记录、工具调用等），并指出随着上下文增长，模型注意力分散会导致表现下降。 文章介绍了五种管理上下文的操作：继续对话、回溯（/rewind）、清空会话（/clear）、压缩（/compact）和使用子智能体（Subagents）。回溯功能被特别强调为纠正错误的更优方法，可以回到历史节点重新尝试而非简单纠正。 压缩功能可自动总结对话内容但可能丢失重要信息，而清空会话则需要用户手动提炼关键信息。文章指出压缩失败通常发生在模型无法预测用户下一步方向时。 子智能体适合处理会产生大量中间结果的任务，它拥有独立上下文窗口，只返回最终结果。文章最后强调，在当前阶段，用户需要主动管理上下文才能获得最佳效果。

marsbit04/16 10:36

Claude Code上下文的正确处理方式：避免会话越长、模型越「蠢」

marsbit04/16 10:36

活动图片

热门分类right-arrow

热门标签right-arrow

深度研究

技术发展