未来 = LLM+Blockchain

一键发币： SOL | BNB | ETH | BASE | Blast | ARB | OP | POLYGON | AVAX | FTM | OK

如今，人工智能和区块链似乎没有太多接触点。 在本文中，我们认为这种情况很快就会改变，并且它将对区块链和基于区块链的团队产生广泛的影响。

LLM，特别是 ChatGPT，对任何人来说都不是什么新闻。 但究竟是什么让这些模型如此有用呢？ 它们将如何影响区块链？

在本文中，我们将展示LLM如何成为一条巨大的用户体验捷径——借助LLM的适应性、链上透明度和灵活的意图匹配，使我们从完全痛苦的状态中摆脱到远远超越 Neobank UX 的程度。

我们还介绍了这将如何影响区块链、协议和钱包团队，以及它将如何改变获胜的面貌。

最后，我们将介绍区块链如何成为LLM存储和雇用人员做LLM自己无法做的事情的理想轨道，以及LLM开始在链上管理人类团队。

人工智能可以共同推动区块链的大规模采用。

首先，让我们找到一种理解 LLM 的简单方法。

1、是什么让LLM有效？

LLM的一个引人注目的方面是，在高水平上，它们是任何人类表达形式之间的通用翻译机器。 就像双向 BabelFish。

不仅仅是自然语言到自然语言（英语到粤语），而是任何表达方式，例如：

• 数学公式->10岁孩子的英语散文。
• 想法->计划
• 计划 -> 代码库
• 想法不明确 -> 适合澄清的问题 -> 想法清晰
• 俳句 -> 说唱歌词
• 描述 -> 图像（借助图像模型）

其次，LLM包含了人类所表达的大部分思想。 百科全书。

因此，了解LLM的一种方式是将其视为一本交互式百科全书，您可以以任何形式的表达与之交谈并获得回复。

现在，这对区块链意味着什么？

2、为什么这很有用

• 区块链是为开发者打造的

区块链是强大的形式化环境。 他们通过提供不可伪造和去中心化的历史记录来将信任商品化。

区块链是一个年轻的生态系统，主要由开发人员编写并为开发人员服务。 它们非常开放、模块化并且文档齐全。

这使得它们非常适合开发人员之间的分散协作。 但并不立即适合零售用途。

• LLM可以弥合与用户之间的差距

现在，LLM使任何表达模式之间的翻译商品化。 因此，LLM可以通过将自然语言翻译为区块链交易来完全缩小零售用户的差距。

得益于开放且记录齐全的接口，LLM拥有将自然语言意图转换为调用数据（calldata）所需的一切。

LLM可能是消除不良用户体验的神奇捷径。

仅仅翻译是不够的——LLM还可以帮助我们弄清楚我们想要什么。

3、AI可以帮助发现并传达你的意图

人们谈论意图时就好像我们想要什么以及如何传达它是显而易见的。 我们只需要一个接口来沟通它们。

但我们认为在大多数情况下：

• 我们不知道自己的意图；或者
• 我们不知道如何将我们想要的东西变成交易。

LLM可以帮助您发现潜在意图并在链上有效地表达它。

4、在LLM的帮助下发现你的意图

如何从模糊的愿望（“明智投资”）转变为具体的交易？ 也许是通过一个非常嘈杂和不完整的研究、建议、理解和分析过程。 在此过程结束时，你可能只会知道一些最好的后续步骤。

