协议和团队应该停止为内容支付KOL。 团队唯一应该发放代币的时机是给那些为他们的项目创造高价值并带来结果的KOL或社区成员。 你的产品或叙述应该足够有趣，以至于有影响力的人自然会想要购买并撰写相关内容。 这些人才是你应该分配代币的对象，而不是为那些通过机器人增加粉丝的代言人做三个付费帖子。 “如果我无法让任何人对我的产品感兴趣并发推呢？”那么继续构建，如果你无法建立几个核心支持者，显然你还没有找到合适的细分市场或足够地进行网络拓展。 我对建设者的建议是：构建一些足够酷的东西，让人们自然想要购买和撰写，给那些与您的愿景一致的最大支持者代币。因为： 1. 他们更有可能加班并超越期望来帮助你成功，因为你展示了强烈的道德行为（在这个领域是罕见的） 2. 你为一定数量的帖子支付的那些人会在交易结束后立刻失约并抛售代币。 我不做任何形式的付费推广，但显然我不会拒绝对我极其看好的项目的免费代币，且没有附加条件。最好的写手是无法被买通的，如果你试图这样做，他们会拒绝。 玩长线，不要走捷径，这会在你业务的每个领域反映出来，聪明的交易者能从远处嗅到这一点。 KOL活动已经死了，99.9%的营销机构都是浪费金钱，对你的业务将是负面影响。 进入这个市场的唯一方法是拥有愿意亲自参与的加密本土团队成员。

OpenAI今天通过发布他们的操作员代理确认了我对AI的北极星理论。 这不仅是我对$CODEC的指导理论，也是我在AI狂热期间年初所做的每一项AI投资的基础。 关于Codec与机器人技术的讨论很多，虽然这个领域很快会有自己的叙述，但我从第一天起对Codec如此看好的根本原因在于它的架构如何支持操作员代理。 人们仍然低估了通过构建能够自主运行的软件而占据的市场份额，这些软件能够超越人类工作者，而无需不断的提示或监督。 我看到很多与$NUIT的比较。首先，我想说我非常喜欢Nuit正在构建的东西，并祝愿他们成功。如果你在我的电报中输入“nuit”，你会看到我在四月时说过，如果我必须持有一种币几个月，那就是Nuit，因为我的操作员理论。 Nuit在纸面上是最有前景的操作员项目，但经过广泛的研究，我发现他们的架构缺乏深度，无法证明进行重大投资或将我的声誉置于其后面是合理的。 考虑到这一点，我已经意识到现有操作员代理团队中的架构缺口，并积极寻找一个能够解决这些问题的项目。Codec出现后不久（多亏了@0xdetweiler坚持让我更深入地了解他们），这就是两者之间的区别： $CODEC与$NUIT Codec的架构分为三个层次：机器、系统和智能，分别分离基础设施、环境接口和AI逻辑。Codec中的每个操作员代理都在自己的隔离虚拟机或容器中运行，允许接近本地的性能和故障隔离。这种分层设计意味着组件可以独立扩展或演变，而不会破坏系统。 Nuit的架构采取了不同的路径，更加单一化。他们的堆栈围绕一个专门的网页浏览器代理展开，结合了解析、AI推理和行动。这意味着他们将网页深度解析为AI可以消费的结构化数据，并依赖云处理来完成重的AI任务。 Codec将轻量级的视觉-语言-行动（VLA）模型嵌入到每个代理中，这意味着它可以完全本地运行。这不需要不断地回到云端获取指令，减少了延迟，避免了对正常运行时间和带宽的依赖。 Nuit的代理通过首先将网页转换为语义格式，然后使用LLM大脑来决定该做什么，这一过程随着强化学习而不断改进。虽然这种流程对于网页自动化有效，但它依赖于重的云端AI处理和预定义的页面结构。Codec的本地设备智能意味着决策发生在离数据更近的地方，减少了开销，使系统在意外变化时更加稳定（没有脆弱的脚本或DOM假设）。 Codec的操作员遵循一个持续的感知-思考-行动循环。机器层通过系统层的优化通道将环境（例如实时应用或机器人馈送）流式传输到智能层，为AI提供“眼睛”以观察当前状态。代理的VLA模型然后将视觉和指令结合起来进行解释，以决定行动，系统层通过键盘/鼠标事件或机器人控制来执行。这种集成循环意味着它能够适应实时事件，即使UI发生变化，你也不会打断流程。 用一个更简单的类比来说明，想象Codec的操作员就像一个能够适应工作中意外情况的自给自足的员工。Nuit的代理就像一个需要暂停、通过电话向主管描述情况并等待指示的员工。 不深入技术细节，这应该能让你对我为什么选择Codec作为我在操作员领域的主要投资有一个高层次的了解。 是的，Nuit得到了YC的支持，拥有强大的团队和S级的github。尽管Codec的架构是以水平扩展为目标构建的，这意味着你可以并行部署数千个代理，而代理之间没有共享内存或执行上下文。Codec的团队也不是普通的开发者。 他们的VLA架构打开了许多以前的代理模型无法实现的用例，因为它能够透过像素而不是截图进行观察。 我可以继续说下去，但我会把这些留到未来的帖子中。

