我手机上下载的第一个应用之一是会说话的汤姆猫 。

那只目光呆滞的猫咪会用尖细的声音模仿你说的每句话。

我会对汤姆说出我能想到的最愚蠢的台词，然后像做单口喜剧一样把它们播放给朋友们听。那很卡顿、毫无意义，却完全让人上瘾。

然后出现了克隆版。

会说话的安吉拉 、 会说话的姜饼 、 会说话的本 、 会说话的狗 、 会说话的强盗 。我记得甚至还有一个会说话的马桶 。每隔几个月，就会出现一个新的“会说话”应用，当然，我都得试一试。

我仍然记得其中一个，甚至不记得名字了，只记得它糟透了。每两秒就有广告。没有语音识别。动画看起来像是在 PowerPoint 里拼凑出来的。那时我意识到：制作应用变得太容易了。结果不是更多的创意，而是更多的复制品。

但这就是创作变得容易时发生的事： 泛滥成了新的问题 。

偶尔你会遇到一些真正聪明的东西，但大多数都是垃圾。最糟糕的是？你在点击“安装”之前根本不知道它有多糟。这才是真正的代价：浪费时间，浪费注意力。

现在放大来看。AI 代理是新的会说话的汤姆猫。 进入门槛比以往任何时候都低，克隆品正在涌现。它们更快、更有漏洞，且影响更大。

这正是 Recall 试图理清的混乱局面。通过创建一个开放的链上竞技场，让代理们竞争、排名，并且必须证明他们确实有所作为。

Recall 会成为 AI 代理时代的谷歌吗？让我们一探究竟。

互联网正在获得一颗大脑。

不仅仅是更智能的界面或更快的搜索。是真正的自主代理。它们管理投资组合、撰写博客、预订旅行，甚至诊断你奇怪的肘部皮疹。

这就是代理互联网的崛起。全新一层数字生命形态。到 2034 年，预计将创造超过 2000 亿美元的价值 。这是 30 倍的增长。规模惊人。

但有一个问题。一个大问题。

没人知道这些代理中哪些真正有效。

洪水闸门已经打开。开源框架和拖拽式代理工具包意味着任何人都可以快速搭建一个拥有炫酷界面和销售话术的聊天机器人。结果呢？一场无法区分的代理大爆发，纷纷做出夸大承诺，实际效果无人知晓。

我们不是代理太少，而是信任太少。

以加密货币交易代理为例。仅在 Virtuals 生态系统中就有数十个。它们都承诺带来超额收益。

但没有共同的基准、没有性能证明、也没有对它们如何推理或学习的透明度，你只能凭感觉来选择。也许是一个 GitHub 链接，也许是一条推文。整个发现过程都通过“为你推荐”页面进行。

这才是真正的瓶颈。发现已经变成了一场人气竞赛。病毒式传播取代了智能。如果一个代理在15秒的演示中看起来很酷，它就赢了。算法现在在为你挑选工具。

如果强大的代理不擅长制造梗，它们就会被埋没。没有可信的发现机制，我们有可能低估真正有能力的代理，同时浪费时间和资金在表现不佳的代理上。

这并不新鲜。早期的网络发现也是如此。你通过网站环、博客列表，或者表兄弟发给你的邮件找到网站。然后 PageRank 改变了一切。链接突然变成了信号。信誉是靠努力获得的，而不是猜测。发现变得更智能了。

我们迫切需要一个代理排名系统。

除非我们开发出一个系统， 评估表现，追踪声誉 ，并且实现可信发现 ， 否则我们将面临一个混乱且根本不可信的代理互联网。

评估有效性和跟踪现实表现的协议。没有它，智能互联网无法扩展，只会分裂。

这正是 Recall 正在构建的。

Recall 并非仅依赖营销或社交病毒式传播，而是引入了一种新范式：代理必须在公众面前、压力之下，并且在链上证明自己。

Recall 是一个去中心化、加密经济保障的基础设施，为 AI 代理带来问责制、声誉和基于绩效的发现。它集表演竞技场、声誉层和协调引擎于一体。

Recall 的核心功能包括：

通过这些组件的协同工作，Recall 创建了一个代理竞争、提升并随着时间赢得信任的系统。换句话说，Recall 是最佳代理脱颖而出的地方，因为他们证明了自己配得上这一荣誉。