LLM可以访问所有公共数据、分析你的钱包并借助您的反馈阐明您的意图。

LLM可以使这个过程更加有效，并帮助您发现否则您可能会错过的意图。 他们能

• 使用你的链上数据来描述您，
• 根据你的输入完善您的意图，并且
• 做你想做的研究。

仅进行分析就会发现很多你没有时间定义的意图。

4.1 分析你的钱包

大多数区块链都是透明的。 你的交易历史和代币持有量是公开的，并详细说明了你的很多信息 - 你的兴趣、风险承受能力以及下一步可能会做什么。

LLM可以分析你的钱包，并做家族办公室为客户做的事情：为你提供建议。

以下是LLM如何将链上数据转化为有意义的建议。

4.2 聚类

对于人工智能来说，没有什么比找出良好的嵌入更容易的了。 也就是说，找到具有类似行为的其他钱包，然后根据这些钱包的功能提出建议。

但单独聚类是相当不加区别的。 你可以使用 LLM 魔法来获得更多定制结果。

4.3 定制一般建议

关于如何管理资产的建议很容易找到。 但是，将一般建议（“分散你的资产”）转变为你钱包的实用逐笔交易策略需要付出努力。

LLM可以轻松地将这些一般性建议转化为为你的钱包定制的具体意图。

例如，LLM可以将“分散你的稳定币持有量”的一般建议转化为“你可以根据市值的对数将USDT 拆分为 USDT、USDC、LUSD 和 RAI”。

但你很难仅仅由你的钱包和“专家”的言论来定义。

4.4 用户引导的发现

发现你的意图的最有价值的来源就是你自己。

LLM可以根据你的钱包历史记录和对一些问题的回答，帮助你从高级目标转向具体意图。

然而，在许多情况下，你想要的还取决于你需要研究的确凿事实（例如当前的贷款利率）。

4.5 外包你的研究

LLM不仅仅局限于你的输入。 他们还可以研究你希望有时间做的事情。 例如，从你的推特上阅读，收集最新的借贷池 APY，监控协议启动，或者找出在哪里进行空投。 人工智能可以为你完全自动化执行此操作。

最后，你会得到一份你想做的事情的漂亮清单——你的意图。

但是，将你想要的东西转化为特定的链上交易是另一项艰巨的任务。

5、将你的意图转化为交易

用户体验——或者说将意图转化为交易的方式——是加密货币领域的一个难题。

然而，LLM可以直接将你的意图转化为智能合约调用。 并消除了解你想要的内容和在链上将其表达为交易之间的所有摩擦。

LLM可以构建比我们今天更智能的交易。

5.1 通过模糊意图匹配让 CoW 发生

你的意图并不是孤立存在的。 在许多情况下，你正在寻找其他人进行交易：交易对手。

P2P 交易比点对点交易更高效，因此我们的目标应该是尽可能频繁地找到需求重合 (CoW)。

不幸的是，即使在 CowSwap 中，CoW 也很少发生。 如果你想将 ETH 交易为 USDC，你需要找到在同一区块中将 USDC 交易为 ETH 的人。

但是，如果有人提交了将 USDT 交易为 ETH 的意向，但同时也持有 USDC——也许他们也愿意用 USDC 购买 ETH？ 那么你的交易可能会出现CoW。

LLM可以通过将几乎匹配的意图转变为匹配的意图来帮助找到这些 CoW 机会。 就是这样。

LLM 可以轻松地将具体表达的意图映射到其背后的更高级别的意图空间（“用户可能真正想做的事情”）。 然后模糊匹配语义上接近的意图。 由于LLM对语义的理解，他们可以开箱即用地做到这一点。

从那时起，LLM可以帮助你通过重新谈判获得更多的 CoW：

• 内部意图重新协商：找到与你的意图模糊匹配的其他意图，然后为你提供意图的表达，以匹配它在链上找到的其他意图。 例如，“可以购买 LUSD 而不是 USDC 吗？我找到了匹配的限价单，使用此 CoW 可以节省 0.3% 的交易费用。”
• 外部意图重新谈判和报价：询问其他持几乎匹配意图的LLM，提出对其人员的调整：“我想购买你拥有的另一个 BAYC；你愿意以 X ETH 的价格出售该 BAYC 吗？”
• 钱包甚至可以显示与你的资产相匹配的意图。 “你想卖掉这个职位吗？ 市场 atm 上有匹配的 OTC 报价。”