问题是，如果你真的想在这个领域取得成功，周围的人都会觉得你有问题。 要真正成为0.001%，生活在战壕之外几乎是不存在的。 没有女孩，没有爱好，没有社交活动，没有Netflix或任何让你远离努力的事情。 这是一种心态，甚至对职业运动员来说也极难理解，因为没有理由你不能24/7在线。 我们被困在自己的自由悖论中。 每个人都想拥有点击按钮赚钱的魔力，直到是时候拒绝95%的享乐。 朋友和家人会不断暗示你有某种心理疾病，并且永远无法真正看到这个愿景。 当成功的点滴显现时，嫉妒会升起，如果你仔细观察人们，他们总会透露出真实的意图，即使他们并不想这样。 最细微的暗示会暴露他们，通常来自于当下自发的情感反应，你只需要听到几句话滑出嘴边，大多数时候这就是全部。 随着你变得更加成功，学会保持沉默。没有必要提及你的进展，尽管与大家分享并享受你劳动的果实是多么美好，这只会吸引他人的贪婪。 大多数人失败在于他们把“加密货币家”或“投资者”作为他们的全部个性。即使你每天在线16小时，你仍然需要在这个行业之外拥有兴趣和抱负。 朋友应该想和你在一起，是因为你带来的存在感和情绪变化，而不是你在屏幕上赚了多少数字。 过着私密、隐居的生活，与一小圈优质个体相处，是获得内心平静的最佳生活窍门。 如果你的存在感没有让人感受到什么，而不谈论金钱，那你已经输了。

这个应用上的人们看到我们行业中最大的收入生成应用在12分钟内筹集了10亿美元，市值达到15亿美元，然后说：“让我做空它。”

