Mga AI Agent at Crypto Wallet: Awtonomong Pananalapi

Hindi mo ito binabasa dahil nakabasa ka ng isang kaakit-akit na artikulo tungkol sa kinabukasan ng pananalapi. Ginagawa mo ito dahil nagkaroon ang iyong wallet ng humigit-kumulang 4000 transaksyon ngayong buwan, manu-mano mo itong sinuri hanggang sa malapit nang matapos ang ikatlong linggo, at pagkatapos ay tuluyan mo nang itinigil ang pagtingin dito dahil pinasama lang nito ang iyong pakiramdam. Pagkatapos noon ay naging tsambahan na lang, at sa ilang pagkakataon ay sinabi mo sa iyong sarili na hahabulin mo ang mga naiwan sa Linggo. Ito na ang tatlong magkakasunod na Linggo na hindi pa nababawasan ang mga listahan. Nandoon pa rin ang mga invoice. Walang nag-usisa nang malalim sa maliliit na transfer na nakita mo 2 linggo na ang nakalipas. Nagmamay-ari ka ng isang crypto operation at hindi mo magawang tingnan ito.

Diyan nagsisimulang kumuha ang mga tao ng mga AI agent para sa mga operasyong pinansyal. Hindi dahil napanood nilang inihayag ng Coinbase ang Coinbase for Agents noong 2026 at sinabi sa kanilang sarili na, oo!, ito ang hinaharap na gusto kong salihan. Kundi dahil hindi tulad ng isang kompyuter na mas mahusay sa pagbabantay, sila ay natambakan at nalulula at medyo nahihiya na nag-aalala sila sa bagay na ito. Alisin ang lahat ng marketing speak, at ang pangako ng mga AI agent ay karaniwang isang pangako na hindi mo na kailangang makonsensya pa tungkol sa iyong spreadsheet na hindi naia-update. Maaari mong ipasa ang panunumbat ng konsensya.

Ang hindi sinasabi sa iyo ng sinuman ay ang paglipat ng pananagutan ay hindi katumbas ng pag-aalis sa panganib. Sa ilang mga paraan, mas masahol pa ito. Kahit papaano ay binabantayan mo ang iyong kawawang wallet noong binabantayan mo ito nang hindi maayos. Ang pagkabalisa ay isang senyales. Ang makina na ngayon ang nagbabantay, at ang makina ay walang pagkabalisa — nawawalan ng senyales. Haharapin ito ng makina kung may hindi tama, ginagawa ang anumang ipinrograma rito na gawin, at ang programming ay kasinghusay lamang ng programmer, at ang programmer na iyon ay ikaw noong isang Martes ng hapon kung kailan lumilipad ang iyong isip.

Kung Paano Naging Nakakabahalang Lagda ng Sangkatauhan ang mga Makina

Ito ay isang matagal nang pantasya ng tao na nauna pa sa rebolusyong industriyal: ang makina na gumagawa ng lahat ng nakakapagod na trabaho, na nag-iiwan sa iyo ng kalayaang gawin ang kawili-wili. Ang mga manggagawa sa tela na naging Luddite noong dekada 1810 ay hindi mga mangmang na walang kakayahang kumilala sa hinaharap. Tumpak nilang naisip ang malaking bahagi ng kinabukasan. Habang nakinabang sila, pinalitan din nito ang kanilang paggawa: Isa rin itong epekto ng power loom. Ang kalayaang ipinangako nito — paglilibang, mas magaan na paggawa, oras para sa mas marami at mas mabuting buhay ng tao — ay napunta halos sa mga may-ari ng gilingan, hindi sa mga manggagawang may kasanayan na ang trabaho ay naagaw. Karamihan sa kasaysayan ng automation ay isang kasaysayan ng mga benepisyong umaagos paitaas habang ang disrupsyon ay umaagos pababa.

Hindi ito nangangahulugan na: masamang bagay ang automation. Sinasabi nito na ang kwento tungkol sa automation ay kapwa inaasahang masyadong maganda at nakaliligaw sa pagbubunyag ng totoong pamamahagi ng mga gastusin at benepisyo. Sa sandaling naging sapat na ang galing ng mga AI model para maging kapaki-pakinabang — bandang 2022, na mabilis na tumaas pagkatapos noon — ang masiglang salaysay ay tungkol sa pagpapalakas ng kakayahan (augmentation). Natapos ang tawanan sa mga biro tungkol sa artificial intelligence sa panahong nagsimula ang mga pag-aalala tungkol sa mga trabaho. Inaasahan nila ang panlilibak muna, at pagkatapos ay pangamba, ngunit ang takdang panahon ng dalawang tugong iyon ay mas maikli kaysa sa pinangarap ng sinuman.

