投研早报丨解读 Eliza 技术白皮书：一个 Web3 友好的 AI 代理操作系统/沉默多年后，以太坊官方社交账号终于「开口说话」/从 DAO 到 Hybrid DAO：人类与 AI 如何共同治理？
ChainFeeds Newsletter 每日精选 Web3 深度投研「简报」+ AI 驱动的热点新闻榜单，帮你做出聪明决策
📢 ChainBuzz 热点新闻 ｜2025.1.16
🔥 新 SEC 将启动加密货币改革，特朗普团队正审查部分待解决的加密执法案件，或会冻结不涉及欺诈指控的诉讼
🔥 美国 12 月 CPI 数据公布：季调后 CPI 月率为 0.4%，高于预期 0.30%
🔥 美国众议员 Tom Emmer 被任命为数字资产、金融科技和人工智能小组委员会副主席
🔥 韩国计划于 2025 年下半年推出新的加密货币监管法规架构
🔥 泰国拟禁止加密预测市场 Polymarket 以打击非法网络赌博
👨💻 ChainFeeds 投研简报 ｜2024.1.15
1️⃣ AI｜解读 Eliza 技术白皮书：一个 Web3 友好的 AI 代理操作系统
2️⃣ 项目介绍｜盘点 12 个基于 EigenLayer 构建的 AI 项目
3️⃣ 以太坊｜沉默多年后，以太坊官方社交账号终于「开口说话」
4️⃣ DAO｜从 DAO 到 Hybrid DAO：人类与 AI 如何共同治理？
5️⃣ 隐私｜去中心化隐私困境分析：共享状态与匿名性的博弈
每日精选的加密信息由 ChainFeeds 团队与 AI 共同编写，我们已将内部的信息流工具优化并开放给所有读者及 Web3 行业者使用，测试链接 👇
🌞 Web3 行研早报来自：Web3 行业必读深度资讯「简报」平台｜chainfeeds.xyz
🤖️ Web3 热点榜单来自：AI 驱动的 Web3 热点新闻自动聚合工具｜chainbuzz.xyz
1️⃣ 解读 Eliza 技术白皮书：一个 Web3 友好的 AI 代理操作系统
导读：Eliza 的可能性仅受限于使用者的想象力。
深潮 TechFlow：Eliza 的成功不是偶然的。在设计之初，团队就确立了三个核心原则：首先是 Web3 开发者优先。考虑到 Web3 主要使用 JavaScript/TypeScript 进行开发，Eliza 选择了 TypeScript 作为开发语言。这不仅让开发者能够使用熟悉的工具，更让他们能轻松地将区块链功能整合到现有的网页应用中。简单来说，就是让 Web3 开发者能够拿来即用。第二个是模块化插件设计，Eliza 将系统分解为核心运行时和四个关键组件：Adapter（数据适配器）、Character（代理个性）、Client（消息交互）及 Plugin（通用功能）。这种设计让开发者可以自由添加自己的插件、客户端、角色和适配器，而无需关心核心运行时的细节。这也使得 Eliza 能够支持最广泛的模型提供商（如 OpenAI、Llama、Qwen 等）、平台集成（Twitter、Discord、Telegram 等）和链兼容性（Solana、Ethereum、Ton）等。 第三个原则是宁简单勿复杂，在有限的工程资源下，保持简单的内部实现可以节省时间用于开发新功能，适应新场景，并跟上 AI 和 Web3 领域的快速发展步伐。
在 Eliza 的世界里，五个核心组件相互配合，构成了一个完整的智能系统。1）Agents（代理），它们就像一个个独立的数字助手，负责处理各种自主交互。每个代理都拥有自己的记忆和性格，能通过 Discord、Twitter 等不同渠道与用户进行连贯的对话和互动。2）Character Files（角色配置）：要让这些代理富有个性，就需要 Character Files（角色配置）的支持。这相不仅定义了其身份和个性特征，还规定了它能使用哪些模型（如 OpenAI、Anthropic），以及可以执行哪些操作（如区块链交易、NFT 铸造）。通过精心设计的角色配置，每个代理都能展现出独特的专业特长和行为方式。
