協議和團隊應該停止為內容支付KOL。 團隊唯一應該發放代幣的時候，是給那些為他們的項目創造高價值並帶來結果的KOL或社區成員。 你的產品或敘述應該足夠有趣，以至於有影響力的人自然會想要購買並撰寫相關內容。 這些人才是你應該分配代幣的對象，而不是為那些機器人追隨者做三個付費帖子的大使。 “如果我無法讓任何人對我的產品感興趣並發推怎麼辦？”那就繼續建設，如果你無法建立幾個核心支持者，顯然你還沒有找到合適的利基市場或足夠地進行網絡聯繫。 我對建設者的訊息是：建造一些足夠酷的東西，讓人們自然想要購買和撰寫，將代幣給那些與你的願景一致的最大支持者。因為： 1. 他們更有可能加班並超越預期來幫助你成功，因為你展現了強烈的道德行為（在這個領域中是罕見的） 2. 你支付一定數量的帖子的人會在交易結束後立刻失約並拋售代幣。 我不做任何形式的付費推廣，但顯然我不會拒絕對於我極其看好的項目提供的免費代幣，沒有任何附加條件。最好的寫手是無法被收買的，如果你試圖這樣做，他們會拒絕。 玩長期遊戲，不要走捷徑，這會在你業務的每個領域反映出來，聰明的交易者能夠從遠處嗅到這一點。 KOL活動已經死了，99.9%的市場營銷機構都是浪費金錢，對你的業務將是負面的。 進入這個市場的唯一方法是擁有願意親自參與的加密原生團隊成員。

OpenAI 今天剛剛確認了我對 AI 的北極星論點，發布了他們的操作員代理。 這不僅是我對 $CODEC 的指導論點，也是我在 AI 瘋狂期間年初所做的每一項 AI 投資的基礎。 關於 Codec 與機器人技術的討論很多，雖然這個領域很快會有自己的敘事，但我從第一天起對 Codec 的看好，根本原因在於它的架構如何支持操作員代理。 人們仍然低估了通過構建自動運行的軟件來獲得的市場份額，這些軟件能夠超越人類工作者，而不需要不斷的提示或監督。 我看到很多人將其與 $NUIT 進行比較。首先，我想說我非常喜歡 Nuit 的建設，並祝願他們成功。如果你在我的 Telegram 中輸入 "nuit"，你會看到我在四月時說過，如果我必須持有一種幣幾個月，那將是 Nuit，因為我的操作員論點。 Nuit 在紙面上是最有前途的操作項目，但經過深入研究，我發現他們的架構缺乏必要的深度，無法證明進行重大投資或將我的聲譽放在其背後的合理性。 考慮到這一點，我已經意識到現有操作員代理團隊中的架構缺口，並積極尋找能夠解決這些問題的項目。不久之後 Codec 出現了（多虧了 @0xdetweiler 堅持讓我更深入了解他們），這就是兩者之間的區別： $CODEC 與 $NUIT Codec 的架構分為三層；機器、系統和智能，分開基礎設施、環境介面和 AI 邏輯。Codec 中的每個操作員代理都在自己的隔離 VM 或容器中運行，實現接近本地的性能和故障隔離。這種分層設計意味著組件可以獨立擴展或演變，而不會破壞系統。 Nuit 的架構則採取不同的路徑，更加單一化。他們的堆棧圍繞一個專門的網頁瀏覽器代理，結合了解析、AI 推理和行動。這意味著他們深入解析網頁，將其轉換為 AI 可消耗的結構化數據，並依賴雲端處理來執行重型 AI 任務。 Codec 將輕量級的視覺-語言-行動 (VLA) 模型嵌入每個代理中，意味著它可以完全本地運行。這不需要不斷地回到雲端獲取指令，減少了延遲，避免了對正常運行時間和帶寬的依賴。 Nuit 的代理通過首先將網頁轉換為語義格式，然後使用 LLM 大腦來決定該做什麼，這一過程隨著強化學習而不斷改進。雖然這對於網頁自動化是有效的，但這一流程依賴於重型雲端 AI 處理和預定義的頁面結構。Codec 的本地設備智能意味著決策更接近數據，減少了開銷，使系統對意外變化更穩定（沒有脆弱的腳本或 DOM 假設）。 Codec 的操作員遵循一個持續的感知–思考–行動循環。機器層通過系統層的優化通道將環境（例如實時應用或機器人反饋）流式傳輸到智能層，為 AI 提供“眼睛”來觀察當前狀態。代理的 VLA 模型然後將視覺和指令一起解釋，以決定行動，系統層通過鍵盤/鼠標事件或機器人控制來執行。這個集成循環意味著它能夠適應實時事件，即使 UI 發生變化，你也不會打斷流程。 用一個更簡單的比喻來說，將 Codec 的操作員想像成一個能夠適應工作中驚喜的自給自足的員工。Nuit 的代理則像是一個需要暫停、向主管通過電話描述情況並等待指示的員工。 不深入技術細節，這應該能讓你對我為什麼選擇 Codec 作為我對操作員的主要押注有一個高層次的了解。 是的，Nuit 得到了 YC 的支持，擁有一支強大的團隊和 S 級的 GitHub。儘管 Codec 的架構是以水平擴展為考量，這意味著你可以並行部署數千個代理，而不會在代理之間共享內存或執行上下文。Codec 的團隊也不是普通的開發者。 他們的 VLA 架構開啟了許多以前的代理模型無法實現的用例，因為它能夠透過像素而不是截圖進行觀察。 我可以繼續說下去，但我會將這些留到未來的帖子中。