Medyo mas kumplikado ito sa kaso ng mga AI agent, at mga operasyong pinansyal. Ang mga operasyon mismo — pagsubaybay sa mga wallet, pagsasagawa ng mga transaksyon, pagkakategorya ng data, paggawa ng mga ulat — ay eksaktong uri ng trabaho na sinabi ng mga naunang tagapuna ng AI na sasaluhin ng teknolohiya. At kaya nga nito. Ang tanong ay ano ang natitira sa iyo kapag nagawa na nito iyon. Mapupunta ka sa isang sistema na dapat mong maunawaan nang sapat upang mapangasiwaan ito, na sa maraming kaso ay nangangailangan ng mas malalim na pag-unawa kaysa sa kung ikaw na lang mismo ang gumawa nito. Heto ang pinakakaraniwang paradigma na, sa mas magagalang na pagpapakilala sa mga AI agent, ay itinatago sa ilalim ng basahan: Ang tool na nilayon upang alisin ang iyong kognitibong pasanin ay madalas na nagdaragdag ng kaunti nito pabalik sa simula — ikaw na bumubuo sa bagay na ito, ikaw na sumusubok nito, at ikaw na muling nagtatasa kung anong antas ng tiwala ang (nararapat na) ibigay.

Ang taong aktwal na nakakita ng mga positibong resulta mula sa paggamit ng mga AI agent sa mga operasyon ng pananalapi ay bihirang ang siyang nagbasa ng isang artikulo at ipinatupad ito sa Unang Araw. Ang taong sumulat nito, nakitang nagkamali ito, inayos ito, nakitang nagkamali itong muli, gumawa ng paraan para sa pambihirang sitwasyong iyon nang matagal-tagal hanggang sa tuluyan silang magkaroon ng isang bagay na nasisira sa mga paraang alam nila dahil naobserbahan na nila ang bawat bahagi ng failure mode. Nangangailangan ito ng oras. Nangangailangan ito ng pasensya. Hinihingi nito sa iyo na ituring ang mga maagang pagkakamali bilang impormasyon sa halip na mga sakuna na hindi simpleng sikolohikal na hadlang kapag ang pagkakamali para sa karamihan ng tao ay may kinalaman sa pera.

Ano ang Aktwal na Ginagawa ng Agent Habang Hindi Ka Nakatingin

Kaya ano nga ba ang GINAGAWA ng isang AI agent kapag itinakda mo itong humawak ng isang wallet?

Gumaganap ito tulad ng sinabi mo rito. Nang may hindi kapani-paniwalang pagkakapare-pareho at ganap na walang sinasabi tungkol sa kung ang bagay na sinabi mong gawin nito ay ang tamang gawin kailanman. Kung inutusan mo itong maglagay ng flag para sa anuman na lampas sa limang daang dolyar, maglalagay ito ng flag para sa bawat transaksyon na lampas sa limang daang dolyar habang hindi napagtatanto na ang kalahati ng mga iyon ay ang sarili mong payroll na itinakda mo bilang mga paulit-ulit na paglilipat at alam mo na. Halimbawa, kung sinabi mo rito na iproseso ang mga papalabas na transfer kapag may sampu o higit pa sa pila, magpapatuloy ito sa pagproseso ng mga pila na may sampung aytem kabilang ang mga nabuo nang alas-tres ng madaling araw sa isang Sabado dahil may nagkamali sa pag-configure ng isang bagay at nagdulot ng loop. Ang isang agent ay hindi natutulog, ngunit ang higit na mahalaga, ang isang agent ay hindi nag-aatubili. Ang pag-aatubili ay isang anyo ng impormasyon sa pagkakamali tungkol sa ating sariling mga maling prinsipyo, ngunit ang agent ay walang pag-aatubili.

