AI x Web3 School

简体中文

English

简体中文

English

外观

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：

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：

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：

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：