事實是，如果你真的想在這個領域成功，周圍的人都會認為你有問題。 要真正成為0.001%，生活在戰壕之外幾乎是不存在的。 沒有女孩，沒有愛好，沒有社交活動，沒有Netflix或任何讓你遠離工作的事情。 這是一種心態，對於專業運動員來說也極其難以理解，因為你沒有理由不能24/7在線。 我們被困在自己的自由悖論中。 每個人都想擁有點擊按鈕賺錢的魔法能力，直到是時候拒絕95%的享樂。 朋友和家人會不斷暗示你有某種心理疾病，並且永遠不會真正理解這個願景。 當成功的片段出現時，嫉妒會上升，如果你仔細觀察人們，他們總是會透露出他們的真實意圖，即使他們並不想這樣。 最微小的暗示會暴露他們，通常來自當下自發的情感反應，你只需要聽到幾句話滑出來，大多數時候這就是所需的一切。 隨著你變得更加成功，學會保持安靜。沒有必要提及你的進展，儘管與每個人分享並享受你勞動的果實是多麼美好，但這只會吸引他人的貪婪。 大多數人失敗於此，因為他們把“加密貨幣專家”或“投資者”當作他們的整個人格。即使你每天在線16小時，你仍然需要在這個行業之外擁有興趣和抱負。 朋友應該因為你存在的質量和你帶來的情緒差異而想和你一起出去，而不是因為你在螢幕上賺了多少數字。 過著私密、隱蔽的生活，與一小圈優質個體相處，是獲得內心平靜的最佳生活技巧。 如果你的存在不讓人感受到什麼，而不談論金錢，那你已經失敗了。

