全部 通识 以太坊 比特币 Solana 公链 Solidity Web3应用 编程语言 安全 密码学 AI 存储 其他

AI框架太多了

当前AI开发正面临框架瓶颈，例如LangChain和AutoGen等框架在快速启动项目后，会限制性能优化和调试。建议采用agentic primitives，即小型、可组合的构建块，例如原子代理、显式状态管理和声明式编排，以提高可调试性、性能优化、可测试性、增量部署和成本控制。这种方法可以构建定制化的、生产级别的AI系统。
AI框架  agentic primitives  LangChain  AutoGen  调试  性能优化  模型 

奇点会到来吗？

文章探讨了人工智能（AI）技术发展是否会导致技术奇点，即技术发展变得不可控和不可逆转，并威胁人类社会。文章引用了多项研究，包括ChatGPT 4通过图灵测试，以及对AI发展速度的预测。文章认为，虽然AI在某些方面超越人类，但目前看来奇点在短期内不太可能发生，并讨论了AI可能面临的挑战如学习内容质量下降以及未来的发展方向。
人工智能  技术奇点  GenAI  图灵测试  深度学习  Memex 

数字化取证和欺诈分析变得更简单

本文介绍了使用 LlamaCloud 和 LlamaIndex 进行文档解析，以提取如英国邮政编码、IP 地址、电子邮件地址、银行详细信息等敏感信息的方法，用于欺诈检测和数字取证。通过 GenAI 引擎，可以从各种格式的文档中提取信息，并展示了使用 LlamaExtract 提取信息的代码示例。文章还评估了使用不同配置的成本和输出结果。
LlamaIndex  LlamaCloud  文档解析  欺诈检测  数字取证  GenAI 

Monad MCP Server 教程：与 Monad 测试网交互的利器（附惊喜彩蛋）

在区块链开发的广阔领域中，与主网/测试网进行高效交互是开发者们必不可少的技能。MonadMCPServer作为一款强大的工具，为开发者提供了与Monad测试网进行交互的便捷途径。它允许开发者检查MON代币余额、发送交易、部署智能合约以及监控区块链事件等。本文将详细介绍如何使用M
MCP 
  • King
  • 发布于 2025-05-15
  • 阅读 ( 385 )
  • ( 30 )

AIFi > DeFAI : 蝴蝶效应

将 AI 与 DeFi 集成（AIFi ）将增强 DeFi 的现有使用方式。从比较定义开始，然后深入 DeFi 痛点、可验证性和各种用例, 探讨了蝴蝶效应：在复杂系统中，初始的小变化可以导致后来的重大、不可预测的结果。更好的定义会激发更好的系统
AIFI  DeFAI 

Recall回归：追踪你一切行为的“最愚蠢AI”！

文章讨论了微软即将推出的Recall功能，该功能会定期截屏并使用OCR技术提取屏幕上的文本，存储在本地数据库中。作者担心这会带来隐私风险，因为用户的密码、银行详细信息等敏感信息可能被泄露。文章还探讨了这种技术可能被滥用的场景，例如被网络罪犯利用或被用于广告投放和执法。
Recall  微软  隐私  OCR  数据安全  人工智能 

Concrete ML v1.9：TFHE-rs 兼容性和更快的 LLM 微调

Concrete ML v1.9 版本发布，引入了对 TFHE-rs 密文格式的支持，使 Concrete ML 模型能够无缝集成到基于 Rust 的 FHE 管道中。
Concrete ML  TFHE-rs  全同态加密  FHE  LoRA  LLM微调 
  • ZamaFHE
  • 发布于 2025-04-11
  • 阅读 ( 391 )
  • ( 13 )

Concrete ML v1.9：TFHE-rs 兼容性与更快的 LLM 微调

Zama发布 Concrete ML v1.9 版本，该版本支持 TFHE-rs 密文格式，支持开发者使用 Rust 生态系统进行加密机器学习工作流程，能够将 Concrete ML 模型无缝集成到基于 Rust 的 FHE 管道中。同时，LoRA LLM 微调协议也得到了性能上的改进，并推出了新的 SDK，旨在构建支持 FHE 的浏览器和移动应用程序，使移动用户能够安全地处理敏感数据。
全同态加密  FHE  Concrete ML  TFHE-rs  LLM  LoRA 
  • ZamaFHE
  • 发布于 2025-04-11
  • 阅读 ( 377 )
  • ( 11 )

借 AI 之力，践十万小时，创多元产品

在个人成长与事业开拓的漫漫长路中，“10万小时定律”宛如一座闪耀的灯塔，照亮前行的方向。作家格拉德威尔在《异类》中提出，天才并非天赋异禀，而是凭借持续10万小时的不懈努力，从平凡走向卓越。如今，我决心将这一定律融入借助AI实现各类产品的实践中，在数字科技的浪潮里，书写新的篇章。
AI  10万小时定律 
  • King
  • 发布于 2025-04-03
  • 阅读 ( 1238 )
  • ( 13 )

