跳转至

路演夜精读：四个 AI × Web3 项目

来源：《AI 与 Web3 三项目路演进展与需求》现场录音（约 37 分钟） 形式：四位 Builder 依次上台 Demo 自己的项目，最后留微信招人 / 找合作。

这场活动一句话总结

四个项目都指向同一个大趋势：让 AI Agent（能自己干活的 AI）学会「安全地花钱」，并把它的行为记录在区块链上。

  • 项目 1 给 AI 一个「零花钱钱包」；
  • 项目 2 让 AI（一只数字果蝇）在浏览器里养成，成长记录上链；
  • 项目 3 给一群 AI 立「预算和权限规矩」；
  • 项目 4 用密码学证明做一个「官方绝对没法作弊」的在线扑克。

即使技术细节你现在看不懂也没关系，先记住这四个项目分别解决什么问题，技术名词以后会一个个学。

项目一：Monet Switch —— 给 AI 的「零花钱钱包」

主讲人：郭春丽（独立开发者，自称做过约 200 个 AI 项目，曾做出抖音爆款「龙虾糖」）

它解决什么痛点

现在的 AI Agent 越来越能干，但有一个尴尬：它没法自己付钱。

举个例子：你让 AI 帮你调用一个付费 API（比如某个数据接口，调一次收几分钱），AI 干到一半发现要付费，只能停下来问你要银行卡号。而把银行卡直接交给 AI 又很危险——它可能乱花、被骗、把凭证泄露出去。

它怎么做

做一个给 AI 用的钱包，核心思路用主讲人的话说就是：

「给 AI 零花钱，银行卡留在你手里。」

  • 你往这个 AI 钱包里充一小笔钱（「零花钱」），AI 只能花这笔钱；
  • AI 要花钱 / 收钱时，通过一个叫 MCP【概念】 的服务来完成（MCP 可以理解为「AI 调用外部工具的标准插座」，就像 USB 接口，插上就能用各种服务）；
  • 即使钱包被盗（「被突」），单笔上限几千笔也不会造成大额损失，而且一键撤销、立刻生效；
  • 主讲人展示了在 Monad 测试网【概念】上的成果：11 笔真实结算、92 个测试全部通过（「全绿」）。

主讲人还用 AI 视频工具（提到 OPPO / 某模型 5.5）几分钟生成了一条广告片，台词是：

「给每个员工的每个 Agent 发一把钥匙，员工一条命令就……」「给 AI 零花钱，银行卡留在你手里，Monet Switch。」

小白能学到什么

  1. MCP 是 2024-2025 年 AI 圈最重要的概念之一：它让 AI 能标准化地连接外部工具（包括支付）。记住「MCP = AI 的工具插座」。
  2. AI 支付是一个真实的新赛道：当 AI 从「聊天工具」变成「执行工具」，「谁来替它管钱、怎么保证安全」就成了刚需。
  3. 独立开发者也能跑通全流程：一个人 + AI 编程工具，就能做出钱包、上链、甚至广告片。
  4. 主讲人反复说「我现在还是一个人，需要运营」——技术人常常缺会讲故事、会做社区的搭档，这其实是文科 / 语言背景学生的机会。

延伸概念

AI Agent、MCP（Model Context Protocol）、测试网 Testnet、结算 Settlement、私钥/钥匙、开源

项目二：浏览器里的「果蝇数字员工」

主讲人：未署名（项目基于谷歌开源的果蝇大脑模型）

这是四个项目里最「科幻」的一个，别急，慢慢看。

它解决什么痛点

现在大多数 AI Agent 有两个问题（主讲人的观点）：

  1. 大家共享同一套服务器和同一个「大脑策略」：结果千千万万个 AI 决策方式雷同，像同一个「黑箱」；
  2. 成长过程无法追溯：一个 AI 为什么变聪明了、经历了什么训练，没有可信记录。

