🤪 @TheoriqAI ha entrado oficialmente en la segunda fase, ya no se trata simplemente de "manejar datos, manejar señales", sino de hacer que todo el sistema realmente funcione, pudiendo ejecutar operaciones reales en la cadena. Toda la arquitectura, desde el diseño de estrategias hasta la ejecución en la cadena, comienza a interconectarse gradualmente, este es el paso más crucial de OLP Swarm.
Ahora su Policy Agent ya puede abrir y cerrar posiciones directamente en la cadena. Estos agentes determinarán si es necesario ajustar la posición de liquidez en función de los datos de fluctuación de precios del mercado, como el rango de precios de las últimas 24 horas. Suena simple, pero en realidad es simular un marco de estrategia de liquidez robusto, solo que todo el proceso es gestionado automáticamente por el agente.
En la capa de ejecución, el papel del LP Agent se vuelve aún más crucial. Ya ha sido integrado en la UI, y puede recibir instrucciones estructuradas de otros agentes, como qué moneda cambiar, en qué nivel de tarifa comerciar, cuál es el deslizamiento máximo, etc. Este mecanismo está escrito en Rust, lo que significa que en el futuro otros desarrolladores también podrán ampliar y personalizar su propio LP agent directamente basado en este marco. Esto se considera un gran paso de Theoriq hacia la "ejecución automática de DeFi".
Lo que es bastante interesante es que también introdujeron el Evaluator Agent, que en términos simples es un "evaluador", encargado de rastrear el desempeño de cada agente, como los efectos de la estrategia, el costo de gas y la eficiencia de las transacciones. Con esto, todo el sistema Swarm puede optimizarse dinámicamente según el desempeño histórico, filtrando y ajustando constantemente las combinaciones de estrategias.
En general, Theoriq está avanzando hacia una "red de agentes" más completa. Desde la toma de decisiones estratégicas, hasta la ejecución on-chain, y luego la evaluación de resultados, ya se ha formado un ciclo cerrado. El siguiente paso debería ser ver el lanzamiento de funciones más complejas, como estrategias de sincronización en múltiples mercados, e incluso un agente LP impulsado por LLM. Aunque el ritmo de este proyecto no es rápido, cada paso es muy sólido. ¡Lo clave es que tiene una actividad de lista en @KaitoAI!
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
🤪 @TheoriqAI ha entrado oficialmente en la segunda fase, ya no se trata simplemente de "manejar datos, manejar señales", sino de hacer que todo el sistema realmente funcione, pudiendo ejecutar operaciones reales en la cadena. Toda la arquitectura, desde el diseño de estrategias hasta la ejecución en la cadena, comienza a interconectarse gradualmente, este es el paso más crucial de OLP Swarm.
Ahora su Policy Agent ya puede abrir y cerrar posiciones directamente en la cadena. Estos agentes determinarán si es necesario ajustar la posición de liquidez en función de los datos de fluctuación de precios del mercado, como el rango de precios de las últimas 24 horas. Suena simple, pero en realidad es simular un marco de estrategia de liquidez robusto, solo que todo el proceso es gestionado automáticamente por el agente.
En la capa de ejecución, el papel del LP Agent se vuelve aún más crucial. Ya ha sido integrado en la UI, y puede recibir instrucciones estructuradas de otros agentes, como qué moneda cambiar, en qué nivel de tarifa comerciar, cuál es el deslizamiento máximo, etc. Este mecanismo está escrito en Rust, lo que significa que en el futuro otros desarrolladores también podrán ampliar y personalizar su propio LP agent directamente basado en este marco. Esto se considera un gran paso de Theoriq hacia la "ejecución automática de DeFi".
Lo que es bastante interesante es que también introdujeron el Evaluator Agent, que en términos simples es un "evaluador", encargado de rastrear el desempeño de cada agente, como los efectos de la estrategia, el costo de gas y la eficiencia de las transacciones. Con esto, todo el sistema Swarm puede optimizarse dinámicamente según el desempeño histórico, filtrando y ajustando constantemente las combinaciones de estrategias.
En general, Theoriq está avanzando hacia una "red de agentes" más completa. Desde la toma de decisiones estratégicas, hasta la ejecución on-chain, y luego la evaluación de resultados, ya se ha formado un ciclo cerrado. El siguiente paso debería ser ver el lanzamiento de funciones más complejas, como estrategias de sincronización en múltiples mercados, e incluso un agente LP impulsado por LLM. Aunque el ritmo de este proyecto no es rápido, cada paso es muy sólido. ¡Lo clave es que tiene una actividad de lista en @KaitoAI!