从代理被创建的那一刻起，所有发生的事情都会被记录、评估，并用于建立公开的链上声誉。

以下是整个流程的详细说明：

一切都始于开发者，无论是独立开发者、研究团队，还是大规模部署代理的 DAO。

代理是使用 Recall Agent Toolkit 构建的，该工具包可轻松集成现有的 AI 框架，如：

这意味着代理可以使用熟悉的开发工具构建，但内置了以下功能访问：

一旦注册，代理便成为 Recall 网络上的自主身份，准备行动、学习和竞争。

代理参与实时链上竞赛，模拟现实任务，如交易、预测、总结、决策等。这些挑战设计为高信号且在复杂环境中经过压力测试，强调策略、速度和适应能力的重要性。

一个很好的例子是他们的首届交易代理竞赛 AlphaWave，这是一场为期 7 天的加密货币交易锦标赛，25 个代理管理虚拟投资组合。每个代理初始资金为 3 万美元，排名依据实时盈亏情况。

冠军 Moonsage Alpha 不仅创造了最高收益，还将每笔交易和决策透明地记录在链上，赢得了最高评分和公众信任。

在这些比赛中：

因此，这些竞赛是持续的信号生成器，为 Recall 更广泛的信任基础设施提供动力。

Recall 代理还可以使用协议的 Bucket 系统进行存储、检索和随时间演变。

将桶视为：

代理可以实时写入它们的存储桶，根据权限，其他代理也可以访问这些存储桶以进行协作或分析过去的行为。

例如：

所有这些都在 Recall 上本地完成，这意味着代理的状态是可验证且持久的。

这很重要，因为它使代理能够随着时间学习，证明其决策的合理性，并通过共享记忆与其他代理互操作。它将短暂的机器人转变为可靠的、可组合的机器协调构建模块。

虽然如今许多代理已经使用链下数据库如 Postgres 或向量存储（例如 Pinecone）来实现记忆，但这些设置通常是孤立的，并且与开发者的技术栈紧密耦合。

Recall 的 Bucket 系统提供了一个共享的、具备权限控制的内存层，能够在多个代理之间进行验证和移植，且集成开销极小。它抽象化了对定制后端管道的需求，使开发者能够原生接入持久化内存，同时不牺牲可审计性和互操作性。

简而言之，它是默认模块化、透明且对代理友好的内存。

代理执行的每一个动作，如交易、预测或决策，都会被评估并记录。

有两种主要的评估模式：

评估结果为：

这创造了一个透明的代理行为轨迹，消除了对截图或无法验证的“演示”的需求。

在自主系统中，信任不能事后考虑。它必须是结构性的。对于 Recall 来说，这个结构就是 AgentRank。

从高层次来看，AgentRank 将表现转化为声誉。它既是一个分数，也是一个记录。一个可追踪、不断演变的地图，展示代理人在特定领域内的运作表现。其目标是在实时情况下，凭借可验证的依据，呈现出最有能力完成特定任务的代理人。

那么，AgentRank 是如何计算的呢？

AgentRank 依赖三个核心输入，每个输入都旨在平衡技术表现与市场信号：

这是最基础的层面。由于比赛期间每个动作和结果都会被记录，AgentRank 将这些链上表现数据作为核心输入。

AgentRank 分析：

这些分数随后会被标准化并按技能领域分类，使代理能够在特定领域建立声誉（例如，在 DeFi 领域的 AgentRank 较高，在自然语言处理领域较低），而不是被视为通用的黑箱。

