Пересечение искусственного интеллекта и децентрализованных финансов вышло далеко за рамки генерации торговых сигналов и текстовых подсказок в чат-ботах. На смену скриптам автоматизации пришли ончейн AI-агенты — автономные программные сущности с собственными некастодиальными кошельками, способные самостоятельно анализировать рынок, принимать решения и подписывать транзакции через смарт-контракты без участия человека.
Интеграция больших языковых моделей (LLM) с инфраструктурой Account Abstraction (ERC-4337), протоколами приватных вычислений и децентрализованными оракулами сформировала новый технологический стек.
Ниже разобран механизм взаимодействия AI-агентов с блокчейном, практический инструментарий для трейдинга и портфельного управления, а также скрытые уязвимости передачи капитала под контроль алгоритмов.
Что такое ончейн AI-агент: архитектура автономии
В отличие от классического торгового бота, работающего по жестким правилам (if-this-then-that), AI-агент сочетает аналитический модуль (модель машинного обучения или LLM), память контекста и интерфейс прямого взаимодействия с блокчейном.
Стек автономного криптоагента
- Когнитивный слой (Inference & Reasoning): модель (локальная или через децентрализованные сети инференса вроде Bittensor/Ritual), обрабатывающая рыночные данные, настроения в соцсетях, ончейн-метрики и параметры риска.
- Исполнительный слой (Tooling & Frameworks): библиотеки и фреймворки (ElizaOS, LangChain, Autonolas, Brian Know), переводящие высокоуровневые выводы модели в байткод вызова смарт-контрактов.
- Финансовый слой (Smart Account & Session Keys): смарт-кошелек стандарта ERC-4337. Агент не получает прямой доступ к мастер-ключу инвестора: он оперирует через сессионные ключи (Session Keys) с жестко заданными границами (например, право совершать сделки только в парах ETH/USDC, с лимитом не более 500 USDC в сутки и сроком действия 7 дней).
- Слой верификации (zkML / TEE): доверенные среды исполнения (Trusted Execution Environments) или доказательства с нулевым разглашением для машинного обучения (Zero-Knowledge Machine Learning). Они гарантируют, что транзакция инициирована именно той моделью, которой доверил средства пользователь, без скрытых подмен логики со стороны хостинга.
Ключевые сценарии применения в DeFi
| Сфера применения | Как работает классический подход | Как задачу решает ончейн AI-агент |
| DEX-трейдинг и арбитраж | Ручные ордера или жесткие боты, уязвимые к сэндвич-атакам и MEV | Мониторинг кроссчейн-пулов, прогнозирование ликвидаций, отправка транзакций через приватные RPC (Flashbots) |
| Управление ликвидностью (AMM V3) | Ручная перебалансировка диапазонов в Uniswap V3, риск Impermanent Loss | Динамическое смещение тиков ликвидности на основе прогноза волатильности в реальном времени |
| Хеджирование и защита от ликвидаций | Оповещения в Telegram, ожидание ручного пополнения залога | Автоматический дозалог или частичный шорт актива на перпетуал-DEX (GMX, dYdX) при падении Health Factor |
| Фарминг доходности (Yield Optimization) | Ручной перегон стейблкоинов между протоколами с оплатой газа | Автономная миграция капитала по пулам Aave, Compound, Morpho с учетом сетевых комиссий и проскальзывания |
Сравнительный анализ инструментов и инфраструктуры
| Платформа / Фреймворк | Назначение | Модель исполнения | Степень контроля пользователя |
| ElizaOS (ai16z) | Модульный фреймворк для создания автономных торговых и социальных агентов | Мультиагентные сценарии, интеграция с Solana и EVM | Полная кастомизация логики и ключей на собственном сервере |
| Autonolas (OLAS) | Децентрализованная сеть автономных оффчейн-сервисов и агентов | Координация через DAO, консенсус между несколькими агентами | Децентрализованное исполнение с ончейн-регистрацией навыков |
| Ritual / ChainML | Инфраструктура zkML и децентрализованного инференса | Перенос вычислений ИИ в смарт-контракты без централизованных API | Криптографическая гарантия неизменности модели |
| Giza | zkML-платформа для развертывания верифицируемых моделей в DeFi | Генерация ZK-доказательств корректности инференса | Исключает вмешательство третьих лиц в принятие торговых решений |
Пошаговый алгоритм: запуск контролируемого торгового агента
1.Настройка смарт-аккаунта с Session Keys:Изолируем основной депозит от рисков алгоритма.
Не передавайте агенту приватный ключ от основного кошелька. Разверните смарт-аккаунт (например, через Safe или Biconomy) и сгенерируйте сессионный ключ под задачи бота.
2.Установка параметров жесткого риск-менеджмента:Задаем математические границы дозволенного.
В смарт-контракте кошелька жестко зафиксируйте:
- Разрешенный белый список токенов (например, только WETH, WBTC, USDC).
- Белый список смарт-контрактов (только проверенные роутеры Uniswap V3 или Curve).
- Лимит максимальной просадки и предельный объем средств на одну операцию.
3.Подключение приватных каналов RPC:Защита от публичного перехвата и фронтраннинга.
Настройте агента на отправку транзакций через приватные релееры (MEV-Share, Flashbots Protect), чтобы защитить автоматические ордера от сэндвич-ботов и паразитного проскальзывания.
4.Тестирование на микродепозите:Проверка поведения на волатильном рынке.
Запустите цикл на 1–2 недели с депозитом, не превышающим 1–2% от рабочего банкролла. Проверьте корректность исполнения логики в моменты резких рыночных импульсов и перегрузки сети.
Скрытые риски и уязвимости AI-трейдинга
Передача управления средствами искусственному интеллекту порождает специфический пласт угроз:
- Галлюцинации и атаки через Prompt Injection: если агент анализирует социальные сети или непроверенные внешние API для принятия решений, злоумышленники могут внедрить вредоносные инструкции в текстовые данные (например, заставить модель интерпретировать скам-токен как перспективный актив).
- Отравление оракулов и манипуляции ликвидностью: маркет-мейкеры могут искусственно сформировать всплеск объема на низколиквидном пуле, вынуждая торгового агента совершить невыгодную арбитражную сделку в пользу манипулятора.
- Смарт-контрактный риск инфраструктурного слоя: уязвимости в коде провайдеров сессионных ключей или фреймворков интеграции создают вектор для полного дрейна предоставленного лимита.
- Каскадные ликвидации мультиагентных систем: если тысячи ботов используют похожие предобученные модели и одинаковые триггеры стоп-лоссов, резкое движение цены провоцирует синхронный сброс позиций, приводя к локальным обвалам ликвидности на DEX.
AI-агенты трансформируют децентрализованную торговлю из ручного мониторинга графиков в соревнование автономных алгоритмических систем. Для успешного использования этой технологии решающее значение имеет архитектура безопасности: делегирование прав через сессионные ключи, жесткие ончейн-лимиты и изоляция рисков позволяют использовать вычислительные преимущества нейросетей, сохраняя контроль над собственным капиталом.



