Was sind KI-Agenten? Wie unterscheiden sie sich von Telegram-Trading-Bots?

Seit der zweiten Hälfte dieses Jahres gewinnt das Thema KI-Agenten an Bedeutung. Anfangs erregte der KI-Chatbot-Terminal of Truths große Aufmerksamkeit für seine humorvollen Beiträge und Antworten auf

AI Agents, a hot topic in the Web3 community, have sparked discussions and debates. But what exactly are AI Agents? How do they differ from Telegram trading bots? And why do they face skepticism despite their potential benefits?

KI-Agenten, ein heißes Thema in der Web3-Community, haben Diskussionen und Debatten ausgelöst. Aber was genau sind KI-Agenten? Wie unterscheiden sie sich von Telegram-Trading-Bots? Und warum stoßen sie trotz ihrer potenziellen Vorteile auf Skepsis?

AI Agents are intelligent agent systems powered by large language models (LLMs) that can perceive their surroundings, make logical decisions, and complete complex tasks by utilizing tools or executing actions. Their workflow involves:

KI-Agenten sind intelligente Agentensysteme, die auf großen Sprachmodellen (LLMs) basieren und ihre Umgebung wahrnehmen, logische Entscheidungen treffen und komplexe Aufgaben erledigen können, indem sie Werkzeuge nutzen oder Aktionen ausführen. Ihr Arbeitsablauf umfasst:

* Perception module (acquiring input)

* Wahrnehmungsmodul (Eingabe erfassen)

* LLM (understanding, reasoning, and planning)

* LLM (Verstehen, Denken und Planen)

* Tool invocation (task execution)

* Tool-Aufruf (Aufgabenausführung)

* Feedback and optimization (validating and adjusting)

* Feedback und Optimierung (Validierung und Anpassung)

For example, in the context of Web3 applications, AI Agents differ from Telegram trading bots or automation scripts in the following way:

Im Kontext von Web3-Anwendungen unterscheiden sich KI-Agenten beispielsweise in folgender Weise von Telegram-Handelsbots oder Automatisierungsskripten:

Suppose users want to execute arbitrage trades when profits exceed 1%. In a Telegram trading bot that supports arbitrage, users can set a trading strategy for profits greater than 1%, and the bot will begin executing trades that meet this condition. However, these bots lack the ability to assess risk and will continue executing arbitrage trades as long as the profit condition is met. In contrast, AI Agents can automatically adjust their strategies. For instance, if a trade's profit exceeds 1%, but data analysis reveals that the risk is too high due to potential sudden market changes that could lead to losses, the AI Agent will decide not to execute the arbitrage trade.

Angenommen, Benutzer möchten Arbitragegeschäfte ausführen, wenn der Gewinn 1 % übersteigt. In einem Telegram-Handelsbot, der Arbitrage unterstützt, können Benutzer eine Handelsstrategie für Gewinne von mehr als 1 % festlegen, und der Bot beginnt mit der Ausführung von Geschäften, die diese Bedingung erfüllen. Allerdings fehlt diesen Bots die Fähigkeit, Risiken einzuschätzen, und sie werden weiterhin Arbitragegeschäfte ausführen, solange die Gewinnbedingung erfüllt ist. Im Gegensatz dazu können KI-Agenten ihre Strategien automatisch anpassen. Wenn beispielsweise der Gewinn eines Handels 1 % übersteigt, die Datenanalyse jedoch ergibt, dass das Risiko aufgrund möglicher plötzlicher Marktveränderungen, die zu Verlusten führen könnten, zu hoch ist, entscheidet der KI-Agent, den Arbitrage-Handel nicht auszuführen.

Thus, AI Agents possess self-adaptability, with their core advantage being the ability to self-learn and make autonomous decisions. Through interaction with the environment (such as market conditions, user behavior, etc.), they adjust their behavioral strategies based on feedback signals, continuously improving the effectiveness of task execution. They can also make real-time decisions based on external data and continuously optimize decision-making strategies through reinforcement learning.

Daher verfügen KI-Agenten über die Fähigkeit zur Selbstanpassung, wobei ihr Hauptvorteil in der Fähigkeit liegt, selbst zu lernen und autonome Entscheidungen zu treffen. Durch die Interaktion mit der Umgebung (z. B. Marktbedingungen, Benutzerverhalten usw.) passen sie ihre Verhaltensstrategien basierend auf Feedback-Signalen an und verbessern so kontinuierlich die Effektivität der Aufgabenausführung. Sie können außerdem Entscheidungen in Echtzeit auf der Grundlage externer Daten treffen und Entscheidungsstrategien durch Reinforcement Learning kontinuierlich optimieren.