它怎么做

不做大语言模型（ChatGPT 那种），而是在你自己的浏览器里，完整模拟一只「果蝇的大脑」，养成一只属于你的数字员工。

为什么是果蝇？ 果蝇的大脑相对简单且已被科学家完整测绘：

  • 约 16 万个神经元；
  • 2500 多万条有效连接；
  • 其中 7835 个「可塑连接」（可以理解为「能被训练改变的连接」）。

这套神经模型完全在浏览器本地用 WASM【概念】 运行（WASM = 让网页高速运行程序的技术），大脑数据不离开你的电脑。

养成五步：领养 → 养成 → 冻结 → 比较 → 协作

步骤 做什么
领养 在本地生成你自己的「所有者密钥」和果蝇的身份
养成 浏览器里运行推理（思考）和「可塑性分析」（学习）
冻结 在「考试」（用没见过的新数据测试）前，冻结学习记录，把记录的「哈希指纹」上链
比较 不同果蝇可以横向比较成绩
协作 多只果蝇组成「群落」一起决策（比如投票），但不会合并彼此的大脑

链上只存「指纹」，大脑留在本地：

  • 第一步：导出神经元状态，计算存档包，把清单哈希上链；
  • 第二步：在 Monad 测试网把钱包记录上链，合约登记来源；
  • 第三步：校验与恢复——读链上记录，对比本地存档，哈希一致才算没被篡改。

演示场景：训练一只做「股票模拟交易」的果蝇——做对了就模拟分泌「多巴胺」（奖励），做错了就刺激「痛觉神经」（惩罚）。多只果蝇投票，结果大部分选择「观望」，达到门槛后就执行多数派的选择。

为什么不用 ChatGPT 那种大模型？（主讲人的核心论点）

  • 果蝇模型：基于「连接组」的脉冲神经网络，神经状态会持续演化，模拟的是真正的「学习机制」；
  • 大语言模型 LLM：本质是「根据上文猜下一个词」，靠提示词和微调整合记忆，主讲人认为那不是真正的神经状态实验机制。

注意：这是该项目的一家之言，不代表 LLM 没有价值。重点是理解「不同的 AI 范式」这个概念。

小白能学到什么

  1. 「本地运行 + 链上存证」是 AI × Web3 的经典组合：隐私数据留在本地，链上只放无法伪造的「指纹」（哈希），既保护隐私又可验证。
  2. 哈希（Hash）= 数字指纹：文件哪怕改一个字，哈希就完全不同。这是区块链「防篡改」的基础，务必搞懂。
  3. 脉冲神经网络（SNN）、连接组（Connectome） 是 AI 的另一条路线，不必现在懂，知道存在即可。
  4. DAO / 群体决策的雏形：多只果蝇投票做决定，这和 Web3 的 DAO【概念】治理思路一致。
  5. 主讲人提到赛道是 Monad 的「去中心化身份（DID）与 AI 构造器」，还提到某个标准（音似 ERC-800）「尚未实现」——待核实。

延伸概念

WASM、哈希 Hash、智能合约、DID 去中心化身份、SNN 脉冲神经网络、连接组、DAO、测试网

项目三：Text Permit —— 给一群 AI 立「预算和权限规矩」

主讲人：何佳，华南理工大学软件学院

这是四个项目里逻辑最清晰、对小白最友好的一个，建议精读。

它解决什么痛点

设想一个场景：一个团队同时用 3 个 AI Agent 做市场调研——

  • Agent 1：负责上网搜资料；
  • Agent 2：负责买调研数据（比如财务年报）；
  • Agent 3：负责整理报告。

团队只想为这件事花 10 美元。但问题是：3 个 Agent 各自调用不同的付费工具，谁也不知道整体花了多少。在系统后台看到的是一笔笔分散的请求，等加起来发现：超支了。

  • Agent 1 花 6 美元；Agent 2 又申请 5 美元；Agent 3 再花 1 美元——总共 12 美元，超了。
  • 每个 Agent 都觉得「我没超我的那份」，但全局预算已经爆了。

它怎么做：三件套

  1. 共同额度（共同钱包）：面向「这一项任务」设一个总预算，所有 Agent 都从这一个池子里拿钱；
  2. 权限卡：写清楚每个 Agent 能用哪些工具、做哪些任务、能花多少钱、什么时候失效；
  3. 可核对的账本：谁批准、谁调用、实际花了多少，全部记录；超额可以回溯、事后追责（「反补」）。

