Mirror World 如何借助 AI Asset Agents (AAA) 发现 Alpha？

生命以负熵为食，AI 以熵减为生。

World Store 的诞生：借助 AI Asset Agents (AAA) 对抗 Crypto 的熵增

当前区块链的发展正高速走向一个熵增的阶段，各种 Layer1/Layer2 生态的出现，伴随着跨越在不同生态当中的不同类别资产的增长，以及各类智能合约及协议的诞生，这都为整个区块链的系统带来了极高的复杂性。并且在此过程当中，这些基础的复杂性进一步带来了终端用户的高操作门槛：跨链的资产结算与购买，找到与发现分布在不同生态当中的优质资产，法币到 Crypto 的入金等等。我们可以看到的是，这一切问题的本质都指向了这些关键词“无序，混乱以及高复杂度“。

Generated By DALL·E

这就为我们提供了一个非常有趣的视角，即从热力学以及系统熵增的角度来看待整个区块链系统。当然，这在科学的解释上并不严格准确，但不可否认的多了一个视角来重新理解当前区块链的发展。

我们都知道在孤立系统/封闭系统当中，其熵总会不断的增大，即呈现出从有序走向无序的状态。正如上述所述，我们所观察到的区块链的系统当中，也正在发生以及经历这样的状态。当前没有出现任何消费级的应用，没有更多的外部系统用户进入，这样的系统将会更加的孤立，而最终走向我们都知道的结局，“热寂”。

所以，为了引入更多的“外部系统”用户来对抗熵增，系统当中的已有参与者也提出以及开发了各种工具和服务来降低用户操作的复杂性，从而来降低进入这个行业的准入门槛。但不得不承认的是，这些单体工具的出现进一步地导致了各个生态的孤立，并给用户带来了海量信息筛选的成本以及产品之间切换使用的高成本。

由于一个新兴生态当中的信息量和总的复杂性是很高的，但是现有的工具没有做到降低信噪比的功能，所以用户即使瞄准了一个生态，也经常存在 ”踏空“，没有捕获到最直接的价值。例如，用户在 EVM 众多的生态或是在非 EVM 的生态当中，仍会错过一些符合自己兴趣或投资偏好但仍未关注的资产。又或是用户为了执行一笔关键交易，在最优路由的选择过程当中消耗了太多的时间，导致错过了一些最优的交易时间。

上述问题其实存在愈发简单的解法，因为随着 AI Agent 的发展与成熟，其最大的作用就是来帮助用户处理在海量信息下的降维，寻找最优解决方案，帮助用户捕获到最核心的价值。AI 存在的本身便是在混乱的系统当中带来理性的秩序，为系统带来熵减。

Mirror World 深刻意识到了该路径实现的必要性，通过创建 AI Asset Agents, 围绕用户的核心目标和利益来发现优质资产，依据用户的链上行为数据，基于 AI Asset Agents 实现最优的路由选择，降低用户的购买以及交易成本。AAA 从海量的资产类别当中进行个性化的最优推荐，同时帮助用户处理任意货币，到任意资产，在任意生态中的结算

而以上的结论和愿景，是我们过去两年在实际参与“资产分发”以及“资产结算”的过程当中经过深刻思考后得到的总结，也催生出了 Mirror World 即将在 12.18 推出的新产品，World Store。

World Store Alpha Version

1/ World Store 的逻辑大脑：AI Asset Agents（AAA）

正如上述所说，World Store 的诞生，就是对上述问题的直接回应。World Store 将结合 AI Asset Agents 的能力，有效解决用户面临的信息过载和交易复杂性问题，提供一个更加直观且和高效的资产发行以及交易体验。

在 World Store 当中，用户可以找到根据自己兴趣以及偏好所推荐的各类资产，并且能够以自己熟悉的法币或 Crypto 支付方式对该资产进行购买与结算。

基于用户的链上资产和交互所推荐的资产

AI Asset Agents 作为 World Store 的逻辑大脑，将会利用自然语言处理（NLP）和机器学习来理解用户的需求和偏好，并根据其链上交互记录，以及资产持有信息，来推荐相关的资产和数字内容。同时，在此基础之上结合 LLMs 来进一步构建和丰富推荐系统的实现，以达到传统的推荐系统无法快速实现的特定效果。

