手機應用也是 AI 可以涉足的領域。它完全可以撰寫不僅是網站,還有 Android APK 檔案,直接連接到區塊鏈智能合約。
想像一下:你得知 Spark 服務提供 12% 年化收益的 DAI 穩定幣,但 IP 被封鎖,VPN 也無法使用。在未來的 Web3 世界,這都不是問題。你打開 Claude Code,輸入提示:
「建立一個用於在以太坊網路上通過 Spark 協議賺錢的應用。讓用戶能存入 DAI 並提取,並有一個儀表板來追蹤投資績效。」
AI 會直接連接智能合約,繞過前端封鎖,建立一個本地運行的服務。
本地 AI
在這樣的 Web 3.0 中,唯一的弱點可能是人工智慧本身,尤其是中心化的語言模型。ChatGPT、Gemini 等都運行在 OpenAI、Google 等的伺服器上,能進行流量過濾、審查與限制。
但也有解決方案——開源的 LLM,可以在自己的電腦或遠端伺服器上運行。
例如,可以組合以下配置:
Ollama——在 Mac 上本地運行 LLM;
OmniRoute——作為 Zed 與模型之間的路由器/代理;
Zed——一個連接 OmniRoute 的編輯器。
這樣,Zed 中的交互就像普通聊天機器人一樣,能撰寫代碼、啟動應用,LLM 在本地運行。
範例:用 Zed 與 AI 一起建立自己的應用。截圖:ForkLog。選擇哪個模型取決於硬體配置。例如,MacBook Air 16GB RAM 可用 qwen2.5-coder:7b、qwen3:8b、llama3.2:3b、deepseek-r1:8b。在本地伺服器上可以用更強的模型,但成本也會提高。
Web3 會是不同的 - ForkLog
在過去幾年中,加密社群一直期待 Web3 的出現,這是一個資料歸屬用戶、全部運行在區塊鏈上、並且需要加密錢包才能存取資訊的未來。
下一代網際網路的標準概念基於去中心化。所有資訊不再存放於集中式伺服器,也不會用於個人化廣告。
但如果 Web3 會有點不同呢?我們提出一個透過去中心化來看未來世界的角度,這種去中心化是通過建立自己的本地應用程式並由 AI 代理人運作來實現的。
大家期待的 Web3
隨著加密貨幣的出現與區塊鏈技術的發展,許多人開始將其視為下一代網路的基礎。例如,Web 2.0 概念的創始人 Tim O’Reilly 認為,Web3 若能將加密經濟與現實世界連結起來——包括法律系統、財產權、支付、身份認證、應用服務與生產,將成為一個重要的發展階段。
加密社群認為,新一代網路與 Web 2.0 的最大差異在於更深層次的去中心化,涵蓋資料存儲與應用運作。在理想狀態下,產品的發展不由所有者掌控,而是由分散的社群管理,透過 DAO 來運作。
去中心化被視為一個基本原則,使得加密貨幣與智能合約能在經濟中佔有一席之地:它們能降低對中介與中心化結構的依賴。
自己當程式設計師
大型語言模型(LLM)、AI 代理人與 Vibe 編碼的發展,讓我們可以用不同的角度看待 Web3。ForkLog 不反對去中心化與區塊鏈的理念——而是想擴展對未來網路的想像。
如果每個用戶都能自己成為程式設計師呢?這樣的用戶能為個人需求撰寫應用,不是為大眾使用,而是在本地電腦或遠端伺服器上運行,完全不依賴中心化供應商。
以去中心化交易所 PancakeSwap 或 Uniswap 為例,它們由在以太坊、BNB Chain 及其他區塊鏈上運行的智能合約組成。這些網路本身是去中心化的,用戶透過非托管錢包連接服務。
乍看之下,這已經是 Web3。然而,仍有一個弱點——前端。用戶進入交易所的官方網站仍是中心化的:可能限制某些代幣或根據 IP、地址封鎖用戶。
雖然可以直接存取智能合約,但很困難。可以用第三方前端,但這又回到中心化點,或是在像 Etherscan 這樣的區塊鏈瀏覽器中打開合約並用 Write Contract 呼叫功能。這既不方便又複雜,且需要技術能力,並非每個人都能搞定。
但有了 AI,出現了第三種方案——用 Vibe 編碼撰寫應用,並在本地電腦上運行。我們嘗試用 Zed、OmniRoute,以及 Anthropic 和 OpenAI 的 LLM 來打造這樣的產品。
啟動本地應用的想法可以無限延伸,只受想像力限制:
手機應用也是 AI 可以涉足的領域。它完全可以撰寫不僅是網站,還有 Android APK 檔案,直接連接到區塊鏈智能合約。
想像一下:你得知 Spark 服務提供 12% 年化收益的 DAI 穩定幣,但 IP 被封鎖,VPN 也無法使用。在未來的 Web3 世界,這都不是問題。你打開 Claude Code,輸入提示:
「建立一個用於在以太坊網路上通過 Spark 協議賺錢的應用。讓用戶能存入 DAI 並提取,並有一個儀表板來追蹤投資績效。」
AI 會直接連接智能合約,繞過前端封鎖,建立一個本地運行的服務。
本地 AI
在這樣的 Web 3.0 中,唯一的弱點可能是人工智慧本身,尤其是中心化的語言模型。ChatGPT、Gemini 等都運行在 OpenAI、Google 等的伺服器上,能進行流量過濾、審查與限制。
但也有解決方案——開源的 LLM,可以在自己的電腦或遠端伺服器上運行。
例如,可以組合以下配置:
這樣,Zed 中的交互就像普通聊天機器人一樣,能撰寫代碼、啟動應用,LLM 在本地運行。
市面上有許多免費且開源的強大模型,但多數是中國公司開發的,如 DeepSeek、Qwen3.5(阿里巴巴)、Kimi K2 / K2.5 / K2.6。美國方面,Meta 曾試圖推進,但最新的 LLM 仍是封閉的。Google 有 Gemma 系列,但並非旗艦。儘管如此,這些神經網路仍適合本地部署。
2025 年 5 月,Tether 宣布推出一個新平台,旨在打造「無限且無所不在的智能」,計畫在用戶設備上運行並演化 AI 代理,而非依賴大型企業的資料中心。
QuantumVerse Automatic Computer(QVAC)消除了對雲端連接的需求,提供更高的隱私性、自主性與韌性。模組化架構讓開發者能用小型組件建立與擴展應用。
點對點網路實現設備間的直接連接與協作,無需依賴中心化伺服器。
Apple 正在打造專注於本地運算的 AI——Apple Intelligence。部分任務在 iPhone、iPad 或 Mac 上直接完成,避免收集個人資料。但較複雜的任務仍會用到私有雲端計算(Private Cloud Compute),Apple 表示只傳送相關資料,經過處理後即刪除,系統以隱私為核心。
開源專案
除了自己從零撰寫代碼外,還可以利用已有的開源專案。幸好,GitHub 上有許多已實現的想法。
以下是一些用於管理流動性的專案:
在搜尋有趣的儲存庫時,建議分析代碼、確認合約地址,並在測試環境或小額資金中試用其功能。沒有人能保證實現的品質。
可以直接使用現成方案,也可以根據需求進行調整。通常不需要自己寫代碼,只要讓 AI 代理幫忙修改現有專案即可。