MuleRun crea un Agente de IA en la cadena que puede ver y calcular: datos de alta calidad integrados + inferencia de bajo costo, redefiniendo la eficiencia de las transacciones

BlockBeats Noticias, el 21 de abril, el director técnico de MuleRun (el primer proyecto de IA personal en evolución) compartió en un evento presencial titulado «Descifrando Web 4.0: Cuando los Agentes de IA toman el control de los permisos en la cadena» que, en cuanto a la capacidad de obtención de información, los métodos tradicionales que dependen de motores de búsqueda o API gratuitas para adquirir datos no pueden satisfacer las demandas de alta precisión, especialmente en escenarios de transacciones financieras, donde interfaces de mercado gratuitas presentan retrasos y pérdida de datos, imposibilitando decisiones de alta frecuencia o especializadas.

Por ello, MuleRun integra previamente fuentes de datos de alta calidad y herramientas especializadas, reduciendo la barrera de entrada para los usuarios, quienes pueden acceder a un sistema de datos que abarca datos en la cadena, datos del mercado estadounidense y capacidades de análisis multidimensional sin necesidad de adquirir o configurar API por su cuenta.

Al mismo tiempo, la plataforma introduce varias «habilidades estratégicas (Skills)», incluyendo evaluación de estrategias de trading, debates simulados con múltiples roles y backtesting cuantitativo. Entre ellas, las tareas de backtesting se ejecutan en servidores externos, resolviendo problemas de insuficiencia de potencia de cálculo en entornos locales y en la nube general, mejorando la experiencia práctica de los usuarios de análisis cuantitativo. Además, MuleRun está ampliando sus fuentes de datos, por ejemplo, integrando datos de productos de comercio electrónico transfronterizo, para fortalecer la capacidad del Agente en diferentes escenarios comerciales de obtención de información.

En el nivel de «decisión inteligente», Jie Junliang enfatizó que el núcleo del Agente radica en su capacidad para manejar tareas complejas, incluyendo análisis de datos en múltiples ciclos, cálculo de indicadores y ejecución de estrategias. Al mismo tiempo, el control de costos se convierte en uno de los indicadores clave. Los sistemas de IA actuales enfrentan en general un alto consumo de tokens, lo que afecta directamente el costo para los usuarios. En respuesta, MuleRun realiza optimizaciones sistemáticas en el uso de tokens a nivel de ingeniería, reduciendo significativamente los costos manteniendo la calidad de las tareas, y mejorando la eficiencia en la ejecución de tareas bajo presupuestos unitarios.

Jie Junliang afirmó que la calidad de los datos y la eficiencia del modelo determinarán directamente el rendimiento de las tareas del Agente de IA, y en el futuro, la plataforma continuará buscando un equilibrio entre la integración de datos de alta calidad y el cálculo inteligente de bajo costo, para soportar escenarios de aplicaciones en la cadena cada vez más complejos.