這個應用程式上的人們看到我們行業中最大的收入產生應用在12分鐘內籌集了10億美元，市值達到15億美元，然後說「讓我做空它」

在CT上，一小群人進行圖表交易，識別出唯一一個為未來五年最強敘事之一建立基礎設施的項目。

什麼是 $CODEC 機器人、操作員、遊戲？ 以上所有及更多。 Codec 的視覺-語言-行動 (VLA) 是一個框架無關的模型，因其獨特的能力能夠可視化錯誤，相較於 LLM，這使得它能夠應用於數十種用例。 在過去的 12 個月中，我們看到 LLM 主要作為循環機制運作，受預定數據和回應模式驅動。 因為它們是基於語音和文本構建的，LLM 在超越其訓練的語言上下文窗口方面能力有限。它們無法解釋感官輸入，如面部表情或實時情感提示，因為它們的推理受限於語言，而非感知。 當今大多數代理結合了基於變壓器的 LLM 和視覺編碼器。它們通過截圖“看到”界面，解釋屏幕上的內容，並生成一系列動作、點擊、鍵入、滾動以遵循指示並完成任務。 這就是為什麼 AI 尚未取代大類工作：LLM 看到的是截圖，而不是像素。它們無法理解環境的動態視覺語義，只能理解靜態畫面中可讀的內容。 它們的典型工作流程是重複的：捕獲截圖，推理下一步行動，執行，然後捕獲另一幀並重複。這種感知-思考循環持續進行，直到任務完成或代理失敗。 要真正實現通用化，AI 必須感知其環境，推理其狀態，並適當行動以達成目標，而不僅僅是解釋快照。 我們已經擁有宏、RPA 機器人和自動化腳本，但它們很弱且不穩定。輕微的像素移動或佈局變更會打破流程並需要手動修補。當工作流程中的某些東西發生變化時，它們無法適應。這就是瓶頸。 視覺-語言-行動 (VLA) Codec 的 VLA 代理運行在一個直觀但強大的循環中：感知、思考、行動。這些代理不僅僅是像大多數 LLM 一樣輸出文本，而是能夠看到其環境，決定該做什麼，然後執行。這一切都包裝成一個統一的管道，可以視覺化為三個核心層次： 視覺 代理首先通過視覺感知其環境。對於桌面操作員代理來說，這意味著捕獲當前狀態的截圖或視覺輸入（例如應用窗口或文本框）。VLA 模型的視覺組件解釋這一輸入，讀取屏幕上的文本並識別界面元素或物體。也就是說，代理的眼睛。 語言 然後是思考。根據視覺上下文（以及任何指示或目標），模型分析所需的行動。基本上，AI 像人一樣“思考”適當的回應。VLA 架構在內部合併了視覺和語言，因此代理可以理解彈出對話框在詢問是/否問題。然後，它將根據目標或提示決定正確的行動（例如，點擊“確定”）。作為代理的大腦，將感知的輸入映射到行動。 行動 最後，代理通過向環境輸出控制命令來行動。VLA 模型生成的不是文本，而是直接與系統互動的行動（例如鼠標點擊、鍵入或 API 調用）。在對話框示例中，代理將執行對“確定”按鈕的點擊。這閉合了循環：在行動後，代理可以視覺檢查結果並繼續感知-思考-行動的循環。行動是將它們從聊天框轉變為實際操作員的關鍵區別。 用例 正如我提到的，由於架構的原因，Codec 是敘事無關的。正如 LLM 不受限於它們可以生成的文本輸出，VLA 也不受限於它們可以完成的任務。 機器人 VLA 代理不再依賴舊腳本或不完善的自動化，而是接收視覺輸入（攝像頭視頻或傳感器），將其傳遞給語言模型進行規劃，然後輸出實際的控制命令以移動或與世界互動。 基本上，機器人看到它面前的東西，處理指令如“將可樂罐移到橙子旁邊”，弄清楚一切的位置，如何在不碰倒任何東西的情況下移動，並且不需要硬編碼。 這與 Google 的 RT-2 或 PaLM-E 是同一類系統。大型模型將視覺和語言合併以創造現實世界的行動。CogAct 的 VLA 工作是一個很好的例子，機器人掃描雜亂的桌子，獲得自然提示，並運行完整的循環：物體識別、路徑規劃、運動執行。 操作員 在桌面和網絡環境中，VLA 代理基本上像數字工作者一樣運作。它們通過截圖或實時視頻“看到”屏幕，將其通過基於語言模型的推理層運行，以理解 UI 和任務提示，然後像人類一樣執行實際的鼠標和鍵盤控制。 這個完整的循環，感知、思考、行動持續運行。因此，代理不僅僅是一次反應，而是積極導航界面，處理多步流程，而不需要任何硬編碼的腳本。該架構是一種 OCR 風格的視覺來讀取文本/按鈕/圖標，語義推理來決定該做什麼，以及可以點擊、滾動、鍵入等的控制層。 這在錯誤處理中變得非常有趣。這些代理可以在行動後反思，並在某些事情未按預期進行時重新規劃。與 RPA 腳本不同，後者在 UI 略微變化時會中斷，例如按鈕位置移動或標籤被重新命名，VLA 代理可以使用視覺線索和語言理解適應新佈局。這使其在現實世界自動化中更具韌性，因為界面不斷變化。 這是我在通過像 playwright 這樣的工具編寫自己的研究機器人時個人面臨的挑戰。 遊戲 遊戲是 VLA 代理可以發揮光彩的最明顯用例之一，將它們視為沉浸式 AI 玩家而非機器人。整個流程是相同的，代理看到遊戲畫面（幀、菜單、文本提示），推理它應該做什麼，然後使用鼠標、鍵盤或控制器輸入進行遊玩。 它不專注於蛮力，這是 AI 學習如何像人類一樣玩遊戲。感知 + 思考 + 控制，所有這些都緊密結合。DeepMind 的 SIMA 項目通過將視覺-語言模型與預測層結合，並將其應用於《無人深空》和《我的世界》等遊戲，解鎖了這一點。僅僅通過觀察屏幕並遵循指示，代理就能完成抽象任務，如“建造營火”，通過鏈接正確的步驟，收集木材、找到火柴並使用庫存。它也不僅限於一個遊戲。它能在不同環境之間轉移這些知識。 VLA 遊戲代理不會被鎖定在一套規則中。相同的代理可以根據視覺和語言基礎適應完全不同的機制。由於它是基於 LLM 基礎架構構建的，它可以解釋自己在做什麼，遵循自然語言指示，或與玩家實時協作。 我們距離擁有能夠適應你的遊玩風格和個性化的 AI 隊友並不遙遠，這一切都要歸功於 Codec。

2023: “去中心化金融（DeFi）在將其代幣視為證券的監管下永遠無法繁榮。” 2025: “如果代幣不能合法地代表真正的股權，ICM將永遠無法繁榮。”

ICM 的成功並不依賴於 Launchcoin 或任何單一平台。 這是一種對我們在鏈上看待實用項目的制度變革。 我們從數十億美元的發行轉變為 pumpfun，因為價格和基本面之間存在瘋狂的不匹配。 現在我們正在從虛無的項目轉向擁有真實用戶、交易量和收入的項目。 大多數人會在我們轉向真正的採用時放棄。

