Circle 和 Berkeley 利用 AI 进行区块链交易的 TXT2TXN

据 circle.com 报道，Circle 和 Blockchain at Berkeley 已推出 TXT2TXN，这是一款创新的开源 Web 应用程序，它利用大型语言模型 (LLMs) 通过解释用户的自然语言输入意图来简化区块链交易。

TXT2TXN 简介

TXT2TXN 代表从文本到交易，旨在通过使用 AI 将自由格式的英语文本转化为可操作的区块链交易来简化加密应用的用户体验。这款工具允许用户用自然语言指定他们想要的操作，然后由 LLM 解释并转换为签名的意图以进行链上执行。

理解用户意图

意图的概念指的是用户表达其期望结果的方式，而无需详细说明实现该结果所需的具体步骤。大多数现有的区块链应用程序基于交易架构，用户必须指定交易过程中的每一步。相比之下，基于意图的架构允许用户定义他们想要达到的目标，由应用程序决定如何实现。

Circle 和 Berkeley 的研究强调，意图可以简化复杂的交互，使区块链技术更易于访问。例如，用户无需手动设置代币交换，只需陈述他们的意图，系统就会处理复杂的细节。

LLMs 的实践应用

大型语言模型在这一新架构中起着关键作用。通过解释自然语言输入，LLMs 可以分类用户意图并将其转换为可执行的交易。这减少了用户界面的复杂性，使用户能够专注于他们想要的结果，而不是所需的技术步骤。

例如，用户可能会输入命令如“将 1 USDC 发送到以太坊的 kaili.eth”，LLM 将其分类为转账意图。然后，应用程序处理此意图并生成一个待在区块链上执行的交易负载。

原型及其功能

TXT2TXN 原型使用 OpenAI 的 GPT-3.5 Turbo 在两个阶段解释用户意图。首先，它将输入分类为特定的意图类型，如转账或交换。其次，它填写必要的细节以创建交易负载或签名订单，用户然后可以执行这些负载或订单。

Circle 和 Berkeley 实现了一个简单的前端，用户可以在文本框中输入他们想要的操作。后端处理这些输入，利用 LLM 确定适当的意图并生成必要的交易细节。

准确性与未来工作

鉴于大多数区块链操作的不可逆性，使用 LLM 进行区块链交易时的准确性是一个关键问题。初步测试使用一小部分提示显示了有希望的结果，但需要进一步研究以确保可靠性并尽量减少错误。

TXT2TXN 的未来发展包括扩展支持的意图类型范围，通过先进的学习技术提高准确性，以及集成更多的有状态功能如个人地址簿。这些改进旨在使区块链技术更加易于访问和用户友好。

结论

TXT2TXN 代表了 AI 和区块链技术集成的重要一步。通过简化用户交互并利用 LLM 的力量，Circle 和 Berkeley 正在为更直观和高效的加密应用铺平道路。随着这项技术的发展，它有望使区块链交易更加易于为更广泛的用户所接受。

致谢

这个项目是 Blockchain at Berkeley 和 Circle 研究团队的合作成果。团队成员包括 Berkeley 的 Niall Mandal、Teo Honda-Scully、Daniel Gushchyan、Naman Kapasi、Tanay Appannagari、Adrian Kwan 和 Circle 的 Alex Kroeger 以及 Kaili Wang。