🤪 @TheoriqAI entrou oficialmente na segunda fase, já não se trata apenas de "coletar dados, coletar sinais", mas sim de fazer todo o sistema realmente funcionar, podendo executar operações reais na cadeia. Toda a arquitetura, desde o design de estratégias até a execução na cadeia, está começando a ser progressivamente conectada, este é o passo mais crucial do OLP Swarm.
Agora os seus Agents de Política já podem abrir e fechar posições diretamente na cadeia. Estes agents vão avaliar a necessidade de ajustar a posição de liquidez com base nos dados das flutuações de preços do mercado, como a faixa de preços das últimas 24 horas. Parece simples, mas na verdade é simular uma estrutura de estratégia de liquidez robusta, apenas que todo o processo é deixado para que os agents avaliem e acionem automaticamente.
No nível de execução, o papel do LP Agent torna-se ainda mais crucial. Ele já foi integrado na interface do usuário e pode receber instruções estruturadas de outros agentes, como qual moeda trocar, em qual nível de taxa negociar, qual é o deslizamento máximo, entre outros. Este mecanismo foi escrito em Rust, o que significa que, no futuro, outros desenvolvedores também poderão expandir e personalizar seu próprio LP agent com base nesta estrutura. Isso representa um grande passo da Theoriq em direção à "execução automática de DeFi".
É interessante notar que eles também introduziram o Evaluator Agent, que, simplificando, é o "avaliador", responsável por rastrear o desempenho de cada agente, como a eficácia da estratégia, custo de gas, eficiência de transação e outros indicadores. Com isso, todo o sistema Swarm pode continuamente otimizar de forma dinâmica com base no desempenho histórico, filtrando e ajustando constantemente a combinação de estratégias.
De um modo geral, a Theoriq está avançando em direção a uma "rede de agentes" mais completa. Desde a tomada de decisões estratégicas, até a execução na cadeia, e depois a avaliação de resultados, já formou um ciclo fechado. A próxima etapa deve trazer mais funcionalidades complexas, como estratégias sincronizadas em múltiplos mercados, ou até mesmo agentes de LP impulsionados por LLM. O ritmo deste projeto pode não ser rápido, mas cada passo é bem fundamentado. O importante é que há uma atividade de classificação no @KaitoAI!
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
🤪 @TheoriqAI entrou oficialmente na segunda fase, já não se trata apenas de "coletar dados, coletar sinais", mas sim de fazer todo o sistema realmente funcionar, podendo executar operações reais na cadeia. Toda a arquitetura, desde o design de estratégias até a execução na cadeia, está começando a ser progressivamente conectada, este é o passo mais crucial do OLP Swarm.
Agora os seus Agents de Política já podem abrir e fechar posições diretamente na cadeia. Estes agents vão avaliar a necessidade de ajustar a posição de liquidez com base nos dados das flutuações de preços do mercado, como a faixa de preços das últimas 24 horas. Parece simples, mas na verdade é simular uma estrutura de estratégia de liquidez robusta, apenas que todo o processo é deixado para que os agents avaliem e acionem automaticamente.
No nível de execução, o papel do LP Agent torna-se ainda mais crucial. Ele já foi integrado na interface do usuário e pode receber instruções estruturadas de outros agentes, como qual moeda trocar, em qual nível de taxa negociar, qual é o deslizamento máximo, entre outros. Este mecanismo foi escrito em Rust, o que significa que, no futuro, outros desenvolvedores também poderão expandir e personalizar seu próprio LP agent com base nesta estrutura. Isso representa um grande passo da Theoriq em direção à "execução automática de DeFi".
É interessante notar que eles também introduziram o Evaluator Agent, que, simplificando, é o "avaliador", responsável por rastrear o desempenho de cada agente, como a eficácia da estratégia, custo de gas, eficiência de transação e outros indicadores. Com isso, todo o sistema Swarm pode continuamente otimizar de forma dinâmica com base no desempenho histórico, filtrando e ajustando constantemente a combinação de estratégias.
De um modo geral, a Theoriq está avançando em direção a uma "rede de agentes" mais completa. Desde a tomada de decisões estratégicas, até a execução na cadeia, e depois a avaliação de resultados, já formou um ciclo fechado. A próxima etapa deve trazer mais funcionalidades complexas, como estratégias sincronizadas em múltiplos mercados, ou até mesmo agentes de LP impulsionados por LLM. O ritmo deste projeto pode não ser rápido, mas cada passo é bem fundamentado. O importante é que há uma atividade de classificação no @KaitoAI!