资金流转流程（重点理解这个机制）

  1. 负责人定义任务，写入预算和权限；
  2. Agent 请求进来，系统先检查两件事：有没有权限？任务还剩多少钱？
  3. 核查通过后，先「占住」额度（预授权），再去调用付费工具；
  4. 工具返回后，按实际费用结算，把多占的钱释放回去；
  5. 如果结果没回来，额度先保留，避免同一笔钱花两次。

用数字走一遍：

  • 总预算 10 美元；Agent A 申请 6 美元 → 系统预留 6 美元，剩 4 美元；
  • Agent B 申请 5 美元 → 虽然它有权限，但只剩 4 美元，系统直接拒绝，请求根本不会进入付费工具；
  • A 实际只花了 4.2 美元 → 系统按 4.2 结算，释放多占的 1.8 美元，可用回到 5.8 美元；
  • 网络原因导致回执重复到达 → 系统认出是同一笔，不重复扣款；
  • 负责人撤销任务后，即使账户里还有余额，新请求也不能再执行——「有余额」和「有权限」被彻底分开。

最重要的设计原则

「不能让 Agent 自己承诺会遵守预算。」

预算检查、金额分析、权限判断、执行状态，全部由独立的程序完成，而不是交给 Agent 自觉。否则 Agent 等于拿到了「万能钥匙」，可能「聪明地」绕过系统。这和现实公司里「管钱的和花钱的必须是不同的人」是一个道理。

防篡改演示：系统生成一条回执并签名；把金额从 4.2 改成 9 再核验，立刻失败——说明记录一旦被改就能被发现。

系统定位

它不替代现有的 Agent 框架、钱包、支付协议，而是夹在中间的「中间件（Middleware）」：

  • 身份工具解决「谁在操作」；
  • 支付协议解决「怎么付款」；
  • 日志系统解决「发生了什么」；
  • Text Permit 补上最容易缺失的一层：共同预算 + 执行边界。

落地计划

  • 第 1 个 30 天：打通授权、预算、结算、撤销；
  • 再加入支付适配、故障恢复；
  • 最后邀请 3-5 个真实团队用真实任务验证，验收标准包括：超额被拒绝、重复请求不重复扣款、撤销后异常恢复。

小白能学到什么

  1. 预授权 - 结算 - 释放是真实支付系统（包括信用卡、酒店押金）的通用模式，非常值得理解。
  2. 「不能让执行者自己当裁判」是重要的系统设计思想，在金融风控、智能合约设计里反复出现。
  3. 这个项目本身就是一个极好的「产品思维范本」：从一个具体痛点出发，机制严密，可验证。
  4. 结尾金句适合记下来：

「AI Agent 正从回答问题走向替人执行。执行能力越强，预算和权限边界就越需要被记录下来。给 Agent 执行的能力，让团队守住可掌握的边界。」

延伸概念

中间件 Middleware、预授权/预占额度、数字签名、幂等性（重复请求只生效一次）、对账

项目四：完全去中心化的在线扑克协议

主讲人：未署名（近 10 年工作经验，游戏开发背景，曾在年营收约 4 亿港币的游戏公司任职）

它解决什么痛点

在线扑克 / 棋牌最大的信任问题是：玩家怎么知道官方没作弊、没提前看到牌？

主讲人指控：行业里做得最大的平台（音似 ClubGG / 某国际扑克平台）虽然标榜「结果可验证」，但本质仍是中心化的——在牌发出来之前，后台理论上已经能算出所有牌面。

它怎么做：三大支柱

  1. 完全去中心化，没有「需要信任的对象」：
  2. 客户端在浏览器里就能验证一切：洗牌过程、每一步操作、牌局结果；
  3. 全面采用最新的「证明」技术栈（音似 STW / STWO，属于零知识证明 ZK【概念】类技术，2024 年公布、2026 年有版本更新）：
  4. 游戏里每一个步骤都能被「证明」，运营方没有作弊的可能；
  5. 之所以不用更早的证明系统，是因为它们太慢、需要很强的硬件，证明成本高到收入都覆盖不了；
  6. 自研安全（自研专用链 AppChain【概念】）：
  7. 现有链即便是号称高并发的，最终确认也可能要 4 秒，满足不了扑克的实时性；
  8. 主讲人认为要做到「Web2 级体验」必须自己做一条专用链，并以 Hyperliquid（一个非常成功的去中心化衍生品交易专用链）为标杆。