3）Providers（提供者）：在与外界互动时，代理需要 Providers（提供者）作为其感知系统。就像人类需要感官来感知世界一样，提供者为代理提供市场数据、钱包详情、情绪分析等实时信息，帮助它们更好地理解当前环境和上下文；4）Actions（行动）：当需要采取具体行动时，Actions（行动）就成为代理的技能库。从简单的买卖订单到复杂的 NFT 生成，每个操作都经过严格的安全验证，确保在处理金融相关任务时万无一失。这些技能让代理能够真正地在 Web3 世界中发挥作用；5）Evaluators（评估器）：最后，Evaluators（评估器）则担任代理的决策系统，负责评估对话内容，提取重要信息，并帮助代理建立长期记忆。它不仅追踪目标完成进度，还确保整个对话过程的连贯性。（ 来源 ）
2️⃣ 【英文长推】盘点 12 个基于 EigenLayer 构建的 AI 项目
导读：加密研究员 Satyaki 撰文盘点了 12 个基于 EigenLayer 构建的 AI 项目，包括 Hyperbolic、Autonome、MyShell、Allora、Hyperspace、Hetu Protocol、Sentient、Gaia、UNGATE、Openledger 及 QuillAI Network。
Satyaki：1）Hyperbolic 提供面向 AI 的可扩展计算能力，专注于去中心化 AI 代理，并提供可验证的高性能推理服务。其核心优势包括：使 AI 代理能够通过加密货币实现收益、支出和自我优化；提供大规模、可验证的 AI 计算服务；并在去中心化 AI 领域开创了精准、高效的采样证明（Proof-of-Sampling）技术。 2）Autonome 是一个专注于安全部署 AI 代理的平台，通过可信执行环境（TEEs）和区块链技术提供透明性支持。其核心优势包括：简化 TEE 部署流程，确保 AI 代理的安全性；通过区块链技术提供透明性和可验证性；并为开发者打造一个便捷的 AI 代理开发市场。
3）MyShell 是一个让用户创建、分享并通过去中心化方式获利的 AI 应用生态系统，旨在赋能创作者。其核心优势包括：提供面向所有用户的无代码 AI 应用创建平台；通过创新的代币经济模型激励创作者；以及将 AI 与 Web3 技术深度融合，实现更强大的功能和所有权控制。 4）Ritual 正在构建去中心化的 AI 基础设施，使开发者能够安全地在链上和链下集成 AI 模型。其核心优势包括：首个专注于 AI 模型的去中心化执行层；提供具有加密完整性证明的 AI 计算能力；为链上和链下的 AI 场景提供完善的开发工具。目前已融资 2500 万美元。
5）Allora 致力于开发一个去中心化的 AI 平台，使 AI 模型能够通过集体输入不断优化，同时为开发者和用户提供安全、智能的 AI 解决方案。其核心优势包括：通过集体输入提升 AI 模型性能；为开发者提供无需复杂配置的 AI 解决方案；支持基于 AI 的金融策略与预测。该项目已融资 3500 万美元，投资方包括 Polychain 和 Delphi Digital 等。 6）Hyperspace 正在构建一个安全的去中心化 AI 应用网络，通过基于浏览器的区块链超级计算机，聚焦用户数据控制与隐私保护。其核心优势包括：赋予用户对 AI 数据和计算的完全控制权；通过节点参与赚取积分且无需运行成本；并将 AI 与区块链深度集成，以提升安全性与透明性。【原文为英文】（ 来源 ）
3️⃣ 沉默多年后，以太坊官方社交账号终于「开口说话」
