🤪 @TheoriqAI resmi memasuki fase kedua, sekarang bukan hanya sekadar "mengolah data, mengolah sinyal", tetapi mulai membuat seluruh sistem benar-benar bergerak, dapat melakukan operasi nyata di on-chain. Seluruh arsitektur dari desain strategi hingga eksekusi on-chain mulai secara bertahap terhubung, ini adalah langkah paling krusial dari OLP Swarm.
Sekarang Policy Agent mereka sudah dapat membuka dan menutup posisi secara langsung di on-chain. Para agen ini akan menilai apakah perlu menyesuaikan posisi likuiditas berdasarkan data fluktuasi harga pasar, seperti rentang harga selama 24 jam terakhir. Kedengarannya sederhana, sebenarnya ini adalah simulasi kerangka strategi likuiditas yang stabil, hanya saja seluruh proses diserahkan kepada agen untuk menilai dan memicu secara otomatis.
Di lapisan eksekusi, peran LP Agent menjadi lebih penting. Ia telah diintegrasikan ke dalam UI, dapat menerima instruksi terstruktur dari agen lain, seperti koin apa yang ingin ditukar, di tier biaya mana yang akan diperdagangkan, berapa maksimum slippage, dan lain-lain. Mekanisme ini ditulis dengan Rust, yang berarti pengembang lain di masa depan juga dapat langsung mengembangkan dan menyesuaikan LP agent mereka sendiri berdasarkan kerangka ini. Ini merupakan langkah besar bagi Theoriq menuju "eksekusi otomatis DeFi".
Menariknya, mereka juga memperkenalkan Evaluator Agent, secara sederhana disebut "pengawas", yang bertanggung jawab untuk melacak kinerja setiap agent, seperti efektivitas strategi, biaya gas, efisiensi transaksi, dan indikator lainnya. Dengan adanya ini, seluruh sistem Swarm dapat terus melakukan optimasi dinamis berdasarkan kinerja historis, terus menyaring dan menyesuaikan kombinasi strategi.
Secara keseluruhan, Theoriq sedang bergerak ke arah "Jaringan Agen" yang lebih lengkap. Dari pengambilan keputusan strategis, hingga eksekusi on-chain, dan kemudian evaluasi efek, telah terbentuk siklus tertutup. Langkah selanjutnya seharusnya kita akan melihat lebih banyak fungsi kompleks yang diluncurkan, seperti strategi sinkronisasi multi-pasar, bahkan agen LP yang didorong oleh LLM. Meskipun ritme proyek ini tidak cepat, setiap langkah sangat solid. Kuncinya adalah ada kegiatan peringkat di @KaitoAI!
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
🤪 @TheoriqAI resmi memasuki fase kedua, sekarang bukan hanya sekadar "mengolah data, mengolah sinyal", tetapi mulai membuat seluruh sistem benar-benar bergerak, dapat melakukan operasi nyata di on-chain. Seluruh arsitektur dari desain strategi hingga eksekusi on-chain mulai secara bertahap terhubung, ini adalah langkah paling krusial dari OLP Swarm.
Sekarang Policy Agent mereka sudah dapat membuka dan menutup posisi secara langsung di on-chain. Para agen ini akan menilai apakah perlu menyesuaikan posisi likuiditas berdasarkan data fluktuasi harga pasar, seperti rentang harga selama 24 jam terakhir. Kedengarannya sederhana, sebenarnya ini adalah simulasi kerangka strategi likuiditas yang stabil, hanya saja seluruh proses diserahkan kepada agen untuk menilai dan memicu secara otomatis.
Di lapisan eksekusi, peran LP Agent menjadi lebih penting. Ia telah diintegrasikan ke dalam UI, dapat menerima instruksi terstruktur dari agen lain, seperti koin apa yang ingin ditukar, di tier biaya mana yang akan diperdagangkan, berapa maksimum slippage, dan lain-lain. Mekanisme ini ditulis dengan Rust, yang berarti pengembang lain di masa depan juga dapat langsung mengembangkan dan menyesuaikan LP agent mereka sendiri berdasarkan kerangka ini. Ini merupakan langkah besar bagi Theoriq menuju "eksekusi otomatis DeFi".
Menariknya, mereka juga memperkenalkan Evaluator Agent, secara sederhana disebut "pengawas", yang bertanggung jawab untuk melacak kinerja setiap agent, seperti efektivitas strategi, biaya gas, efisiensi transaksi, dan indikator lainnya. Dengan adanya ini, seluruh sistem Swarm dapat terus melakukan optimasi dinamis berdasarkan kinerja historis, terus menyaring dan menyesuaikan kombinasi strategi.
Secara keseluruhan, Theoriq sedang bergerak ke arah "Jaringan Agen" yang lebih lengkap. Dari pengambilan keputusan strategis, hingga eksekusi on-chain, dan kemudian evaluasi efek, telah terbentuk siklus tertutup. Langkah selanjutnya seharusnya kita akan melihat lebih banyak fungsi kompleks yang diluncurkan, seperti strategi sinkronisasi multi-pasar, bahkan agen LP yang didorong oleh LLM. Meskipun ritme proyek ini tidak cepat, setiap langkah sangat solid. Kuncinya adalah ada kegiatan peringkat di @KaitoAI!