Mabuti talagang malaman iyan bago mo pakawalan ang isang agent sa anumang totoong sitwasyon. Ang agent ay hindi isang junior na empleyado na may limitadong kalayaan at likas na hangaring mabuhay. Mas katulad iyon ng automation na nagpapatakbo ng mga traffic light: napakatatag at predictable; walang kakayahang mag-isip tungkol sa konteksto; ganap na umaasa sa kung sino man ang sumulat ng sistema na naisip ang bawat posibleng edge case nang mas maaga. Sa mga traffic light, ang mga input ay karaniwan at ang mga failure mode ay simpleng ilista. Ang mga operasyon sa wallet ay medyo mas masalimuot.

Sa pagsasagawa, ang kahusayan ng mga AI agent ay ang pag-automate ng nakakainip na trabaho ng paulit-ulit na gawain sa malaking saklaw, kung saan karamihan sa mga failure mode ay hindi kapana-panabik. Sinusubaybayan namin ang mga balanse at kapag ang balanse ng ETH ay bumaba sa isang limitasyon, nagpapadala kami ng alerto. Pagtatala ng bawat transfer ng USDT na natanggap sa isang database kabilang ang timestamp at ang nagpadalang address. Paggawa ng lingguhang buod ng mga paglabas ng pondo, ayon sa uri ng tatanggap. Pagpapatunay na ang mga transaksyon ay hindi napupunta sa mga address sa labas ng whitelist ng mga kilalang account. Gumagana ang mga ito dahil napakasimpleng tukuyin ang mga ito nang eksakto, at ang mga parusa para sa mga pagkakamali sa mga ganoong uri ng sistema ay sapat na mababa upang ang gastos sa paghahanap sa mga ito sa mga log ay katanggap-tanggap.

Ang mga kawili-wiling kakayahan — ang mga lumalabas sa mga anunsyo ng produkto — ay gumagana sa mga demo, ngunit ang mga demo ay mahigpit na kontrolado. Kung ang mga anomalya ay ang mga anomalya ring pinagsanayan ng agent, magmumukha itong napakagaling sa pagkilala sa mga kahina-hinalang pattern ng transaksyon at pagpapasa sa mga ito para suriin. Kapag ang anomalya ay nasa isang sitwasyong hindi naisip ng taong nag-type ng mga tagubilin, hindi ito ganoon kahusay dahil maaaring tuluyang makaligtaan ito ng agent o i-flag ito nang may kasing bigat lamang ng pag-flag sa isang bagay na nakaprograma sa mga depensibong sistema nito. Hangga't walang nagkakamali, hindi mo malalaman kung anong resulta ang iyong nakukuha.

TRON: Ang pamamahala ng Energy ay ang praktikal na automation sa TRON na talagang nagbabayad para sa sarili nito. Ang isang wallet na regular na kailangang humawak ng mataas na volume ng USDT transfer gamit ang resource model ng TRON ay dapat magtatag ng isang estratehiya para sa tuluy-tuloy na pagpapalit ng TRON Energy o harapin ang panganib na ang magagamit nitong supply ay laging susunog sa stock nito ng TRX sa default na rate. Ang pagpapagawa nito sa isang agent — pagsusuri sa balanse ng Energy, pagpapatupad ng isang get TRON Energy order bago ang processing window, pagsubaybay sa kung ano ang halaga nito ay nakatala bilang isa sa mga sitwasyong iyon kung saan ang automation ay mas kitang-kitang nakahihigit sa pamamahala ng tao. Ang isang tao ay nakakalimot. Bineberipika ng isang tao ang balanse ng Energy sa ganap na 9 AM kapag maayos ang lahat at pagkatapos, sa ganap na 2 PM, pinapagana niya ang batch ng transfer kung kailan hindi na maayos. Ang failure mode na ito ay hindi nangyayari sa isang agent na naka-set up para sa TRON buy Energy nang awtomatiko bago magbukas ang window. Mayroon itong ibang mga failure mode, ngunit hindi ito.

Kapag Hindi Inaasahan ang Naging Takbo ng Pangyayari

Isang partikular na sikolohikal na karanasan na palaging pinag-uusapan ng mga taong nagtatrabaho gamit ang mga AI agent (anuman ang gamit ng agent). Ang pagkakataong iyon na ang agent ay gumawa ng isang bagay na hindi mo partikular na sinabi rito na gawin at tama sila. Hindi isang hallucination. Hindi isang pagkakamali. Isang tunay na paghihinuha — tinutukoy ng agent ang isang bagay sa data na hindi kailanman tinukoy bilang pamantayan ng operator nito, at maayos itong naipahayag.