While AI Agents sound advanced and capable of enhancing user experiences, they also face skepticism in the community. This is mainly because AI Agents are still just tools and cannot complete entire workflows independently. They can only enhance efficiency and save time at certain nodes. Moreover, at the current stage of development, the role of AI Agents is mostly concentrated on helping users issue MeMes and manage social media accounts. As a result, the community戲稱" , poking fun at the fact that assets ultimately belong to the developer, while liabilities are assigned to the AI.

Obwohl KI-Agenten fortschrittlich erscheinen und in der Lage sind, die Benutzererfahrung zu verbessern, stoßen sie in der Community auch auf Skepsis. Dies liegt vor allem daran, dass KI-Agenten noch immer nur Werkzeuge sind und nicht ganze Arbeitsabläufe selbstständig erledigen können. Sie können nur an bestimmten Knoten die Effizienz steigern und Zeit sparen. Darüber hinaus konzentriert sich die Rolle von KI-Agenten im aktuellen Entwicklungsstadium hauptsächlich darauf, Benutzern bei der Erstellung von MeMes und der Verwaltung von Social-Media-Konten zu helfen. Infolgedessen macht sich die Community darüber lustig, dass Vermögenswerte letztendlich dem Entwickler gehören, während Verbindlichkeiten der KI zugewiesen werden.

However, just this week, a new application of AI Agents emerged with the launch of an AI Agent for token presale by aiPool. This AI Agent leverages TEE technology to achieve trustlessness. The wallet private key of this AI Agent is dynamically generated in a TEE environment, ensuring security. Users can send funds (such as SOL) to the wallet controlled by the AI Agent, which then creates tokens according to set rules and launches a liquidity pool on a DEX, while distributing tokens to eligible investors. The entire process does not rely on any third-party intermediaries and is fully completed autonomously by the AI Agent in a TEE environment, avoiding the common rug pull risks in DeFi. It is evident that AI Agents are gradually evolving. I believe that AI Agents can help users lower barriers and enhance experiences, and even simplifying part of the asset issuance process is meaningful. However, from a macro Web3 perspective, AI Agents, as off-chain products, currently serve merely as auxiliary tools for smart contracts, so there is no need to overstate their capabilities. Given that there has been a lack of significant wealth effect narratives aside from MeMe in the second half of this year, it is normal for the hype around AI Agents to revolve around MeMe. Relying solely on MeMe cannot sustain long-term value, so if AI Agents can bring more innovative gameplay to trading processes and provide tangible value, they may develop into a common infra tool.

Doch erst diese Woche erschien mit der Einführung eines KI-Agenten für den Token-Vorverkauf durch aiPool eine neue Anwendung von KI-Agenten. Dieser KI-Agent nutzt die TEE-Technologie, um Vertrauenslosigkeit zu erreichen. Der private Wallet-Schlüssel dieses KI-Agenten wird dynamisch in einer TEE-Umgebung generiert, um die Sicherheit zu gewährleisten. Benutzer können Gelder (z. B. SOL) an die vom KI-Agenten kontrollierte Wallet senden, die dann nach festgelegten Regeln Token erstellt, einen Liquiditätspool auf einem DEX startet und gleichzeitig Token an berechtigte Anleger verteilt. Der gesamte Prozess ist nicht auf externe Vermittler angewiesen und wird vollständig autonom vom KI-Agenten in einer TEE-Umgebung durchgeführt, wodurch die bei DeFi üblichen Rug-Pull-Risiken vermieden werden. Es ist offensichtlich, dass sich KI-Agenten schrittweise weiterentwickeln. Ich glaube, dass KI-Agenten Benutzern helfen können, Hürden abzubauen und Erfahrungen zu verbessern, und sogar die Vereinfachung eines Teils des Asset-Ausgabeprozesses ist sinnvoll. Aus makroökonomischer Web3-Perspektive dienen KI-Agenten als Off-Chain-Produkte jedoch derzeit lediglich als Hilfswerkzeuge für Smart Contracts, sodass ihre Fähigkeiten nicht überbewertet werden müssen. Angesichts der Tatsache, dass es in der zweiten Hälfte dieses Jahres abgesehen von MeMe an signifikanten Narrativen über Vermögenseffekte mangelte, ist es normal, dass sich der Hype um KI-Agenten um MeMe dreht. Sich allein auf MeMe zu verlassen, kann den langfristigen Wert nicht aufrechterhalten. Wenn KI-Agenten also ein innovativeres Gameplay in Handelsprozesse einbringen und einen greifbaren Wert bieten können, könnten sie sich zu einem gemeinsamen Infrastruktur-Tool entwickeln.