图表交易就像CT上的一小群人识别出唯一一个为未来五年最强叙事之一构建基础设施的项目。

什么是 $CODEC 机器人、操作员、游戏？ 以上所有以及更多。 Codec 的视觉-语言-行动 (VLA) 是一个框架无关的模型，由于其独特的能力，可以将错误可视化，因此允许数十种用例。 在过去的 12 个月中，我们看到 LLM 主要作为循环机制运作，由预定义的数据和响应模式驱动。 由于它们是基于语音和文本构建的，LLM 在超越其训练的语言上下文窗口方面能力有限。它们无法解释感官输入，如面部表情或实时情感线索，因为它们的推理受限于语言，而非感知。 如今大多数代理结合了基于变换器的 LLM 和视觉编码器。它们通过截图“看到”界面，解释屏幕上的内容，并生成一系列动作、点击、击键、滚动以遵循指令并完成任务。 这就是为什么 AI 还没有取代大类别工作的原因：LLM 看到的是截图，而不是像素。它们无法理解环境的动态视觉语义，只能理解通过静态帧可读的内容。 它们的典型工作流程是重复的：捕获截图，推理下一步动作，执行，然后捕获另一帧并重复。这个感知-思考循环持续进行，直到任务完成或代理失败。 要真正实现泛化，AI 必须感知其环境，推理其状态，并采取适当的行动以实现目标，而不仅仅是解释快照。 我们已经有宏、RPA 机器人和自动化脚本，但它们很弱且不稳定。轻微的像素偏移或布局变化会打破流程并需要手动修补。当工作流程中的某些内容发生变化时，它们无法适应。这就是瓶颈。 视觉-语言-行动 (VLA) Codec 的 VLA 代理在一个直观但强大的循环中运行：感知、思考、行动。与大多数 LLM 仅仅输出文本不同，这些代理能够看到其环境，决定该做什么，然后执行。所有这些都打包成一个统一的管道，可以分为三个核心层次： 视觉 代理首先通过视觉感知其环境。对于桌面操作员代理，这意味着捕获当前状态的截图或视觉输入（例如应用窗口或文本框）。VLA 模型的视觉组件解释此输入，读取屏幕上的文本并识别界面元素或对象。也就是代理的眼睛。 语言 然后是思考。根据视觉上下文（以及任何指令或目标），模型分析所需的动作。基本上，AI “思考” 适当的响应，就像人类一样。VLA 架构在内部合并了视觉和语言，因此代理可以理解弹出对话框在询问是/否问题。然后，它将根据目标或提示决定正确的行动（例如，点击“确定”）。作为代理的大脑，将感知到的输入映射到一个动作。 行动 最后，代理通过向环境输出控制命令来行动。VLA 模型生成的不是文本，而是直接与系统交互的动作（例如鼠标点击、击键或 API 调用）。在对话框示例中，代理将执行对“确定”按钮的点击。这完成了循环：在行动后，代理可以视觉检查结果并继续感知-思考-行动循环。行动是将它们从聊天框转变为实际操作员的关键分隔符。 用例 正如我提到的，由于架构的原因，Codec 是叙事无关的。正如 LLM 不受其可以生成的文本输出的限制，VLA 也不受其可以完成的任务的限制。 机器人 VLA 代理不再依赖旧脚本或不完美的自动化，而是接收视觉输入（摄像头视频或传感器），将其传递给语言模型进行规划，然后输出实际的控制命令以移动或与世界互动。 基本上，机器人看到它面前的东西，处理指令，如“将百事可乐罐移动到橙子旁边”，弄清楚一切的位置，如何移动而不碰倒任何东西，并在不需要硬编码的情况下完成。 这与谷歌的 RT-2 或 PaLM-E 属于同一类系统。大型模型将视觉和语言结合起来以创建现实世界的动作。CogAct 的 VLA 工作是一个很好的例子，机器人扫描一个杂乱的桌子，得到一个自然提示，并运行一个完整的循环：对象 ID、路径规划、运动执行。 操作员 在桌面和网络环境中，VLA 代理基本上像数字工人一样运作。它们通过截图或实时视频“看到”屏幕，将其通过基于语言模型的推理层运行，以理解 UI 和任务提示，然后像人类一样执行真实的鼠标和键盘控制。 这个完整的循环，感知、思考、行动持续进行。因此，代理不仅仅是一次反应，而是积极导航界面，处理多个步骤的流程，而无需任何硬编码脚本。该架构是 OCR 风格的视觉读取文本/按钮/图标，语义推理决定该做什么，以及可以点击、滚动、输入等的控制层的混合。 这在错误处理方面变得非常有趣。这些代理可以在行动后反思，并在某些事情未按预期进行时重新规划。与 RPA 脚本不同，后者在 UI 轻微变化时会中断，例如按钮位置移动或标签重命名，VLA 代理可以使用视觉线索和语言理解适应新布局。这使其在界面不断变化的现实世界自动化中更加稳健。 这是我在通过像 playwright 这样的工具编写自己的研究机器人时个人遇到的困难。 游戏 游戏是 VLA 代理可以大放异彩的最明显用例之一，想象它们更像沉浸式 AI 玩家，而不是机器人。整个流程是相同的，代理看到游戏屏幕（帧、菜单、文本提示），推理它应该做什么，然后使用鼠标、键盘或控制器输入进行游戏。 它并不专注于蛮力，而是 AI 学习如何像人类一样玩游戏。感知 + 思考 + 控制，所有这些都结合在一起。DeepMind 的 SIMA 项目通过将视觉-语言模型与预测层结合并将其应用于《无人深空》和《我的世界》等游戏，解锁了这一点。代理通过仅仅观察屏幕并遵循指令，可以完成抽象任务，如“建造篝火”，通过串联正确的步骤，收集木材、找到火柴并使用库存。它也不仅限于一个游戏。它在不同环境之间转移了知识。 VLA 游戏代理并不被锁定在一个规则集内。同一个代理可以根据视觉和语言基础适应完全不同的机制。由于它是基于 LLM 基础设施构建的，它可以解释自己在做什么，在游戏中遵循自然语言指令，或与玩家实时协作。 我们离拥有能够适应你的游戏风格和个性化的 AI 队友并不遥远，这一切都要归功于 Codec。

2023年：“去中心化金融（DeFi）在将其代币视为证券的监管下永远无法繁荣。” 2025年：“如果代币不能合法代表真实的股权，ICM将永远无法繁荣。”