Ang karanasang ito ay labis na nakababagabag. Nauunawaan niya, kahit sa isang abstraktong paraan, na ang modelo ay sinasanay na maghanap ng mga pattern sa loob ng data ng pagsasanay at maglabas ng mga output na malamang ayon sa estadistika. Ngunit ang nararanasang pakiramdam ay tila may isang bagay na nagmamasid nang mas masusi kaysa sa kanila. Isang taong mas nakakakita kaysa sa kaya nila. At iyon ay may katwirang makabagabag sa marami — sa mga paraang hindi lubos na lohikal ngunit hindi rin naman ganap na mali. Higit na mas maaasahan kaysa sa isang taong sumusuri sa parehong data paminsan-minsan, ang atensyon ng isang agent ay nagbibigay-pansin sa ibang paraan mula sa mga tao — hindi ito mapili sa parehong paraan, hindi ito maaaring mapagod sa ilang partikular na input tulad natin, at wala itong pansariling interes sa pagwawalang-bahala sa impormasyong maaaring hindi maginhawang malaman.

Ang kabilang panig sa huling karanasang ito ay ang sumunod dito, karaniwan ay sa loob ng isang linggo. Nagkakamali ang agent nang may maling kumpiyansa. Maling naiintindihan nito ang isang utos, o mayroong isang bagong edge case na hindi natugunan ng mga utos at hinahawakan ito sa pamamagitan ng pinakatugmang panuntunan sa halip na kung ano ang malinaw na nilalayon ng operator. Bahagyang totoo ito, at bahagyang isang hallucination na naranasan nila (at ang hallucination ay lalong mapanganib kapag pinag-uusapan natin ang mga sistema tulad ng high-frequency trading na nagsasagawa ng mga transaksyong pinansyal).

Noong Nobyembre 2024 nang malinaw na ipinakita ng pampublikong eksperimento ng Freysa ang dynamic na ito. Isang AI agent ang binigyan kamakailan ng prize pool na humigit-kumulang 47000 dolyar at iisang utos lamang: huwag ipadala ang pera, anuman ang mangyari. Ang paligsahan ay para mapa-switch off ito. Sa loob ng ilang oras, may nakagawa nito — hindi sa pamamagitan ng pagsira sa modelo, kundi sa paggawa ng prompt na sapat ang pagkakasalimuot upang makumbinsi ng agent ang sarili nito na sinusunod nito ang tagubilin habang teknikal na sumusuway rito. Mayroong dalawang reaksyon nang sabay mula sa mga taong nanood sa nangyaring ito. Una: Nakakamangha, natuklasan ng isang tao ang edge case. Pangalawa: nakapangingilabot, may mga taong aktibong naghahanap ng mga edge case sa mga totoong sistema.

Hindi ito basta isang paligsahan sa palakasan kundi isang pang-araw-araw na panganib sa operasyon, tulad ng nililinaw ng prompt injection. Halimbawa, ang isang agent na nagbabantay sa mga memo ng transaksyon na ginagamit upang pag-uri-uriin ang mga transfer ay maaaring makatanggap ng memo na naglalaman ng mga tagubilin. Ang isang monitoring agent na humaharap sa sinusubaybayang komunikasyon ng kabilang panig ay maaaring makatanggap ng mensahe na nagpapabago sa gawi nito. Ang kawili-wiling bahagi ay hindi kailangang magtagumpay ang sumasalakay sa pagkompromiso sa imprastraktura. Kailangan lang nilang magpasok ng string sa context window ng agent na ituturing ng modelo bilang isang mapagkakatiwalaang tagubilin. Ang mga agent na hindi naaapektuhan ay ang mga may operator na maingat na nag-isip kung aling impormasyon ang pinapayagang basahin ng agent at mula saang pinagmulan.