價格和基本面不匹配。 $KNET （8 百萬美元） vs $ALCH （120 百萬美元） @Kingnet_AI 直接從自然語言提示處理從 2D/3D 建模到完整角色綁定、動畫甚至代碼生成的所有內容。無代碼 UI 意味著任何人都可以在不接觸一行代碼的情況下從想法到可玩的 Web3 遊戲演示。加快構建速度，降低成本，並大大降低障礙。 它面向 Web3 原生遊戲開發商、獨立構建者和小型工作室。非常重視資產生成 + 端到端原型設計。基本上將遊戲開發轉變為可視化 AI 工作流程，旨在更快地發佈更多內容，即使您不是技術人員。 KNET 為一切提供支援，包括支付、AI 查詢，並最終為生成資產的市場提供支援。也有治理鉤子。與 KingNet（大型公共遊戲公司）綁定，並已接入Solana、BNB、TON。看到早期牽引力 + 駭客馬拉松獲勝。 愷遝滬滬 AI 由愷沂網路有限公司 （Kingnet Network Co. Ltd） 支援，愷沂網路有限公司是一家成立於 2008 年的中國上市遊戲巨頭。該公司擁有 Happy Tower、Shushan Legend、MU Miracle 和 World of Warships Blitz 等熱門遊戲的記錄，是行動遊戲領域最著名的孵化器之一。愷晟 AI 由 SmileCobra Studio（新加坡）與 Kingnet 香港分公司獨家合作打造。母公司的估值超過50億美元，資產負債表上有10億美元。 @alchemistAIapp 一個更廣泛的無代碼平臺，可將使用者提示轉換為功能齊全的應用程式或遊戲。 它使用多代理 AI 引擎（多個專用模型）來即時解析使用者提示、生成代碼、創建視覺效果和組裝完整的應用程式。面向廣泛的使用者群，從業餘愛好者到 Web3 構建者，他們希望快速構建工具、遊戲或網站的原型。 用戶體驗非常精簡，例如您輸入「具有棕色木製背景的貪吃蛇遊戲」，Alchemist 的 Sacred Laboratory 介面組織 AI 代理來生成前端代碼、遊戲邏輯，甚至自定義圖形 ALCH 用於Arcane Forge市場並訪問 Alchemist 的 AI 服務。用戶可以通過銷售有用的應用程式或遊戲來賺取 ALCH，該市場具有打賞和發現功能來獎勵流行的應用程式。 Alchemist 由越南的一個團隊於 2024 年創立，由 Thien Phung Van（創始人/首席財務官）、Trong Pham Van（聯合創始人）和 Duc Loc “Louis” Nguyen（首席技術官）領導。憑藉軟體和創業背景（Thien 之前是 Vistia 的 CEO/CFO），這個小團隊將 Alchemist 作為一家沒有資金的初創公司推出。 頂級功能變數名稱;Kingnet AI 是專業的，專注於為 Web3 自動創建端到端遊戲，並以成熟的遊戲基礎設施為後盾。Alchemist AI 的範圍更廣，提供快速的 LLM 介面，用於構建具有零售吸引力的獨特工具和遊戲。Kingnet 在遊戲領域很深，而 Alchemist 在多個用例中是整個領域的領域。 基於此，相比之下，很明顯 Kingnet 被嚴重低估了。Kingnet 的產品生命週期要早得多，還沒有完全充實他們的 UX 和介面，儘管團隊、經驗和支援的質量明顯超過 Alchemist 的平臺，同時 mcap 低 15 倍。

人們一直祝賀我$CODEC，為什麼？ 到目前為止，我們甚至還沒有看到： - 代幣效用 -激勵 - 路線圖 -演示 - 新網站 -市場 - 未來的合作夥伴關係 - 使用案例 + 更多 我們所看到的只是一些合作夥伴關係和他們的資源聚合器 （Fabric） 的發佈。 我沒有寫多個帖子，多個電報帖子，幾乎每天都與團隊交談，就行銷、品牌、定位提供建議以慶祝 6 mil mcap。 一個粉紅色頭髮的動漫女孩的 chatgpt 包裝器足以在 AI szn 中獲得 6 mil mcap。 專案在一夜之間收到了 9 位數的獎金，以贏得駭客馬拉松或受到大型 KOL/研究人員的關注。 每個人都忘記了當燈亮起時會發生什麼，人們再次相信。 上周我如此看漲 onchain 的原因是信念處於歷史低點。過去一個月是我們在這個行業取得的最大進展，同時也是積極的巨集觀背景。 還記得那種錢從天而降的感覺嗎？可能用不了多久我們就能再次體驗它。