2026 AI x Web3 School共学营笔记-Day1

26-5-17开营仪式笔记

安装了hermes agent.

使用智谱AI作为API Token，

2026-5-18目前智谱平台注册送不少token

26-5-18

Day1-Co-learning｜任务推进与答疑

主要解答了hermes-agent相关问题，还有优势

下面我直接把你整理的会议内容，转成一份适合直接保存、复习、查阅的「结构化知识点笔记」 ，逐点清晰、详细、但不啰嗦，适合学习记录。

Hermes/OpenCloud（Agent 框架）会议知识点笔记（详细版）

一、Agent 核心能力：动态生成 Skill

Agent 内置定制化能力，会把用户习惯固化到行为模型中。
动态生成 Skill：
- 自动识别用户完成的复杂任务流程。
- 自动提取步骤、自动封装成 Skill（技能）。
- 自动 持久化记忆，下次直接复用。
持久化能力对比：
- Hermes/新 Agent：原生支持持久化记忆，优化更好。
- 小龙虾（OpenCloud 早期）：没有持久化记忆，需要手动配置。
主讲人状态：尚未深入 LongChain 结合。

二、老电脑下载速度 & Web3 平台

1）老电脑下载慢原因

硬件配置低 → 编译慢
网络差 → Python 依赖包下载慢
低配置电脑：速度明显下降

2）Web3 课程平台

不限平台：Windows / Linux / Mac 都可以
课程最佳实践与平台无关

三、Harmony / Hermes 部署选择：本地 Mac vs 外网服务器

1）部署推荐

优先：本地 Mac（24h 运行）
- 像"随叫随到"的助手
- 文件读写、本地处理、权限都更好
外网 VPS 劣势：
- 只能通过 Telegram / DC / 飞书 / 微信 交互
- 文本处理、代码编辑、Word 文档等能力受限
- VPS 性能限制大

2）适用人群

个人重度使用、大量文件处理、开发者、运营 → 本地 Mac
仅消息交互、轻量使用 → 外网服务器

四、HelpAgent：学习助手能力

定位：个人学习助手
自动生成每日学习计划
- 时间多 → 任务多
- 时间少 → 任务精简
打卡提醒：消息推送提醒学习
体验：全新 AI 辅助学习方式

五、Windows 搭建：推荐方案

1）推荐系统

Linux / macOS / WSL2（最稳）
原生 Windows：Beta，不稳定，bug 多

2）安装方式

优先：WSL2（Windows 子系统）
无法装 WSL → 再用原生 Windows（接受 bug）

3）参考渠道

GitHub 仓库有完整教程
遇到 bug：查 Issue / 提交 Issue

4）不推荐

复刻本地、产工学二次开发（维护成本高）

六、提效方式：四大 Group

General：通用能力
量化机器人：量化交易、策略研究
Code：代码讨论、脑暴、开发辅助
News：获取全球最新资讯
Windows 子系统 = 完整 Linux 内核，不是虚拟机