TALLRec Framework

在与传统推荐算法的对比上，LLMs 因为蕴含了大规模网络语料库中挖掘出的丰富知识，这使得它们能够补充传统推荐系统所依赖的用户行为数据。传统算法主要依赖用户行为数据进行推荐，而 LLMs 可以结合世界知识和用户交互数据进行更全面的推荐。其次，LLMs 在零次或仅少量示例的情况下就能适应新的领域，这使得它们能够在有限的任务特定数据（比如钱包的交易数据）下进行推荐，而传统算法通常需要大量的特定领域数据来进行推荐。

另外，LLMs 可以用于多种推荐任务，如顺序推荐、评分预测、解释生成等，从而实现统一的推荐框架，而传统算法通常需要针对不同任务构建不同的模型。并且，LLMs 具有交互性和反馈机制，可以提高用户体验并增强模型的可解释性。AI Asset Agents 可以通过对话交互的方式更深入地了解用户的需求，甚至在交互中不断调整推荐策略。用户可以通过对话提出具体的要求或反馈，AI Asset Agents 则根据这些信息优化推荐结果。

User Profile Generated with AI Asset Agents (AAA)

AI Asset Agents 可以通过机器学习不断从用户交互中学习，从而改进其推荐算法。这意味着随着时间的推移，推荐系统会变得越来越适应用户的个人偏好。

2/ World Store 的执行引擎：AI 资产结算中心

在资产交易与结算的执行方面，World Store 通过集成不同的入金支付服务商、跨链服务提供商和 DEX 等，为用户提供了一个统一支付以及结算的中心：World Store。用户所有与支付以及资产结算的相关操作都可以在 World Store 当中一站式完成，并且在操作过程当中，AI Asset Agents 会根据用户的选择推荐最优的执行路由，从而降低用户交互的复杂性以及交易过程当中的执行成本。

目前，World Store 已经能够支持超过 150 个国家，超过 50 个不同的本地支付方式以及 10 条以上不同的主流区块链网络进行法币入金，并已经集成了 23 条区块链，15 个 Bridge 以及 28 个 DEX 以支持用户实现任意 Token 在任意网络下的兑换。

Global Asset Checkout

让我们设想这样的一种场景：游戏 NFT 部署在 Polygon 上，而作为玩家，虽然在 Polygon 的网络环境下通过钱包进行了游戏登陆，但由于 Token 布在其他的区块链网络当中，就导致其在实际游戏的体验过程当中，由于跨链等操作复杂性的问题，没办法在应用内对该游戏资产进行直接的购买。但是，可以预见的是，在集成了 World Store 之后，用户或玩家便可轻松的用自己在任意网络下的资产进行该游戏商品的购买与结算。

另外，随着用户对 World Store 的使用，这些用户的交互数据也会被进一步的 Feed 到 AI Asset Agents 当中来提高算法的推荐质量，而作为对用户资产交互行为以及算法训练的奖励，我们推出了 Points System 来进行用户侧的激励。

以上所有的功能除了能够直接在 World Store 的资产购买流程当中体验到，Mirror World 还会面向所有的应用开发者提供开放的 API 以及 Widget 集成服务，致力于帮助更多的应用项目方解决资产结算复杂以及商业化困难等问题。

Get Supported List of Fiat

3/ World Store 的奖励中心：Points System

如上，为了对用户的交易行为以及为算法提供数据训练行为的进一步支持，我们也会为所有参与产品交互的用户提供相应的激励措施，以鼓励其资产交互行为，所以我们便推出了 Points System。

通过 Raffle Ticket 可以在 World Store 12.18 发布时兑换 Lucky Draw

在 Points System 的设计当中，用户只要通过 World Store 交易资产，即可带来潜在的奖励。类似信用卡的积分机制，每当用户进行相应的资产购买或兑换，都能够获得对应的积分奖励。

而该积分则将作为 Mirror World 后续运营过程当中判断用户活跃度、参与度以及贡献度的重要依据，并在未来一系列的产品发布，Tokenomics 设计以及社区空投等过程当中，直接派发相应的权益和奖励。

写在最后

World Store 与 AI Asset Agents 的结合，旨在为更多的用户带来全新的交互体验，降低区块链资产的交互门槛，提升资产的使用以及优质资产的发现，最后为整个区块链系统带来熵减。

随着 LLMs 和区块链的发展与成熟，我们不可避免的进入到了技术加速的这趟列车当中，而这趟疯狂加速的列车将带领大家在即将来临的加密牛市当中，发现 Alpha。