AI × Web3 开源学习平台
约 2088 字大约 7 分钟
2026-03-31
Learning Agent 启动入口
想用 Hermes Agent / Claude Code / Codex 辅助学习的同学,可以直接复制下面这句话,粘贴到你的 Agent 里:
请作为我的 AI × Web3 School Learning Agent,先阅读启动 Prompt:https://aiweb3.school/learning-agent.zh.txt,并结合 Handbook:https://aiweb3.school/zh/handbook/,帮我初始化个人学习计划、GitHub 学习仓库、每日打卡草稿和 Handbook feedback 流程。AI x Web3 School 是一个面向 builders 的开源学习计划。这个站点承载其中的 Handbook:把 AI 和 Web3 真正交叉时会遇到的问题拆清楚,包括模型能力、Agent 工作流、工具调用、钱包、签名、支付、身份、权限、安全执行、治理协作和可验证记录。
Handbook 围绕 AI x Web3 的关键概念建立知识地图,适合查概念、补上下文、连接不同主题,也适合从零开始按侧边栏顺序学习。
AI x Web3 School Bootcamp
如果你想参加训练营,可以先查看中文训练营页面:
- AI x Web3 School Bootcamp 中文页面:查看介绍、日程和报名入口。
为什么需要这个学习手册
AI x Web3 不是把两个 buzzword 拼在一起。一个真实系统往往会同时涉及:
- 模型如何理解任务、组织上下文、调用工具
- Agent 如何从“回答问题”进入“执行流程”
- 钱包和账户如何表达权限、额度、时间和撤销条件
- 链上交易如何模拟、确认、记录和审计
- 支付、身份、声誉、治理如何接入自动化系统
- 隐私、安全和可验证性如何在产品里落地
这些问题如果只从 AI 侧看,会低估资产和权限风险;只从 Web3 侧看,又容易忽略模型、上下文和工具编排的复杂度。
所以这个站点的目标是先建立一套共同语言:把概念讲清楚,把边界讲清楚,把最小实践讲清楚。
Handbook 大纲
这份 Handbook 按四组内容展开:AI 基础、Web3 基础、AI × Web3 Bridge,以及前沿探索。
可以把它当成四层地图:
AI 基础
先理解模型和应用系统的基本组成:
- LLM:大模型能做什么,不能替代什么。
- Prompt:如何把任务目标、边界和输出格式写清楚。
- Context:模型一次能看见什么,哪些信息可信,哪些会过期。
- RAG:如何把外部知识、来源和引用接入模型。
- Agent:如何让模型进入工具调用和多步执行。
- Frameworks:理解 LangChain、LangGraph、Agents SDK 等框架解决的是哪一层编排问题。
- MCP:理解模型、工具和上下文如何通过协议连接。
- Evaluation:让模型输出、Agent 行为和工具调用可以被测试、回放和持续改进。
Web3 基础
再补上链上系统的基础直觉:
- Network:理解区块、共识、L2、RPC 和链上状态的基本环境。
- Cryptography:哈希、公私钥、签名这些底层概念。
- Wallet:钱包不只是登录按钮,而是身份和签名入口。
- Smart Contract:链上规则如何部署、调用和更新状态。
- Account Abstraction:为什么 Smart Account 更适合表达 Agent 权限。
- DeFi:理解开放金融协议里的资产、流动性、借贷和风险传播。
- Oracle:理解链外数据如何进入链上系统,以及为什么数据源会变成风险点。
- Indexing:把链上事件、交易和状态整理成 AI 与产品可用的数据层。
- Security:合约、权限、模拟和监控里的风险边界。
AI × Web3 Bridge
最后进入真正的交叉问题:
- Chain-aware Context:链上状态如何进入 Agent 上下文。
- Web3 Tool Use:RPC、钱包、合约工具如何被 Agent 调用。
- Agent Workflow:哪些步骤适合自动化,哪些必须 human-in-the-loop。
- Agent Wallet:Agent 能拿什么权限,如何限制和撤销。
- Machine Payment:机器之间如何完成小额支付和服务结算。
- Settlement & Escrow:自动化交易、服务交付和争议处理如何完成结算。
- Agent Identity:Agent 如何被识别、授权和追踪责任边界。
- Agent Trust & Reputation:如何记录 Agent 的行为、能力和可信历史。
- Verifiable AI:模型输出、执行过程和结果如何被验证。
- AI Security:Prompt Injection、工具滥用、权限隔离和审计日志如何进入系统设计。
- AI Privacy:用户数据、链上身份和模型上下文之间的隐私边界。
- Governance AI:AI 如何进入提案总结、治理协作、投票辅助和公共决策。
前沿探索
前沿探索会把前面的知识组合成可做、可演示、可继续扩展的原型:
- 智能体商业(Agentic Commerce):Agent 如何发现服务、协商任务、完成支付和留下凭证。
- 钱包与权限(Wallet / Permission):围绕钱包、权限、Session Key、Policy 和 Guard 做产品原型。
- AI 安全(AI Security):把攻击面、权限隔离、审计和告警做成可演示系统。
- 治理(Governance):面向 DAO、公共物品和协议治理的 AI 协作工具。
- 开发工具(Dev Tooling):面向合约理解、测试、文档、代码审查和开发工作流的工具。
- 开放赛道(Open Track):留给新的交叉问题和还没被固定分类的实践方向。
如何阅读这个 Handbook
不需要把所有章节都当成线性课程从头读到尾。更合适的方式,是先判断自己缺哪一块基础,再沿着侧边栏补齐。
- 如果你缺少 AI 基础,可以先读 LLM、Prompt、Context、RAG 和 Agent,先建立模型、上下文、检索和工具调用的共同语言。
- 如果你缺少 Web3 基础,可以先读 Network、Cryptography、Wallet、Smart Contract 和 Account Abstraction,补上账户、签名、合约、网络和权限边界。
- 如果你已经熟悉两边基础,可以直接进入 AI × Web3 Bridge,重点看 Agent 如何读取链上状态、调用工具、管理权限、支付结算和留下可验证记录。
- 如果你正在准备项目或黑客松,可以从 前沿探索 开始,把知识节点组合成一个小原型,而不是停留在概念讨论。
如果你已经在做 AI x Web3 产品,可以直接从问题开始:
- 在做交易解释器:先看 LLM、Context、Chain-aware Context。
- 在做链上 Agent:先看 Agent、Web3 Tool Use、Agent Workflow。
- 在做钱包或自动支付:先看 Wallet、Account Abstraction、Agent Wallet。
- 在做安全和风控:先看 Prompt、RAG、AI Security。
共学、项目和长期沉淀
AI x Web3 School 由 LXDAO 与 ETHPanda 共同发起,并会围绕共学营、黑客松、Handbook 和项目展示持续沉淀内容。
这条路径不是“先讲课,再办比赛”的松散组合,而是希望把学习和实践连起来:
问题定义 → 共学训练 → 项目实践 → 对外展示 → 人才与机会沉淀
Handbook 会把课程内容、问题地图、案例和优秀项目整理成长期可访问的双语资产。即使某一期共学结束,后续 builders 仍然可以从这里进入,继续学习、修正、补充和共建。
合作伙伴与支持方
AI x Web3 School 的 Handbook、共学和项目实践由社区伙伴共同推进。
COLLABORATE
合作伙伴与支持方
参与共建
这份 Handbook 会持续完善。欢迎你参与:
- 补充还没有展开的知识节点
- 修正文档里的不准确表述
- 增加案例、图解、代码示例和最小实践
- 帮助中英文内容互译
- 提交你认为值得 builders 阅读的资料
协作入口:





