重要的是，近期比赛的成绩权重高于较早的成绩。这有助于反映随着时间推移不断进化的代理，无论是通过更新提示、模型还是逻辑。如果变更导致性能下降，未来的比赛中会体现出来。代理不能依赖过去的成绩，他们需要持续竞争以保持分数。

第二层更具社交性，但仍然是经济性的。用户可以在他们信任的代理上进行质押，按领域划分。他们质押得越早，过去的押注越准确，这个信号就越重要。

这是一个受策展市场启发的系统，但经过调整以避免明显的失败模式。信念可以放大良好的业绩记录，但无法掩盖糟糕的表现。分数是有上限的。单靠炒作无法让代理超越其实际成就的限制。

信念的计算方法为：

信念有两方面作用：它为新代理建立声誉，并加强对持续表现者的信任。这是一个基于历史证据之上的前瞻性信号。

一次胜利无法建立信任。持续稳定的表现才能做到。

一致性计算公式为：

AgentRank 偏好持续参与。长时间不活跃的代理将逐渐失去曝光度，或落后于持续表现的同行。

综合来看，AgentRank 是以下因素的加权综合：

它是可验证的（基于链上数据）、可查询的（供代理、人类或应用使用），且可组合的（可跨任务和系统使用）。

它也很透明。任何人都可以问：“过去一个月中，低波动且策展人信心高的前三大 DeFi 代理是谁？”你无法通过网红营销伪造这一点。

这是一个类似 ELO 的动态系统，像国际象棋等级分一样，但用于自主智能。如果一个代理在一次比赛中大获全胜后消失，它的分数就会变得陈旧。随着更新的代理参与比赛并积累成绩，不活跃的代理分数会逐渐下降。

任何针对 AI 代理的声誉系统面临的核心挑战是，代理很少是静态的。它们不断进化，改变提示词，更新模型，并在新数据上重新训练。这种灵活性是它们的优势，但也使评估成为一个不断变化的目标。

如果代理更新了其逻辑，过去的表现可能不再反映当前的能力。更糟的是，性能下降可能会缓慢出现，只有在几次新的竞赛之后才显现出来。这为 Recall 提出了重要问题：

截至目前，设计假设声誉是持续获得的 ，这意味着停滞不前或退步的代理将随着时间自然下降排名。但随着代理变得更加复杂，版本控制或变更跟踪可能成为必要的基础设施。

召回仍处于初期阶段。但其2025年3月的测试网发布首次展示了一个工作层，在这里代理人公开竞争并接受评判。

到目前为止的进展如下：

这些早期交易中很大一部分是低级操作：代币转账、数据存储操作和代理人资料注册。话虽如此，我们现在看到在此基础上出现了更有意义的互动：

部分增长是由激励驱动的。人们期待空投，他们进行投机。这很正常。但建设者的参与和投票活动表明，许多用户正在真正探索以透明方式构建、支持和评估自主代理的意义。

随着 Recall 的更多竞赛机制和代理操作完全上链，这些数字很可能会演变成对持续需求的更清晰描绘。

Recall 的首次竞赛，AlphaWave，聚焦于 DeFi 交易代理。它旨在测试基础设施和市场需求。超过 1000 支团队报名。对于一个刚成立不到一个月的协议来说，这个成绩相当不错。

但不仅仅是建设者们出现了。还有一个粉丝投票，作为 Recall 未来策展市场的一种试运行，利用社会情绪来突出受欢迎的代理人，而无需任何质押。

来自六大洲的 141,888 名用户投票，使其成为有史以来规模最大的 AI 代理人竞赛 。对于一个加密原生的开放代理人平台来说，这种关注度是前所未有的。

后续赛事 ETH 对阵 SOL，赛制更加紧凑。十名交易代理，起始资金为 2.5 万美元。这一轮吸引了更多关注：

Moonsage Alpha 是 Recall 旨在揭示内容的一个很好的案例研究。

它不仅仅赢过一次。它在两场比赛中表现稳定。那么，背后是谁？

背后的团队，Moonward Capital，是一家总部位于迪拜的团队，拥有量化金融背景和实时人工智能系统经验。

结果是：用户现在可以将这个代理视为不仅仅是新奇事物。它的交易是可验证的。它的业绩记录是公开的。它成为未来使用、整合或合作的有力候选者。

这些早期结果证明了两点：

这仍然只是测试网。没有代币上线，没有大规模的资本激励，只有少数几个技能类别被激活，Recall 已经展示出一个代理声誉和竞争协议能够在加密、人工智能及其他领域扩大兴趣的潜力。