一个协议层创新：玩家掉线怎么办

传统平台的做法很粗暴：玩家掉线就「罚款」。但这对玩家不公平——违法（掉线）成本很低时，玩家干脆弃牌走人。

主讲人自称首创了一套协议：在完全去中心化的牌局里，即使玩家掉线，游戏也能继续进行，从协议层面（而不是罚款）保护公平。

核心观点

「安全是解决用户摩擦成本最好的体验。」

  • 上链 / 外部操作的成本对普通用户仍然太高；
  • 首屏卡顿、延迟会直接降低转化率；钱包的买入、交付环节直接影响留存；
  • 只有把体验做到极致、门槛足够低，「完全去中心化」才有底气去和中心化巨头竞争。

主讲人最后坦承：技术已经领先，但最缺两样东西——运营（把故事讲好、做好用户界面和社区）和投资人的建议。他也感慨今年赛道热点全是 AI 和某个方向，纯游戏的故事不好讲；尝试过「AI 扑克 / AI 分析」，但用户不太愿意为此付费。

小白能学到什么

  1. 零知识证明（ZK Proof）：让你「不透露秘密，也能向别人证明某件事是真的」（比如证明我没作弊，但不亮出我的牌）。这是 Web3 最硬核也最有前景的方向之一。
  2. AppChain（应用专用链）：当一条通用链满足不了某个应用的性能，就为这个应用单独做一条链。Hyperliquid 是最成功的案例，值得记住。
  3. 「去中心化」不是喊口号：关键在于客户端能否独立验证、是否存在中心化的幕后控制点。
  4. 再次印证：强技术团队普遍缺运营 / 内容 / 社区角色——这是非技术背景同学切入 Web3 项目最现实的入口。
  5. 也给我们泼了一盆冷水：好技术 ≠ 好生意，用户是否愿意付费、体验是否够好同样关键。

延伸概念

零知识证明 ZK、AppChain 应用链、去中心化、客户端验证、Hyperliquid、TPS / 最终确认时间

这场路演的共同主线（串起来理解）

flowchart TB
    P1[项目1 AI钱包<br/>让 AI 能安全花钱] --> T((AI Agent 经济))
    P3[项目3 预算权限<br/>管住一群 AI 的钱] --> T
    P2[项目2 果蝇员工<br/>AI 成长链上存证] --> T
    P4[项目4 去中心化扑克<br/>密码学证明防作弊] --> T
    T --> V[核心能力需求<br/>支付 · 存证 · 证明 · 身份]

四个项目共同透露的信号：

  1. AI Agent 正在从「聊天」走向「执行」，而执行就绕不开「钱」和「信任」；
  2. Web3（区块链）恰好提供了「不依赖单一中心方」的支付、存证、证明工具——AI × Web3 的结合点就在这里；
  3. 行业真实的人才缺口，除了工程师，还有运营、内容、社区、产品、合规；
  4. 大量项目跑在 Monad 这类新一代高性能 EVM 链上（下一场活动的主角）。

我现在能做什么（入门版清单）

  • 用自己的话，向朋友 / 在笔记里复述这四个项目分别解决什么问题；
  • 查清楚并记下这几个词的「人话解释」：MCP、AI Agent、智能合约、测试网、哈希、零知识证明（可参考 小白词典）；
  • 注册一个 MetaMask 钱包（先只玩测试网，绝不充钱），体验一次「钱包」是什么；
  • 了解 MCP：找一篇 MCP 科普文章读一读，知道它长什么样；
  • 把这四位主讲人「缺运营 / 缺搭档」的信号记在心里——这就是我未来可以提供价值的位置；
  • 去读第二篇精读：Monad 黑客松与 Agent 金融圆桌，搞懂大家反复提到的 Monad 到底是什么。

下一篇 → Monad 黑客松宣讲与 Agent 金融圆桌精读