七、主流 AI 工具对比

1）ChatGPT

OpenAI 聊天产品
Codex：开发专用智能体

2）Claude

大模型
Claude Code、Sonnet、Haku、Autopass

3）Gemini

Google 模型

4）Hermes / OpenCloud（小龙虾）

对大模型进行封装
强化记忆、持久化、Skill、交互方式
支持 Telegram / DC / 飞书 等消息渠道

八、Hermes 调用机制 vs CLI

Hermes 不是封装 CLI ，而是 API 调用
类似直接用 CLI，但：
- Hermes 自带系统提示词
- 会影响 上下文占比
- 少量能力可能缺失

客户端升级

Cloud Code 客户端更新 → Hermes 不会自动捕捉
Hermes 需自身仓库更新兼容
服务端模型优化 → 无影响

九、Web3 / AI 入行路径

多参与社区，积累经验
多打黑客松
- 优秀项目 → 被项目方看中
- 能力展示 → 被初创团队招募

十、GitHub CLI 适用场景

外出、临时、轻量代码修改
远程提交、快速修改、简单维护

十一、Hermes vs 原生 CLI（Cortex / Code）

Hermes 优势

使用门槛低
多渠道交互：TG / 飞书 / DC
记忆持久化、自动成长、Skill 自动封装
自动根据反馈纠正行为

CLI（Cortex/Code）劣势

没有持久化记忆、没有 Skill、不能自动成长

十二、Hermes 配置要点

配置非常简单，2 步：
1. 选择对接模型
2. 配置消息推送渠道（TG/飞书）
手动配置即可，AI 自动配置效果差
更换 Agent：指令切换，很方便

十三、Windows 开发痛点

权限机制复杂，开发不友好
macOS / Linux：UNIX 体系，权限统一、开发顺畅

十四、实际工作流（主讲人）

边学习 → 边记录 → 边用 Agent 查资料
插件作为 个人知识库
支持 RAG：检索过往笔记

十五、OpenCloud vs Hermes：定位关系

OpenCloud：大框架、底层
Hermes：OpenCloud 衍生品、更轻、更易用、个人助手导向
Hermes：更易训练、配置、上手
Hermes 可做设计：接入 GPT 图像能力

十六、项目价值：简历/企业

LangChain / LangGraph：企业级、简历含金量高
OpenCloud / Hermes：个人探索、学习价值高，企业价值弱
团队实践：Hermes 处理大量重复工作

十七、多智能体编排

支持

量化任务：可生成 Skill、调用不同模型

暂不支持

智能体之间自主讨论、互相探讨策略

备选

CCB（Cloud Code Bridge）：跨模型通信

十八、AI × Web3 落地方向（已验证）

用户意图交易（自然语言下单）
资产规划（AI 根据用户画像推荐）
AI 钱包 / AI 支付

十九、ZK × AI

场景：AI 处理隐私数据，但需可信验证
方案：AI 处理 + ZK 做数据验证
落地：银行已有需求，细节未公开

Day1-Co-learning｜任务推进与答疑-总结如下

会议讨论了 AI 工具如 Hermes agent 等的特点、配置、应用场景及与其他技术的联动等相关事宜，具体如下：

Hermes agent 特点 ：
- 定制化与技能封装：能根据完成的复杂任务自动提取流程并封装成技能，实现持久化记忆，在持久化优化上优于小龙虾。
- 交互方式多样：可通过 telegram、DC、飞书等消息渠道进行交互，使用门槛相对较低。
- 记忆与学习能力：能根据用户反馈自动成长，将用户行为习惯封装成技能，在处理重复工作时自动调用。
部署建议 ：
- 本地部署优势：推荐部署在本地 Mac 上，类似豆包助手可随叫随用，适合个人需求大、有较多文件处理需求的用户。
- 外网部署限制：部署在外网服务器上，交互只能通过消息渠道，功能会受性能限制，如文本处理、代码改动等操作可能受限。
学习助手功能 ：
- 学习计划安排：可作为学习助手，根据用户时间安排学习计划，时间多可多安排任务，时间少则少安排。
- 打卡提醒：能通过消息提示方式提醒用户打卡。
工具对比与关系 ：
- 与其他工具对比：与 Cortex 和 code 相比，Hermes agent 使用门槛低，有记忆持久化和自动成长功能。
- 封装与调用方式：通过 API 方式调用大模型，与 CLI 调用方式类似，自带封装系统提示词可能影响交互上下文占比。
- 版本更新影响：cloud code 客户端能力新增与 Hermes agent 无关，Hermes agent 会对自身仓库更新做兼容。
配置相关 ：
- 配置步骤：配置内容不多，主要是选择对接模型和消息推送渠道，按引导操作即可。
- 更换 agent：更换 agent 问题不大，可通过 "ham is a module" 指令切换。
应用场景 ：
- 多智能体编排：不太建议用 Hermes 做多人多智能体编排，但对于量化分析可支持生成 SQL 将过程做成技能并调用对应模型，智能体间探讨目前不支持。
- Web3 与 AI 结合：Web3 中 AI 可用于交易所用户意图交易、根据用户习惯做资产规划、AI 支付等场景。
学习建议 ：
- 课程学习：优先看手册，接入 learning agent 学习助手，让其根据时间安排学习计划。
ZK 与 AI 联动：有银行想用 AI 处理用户数据，但考虑用 ZK 方式做数据验证，具体方式暂未获取到消息。