借助LLM，我们可以毫不费力地扩大意向谈判并找到更多双赢。

但模糊匹配甚至不是增加点对点匹配的最有效方法。

5.2 广泛的意图 – 让 CoW 在范围条件下发生

LLM还可以帮助你构建更广泛的意图。 包含各种可接受条件的意图 - 使匹配更容易。

带有选项的意图的一些示例：

• 包括你交易中资产的替代选项列表（例如，购买任何质押的 ETH，而不是 WETH；使用钱包中的任何稳定币购买 NFT；或从任何顶级借贷平台获得 ETH 贷款）；
• 价格和时间范围：指定可接受的价格范围（不发布滑点）和更长的执行时间范围；
• Oracle 检查块内条件（例如，如果夹在中间，则使交易无效）或指定交易失败时的后备选项。

所有这些都将大幅增加 CoW，并降低你的交易成本。

到目前为止，我们已经了解了LLM如何让你与区块链进行无缝交互。 但仅仅让LLM通过调用一串智能合约来组成复杂的交易听起来有点冒险。

6、使用可组合意图模块约束LLM

我们之前提到，LLM非常擅长在语义上映射到任何形式语言。 因此，让我们定义一种新的语言，旨在安全地表达意图，限制LLM使用该语言，然后从那里安全地编译交易。

我们将这种语言称为“可组合意图模块”。 模块设计为安全构建块。

想象一下，例如，一个安全交换包装器会仔细检查你是否获得了足够的资金用于交换。 例如。 它可以检查你是否至少获得了五个可信 Oracle 价格的中位价格。 如果不存在报价或交换返回较少，则包装器会使你的交易失败。

另一个可能是较低级别的模块，例如 Good Swap，它从五个受信任的求解器获取报价，选择最佳的，并通过三个私有 RPC 提交交易。

模块还可以带有元信息。 例如，为你的LLM提供有关如何监控 Good Swap 执行情况的说明以及该模块如何工作的说明，以便LLM可以向你解释。

意图模块可以包含不同级别的抽象：

• 低层：可信调用和合约；
• 应用层：可信协议、预言机、求解器；
• 装饰器：安全包装器（预言机价格检查、代币列表、交易模拟）；
• 微观意图：交换、质押、借出、借用、桥接；
• 宏观意图：马科维茨投资组合优化、收益率优化、美元成本平均、冰山订单、管理杠杆 CDP。

但LLM不仅仅局限于链上组件。

6.1 查询链下数据的意图模块

意图模块还可以使用链下数据。 该模块可以指定一个开源库，LLM可以运行该库来获取链下数据（例如优化的交换路径）来构建您的意图。 为了验证 LLM 是否运行了正确的代码，该代码可以生成零知识证明，并由链上组件进行验证。

因此，通过可信的形式意图语言，LLM可以轻松地将你的意图（用自然语言描述）转换为可编译为交易的形式语言。

但是，如何验证交易是否真的符合你的要求？

6.2 可信的反向翻译

习惯的用户可能会像伪代码一样阅读意图语言。 但大多数人需要自然语言的解释。

我们不相信LLM可以通过这种反向翻译来保护我们免受欺骗。 但意图模块可以简单地包括关于它们所做的事情的自然语言解释。

例如。 良好交换可以包含模板“你支付 X 并且将至少收到 Y，否则此交换将失败。”

但LLM可以做的不仅仅是发现你想要什么。

7、LLM将做出我们希望能够做出的交易

我们可以利用LLM来做一些我们觉得容易表达但实际上很难做到的事情。

7.1 无限关注

LLM可以根据你的意愿对广泛的甚至不可预测的事件做出准确的反应。

LLM 速度更快，并且受到无限关注。 他们能：

• 执行长序列的事务，其间有任意的等待时间或失败；
• 监控异常事件（异常值）并找到安全的方法来应对它们；
• 探索大量信息（例如，阅读文档和白皮书或查看稳定池的所有 APY 率）并选择最合适的选项；
• 监视条件类型，然后执行精确的预定义策略。