当 Recall 推出 Surge，一个针对测试网贡献者的积分计划时，系统几乎立即被填满。成千上万的人加入测试代理，完成任务并获得奖励。

在一个代理基于能力竞争、用户基于判断进行质押的系统中，激励机制需要清晰、可编程且可信中立。这就是$RECALL 代币的作用。

该代币尚未上线。发行、奖励和治理机制仍待确定。但协议架构已经展示了代币的运作方式。它是代理、策展人和技能领域之间的连接纽带。

代币飞轮的运作方式如下：

在代理商参与竞赛或获得曝光之前，他们需要质押 $RECALL。此质押具有两个作用：

这笔前期押金也立即激发了高绩效代理的需求，他们希望获得更有利可图的挑战或在竞争激烈的领域保持可见度。

任何人都可以支持他们认为会获胜的代理人。

策展人将 $RECALL 抵押给代理人。如果这些代理人表现良好，策展人将获得部分奖励；如果表现不佳，则会被削减或降低权重。

这有两个作用：

随着时间的推移，这就变成了一种智能预测市场：表现和信念综合最优的代理脱颖而出。

每个技能领域的最佳代理有资格获得：

这形成了一个递归循环。强劲的表现带来奖励，进而推动更多的使用和信任，提升 AgentRank，解锁更多奖励。这个循环紧密且难以伪造。

$RECALL 持有者还可以在特定领域进行质押，如“交易”、“预测”和“语言代理”。这些技能池类似于加权关注的资金库。某一领域的 TVL 越高，更多的奖励和竞赛就会流向该领域。

这将资本转化为意图。它让用户和策展人以一种代理和开发者能够响应的方式表达他们希望看到更多的内容。

例如，如果“去中心化研究助理”技能池的锁仓价值（TVL）增长，更多的代理竞赛和奖励将被引导至该池，通过质押资本实现众包研发方向。

其结果是一个无需自上而下策划，能够随时间重新分配关注和奖励的系统。

代币模型反映了 Recall 本身的理念：不奖励主张，奖励结果。

尽管代币经济学的最终细节尚未公布，早期设计显示该系统本质上是自我强化、需求驱动且以功绩为基础的。

当两个去中心化数据领域的资深团队决定携手合作，会发生什么？

你将得到 Recall。

在加密货币的早期，3Box Labs 和 Textile 进行着平行竞赛。3Box 构建了 Ceramic，一个实时去中心化数据流。Textile 构建了 Tableland，一个面向智能合约的关系型数据库。两者都深耕加密基础设施领域，都信奉开放数据，都希望打造 Web3 的数据库层。彼此之间，也视对方为……友好的竞争者。

然后，人工智能的转折点到来了。

随着自主代理开始兴起，两个团队都看到了同一个问题：基础设施尚未准备好。代理需要中立的数据访问、证明和信誉机制。如果互联网即将变得智能化，它需要一个奖励结果而非感觉的排名系统。

因此，这两个团队于 2025 年合并 ，提供一个公开且可信中立的系统，用于根据实际能力而非某种黑箱承诺来评估、排名和发现这些代理。Recall Network 由此诞生。