导读：在以太坊社区成员批评该网络缺乏线上营销（特别是在 X 平台）后，以太坊基金会宣布了一项针对网络「社交层面」的新策略。
Yuliya：在周一早些时候，以太坊基金会不仅推出了新的 X 平台账号 Ethereum Foundation，同时还通过较少发布原创内容的 Ethereum.org 账号发布了「helloworldcomputer」的推文。根据官方公告：1）Ethereum Foundation 将主要负责分享基金会团队动态、项目进展、资助信息以及资金库变动等相关信息；2）Ethereum.org 账号则将作为一个更为活跃的综合账号，致力于分享整个生态系统的最新进展，包括以太坊上的优秀项目、建设者故事以及全球采用情况。值得注意的是，这些变革不仅限于 X 平台，还将同步在 Farcaster、Lens 和 Bluesky 等其他社交网络平台上展开。EF 强调，这仅是调整的开始，未来还会根据生态系统的需求持续优化社交媒体的使用方式。
此次社交层面新策略的宣布，源于年初几位 ETH 重要人物就「Week in Ethereum」通讯停刊一事的争论。WiE 通讯作者 Evan Van Ness 与以太坊基金会的 Josh Stark 就 EF 是否资助该通讯以及为何终止发行展开争论。这引发了持续数日的讨论，许多社区成员借此表达了对基金会营销能力不足及社交媒体缺乏活跃度的不满。数据显示，自 2021 年 6 月以来，Ethereum.org 仅发布了 14 条原创推文，其中 2023 年无任何原创内容。此外，Boost VC 投资人 Mark Beylin 在论坛中指出，以太坊的社交层面临帮派化的问题，建议 EF 改进对外沟通方式。以太坊开发者 Tim Beiko 也呼吁加强社交媒体作为数字公共广场的作用，以更有效地反馈社区需求。 除了社交媒体策略外，以太坊的市场表现和基金会的资金管理也受到广泛关注。2024 年，比特币（BTC）与 Solana（SOL）均创下历史新高，而 ETH 价格却未能回到 4878 美元的峰值水平。
最近 30 天内，ETH 价格下跌 18.7%，目前略高于 3100 美元。与此同时，链上数据显示，EF 于 1 月 8 日出售了 100ETH，价值约 33.6 万美元。自 1 月 2 日以来，基金会累计出售了近 1300 万美元的 ETH。社区成员对基金会此举表达不满，认为其在出售 ETH 的同时未能有效利用社交媒体宣传生态创新。以太坊基金会的新社交媒体策略能否成功改善其与社区的互动关系，增强以太坊的全球影响力，还有待进一步观察。然而，这一改革至少表明基金会已开始认真对待社区对其营销不足的批评，朝着更透明、更高效的方向迈进。（ 来源 ）
4️⃣ 【英文】从 DAO 到 Hybrid DAO：人类与 AI 如何共同治理？
导读：以太坊研究员 Davide Crapis 撰文总结了 DAO 的最新发展历史，以及它们如何演变为融合人类与 AI 参与的混合模式。
davidecrapis.eth：截至 2024 年，DAO 生态系统已经显著成熟，新的工具和概念正推动其进一步发展。以下是主要趋势：1）AI 增强治理：由 ai16z 等机构提出的框架将人工智能集成到 DAO 的决策过程中，提升了其适应性和效率，同时保持透明性。2）公共物品 DAO：例如 Gitcoin 和 Optimism 的公共物品资金回馈项目 专注于支持开源基础设施和社区驱动的项目。3）DAO 即服务平台（DAO-as-a-Service）：类似 daos.fun 的服务简化了 DAO 的创建和管理，使去中心化治理对更广泛的受众更加可及。