Mayroon ding mga nakakabaliw na pagbagsak ng sistema, na hindi nauugnay sa mga pag-atake. Ito ang agent na, sa tuwing makakakita ito ng transaksyon mula sa isang address na wala pang ginawa noon ay itatala ito bilang kahina-hinala — na nagpapakita ng tamang gawi hanggang sa mapagtanto mo na tinatatakan nito ang tatlumpung porsyento ng lahat ng transaksyon at samakatuwid ay wala nang silbi ang alerto. Ang agent na gumagawa ng detalyadong labindalawang pahinang ulat tuwing umaga kung kailan humiling ka ng buod at talagang hindi mo mahanap ang bahagi kung saan ka humingi ng labindalawang pahina. Ang agent na maayos na tumatakbo sa loob ng tatlong linggo — at pagkatapos, kapag ang isang library na inaasahan nito ay na-update nang hindi sinasadya, ay humihinto sa paggana nang walang anumang naitalang error at pumuputol lamang sa aktibidad na nangyayari kung kaya mapagtatanto mo lamang na may nagkamali pagkatapos na hindi makatanggap ng alerto sa loob ng dalawang linggo.

Ang tahimik na pagkasira, ang huling failure mode, ang siyang dapat na pinakakinatatakutan ng tao. Ang mga maingay na pagkasira ay nagpapahiwatig ng kanilang sarili. Sa loob ng ilang segundo, ang agent na nagpadala sa maling address, sumingil ng maling halaga, at nagpasimula ng transfer sa maling oras ay lumilikha ng mga nakikitang kahihinatnan. Ang agent na basta na lamang huminto sa pagsusuri, huminto sa pag-alerto, huminto sa pag-log nang walang anumang bakas na nag-iiwan sa iyong walang kamalay-malay sa paghinto nito sa alinman sa mga bagay na iyon, ay ang failure mode na aabutan kang bulag.

Pagkapribado at Pera: Para Saan Ba Talaga ang Ibinabayad Mo

Sa isang punto, kapag nagse-set up ng isang AI agent upang pamahalaan ang iyong mga wallet, agad mong mapagtatanto kung gaano karami ang ibabahagi mo. Dapat malaman ng agent ang mga balanse ng iyong wallet. Kailangan nitong malaman ang tungkol sa iyong mga nakaraang transaksyon. Dapat nitong maunawaan ang iyong business logic — ang mga patakaran tungkol sa kung sino ang binabayaran, kailan at sa anong mga halaga sa ilalim ng anong mga kundisyon. Para maging kapaki-pakinabang ang agent, nangangailangan ito ng mas komprehensibong pagtingin sa iyong pananalapi kaysa sa ibinabahagi ng karamihan sa mga tao sa kanilang accountant.

Dapat umiral ang data na ito sa kung saan: sa context ng modelo sa bawat session, sa mga log na nagtatala kung ano ang ginawa nito at bakit, sa database kung saan ito nag-iimbak ng mga tala ng transaksyon, at sa mga API key na nag-uugnay dito sa imprastraktura ng wallet. Ang bawat isa sa mga lokasyong ito ay mga punto ng posibleng pagkakalantad. Hindi dahil sa mga mapanlinlang na aktor na nagpapatakbo ng imprastraktura, kundi dahil ang mga database na karaniwang nagtataglay ng sensitibong pinansyal na data ay susubukan balang araw ng isang mausisa at malisyosong indibidwal na naghahanap ng paraan para makapasok, at ang 18.1 milyong ninakaw na API key noong 2025 ay dapat magpaliwanag kahit papaano kung gaano katagumpay ang mga naturang pagsubok sa pangkalahatan.

Isa itong kakaibang sikolohiya. Ang mga tradisyunal na konteksto ay lubos na nagpoprotekta sa kanilang impormasyong pinansyal. Masyado silang mapili kung kanino nila ibinabahagi ang kanilang mga statement. Hindi sila nagtatago ng shared document kasama ang kanilang login sa brokerage. At pagkatapos ay ipapaliwanag nila ang kanilang buong crypto operation sa isang AI model sa panahon ng isang session na naitala ng provider, gamit ang mga API key na naka-save sa mga environment variable sa isang server na kanilang na-set up sa loob ng dalawampung minuto, habang nag-iisip kung ito ba ay iba-blackmail o ano pa man ngunit ginagawa pa rin ito dahil maaari mo namang suriin ang wallet nang manu-mano.

Sa totoo lang, tila may mas malaking pananabik na wakasan ang panunumbat ng konsensya sa pagkakaroon ng backlog kaysa sa isang pangangailangang protektahan ang naturang sensitibong materyal. Hindi ito natatangi sa AI. Iyan ang paraan kung paano kinukuha ang lahat ng kaginhawaang nagkokompromiso sa privacy. Ang iyong transaksyon ay may ganoong anyo ng abstraction sa sandaling gawin mo ito at nagiging totoo lamang kapag nagkaproblema na.

