Mira Network：讓加密研報變簡單，我們的 AI 是這樣做的
作者：Mira
編譯：深潮TechFLOW
研究的悖論
Delphi 的研究報告在加密圈堪稱傳奇。 當他們發布關於新代幣機製或 DeFi 協議的分析時，項目創始人會記錄要點，風投（VC）會調整投資邏輯，交易員則會重新配置投資組合。 他們的研究對 Web3 領域數十億美元的資本分配產生了深遠影響。
但問題是：作為機構研究的黃金標準，也帶來了一個意想不到的困境。 正是這種深度和嚴謹讓他們的分析無比珍貴，但同時也顯得令人望而生畏。 一份典型的 Delphi 報告可能引用十幾篇其他報告，涉及需要背景知識的技術概念，以及假設讀者熟悉加密行業發展動態的市場機制。
“我們擁有一整套令人驚嘆的研究成果，但我們不斷聽到人們抱怨難以駕馭這些內容，”Delphi Digital 的運營高級副總裁 CARter Lundy 解釋道。 “有人可能會偶然看到一份關於 MEV（最大可提取價值）的報告，卻因為不了解其背後的概念而迷失方向。我們因此錯失了很多潛在價值。”
顯而易見的解決方案似乎是一個 AI 助手。 一個能隨時解釋概念、總結冗長分析，並引導讀者瀏覽 Delphi 龐大研究庫的工具。 2023 年，ChatGPT 席捲全球，這條道路似乎一片明朗。
首次嘗試的失敗
Delphi 在初步探索 AI 助手時發現，這個問題比他們想像的要復雜得多。 團隊將一款最先進的語言模型集成到他們的平台中並開始測試，結果卻令人擔憂。 AI 會自信滿滿地錯誤解釋概念，甚至編造出聽起來合理但完全虛假的代幣指標。 有時，它甚至會錯誤解讀 Delphi 自己發布的觀點。
“我們不能推出一個可能傳播錯誤信息且與我們品牌掛鉤的產品，”Lundy 回憶道。 “我們的信譽就是一切。”
即使他們嘗試使用當時最先進的模型，經濟成本也難以承受。 每個關於代幣經濟學或 defi 機制的複雜查詢可能需要花費數美元來處理。 對於一個每天有數千用戶的平台來說，這樣的成本顯然無法持續。
經過數月的挫折，他們最終終止了這個項目。 AI 助手的實現不得不等待更先進的技術出現。
Web3 原生解決方案
突破來自一個意想不到的地方。 在為即將發布的報告研究 AI 與加密領域交集時，Delphi 團隊發現了 Mira Network。 吸引他們的並不僅僅是另一個 AI API，而是 Mira 在讓 AI 更加可靠且經濟可行方面的全新思路。
“大多數 AI 公司都專注於構建更大的模型或優化提示詞，”Lundy 解釋道。 “而 Mira 提出了不同的問題：如何讓 AI 的回答值得信賴？如何讓高質量的 AI 在大規模應用中變得經濟可行？”
雙方決定合作，共同突破極限。 如果他們能讓 Delphi Oracle 成功運作，這將證明 AI 能夠處理即便是最複雜且對準確性要求極高的內容。
三重創新方法
通過與 Mira 及其生態應用 Klok 的合作，團隊開發出了三項創新技術，使 Delphi Oracle 從“不可能”變為“不可或缺”。
智能查詢路由
回頭看，第一個洞見其實簡單得令人尷尬：並不是每個問題都需要用 AI 模型來解答。 當有人詢問 ETH 的當前價格時，為什麼要將這個問題發送給昂貴的語言模型，而不是直接查詢價格 API 呢？
團隊開發了一個極速路由器，可以即時對查詢進行分類：
價格請求直接轉向市場數據
簡單定義從知識庫中提取
複雜的分析問題才交由完整的 AI 模型處理
這種路由系統顯著降低了成本，同時還加快了對常見問題的響應速度。
智能緩存
第二項創新源於對用戶行為的研究。 他們發現，許多用戶提出的問題只是換了種表述，例如：“總結這份報告”“解釋這個概念”“關鍵要點是什麼？”
