过去两个月，除了偶尔CT上给朋友评论，有一段时间没有更新UnifAI的进展。一是因为密集出差了一段时间，二是UnifAI进行了深入复盘和产品更新。

我们的复盘：
1.UnifAI 到目前做对了什么？预判对了AI的发展方向：
LLM+Tool Use+Vertical(web3)

去年11月UnifAI就开始探索LLM+Tool use+Vertical。今年1月，MCP横空出世，到现在已经有将近30K+个server；3月，Manus一邀请码难求，再次证明了tool use。现在AI行业也开始从追求通用智能，开始关注AI在专业领域的产品化和应用，AI应用目前的挑战，是在细分专业领域，能够让人把对专业的理解，转化为可执行的方案，让AI能够执行专业任务。

2.UnifAI哪里还需要提高？
在两个月的beta testing阶段，UnifAI SDK里，100+API，被使用到的，不到20个，多数都停留在，信息项目分析，但是很多实用的功能，比如一句话加/撤很多池子，一键清理和优化资产等，都没有被利用到。全网最全的链上数据源以及执行工具，很少被使用，核心问题是功能没有被显性化，对话式交互并不符合用户产品预期，用户需要的是简单直接的解决方案，不是冗余的AI对话，也不是简单的操作非要用ai执行。

那么，AI能如何降低web3的使用门槛，提高赚钱效率？我们的结论是：AI智能分析+策略定制+自动化执行。

AI智能分析：UnifAI除了已有的工具基建，还增加了专用场景下的数据基建，比如秒级更新很多链上平台的数据（Meteora, Jupiter, Polymarket, Uniswap, Pendle, Pancake,etc)，让AI可以自动调取数据，做出智能分析。

策略制定：方便大家把自己的策略变成可以行AI agent, UnifAI也做了Agent Builder，可以把任何交易策略，交易想法，可以轻松转化成大模型可以理解的prompt, 添加合适的执行工具，就可以让ai执行出你想要的策略。适合poweruser,专业和半专业选手，测试自己策略的执行能力和效果，从而进一步调整策略参数和方案。

上周日我们与Meteora的LP Army做了一场公开demo，制作过程和效果，大家可以看直播回放 https://t.co/3VBJIAHRUu

大家也讨论到跟单策略VS跟单地址的优势。当AI有能力执行策略跟单的时候，动态性、丰富性、多样性以及市场容量，将大大提高。

自动化执行：现在的交互，还是对话式触发，下一个版本，会加入基于信号触发的自动化策略执行。届时，无论链上交互多复杂，不管是哪条链，小白用户都不用考虑太多，想一个策略或者跟随一个策略，让AI去执行链上操作，你来approve就好了。

如果你想要尝试把自己的策略变成AI可执行的Agent，可以参加我们的活动，https://t.co/PwY9KsO3UP, 拥有一个自己的策略agent，让其他人可以以fork，更新或者提高。我们也会陆续直播介绍我们做好的一些策略agent，让大家提前感受。

在硅谷，一位我很尊敬的投资人前辈告诉我，现在大家开始探索Tool Use+Browser Use+RL, 不仅是LLM在飞速提升，LAM（Large Action Model),即大模型直接具有执行能力，也是最普遍的研究课题。前辈嘱咐我，UnifAI有了前期积累，如果想进一步进化，可以很自然。同时，作为AI项目创业，要保持团队轻量，随时做好从头再来的准备，他原来觉得很多可以当做壁垒的要素，都已经失效了，执行速度才是最大的壁垒。所以，用雷总的一句话，"不服就干"