同样，纯粹的自动化和LLM之间的区别在于LLM可以在语义上匹配意图和特定情况。 由于其模糊性，它们可以覆盖比简单的链上意图更广泛的场景。

LLM将使你在正确的时刻重新质押或转移仓位、以你想要的方式对新闻做出反应、拥有桥接交易的耐心或为空投编写策略和农场变得轻而易举。

但时间和注意力并不是阻碍我们进行良好交易的唯一因素。

7.2 克服情绪偏见

我们希望如何反应（例如，在达到价格目标后退出，或者当稳定币崩溃时进行战略性反应）与我们实际的反应（贪婪和恐慌）之间存在差异。

LLM可以帮助我们做出理想的决定，并在平静的时刻坚定地执行我们定义的意图。

在LLM的帮助下，我们可以为各种场景准备整套意图。 我们可以让我们的LLM在时机成熟时执行它——或者至少向我们提供一个预先计划好的签署计划。

但让日常交易变得顺畅只是LLM在区块链上所做的事情的开始。

8、LLM将使用区块链作为金融轨道

区块链是LLM进行银行业务的理想环境。 无需许可、无需信任、确定性、透明、有据可查且开源。

区块链对于人工智能来说也没有障碍； 不需要人类油脂，也不需要 KYC。 没有人可以按下开关并关闭你的帐户。 金融我的世界：简单且无限可编程的块——每个人工智能的梦想。

如果代表数百万用户的LLM选择区块链作为他们的金融轨道，这很容易推动大规模消费者采用区块链。

8.1 大众消费者采用

LLM作为聊天机器人已经得到了广泛采用。 让他们能够访问区块链并让用户表达财务意图只是一小步。

我们不仅使用LLM来获取信息，还使用LLM来查找、选择和支付产品费用。 并获得贷款并做出投资选择。

如果区块链成熟得足够快，LLM的理性选择将是使用它们而不是 tradfi。 这可能足以扭转局势。

无论大规模采用如何，区块链很可能成为LLM寻求并为自己想要购买的服务付费的地方。

9、AI通过区块链雇用人类

LLM可以雇用人员来完成链上的任何任务：

LLM仅限于软件可以做的事情。 但通过区块链，人工智能可以贿赂人类。 人工智能可能从人类那里购买的一些服务包括：

• 更高的智能：只要人工智能不如人类聪明，它们就可以购买人类的输入来改进决策。
• 人性证明：如果某些行为需要人性证明——例如用世界币验证钱包、提供居住证明、开立银行账户或解决验证码——人工智能可以付钱给人类来为他们做这件事。
• 代表：在现实世界的会议中代表人工智能，或者做任何当前需要或作为人类更有效地完成的事情。
• 物质的东西：做需要物质身体的事情：去收集一些东西，组装一些东西，进行实验，或者为另一个人做一件人类的事情。