ICM的成功并不依赖于Launchcoin或任何单一平台。 这是一场关于我们如何看待链上实用项目的制度变革。 我们从数十亿美元的启动转变为由于价格和基本面之间的疯狂不匹配而导致的泵乐趣。 现在我们正在从虚无缥缈的项目转向拥有真实用户、交易量和收入的项目。 大多数人会在我们真正实现采用的拐点时放弃。

价格与基本面不匹配。 $KNET（800万美元）与$ALCH（1.2亿美元） @Kingnet_AI 处理从2D/3D建模到完整角色绑定、动画，甚至是从自然语言提示生成代码的所有内容。无代码用户界面意味着任何人都可以在不接触一行代码的情况下，从想法到可玩的Web3游戏演示。加快构建速度，降低成本，并大幅降低门槛。 它面向Web3原生游戏开发者、独立开发者和小型工作室。重视资产生成和端到端原型制作。基本上将游戏开发转变为视觉AI工作流程，旨在更快地推出更多内容，即使你没有技术背景。 KNET驱动一切，包括支付、AI查询，最终还将用于生成资产的市场。还具有治理功能。与KingNet（大型上市游戏公司）相关联，已经接入Solana、BNB、TON。正在看到早期的吸引力和黑客马拉松的胜利。 Kingnet AI由Kingnet Network Co. Ltd支持，这是一家成立于2008年的上市中国游戏巨头。该公司拥有《快乐塔》、《蜀山传奇》、《MU奇迹》和《战舰世界：闪击战》等热门游戏的成功记录，是移动游戏领域最著名的孵化器之一。Kingnet AI由SmileCobra Studio（新加坡）与Kingnet的香港分部独家合作开发。母公司估值超过50亿美元，资产负债表上有10亿美元。 @alchemistAIapp 一个更广泛的无代码平台，将用户提示转换为完全功能的应用程序或游戏。 它使用多代理AI引擎（多个专业模型）来解析用户提示，生成代码，创建视觉效果，并实时组装完整应用程序。目标用户群广泛，从爱好者到Web3开发者，寻找快速原型工具、游戏或网站。 用户体验非常流畅，例如你输入“一个有棕色木质背景的蛇游戏”，Alchemist的神圣实验室界面会组织AI代理生成前端代码、游戏逻辑，甚至自定义图形。 ALCH用于Arcane Forge市场和访问Alchemist的AI服务。用户可以通过出售有用的应用程序或游戏来赚取ALCH，市场具有小费和发现功能，以奖励受欢迎的应用程序。 Alchemist于2024年在越南成立，由Thien Phung Van（创始人/CFO）、Trong Pham Van（联合创始人）和Duc Loc “Louis” Nguyen（CTO）领导。团队成员在软件和创业方面有背景（Thien曾是Vistia的CEO/CFO），小团队以无资金的初创公司身份推出Alchemist。 总结；Kingnet AI是专业化的，专注于为Web3自动化端到端游戏创建，背靠成熟的游戏基础设施。Alchemist AI的范围更广，提供快速的LLM界面，用于构建具有零售吸引力的独特工具和游戏。Kingnet在游戏领域深耕，而Alchemist在多个用例中广泛应用。 基于此，很明显Kingnet在比较中被严重低估。Kingnet在产品生命周期中处于更早阶段，尚未完全完善其用户体验和界面，尽管团队的质量、经验和支持显著超过Alchemist的平台，同时市值却低15倍。

人们不断祝贺我关于 $CODEC，这是什么原因呢？ 到目前为止，我们甚至没有看到： - 代币实用性 - 激励措施 - 路线图 - 演示 - 新网站 - 市场 - 未来合作伙伴关系 - 用例 + 更多 我们所看到的只是一些合作伙伴关系和他们的资源聚合器（Fabric）的发布。 我没有写多个帖子，多个电报消息，几乎每天与团队交流，建议市场营销、品牌、定位来庆祝600万市值。 一个粉发的动漫女孩的chatgpt包装在AI季节时就足以让市值达到600万。 项目在赢得黑客马拉松或被大型KOL/研究者聚焦后，市值一夜之间飙升至9位数。 每个人都忘记了当灯光打开，人们再次相信时会发生什么。 我这周对链上项目如此看涨的原因是信心处于历史低点。过去一个月是我们在这个行业取得的一些最大进展，加上积极的宏观背景。 还记得那种钱从天而降的感觉吗？可能不久我们就能再次体验到。