Day1-AI 时代，Web3 开发者需要具备的基础知识和架构能力

Day1-AI 时代，Web3 开发者需要具备的基础知识和架构能力-笔记

下面给你整理成一份详细、结构清晰、适合直接保存的学习笔记，语言简洁、逻辑连贯，覆盖全部重点。

Web3 开发者常见问题解答 · 详细笔记

一、分享会整体背景

主办方：IXO3 School
主题：AI 时代 Web3 开发者需要具备的基础知识与架构能力
形式：中英双语嘉宾、提供实时字幕、全程直播 + 问答
主讲嘉宾：TC 老师
- 安全行业出身，早期做二进制病毒分析
- 现香港 Web3 公司技术专家，负责技术预研、安全架构

二、核心观点：有 AI 后，基础知识是否还重要？

1. 结论：AI 不会降低复杂度，反而对人的要求更高

基础知识和架构能力不足 → 无法判断 AI 输出是否正确
AI 是辅助，人是决策者、设计者、验收者、责任承担者

2. 人与 AI 的分工

人：
- 设计整体方案、架构
- 评估 AI 输出合理性
- 验收代码、分析问题、最终负责安全
AI ：
- 细化方案、梳理数据流、生成代码
- 自我验证、迭代优化
关键：AI 质量 = AI 自我验证能力

三、Web3 与 Web2 的关系：不是割裂，而是融合

1. Web3 并非完全独立于 Web2

大部分 Web3 项目Web2 能力占比很高
例子：
- CEX（币安等）：核心是 Web2，链上只是结算层
- Polymarket：链上清算、链下撮合
- DeFi（Uniswap、dYdX）：依赖 Web2 前端、状态管理、后端服务

2. Web3 安全特点：安全源于设计，必须贯穿全生命周期

Web2：先上线、后修漏洞
Web3：设计出错 = 资产归零
审计≠安全：审计是锦上添花，不能替代设计安全
安全本质：基础知识 + 架构能力 扎实

四、Web3 支付系统：从 Web2 到 Web3 的核心差异

1. Web2 支付模型（中心化）

流程：

用户下单 → 电商 → 支付服务 → 银行 → 回调 → 发货

特点：

依赖银行机构（Banking Institution）
信任链：用户→支付服务→银行
安全：API Key、风控、密码、MFA
资金由银行记账、用户无控制权

2. Web3 支付模型（去中心化）

升级：用区块链替代银行

流程：

用户生成地址 → 转账到链上 → 链上监听服务 → 通知支付服务 → 回调电商

核心区别：

无需中心化机构
加密地址由算法生成，无需后端请求
链主动无法推，依赖监听服务（Pull/WebSocket）
信任机制：密码学 + 不可篡改 + 公开透明
校验方式：私钥签名（替代 API Key）

3. 钱包：Web3 的身份与资产核心

本质：管理私钥、生成签名
输入：私钥（随机大数）
输出：
- 交易签名：证明转账意图
- 消息签名：证明身份、授权
关键：私钥 = 所有权 ，泄露即资产丢失，无法找回

五、钱包分类与安全

1. 技术分类

EOA 钱包（私钥钱包）：单个私钥，最简，风险最高
合约钱包（Gnosis Safe）：链上程序，天然支持多签
AA 钱包（账户抽象）：融合 EOA + 合约，未来趋势，对 AI 友好

2. 托管分类

自托管：私钥在本地（MetaMask），安全高、操作复杂
全托管：交易所（币安）保管私钥，方便、有跑路风险
混合托管 ：私钥分片（MPC），用户 + 平台各持一片，双方无法单独签名

3. 其他钱包

硬件钱包（Ledger）：离线存储，防黑客
隐私钱包（Zcash/Tornado）：隐藏交易信息
分层钱包（BIP-32）：一套助记词生成多地址，适合批量管理

4. 钱包安全要点

私钥绝对保密：泄露=资产归零，Web3 无法重置
签名欺骗：假消息诱导签名，实际转走资产
EIP712：签名可视化，降低钓鱼风险
eth_sign 被禁用：防止误签交易

六、Web3 交易全流程与关键参数

1. 交易生命周期

APP 构造交易：收件人、金额、data
私钥签名
广播到链
节点共识、打包上链
状态更新、不可篡改

2. 三大关键参数

Gas Fee ：决定打包速度
- gasLimit：资源上限
- gasPrice：出价
- EIP1559：baseFee + tip，更稳定
Nonce ：防重放、保证顺序
- EVM：必须递增（0,1,2...）
- 部分链：用区块哈希替代
- BTC：UTXO 模型，天然防重
Call Data（指令） ：链上交互核心
- 相当于 EVM 的"代码"
- 实现转账、合约调用、复杂逻辑

