Crypto OS

AI 在 Crypto OS 中的位置

五种角色、六个能力等级、一条 AI Safety Stack。模型负责提案，确定性系统负责校验。

AI 不是这套课最后加的一章。它在每一章都出现，但始终以同一种方式出现：

AI 负责提出假设，你负责验证事实。

这一页说明这句话在不同场景下具体意味着什么。

五种角色

同样是「用 AI」，角色不同，风险完全不同。

1Tutor

解释复杂概念，随时追问到听懂为止。

解释 Funding Rate手算一次 AMM 报价比较 Ethereum 与 Solana 的取舍
2Research Copilot

搜索、整理、比较、提取、验证与监控。

抽取 Tokenomics 文档的结构化字段对比三个协议的收入口径每周汇总解锁日程
3Builder Copilot

写 PRD、写代码、写测试、Debug、审计与文档。

解释一段合约生成测试用例解析一笔交易的 Trace
4Operational Agent

持续监控协议、钱包、市场、风险、治理与新闻。

监控某个地址的转账监控抵押率与清算线监控治理提案
5Economic Agent

拥有身份、钱包、预算、策略与执行能力，成为经济主体。

按预算购买数据与算力用 Stablecoin 支付 API与其他 Agent 结算

前三种角色的错误代价是浪费时间，后两种的错误代价是丢钱。所以课程从第 4 种角色开始，强制要求配套约束。

六个能力等级

级别AI 能做什么必须配套的约束
L0 不用 AI自己理解基本知识。—
L1 AI Assistant问答与解释。把结论当假设，不当事实。
L2 AI Copilot研究、写作、代码。一手来源核对，代码必须自己 Review。
L3 Tool Agent调用搜索、API、RPC、数据库与只读钱包。工具权限白名单，全部调用留日志。
L4 Financial Agent分析、交易、支付、管理资产。预算上限、地址白名单、模拟先行、超额人工审批。
L5 Autonomous Economic Agent自主获得收入、购买服务、支付成本、与其他 Agent 协作。策略引擎 + 风险引擎 + 可审计日志，且必须能被一键停机。

一条经验：你在哪一级，取决于你能验证到哪一级。如果你无法判断模型给出的合约调用是否正确，你就不该运行在 Level 3 以上——不是因为模型不行，而是因为出错时你发现不了。

AI Safety Stack

任何涉及资金的 AI 系统，都必须走完这条链路。这是 T32 的核心，也是所有 Agent 作业的验收标准。

1Intent人给出目标与边界，而不是给出一条会被直接执行的指令。
2LLM只产出提案。模型的输出在这一层没有任何执行力。
3Structured Output强制类型化：字段、单位、地址、金额，不接受自由文本。
4Validator确定性校验：地址是否合法、金额是否溢出、参数是否在范围内。
5Policy策略引擎：单笔上限、日累计、白名单、时间窗、需要人工审批的条件。
6Simulation先在模拟环境跑一遍，拿到真实的状态变化与最坏结果。
7Risk Engine按模拟结果打分：滑点、敞口、清算距离，超阈值直接拒绝。
8Execution只执行已经通过前面所有层的提案，且必须可被一键停机。
9Onchain Verification执行之后回链上核对：状态真的变成预期的样子了吗。
10Audit Log完整记录：谁提的、为什么通过、执行了什么、结果是什么。

三句话概括这条链路的职责划分：

  • 模型负责：Proposal。
  • 确定性系统负责：Validation。
  • 执行系统负责：Execution。

三者不能合并。一旦模型的输出能直接触发执行，中间所有的校验都失去意义。

绝对禁止的架构

课程里禁止出现的架构

  1. Prompt
  2. LLM
  3. Private Key
  4. Send Transaction

模型直接拿到私钥并发出交易，中间没有任何校验。任何作业出现这个结构都判不通过。

这个结构的问题不是「不够安全」，而是它没有任何地方可以发现错误。模型一次幻觉、一次提示注入、一次单位写错，钱就没了，而且事后连原因都查不清。

课程里任何作业出现这个结构，直接判不通过。

每一章的 AI Lab 怎么读

每个 AI Lab 都有两部分：让 AI 做的事，以及你必须自己验证的清单。

清单上的项目不是随便写的，它们对应模型最容易出错的四类地方：

出错类型长什么样怎么验
编造事实不存在的协议参数、不存在的接口、不存在的报告打开一手来源，逐条对
过期信息早已修改的参数、已经废弃的版本、已经被攻击的协议看文档的更新时间与链上现状
口径错误把激励算进收入、把 FDV 当市值、把 TVL 当收入自己重算一遍关键数字
相关当因果「因为 A 所以 B」，实际只是同时发生找反例：有没有 A 发生而 B 没发生的时候

做过十来次以后，你会形成一种直觉：模型在哪些问题上可靠，在哪些问题上需要盯紧。这种直觉本身就是课程要培养的 AI Literacy。

常见误解

相关章节

主题Part APart B
AI 改变研究方式第 31 章T31
AI 与交易、资产管理第 32 章T35
Agent 为什么需要 Crypto第 33 章T33
Agent Wallet 与权限第 34 章T34
机器支付协议第 35 章T34
可靠的 AI 架构—T32
自治链上经济第 36 章T36

知识图谱

72 章之间的依赖结构。这一章看不懂该回去补哪一章，以及你现在学的东西处于什么位置。

职业 Track

学完 Core 36 章之后的十一条分流路线，每条都有自己的毕业作品。

本页目录

五种角色六个能力等级AI Safety Stack绝对禁止的架构每一章的 AI Lab 怎么读常见误解相关章节