AI领域最大规模的草根运动

本文深入探讨了AI数据获取面临的挑战，包括数据中心化、质量下降以及数据来源验证的需求。Grass通过建立去中心化的网络爬取平台，利用个人设备的闲置带宽进行数据收集和处理，并以$GRASS代币奖励贡献者，从而为AI公司提供高质量的训练数据。Grass网络的用户规模和数据处理能力均实现了显著增长，并通过Sion升级进一步提升了多模态数据处理能力。
AI  数据采集  去中心化网络  区块链  数据质量  GRASS代币 

零知识AI：私有、无需信任AI的未来

本文深入探讨了零知识AI（ZKAI）如何利用零知识证明（ZKP）、可信执行环境（TEE）和区块链验证，实现无需信任且保护隐私的AI部署。文章详细介绍了ZKML在保护隐私AI计算中的作用，区块链作为AI模型验证器，TEE在AI安全中的应用，以及ZKAI在Web3、DeFi和去中心化身份中的实际应用，并展望了去中心化AI代理的未来。
零知识证明  ZKML  可信执行环境  区块链  隐私保护  去中心化AI 

动漫需要Web3

本文深入探讨了日本动漫产业在全球取得主流地位的历程，分析了其赖以生存的生产委员会制度的优势与弊端，并探讨了Web3技术如何通过去中心化融资、透明收益分配、粉丝参与等方式解决传统动漫产业的结构性问题，Animecoin作为Web3与动漫融合的代表项目，旨在构建一个由创作者驱动和粉丝赋能的动漫生态系统。
动漫  Web3  生产委员会  Animecoin  去中心化  NFT 

AI Agent框架指南 [2]：实现类似DeepSeek R1的推理模型

该文将会引导用户一步一步实现AI Agent中有趣的功能，Thinking。
  • BoxChen
  • 发布于 2025-03-05
  • 阅读 ( 980 )
  • ( 22 )

Vitalik: AI为引擎，人类为方向盘

文章探讨了如何利用AI在民主结构中获取益处，同时避免其缺点。重点介绍了通过AI作为引擎，人类作为方向盘的模式，以及通过竞争性开放市场和AI结合的方式来实现这一目标。
AI  民主结构  竞争性开放市场  Futarchy  Distilled human judgement 

如何使用ElizaOS和Gelato创建加密AI代理

本文介绍了如何使用Gelato和ElizaOS在Ink上创建链上AI代理。ElizaOS简化了AI代理的创建和部署，Gelato提供了跨EVM链的自动交易管理、Gasless操作、可验证的随机数生成和去中心化自动化等基础设施。通过CoinFlip AI这个示例，展示了如何将ElizaOS与Gelato的Web3服务集成，创建基于区块链的应用程序。
AI代理  ElizaOS  Gelato  Web3  区块链  自动化 
  • gelato
  • 发布于 2025-02-26
  • 阅读 ( 89 )

AI Agent框架指南：先从ChatGPT开始

Agent其实并没有那么复杂，但是他实现的功能可以非常强大。AI为我们创造了无数的神奇黑盒，将大量的逻辑代码变成了一个一个小小的APICall，极大的提升了我们开发的效率。
AI Agent 
  • BoxChen
  • 发布于 2025-02-24
  • 阅读 ( 1215 )
  • ( 29 )

区块链与AI相遇：链上AI代理、DeFi与Web3集成

本文探讨了人工智能（AI）与区块链技术的融合如何重塑去中心化应用、金融和治理，介绍了onchain AI agent、GOAT Toolkit、Eliza和ZKML等技术，以及它们在DeFi、智能合约和Web3中的应用。
onchain AI agents  DeFi  smart contracts  ZKML  Eliza  GOAT Toolkit 

最大化 Cursor 使用：高级提示、Cursor 规则与工具集成

本文介绍了如何通过高级提示技术、Cursor规则、工具集成和外部文档的使用来最大化利用Cursor编辑器，提升与AI助手的协作效率。文章详细讲解了链式思维提示技术、少量提示技术、Cursor规则的最佳实践、如何集成PDF和GitHub仓库内容等内容，并提供了管理长代码库的实用建议。
Cursor  提示技术  链式思维提示  少量提示  工具集成  AI协作 

使用 ai16z 创建 AI Agent

本文介绍了如何使用 ai16z 的 Eliza 框架创建一个 AI Agent，特别是针对 Twitter 平台的集成。文章详细讲解了 Eliza 的安装、配置、主要功能、Twitter 连接设置、LLM 模型配置以及如何自定义 AI 角色。此外，还提供了高级用法、安全建议、参考资料以及故障排除等内容，帮助读者快速上手并构建自己的 AI Agent。
AI Agent  Eliza 框架  ai16z  Twitter 集成  LLM 模型  自动化 
  • csjcode
  • 发布于 2025-02-21
  • 阅读 ( 398 )

对抗性人工智能与模型强化：防御攻击

本文深入探讨了人工智能模型面临的对立攻击、数据中毒和模型提取等威胁，并提供了防御策略和最佳实践，包括对抗训练、数据验证和模型加密等。
Adversarial Attacks  Data Poisoning  Model Extraction  Adversarial Training  LLM Security