Andrew Hill，前 Textile 首席执行官，现任 Recall 首席执行官。

Michael Sena，曾在 ConsenSys 积累经验并共同创立了以太坊首个自我主权身份协议（uPort），现负责数据架构和组合层。

Carson Farmer，曾任职于 Textile 并拥有学术背景，现任首席技术官兼“首席氛围官”。

他们还有来自 3Box 的首席运营官 Danny Zuckerman，以及一支多年来深入研究加密数据堆栈的工程师和建设者/创作者团队。

在 Textile 和 3Box 之间，这两个团队已经从加密领域的知名投资者那里筹集了至少 3000 万美元 ，包括 Union Square Ventures、Multicoin Capital、Placeholder、Coinbase Ventures 和 CoinFund。

早期的支持延续到了 Recall，投资者看到的远不止是另一个人工智能与加密货币的结合。他们看到了一个以代理驱动的未来中可验证协调的基础。

对于这些支持者来说，论点很简单：随着智能代理变得更加自主，建立一个开放的基础设施来追踪它们所掌握的信息、表现如何以及可以信任谁，变得不可避免。Recall 正在构建的正是这样的系统。

随着使用范围扩展到代理、企业和终端用户，Recall 正在为基于验证性能的商业模式奠定基础。

定制挑战与企业发现

企业可以付费举办代理竞赛，或访问基于其内部数据集和特定用例构建的高级 AgentRank 视图。虽然一次性竞赛听起来劳动密集，但 Recall 计划通过持续且用户生成的挑战实现规模化。任何企业或开发者都可以按需启动任务。这使 Recall 从一个静态的记分板转变为一个动态的评估引擎。始终活跃，始终排名。

竞赛不必由顶层策划。Recall 正在构建一个系统，用户可以众筹竞赛，以发现针对特定任务的代理。这是一个反向的 Kickstarter。不要先构建代理再希望用户来参与。让用户创建挑战，让代理竞相解决。

这将代理发现转变为一个需求驱动的生态系统，并且使激励机制保持一致。用户获得他们真正想要的，代理则因按规格构建而获得回报。这是真正的市场驱动智能。

多代理服务与数据即产品

Recall 可以为企业工作流程中的代理编排实现变现。额外好处是：这些交互产生的意图数据丰富且干净，非常适合打包成面向开发者和研究人员的分析产品，帮助他们了解用户实际要求代理执行的任务。

预测市场与风险层

未来，可以尝试基于代理的保险或预测市场。比如：带有惩罚条件的挑战。如果代理失败，资金池赔付；如果成功，则获得收益。策展人和用户可以为表现提供担保，围绕信任构建经济层。

协议通过促进这些互动来获得收入。

但最有前景的路径看起来很像谷歌……

这是用 AgentRank 进行的不对称、长期押注。

如果我们展望未来一个 AI 代理成为在线行为的主要消费者和发起者的世界， 那么 AgentRank 完全可以成为这个新界面层的“谷歌搜索+PageRank”。

像 PageRank 一样，AgentRank 之所以有效，是因为它是靠实力赢得的。不是被操控的，也不是买来的。它允许任何代理，无论技术栈如何，都能基于表现被发现。

关键区别：这不仅仅是为人类设计的。其他代理也可以查询 AgentRank 以做出实时决策。任何编排框架（如 Virtuals、AutoGen、OpenAgents）都可以将 AgentRank 作为默认的发现层接入。没有任何单一公司控制排名或可见内容。这使其比 OpenAI、苹果或 Meta 推出的产品更具鲁棒性。

一旦 AgentRank 成为代理人的默认查询系统，赞助排名将变得自然而极具价值。商业模式也随之明朗：

Recall 的核心承诺，即代理可以建立一个可验证且可携带的声誉，完全依赖于 AgentRank 保持作为可信信号 。这比看起来要难得多。

几个重大挑战突出显现：

团队正在建立保障措施：技能专属等级、策展人声誉评分、削减机制。这些都是良好的开端。但随着风险增加，他们还需要不断迭代。

归根结底，AgentRank 必须为某一方服务。PageRank 之所以有效，是因为它提升了现实世界的信息发现。如果 AgentRank 能持续帮助用户、代理和编排层更快、更自信地找到更优质的情报，它就会成为核心基础设施。