系統通過預生成針對常見問題的高質量回答，並以緩存的形式提供，而不是每次重新生成。 關鍵在於知道該緩存什麼：報告摘要是固定的，但關於“最新動態”的查詢則需要實時更新的回答。
驗證層
第三項創新解決了可靠性問題。 通過整合 Mira 的驗證 APi，系統可以在將回答展示給用戶之前對其準確性進行檢查。 這讓 Delphi 團隊有信心讓 AI 處理他們最複雜的內容。
變革的力量
在上線幾週內，Delphi Oracle 就成為人們獲取加密研究內容的重要工具。 如今，平均每位用戶每天至少會與 Oracle 交互一次，而且這個數字還在不斷增長。
“最讓我們驚訝的是它如何改變了用戶的閱讀習慣，”Lundy 分享道。 “以前用戶會在遇到復雜部分時放棄閱讀，而現在他們會向 Oracle 提問，得到解釋後繼續閱讀，而不是中途放棄。”
這種影響不僅限於理解層面。 讀者開始發現自己之前忽略的報告之間的聯繫。 他們會要求 Oracle 找到與特定主題相關的研究。 有些用戶甚至利用它為團隊或投資委員會生成摘要。
最重要的是，經濟性問題終於得到了解決。 通過智能路由、緩存和 Mira 的 API 相結合，每次查詢的有效成本降低了約 90%。 曾經高昂的費用如今變得可持續，即便是大規模應用也不例外。
超越成本優化
真正的勝利並不在於降低成本，而在於這些節省下來的資源所帶來的可能性。 Delphi 不再需要將 AI 功能限制於高級訂閱用戶，而是可以面向所有人開放 Oracle。 他們不再為每次查詢的成本擔憂，而是專注於如何讓產品真正有用。
如今，系統可以處理從基礎問題（“什麼是 AMM？”）到復雜綜合分析（“Delphi 關於 L2 擴容的觀點與其早期對側鏈的研究相比有何不同？”）的各種需求。 它成為連接 Delphi 專家分析師與更廣泛加密社區之間的橋樑。
“我們原以為是在打造一個輔助工具，”Lundy 回憶道。 “但實際上，我們創造了一種全新的方式，讓人們與研究內容互動。現在有些用戶會先從 Oracle 開始，根據學到的內容深入特定報告。這完全改變了用戶的使用路徑。”
未來藍圖
Delphi Oracle 已成為其他平台解決類似挑戰的典範案例。 無論是金融研究公司、技術文檔網站還是教育平台，它們都面臨著同樣的難題：如何在不犧牲準確性的前提下，讓複雜內容變得易於理解，同時又能控製成本。
這其中的經驗並不是每個平台都需要 Mira 的特定技術架構，而是要認識到，讓 AI 真正有用需要超越模型本身的思考。 你需要高效的查詢路由系統、大規模成本管理的策略，以及在準確性至關重要時確保可靠性的方式。
展望未來
如今，Delphi Oracle 每天處理數千個查詢，從尋求深入分析的機構投資者到試圖理解基礎概念的新手，均能從中受益。 這個系統不僅能解釋什麼是流動性池，還能綜合多份研究報告中的跨鏈互操作性觀點。
Delphi 團隊不斷擴展 Oracle 的功能，嘗試在舊的成本結構下無法實現的特性。 他們正在探索個性化的研究路徑、結合文本和圖表的多模態分析，甚至是針對個人投資組合定制的 AI 生成研究簡報。
對於一個常被批評為難以接近的行業，Delphi Oracle 代表著一個重要的突破：證明了 AI 可以在不降低內容深度的情況下，普及專家知識。 當你解決了可靠性和經濟性這兩個根本挑戰時，你不僅僅是改進了現有產品，而是為人們學習、分析和決策提供了全新的方式。
AI 在研究領域的未來並不是要取代人類專家，而是讓每個需要的人在需要的時候，以他們能理解的方式獲取專家知識。 Delphi Oracle 表明，這樣的未來已經到來。