DAO 的概念正在演变为一种包含人类与 AI 在去中心化框架内协作的混合模式。这些组织不仅能够解决当前 DAO 的一些局限性，还为创新和治理开辟了新的前沿领域。人类参与者与 AI 代理的混合（Hybrid） DAO 代表了去中心化治理的前沿发展。这些组织旨在利用人类创造力与 AI 效率的互补优势，构建具有适应性、可扩展性和弹性的结构。通过融合人类直觉与计算精度，混合 DAO 不仅能够解决现有的局限性，还可以探索去中心化协作的新可能性。其结构可以包括以下几种形式：1）分层决策：人类参与者负责高层次的战略与治理决策，而 AI 代理执行运营任务、分析数据并提供建议。2）AI 的专业角色：AI 模型可以作为顾问或调解员，处理复杂的数据集以指导集体决策，或执行自动化任务，如合规性监控和资源分配优化。3）共识协议：混合 DAO 可以利用 AI 促进共识，通过分析提案并提供支持或反对的总结性论据，减少参与者的信息负担。
混合 DAO 为管理高级 AI 系统的治理和对齐提供了一个有前景的框架。例如混合 DAO 可以通过透明、社区驱动的治理机制，确保 AI 的发展符合社会价值，从而实现对 AI 使用的伦理监督。混合 DAO 可以汇集资源，支持 AI 对齐研究，激励开发者之间的开放合作和问责机制。同时，通过整合具备实时学习和反馈能力的 AI 代理，混合 DAO 可以动态调整治理规则，以应对 AI 伦理与安全方面的新兴挑战。【原文为英文】（ 来源 ）
5️⃣ 【英文长推】去中心化隐私困境分析：共享状态与匿名性的博弈
导读：虽然通过 ZCash 或 Tornado 已经实现了隐私支付，但一个真正完全私密、可编程的区块链（类似 EVM）仍然难以实现。那么，为什么我们会陷入困境？还有希望吗？
Marti：完全私密的 AMM（自动做市商）之所以难以实现，是因为交易池的储备信息需要公开才能确定清算价格。如果这些信息被隐藏，系统就无法提供公平且透明的定价机制。用户可以私下提交交易请求，将资产转移到预言机，预言机再将目标资产以私密的方式返回给用户，同时公开更新后的价格。在这个过程中，储备金额是隐藏的。然而，论文指出，攻击者可以通过观察交易请求和价格变化推断储备量。具体而言，攻击者可以自己提交交易请求，通过观察价格变动模式逆向推导储备金额。这种「隐私交易」在理论上并不真正私密，因为它无法隐藏交易池的状态变化。
penumbra 提供了一种当前可行的批量交易协议，为隐私交易提供了部分解决方案。在这种设计中，所有交易会在区块级别汇总并以固定清算价格执行。验证者会对每个资产对的交易总量进行计算，并得出区块内的清算价格。交易完成后，用户可以以全新的不可链接方式认领输出金额，这类似于 ZCash 的屏蔽交易，确保了用户资产的隐私性。这种设计的优点在于，通过汇总交易数据，可以在一定程度上隐藏单笔交易的具体信息，同时保持了价格透明度。然而，这种方法也有明显的局限性：当前版本中，交易的输入金额仍然是公开的，因为验证者需要汇总这些数据来计算清算价格。这意味着，只要总交易金额已知，就可以通过反推计算出单笔交易的输出金额。隐私的程度主要取决于匿名集的大小，即每个区块内的交易数量和规模。如果交易量较少，匿名性会明显降低。
将隐私扩展到更一般的「可编程隐私是一项更复杂的任务。现有的尝试（如 Aleo 和 Aztec）显示了这方面的潜力，但它们通常迫使开发者在私密状态和公开状态之间做出权衡。这种编程范式非常棘手，开发者需要时刻关注状态泄露的风险。例如，当一个秘密值与公开值进行交互时，可能会导致敏感信息被推导出来。如果设计不当，即使单次操作表面上保持隐私性，也可能通过公开结果反推秘密值。相比之下，一种更简洁的方式是通过匿名性（而非完全保密性）来实现隐私。例如，利用自动化的屏蔽和解屏蔽机制，资产可以在私密状态与公开状态之间无缝转换，从而提供足够的隐私保护，同时保留系统的透明性和可用性。【原文为英文】（ 来源 ）