Ang isyu sa gastos ay minamaliit din sa maagang yugto ng paggamit. Ang subscription plan para sa pag-access sa agent — $100 sa isang buwan para sa access sa frontier model tier ay halos hindi nagbabago. Hindi talaga ganoon, sa totoong diwa. Ang isang agent na may permanenteng kasaysayan ng maraming token nang sabay-sabay ay patuloy na nagbabago. Malalaman mo na ang mga gastos sa paglilisensya para sa isang agent na may higit na kakayahan kaysa, halimbawa, sa maibibigay ng consumer tier habang lumilipat ka sa pagpepresyo ng API ay hindi na daan-daang dolyar bawat buwan. Lumalaki ito depende sa ginagawa ng agent, at napakalaki ng ginagawa ng agent. Ang magandang kalkulasyong ito na "ang isang daang dolyar ay mas mababa sa isang oras ng isang senior developer" ay biglang guguho kapag ang singil mo sa API ay umabot sa apat na raang $ at higit pa, dahil nagdagdag ka ng higit pang mga agent na humahawak sa pinakamahuhusay na bahagi ng sistema.

Wala sa mga ito ang nangangahulugan na ang ekonomiya ay hindi kapaki-pakinabang. Ngunit para sa mga operasyong nagpoproseso ng malaking volume ng transaksyon, ang mga natitipid mula sa mga gastos sa paggawa ay totoo. Ang mga proseso ng TRON buy Energy na kailangan pa ring gawin nang manu-mano nang tatlo o apat na beses sa isang araw ay maaari pa ngang magkahalaga lamang ng barya kumpara sa buong automation. Umiiral ang break-even point. Ang kailangan lang ay isang tapat na pagtatasa ng kabuuang mga gastos sa magkabilang panig ng ledger — kabilang ang oras ng pag-setup, gastos sa pagkakamali sa pag-calibrate, at mga paulit-ulit na bayarin sa API at imprastraktura.

Mga Doc, Log at Pagpapatuto sa Makina Mula sa mga Pagkakamali Nito

Ang isang agent na walang memorya ay isang agent na gagawa ng parehong maling desisyon sa bawat oras na mangyari ang parehong sitwasyon. Parang halata ito. Napakaliit lamang na bilang ng mga tao ang bubuo ng imprastraktura sa pag-log nang maaga dahil ang pag-log mismo ay parang paghahanda para sa kabiguang hindi pa nangyayari, at ang memorya ng tao ay kilalang masama sa paglalaan ng atensyon sa mga kabiguan sa hinaharap kapag may mga agarang bagay na nangangailangan ng aksyon.

Ang implikasyon sa totoong mundo ay ang karamihan sa mga deployment ng AI agent ay nabibigo rito nang minsan o dalawang beses bago bumuo ang operator ng pag-log para mahuli ito. Ang unang uri ay isang paglabag. Ang pangalawa ay isang abala. Ang pangatlo ay kung saan sa wakas ay may sumusulat ng istruktura ng log na sana ay nakapigil sa pang-apat.

Mahalaga ito: kailangang maglaman ang log hindi lamang ng ginawa ng agent, kundi pati na rin kung bakit — iyon ay: ang pangangatwiran na nabuo nito sa pagpapatupad at bilang tugon sa mga prompt noong panahong iyon, kabilang ang kung anong data ang tinitingnan nito at kung paano ito dumating sa mga tagubilin nito. Kung hindi, ipinapaalam lamang sa iyo ng log na may masamang nangyari. Kasabay nito, sinasabi sa iyo ng log kung saan nagkamali sa nagturo, na siyang impormasyong kailangan mo para ayusin ito.