对于今天的LLM，你可能无法判断是人类还是人工智能在管理该项目。

9.1 AI管理的项目

今天的LLM可以管理整个项目是可行的。 LLM可以通过精确的协调和无限的支持来弥补智力的不足。

当更多的智能变得至关重要时，人工智能可以向经验丰富的人类寻求输入。 例如。 总体项目目标、计划或软件架构。

允许人工智能管理项目的轨道已经存在。 像 Dework 这样的任务平台提供了人工智能在链上雇用人类所需的一切。

人工智能的一个有趣项目是要求人类构建缺少的部件来满足人工智能用户的意图。 例如。 缺少意图模块，或缺少协议证明。 然后向需要这些组件的用户众包开发。

但实际上任何项目都是可能的。

我们的交易方式和区块链使用方式的变化可能会对区块链、协议和钱包产生重要影响。

10、如何在LLM的世界中获胜

LLM 将如何改变游戏规则？

10.1 可证明的事实比品牌和“营销”更重要

LLM可能不会受到无法证实的主张和“营销”的影响。

相反，可验证的事实（正常运行时间、交易成本、出块时间、预先确认、深度/流动性、价格、安全证明）将更重要。

如果你的文档和 SDK 主要由LLM使用，你也可以以不同的方式编写它们。

10.2 更好的解决方案可以一夜之间获胜

当人工智能构建你的意图并合理优化时，像 Morpho 这样的协议对现有解决方案进行了严格改进，几乎可以在一夜之间获得巨大的市场份额。

这意味着具有规模经济的解决方案将增长得更快，但寻租者将很快被更好的解决方案推翻。

今天，你可能仍出于习惯使用 SushiSwap，但明天LLM将选择 CowSwap。

10.3 区块链将变得更加有用

与人工智能聊天几分钟即可构建你今年的投资策略。 感谢翻译、模块化和开放接口，你实际上可以在链上表达所有内容。 除此之外，你还可以找到直接交易对手并跳过交易费用——区块链将更加有用。

10.4 LLM会让单一的 UI 变得过时吗？

单一 UI 需要满足所有人的需求。 LLM将为每个人构建他们想要的 UI。
如果LLM创作了大部分交易，并且LLM可以直接与协议交互，那么固定的用户界面可能会变得不那么重要。

像下面这样的对话已经可以实现：

用户：“向我展示我持有的代币的合理时间表。”

LLM：“当然，我会绘制过去 12 个月的图表，将类似的资产（例如稳定币）分组在一起，并根据所持代币的美元对数价值增加线条的厚度。听起来怎么样？”

你：“听起来不错。”

LLM：“这是图表。”

构建适合每个人的用户界面的难题可能已经结束。 LLM将为每个人构建他们想要的 UI。

10.5 钱包会做什么？

什么是钱包？ 它可以保存你的密钥，为你进行 RPC 调用，为你提供一个 UI 来表达意图，并监控你的交易。 我们可能仍然希望钱包能保存我们的钥匙，但LLM可能也可以完成剩下的事情。

一些钱包可能会使用经过微调的 LLM 来帮助你更快地找到意图，使用意图白名单模块安全地表达它们，并为你提供 LLM 漂亮的 UI 构建块来使用有关你的钱包的信息（例如适应性仪表板）。

10.6 吸引LLM的连锁店将会获得大量的销量

无论谁成为 ChatGPT 和其他 LLM 的主链，都将在大规模采用方面占据先机。 单一大型LLM服务的潜在交易量可能使当今的钱包交易量相形见绌。 LLM 集成可能是最有价值的订单流集成。

10.7 协议可以更加专业化

如果品牌不再那么重要，并且每个解决方案在人工智能眼中都同样可见，那么更专业的解决方案就会变得更加可行。

你可以构建专门针对小型 OTC 交易的协议，或者仅针对波动性代币的 TWAP，或者德国小型企业之间的 KYB 贷款。 当它们符合意图时，人工智能就会找到它们。

11、安全问题

LLM是难以理解且难以协调的。 你不能保证智能合约中不会隐藏一些提示将你的资金发送到垃圾箱，同时告诉你这只是一个正常的交换。

正式的意图模块和安全的反向翻译可能是遏制这种风险的方法。 但这需要更多的研究。

人们还担心为很快就会比我们更聪明的系统提供金融支持。 对此我们可能无能为力，但这是另一篇文章的讨论。

12、结束语

我们在本文中提出了许多大胆的主张。

• LLM将通过发现和描述我们的意图，让区块链变得更加有趣。 通过明智地了解意图，更多的 P2P 交易将会发生，全球易货贸易将使我们所有人的生活变得更好。
• 也许LLM将帮助我们解决很大一部分用户体验问题。
• 大部分区块链流量将由LLM驱动。 尤其是使用区块链作为金融通道的消费者LLM。
• 引起AI关注的链和协议将会获胜。
• 很快（或今天？）我们将看到AI管理项目并贿赂人类来帮助他们解决问题。

目前尚不清楚如何将LLM安全地带到链上。 但我们表明，正式的意图语言可以作为一个起点。

我们希望我们强调的一些含义和想法将为团队探索LLM对区块链的影响提供有用的起点。

这不是人工智能或区块链，而是人工智能💗区块链。

原文链接：Blockchain in the age of LLMs

DefiPlot翻译整理，转载请标明出处