本课内容
- 什么使 AI 工作流成为代理
- 人类应在哪里保持审批权
重点回顾
- 1代理将模型与工具、上下文和操作规则结合
- 2自动化需要边界、日志和回退行为
- 3移动资金的操作应保留人工审批
课程摘要
AI 智能体工作流程不只是一句聊天提示。
思维模型
AI 代理工作流，去掉行话
AI 智能体工作流程不只是一句聊天提示。它把模型与工具、情境、记忆，以及何时能运行动作的规则结合在一起。.
- 什么使 AI 工作流成为代理
- 人类应在哪里保持审批权
核心机制
如何理解 AI 代理工作流
模型会解读任务，并选择或调用工具。.
情境与记忆会决定智能体对先前工作的了解程度。.
护栏机制会定义哪些动作需要人工核准，或必须被封锁。.
- 代理将模型与工具、上下文和操作规则结合
- 自动化需要边界、日志和回退行为
- 移动资金的操作应保留人工审批
实例
AI 代理工作流 的实践
一个研究型智能体可以搜集协议文档、摘要风险，并准备观察清单，而任何交易或钱包操作都由人类另外核准。.
请牢记决策规则：先让智能体从唯读的研究任务开始，只有在日志与核准机制都清楚之后，才逐步增加权限。.
常见误区
AI 代理工作流 如何让学习者绊倒
在定义失败模式之前就先给智能体广泛的权限，顺序是反的。工作流程应该先受到约束，才能真正发挥用处。.
风险提示
在依赖 AI 代理工作流 之前
工具误用、提示注入、过时的情境、隐藏的假设，以及失控的循环，都可能制造出糟糕的研究或不安全的自动化。.
- 定义允许使用的工具。
- 要求动作必须经过核准。
- 记录每一个重大步骤。
实践练习
把 AI 代理工作流 变成习惯
- 定义允许使用的工具。
- 要求动作必须经过核准。
- 记录每一个重大步骤。
复习
关键术语
- 钱包
- 存储控制你链上资产的私钥的软件或硬件。
- AI 代理
- 自主追求目标的软件，在加密工具中日益普及。
- 机器学习
- 从数据中学习规律的算法，而非被明确编程。
- 大语言模型（LLM）
- 通过上下文预测和生成文本的 AI 模型。
- 回测
- 在历史数据上测试策略，然后再冒险真实资金。
参考来源
编辑参考资料
这些参考资料是验证本课所涉机制、风险核查与产品背景的基础。
nist.gov/publications/artificial-intelligence-risk-management-frameworkNIST AI 风险管理框架（AI RMF 1.0）提供 AI 系统可信度评估框架，包括鲁棒性、可解释性与偏差检测，适用于金融 AI 风险分析。owasp.org/www-project-top-10-for-large-language-model-applicationsOWASP 大语言模型应用 Top 10列举 LLM 应用的十大安全风险，包括提示词注入、幻觉输出及不安全的工具调用。developers.gaiaex.comGaiaEx 文档GaiaEx API 官方参考，涵盖身份认证、订单提交、账户管理及现货、永续合约端点。developers.gaiaex.com/securityGaiaEx 安全与自托管说明 MPC 钱包架构、EIP-712 签名流程及 GaiaEx 非托管模式下用户的自主控制原则。
继续之前
你能做到以下这些吗？
- 定义允许使用的工具。
- 要求动作必须经过核准。
- 记录每一个重大步骤。
相关学习内容
继续阅读
检查点
完成本课
通过检测以保存进度，然后依次继续本轨道的学习。
知识检测
1 / 2确认完成本课
答对所有题目方可完成本课。
AI 代理工作流结合了……