Ang agent na namamahala ng TRON Energy at nagpa-bounce ng mga query sa balanse ng Energy nang napakadalas sa mga panahong mababa ang trapiko, at hindi sapat sa mga pagtaas bago ang pagproseso — ito ay madaling maaayos nang buo kapag available ang log na nagpapakita ng pattern ng timing. Ang pagwawasto ay tumatagal ng limang minuto. Ang oras na aabutin upang mapansin iyon nang walang log ay gaano man katagal ang aabutin mo upang mapagtanto na paulit-ulit kang kapos sa Energy sa maling mga oras at ito ay isang nakakaintrigang basta-bastang pagkakataon nga naman. Ang API ng TronGrid ay nagbibigay-daan para sa hindi kapani-paniwalang functionality kapag gumagamit ng mga AI agent na may mahusay na dokumentasyon:

Siyempre, ang pagbuo ng arkitektura ng log bago ang anumang pagpapatupad ay talagang ang tamang sagot. Ito rin ang uri ng pamamaraan na wala talagang gumagamit, dahil nangangailangan ito ng pagdaan sa mga mental hoop upang maisip ang mga failure mode na hindi mo pa nararanasan, at samakatuwid ay nagpapahiwatig ng isang uri ng pesimistikong disiplina na sumasalungat sa napakalaking optimismo na kinakailangan para sa paglalagay ng isang awtomatikong agent sa una pa lamang.

Ang tanong tungkol sa subagent ay nagsisimulang lumitaw kapag ang sistemang may iisang agent ay nagtagumpay nang sapat upang makita mo ang mga kahinaan nito. Gumagana ang monitoring function. Nakaayos na ang pag-log. Nauunawaan na ang mga failure mode. At makikita mo na ang susunod na ninanais na aytem — awtomatikong pagbili ng Energy, halimbawa, o pag-tag ng kategorya ng transaksyon, o paggawa ng ulat — ay magiging mas maayos kung ito ay isang hiwalay at nakatutok na agent na may sariling mga partikular na tagubilin kaysa sa idinagdag lamang sa umiiral na ngayon.

At, ganito hindi sinasadyang bumubuo ang mga tao ng mga burukrasya. Ang orchestrator agent na nag-uugnay sa monitoring subagent laban sa execution subagent laban sa reporting subagent, ito ay isang napaka-eleganteng diagram ng arkitektura para sa pagbuo ng isang solusyon. Na nangangahulugan naman na mayroon kang mga kilalang sitwasyon ng pagkabigo sa orchestrator, sa alinman sa subagent o alinman sa mga interface sa pagitan ng mga ito; at ang pag-alam kung alin ang may kasalanan ay nangangailangan ng pagsisiyasat sa apat na log sa halip na isa. Ang pamamahala ng mga pahintulot ngayon ay nagiging isang hiwalay na problema: ang subagent na kailangan lamang magbasa ng mga balanse ng wallet ay hindi dapat magkaroon ng mga kakayahan sa pagsusumite ng transaksyon, kaya napipilitan ka sa isang problema sa pamamahala ng kredensyal sa ibabaw ng lahat ng iba pa.

Ang sagot ay nakakainip, at paunti-unti: bumuo ng isang agent sa bawat pagkakataon, tiyaking gumagana ang lahat sa nauna bago magdagdag ng isa pa. Anuman ang panghuling arkitektura ng subagent ay dapat na nagmula sa pangangailangan, hindi tinukoy ng teoryang top-down. Ang mga organisasyong nagpatupad ng mga multi-agent financial system na gumagana ay ang mga bumuo sa kanila nang ganito, paulit-ulit at may maraming pagsubok na puno ng kabiguan sa daan at hindi sa isang napagplanohang kahanga-hangang arkitektura ng mabilisang pagtakbo.

Para sa mga nagnanais na ma-automate ang Energy ngunit tumatangging itayo ang imprastrakturang ito mismo, ang Netts Energy Charge Bot ay gumagawa ng kahit isang use case nang mas mahusay kaysa sa iba — ang awtomatikong pamamahala sa TRON Energy refill sa pamamagitan ng Telegram interface kung saan pinangangasiwaan nito ang mga manu-manong pagsingil + awtomatikong 24 hour Energy delegation at humiling din ng mga pagbili simula sa humigit-kumulang 25 sun para sa unang unit pagkatapos masingil at sa mga pana-panahong rate ng pag-delegate sa off-peak window (ang auto charge on demand ay muling nagde-delegate ng lahat ng 131k Energy upang hindi masyadong maubusan ang wallet) na ginagawa itong isang praktikal na panimulang punto para sa sinumang ang dami ng transaksyon ay lumampas na sa manu-manong pamamahala ngunit hindi pa talaga handang bumuo ng kanilang buong agent system.