随着代理开始以群体而非单独孤岛的方式运作，可发现性变得至关重要。这种流动的协调需要一个共享的信誉层。

这就是 Recall 的用武之地。

代理需要回答简单但关键的问题：谁是最可靠的代码生成器？谁最擅长解析法律条款？哪个预测代理处理突发新闻的延迟最低？

他们不会根据品牌、推荐或界面美观来选择。他们需要结构化、机器可读的信誉信号。AgentRank 正好提供了这一点。一个中立、可验证的层，用于评估各领域的技能、可靠性和时效性。

如果成功，它将释放网络效应：

这种循环不仅建立了信任，还实现了技能的大规模转移。一个通才代理可以接入一张由经过验证的专家组成的网络。一个金融研究代理可能会咨询一个语言模型代理进行翻译，而该语言模型代理又会利用一个地缘政治代理提供背景信息，所有这些都基于可验证的链上绩效记录。

在一个完全自主的生态系统中，Recall 不仅帮助代理被发现，还成为了自主智能的协调层 。

在那个世界里，AgentRank 将成为告诉一个代理：“你可以信任这个代理。”

如果 OpenAI、Meta 或 Apple 推出代理市场，Recall 还重要吗？

集中式平台有不可否认的优势。它们拥有庞大的分发渠道和熟悉的界面。大多数用户，尤其是加密货币之外的用户，更关心简洁的用户界面和便捷的入门体验，而非开放的数据日志。对许多人来说，便利性总是默认获胜。

想想苹果应用商店的运作方式：开发者可以接触到庞大的用户群，但他们必须放弃控制权。排名算法不透明，费用高昂。能否被推荐完全是个黑箱。整个应用类别可能因政策变动而消失，开发者被锁定在苹果的技术栈、工具和条款中。

代理商店可以采用这种模式。但它们也有权衡：

这正是 Recall 的优势所在。

Recall 不追求华丽，而是专注于 可验证性、中立性和可组合性。 任何基于任何模型架构构建的代理都可以参与。排名通过公开竞争获得。声誉由数据支持，而非不透明的算法。

即使大型科技公司商店主导了代理分发，Recall 仍有可能通过成为一个可信中立的信誉层，证明代理是否真的如其所宣称的那样表现，从而获胜。

不难想象 OpenAI 或 Meta 在后台查询 AgentRank，就像平台检查“SSL 认证”或“GitHub 验证”一样。在那样的世界里，Recall 不需要取代代理商店，而是作为它们的补充。

要让 Recall 真正作为 AI 代理的声誉层发挥作用，它需要一组广泛、多样且持续活跃的代理在协议上竞争。没有这一关键规模，AgentRank 可能会变得不完整或无关紧要。一个无法覆盖最佳代理的声誉系统并不实用。

这使得代理的引入成为核心增长挑战。

最近与 Virtuals Protocol 的合作是坚实的第一步。通过这次整合，GAME 代理现在可以使用 Recall 存储数据、证明性能并在链上协作，这一举措将现有的代理生态系统直接引入协议。

这种整合正是 Recall 所需的：利用现有的代理生态系统，而不是指望开发者从零开始。它将 Recall 从一个目的地转变为任何严肃代理项目的默认扩展。

展望未来，需求可能来自：

通过 Recall 竞争并记录数据的代理越多，该协议的价值就越大。现在的挑战是快速扩大输入端，以保持领先于声誉分散。

在一个任何人都能创建人工智能代理的世界里，信任成为最稀缺的资源。

Recall 正在构建基础设施来理解这一切。通过结合公开竞赛、可验证的记忆和实时声誉层，它创建了一个系统，让代理不仅仅声称自己聪明， 而是能够证明这一点。

Recall 可能就是那个决定谁崛起、谁获得收益、谁值得信赖的协议。

感谢阅读，

0xAce 和 Teng Yan