MuleRun cria um Agente de IA na cadeia com "capacidade de ver e calcular": dados de alta qualidade integrados + inferência de baixo custo, reconstruindo a eficiência das transações

BlockBeats notícia，em 21 de abril, o primeiro projeto de IA pessoal autoevolutivo do mundo MuleRun (MulaCorre) CTO Shu Junliang compartilhou na atividade presencial com o tema «Decifrando Web 4.0: Quando o Agente de IA assume permissões na cadeia» que, no que diz respeito à capacidade de obtenção de informações, os métodos tradicionais de obtenção de dados dependentes de motores de busca ou APIs gratuitas dificilmente atendem às necessidades de alta precisão, especialmente em cenários de transações financeiras, onde interfaces de mercado gratuitas apresentam atrasos e falta de dados, incapazes de suportar decisões de alta frequência ou especializadas.

Por isso, MuleRun integra previamente fontes de dados de alta qualidade e interfaces de ferramentas especializadas, reduzindo a barreira de entrada do usuário, sem necessidade de adquirir ou configurar APIs por conta própria, podendo acessar um sistema de dados que cobre dados on-chain, dados de ações americanas e capacidades de análise multidimensional.

Ao mesmo tempo, a plataforma introduz várias «habilidades estratégicas (Skills)», incluindo avaliação de estratégias de negociação, simulação de debates com múltiplos papéis e backtesting quantitativo. Entre elas, a tarefa de backtest é executada por servidores externos, resolvendo o problema de insuficiência de poder computacional em ambientes locais e de nuvem geral, melhorando a experiência prática dos usuários de análise quantitativa. Além disso, MuleRun também está expandindo fontes de dados diversas, como acesso a dados de produtos de comércio eletrônico transfronteiriço, para fortalecer a capacidade do Agente de obter informações em diferentes cenários de negócios.

Na camada de «decisão inteligente», Shu Junliang enfatizou que o núcleo do Agente está na capacidade de lidar com tarefas complexas, incluindo análise de dados de múltiplos ciclos, cálculo de indicadores e execução de estratégias. Ao mesmo tempo, o controle de custos torna-se um dos indicadores-chave. Os sistemas de IA atuais enfrentam o problema de alto consumo de tokens, o que afeta diretamente o custo de uso pelos usuários. Para isso, MuleRun realiza otimizações sistemáticas no uso de tokens na camada de engenharia, reduzindo significativamente os custos enquanto garante a qualidade da tarefa, aumentando a eficiência na execução de tarefas com orçamentos unitários.

Shu Junliang afirmou que a qualidade dos dados e a eficiência do modelo determinarão diretamente o desempenho das tarefas do Agente de IA, e que no futuro a plataforma continuará buscando um equilíbrio entre acesso a dados de alta qualidade e cálculo inteligente de baixo custo, para suportar cenários de aplicação mais complexos na cadeia.