3. 交易确认与防分叉

不能一收到就入账，需等待区块确认
以太坊：2 个 epoch
L2（Polygon/Arbitrum）：时间更长
目的：防止链分叉（reorg）导致交易回滚

4. 交易模拟（安全必备）

签名前模拟：查看交易执行后余额变化
发现异常（如转 100U 变 1000U）→ 拒绝签名
严禁签名后模拟：私钥已暴露，风险极高

5. 服务侧钱包安全（交易所/项目方）

资金拆分：热钱包（小额）+ 冷钱包（大额）
多签/MPC：2/3、3/5 签名，避免单点
交易审核 + 可视化：人工复核大额/异常交易
TEE 可信执行环境：私钥全程加密，明文不出安全区

七、AI 时代：变与不变

1. AI 改变了什么？

编码更快、学习效率提升
多 Agent 协作，并行处理
降低入门门槛，小白也能写代码

2. AI 没变什么？

系统复杂度不变：架构、安全、逻辑仍靠人
责任不变 ：AI 写的代码出漏洞，开发者背锅
判断力不变：AI 给方案，人要判断对错

3. AI 时代架构师三大能力

扎实基础知识（底层、协议、密码学）
架构设计能力（系统拆分、流程设计）
Debug 能力（底层问题排查）

4. 核心结论

驾驭 AI，而非被 AI 驱动
AI 是工具，不是替代者
基础不牢 → 用不好 AI，还会被 AI 坑

八、高频问答（QA）精华

1. Web3 安全学习路径

先学开发基础：会写合约、懂链原理
看头部公司招聘 → 让 AI 反推技能树
重点：合约安全、链安全、钱包安全

2. 浏览器钱包 vs 交易所钱包

浏览器钱包：私钥在本地，自己保管
交易所钱包：私钥在平台，你只是记账
交易所地址：随机生成，资金归集到热钱包

3. AI 在 Web3 安全中的应用

逆向老合约（未开源字节码）
漏洞扫描、代码审计（如 Misos）

4. 大四学生入行建议

选喜欢的方向：兴趣 > 薪资
短期赚钱不重要，长期成长最重要

5. 链上小额免密支付

技术可行，但信任问题无解
方案：账号权限拆分 + 风控规则（如单日上限）

6. 钱包监听交易方式

轮询（Pull）：定时查区块
WebSocket（Push）：长连接推送
推荐：参考开源项目 Epusdt

7. 跨链方向前景

需求有但不大，熊市更冷
去中心化跨链收益低、成本高，难落地

8. 面试 Web3 技术岗

必考：基础知识 + AI 使用经验
一面：基础；二三面：架构、场景题
态度：会就会，不会就不会，别装

9. 区块链监听：自建还是付费？

付费订阅：便宜（月 <100U）、省心
自建：成本高、需专人维护
建议：付费 + 多节点校验

10. 文科生如何入行 Web3？

先定方向（钱包/合约/安全）
倒推所需技能，AI 辅助学习
架构能力：看设计文档、大佬分享

九、总结

Web3 不是颠覆 Web2，而是Web2+密码学+区块链
AI 提升效率，但安全、架构、判断永远靠人
入行关键：基础扎实 + 懂安全 + 会用 AI
一句话：基础为王，安全至上，驾驭 AI，而非盲从

Day1-AI 时代，Web3 开发者需要具备的基础知识和架构能力-总结

已帮你记录好《AI时代Web3开发研讨》,详细内容请点击下方查看:

AI时代Web3开发研讨

会议讨论了AI时代Web3开发者所需的基础知识、架构能力及相关技术要点，具体如下：

分享会开场 ：
- 开场准备：主持人检查屏幕和嘉宾接入情况，待嘉宾TC老师进入会议后，介绍分享会是AI全栈工程师的第一场分享会，会有中英文嘉宾，后台正在做Zoom双语字幕，建议使用实时转译工具。
- 嘉宾介绍：介绍TC老师背景，其出身安全行业，现于香港WEB3公司担任技术专家，分享主题为AI时代Web3开发者需具备的基础知识和架构能力。
常见问题探讨 ：
- AI与基础知识学习：即使有AI，开发者仍需扎实的基础知识和架构能力，以判断AI方案的合理性和代码质量。人负责设计方案、评估合理性、验收代码结果和分析问题，AI协助设计方案、细化分析和按计划编码，AI自我验证是决定编码质量的关键。
- Web3与Web2的关系：Web3并非完全独立于Web2，大部分Web3项目中Web2能力占比较高。Web3更注重安全设计，安全应贯穿项目生命周期，审计只是锦上添花，不能代表安全。
支付系统案例分析 ：
- WEB2支付模型：以电商购物支付为例，介绍了用户、电商平台、支付服务和银行机构之间的请求流和资金流，强调了服务间身份验证、用户安全措施和信任问题的重要性。
- 引入WEB3支付：将银行机构替换为区块链，介绍了WEB3支付流程，包括用户转账、链上记录、监听服务通知等。通过算法保证数据不可篡改和逻辑代码公开透明，解决信任问题，通过私钥签名校验请求。
- 钱包概念及分类：钱包用于控制用户资产，输入私钥，产出交易签名和消息签名，实现身份和资产的双重认证。钱包分类包括EUA钱包、合约钱包、AA钱包、多签钱包、自托管钱包、全托管钱包、混合托管钱包、硬件钱包、隐私钱包和分层钱包。
交易相关要点 ：
- 交易生命周期：用户支付USDC到地址，APP构造交易，使用私钥签名后广播，链进行处理和共识，记录交易状态。
- 交易关键参数：包括gas fee（由gas count和gas price决定交易上链速度）、nonce（确保交易幂等性，不同链实现方式不同）和instructions（call data是链上应用交互的灵魂）。
- 交易监听与确认：链上服务监听block，检测到用户转账后，等待reorg避免链分叉，进行合规筛查，确认有效后回调支付服务。
- 交易模拟：在未签名前进行交易模拟，可查看交易执行后的账户变化，避免签署有风险的交易。
- 服务器侧钱包安全：通过权限拆分和多签方案保证安全，交易可视化后由审核人员审核，进行交易模拟，使用Tee可信执行环境签名。
AI对开发者的影响 ：
- 改变方面：AI使编码更快，减少精力消耗，学习更易，提升开发效率。
- 未改变方面：系统复杂度未变，开发者仍需具备判断系统架构和复杂度的能力，对AI生成的代码负责，最终审核和责任在开发者。
- AI时代架构师能力：包括架构能力、debug能力和扎实的基础知识，开发者应驾驭AI，而非被AI驱动。
问答环节 ：
- 安全学习路径：先扎实掌握开发基础知识，根据招聘要求，让AI反推所需能力，有针对性地学习。
- 钱包相关问题：浏览器插件钱包私钥在本地，交易所托管钱包会为用户创建充值地址，资金会归集到热钱包，热钱包会分级管理。
- AI在Web3安全的应用：可用于分析未验证的合约代码，如去年年底很多老的未验证合约被AI爆破。
- 数据集成与量化：量化相关策略多为内部知识，大数据在Web3的应用需求有但机会可能较少，价值需市场反馈。
- 链上小额免密支付：技术成熟，但存在信任问题，可通过账号权限拆分解决。
- 钱包监听交易：可通过轮询或Websocket监听区块链客户端，开源项目Epusdt可参考。
- AA钱包：会越来越成熟，对AI友好度高，安全支援好，但具体应用需根据场景选择。
- 跨链方向：需求有但不算大，目前跨链方案多为中心化，去中心化收益不高。
- 面试问题：面试基础技术岗会问基础知识和AI使用情况，基础好能体现能力，态度要诚恳。
- 区块链监听：监听链上可付费订阅，成本低且需进行双重校验，自己维护成本高。
- 智能合约审计找工作：建议参考招聘要求。
- 密码学学习程度：以MPC签名为例，需搞明白私钥切割、计算、交互等细节，以及如何保证安全。
任务
- WEB3 需求了解：了解 WEB3 发展到一定阶段是否有大数据的需求，可查看 WEB3 的形式，如 Doom.com 及链上数据分析，也可了解相关 API 服务
- 老师入群安排：将分享会老师拉到群里，方便大家继续提问
- 笔记打卡提交：提交今天的学习笔记，完成打卡，避免因两天未连续打卡被残酷共学规则淘汰