بایننس و بایننس والت در ۳ مارس ۲۰۲۶، هفت بسته مهارتی برای ابزارهای هوش مصنوعی (AI Agents) راهاندازی کردند که این عوامل را قادر میسازد دادههای لحظهای بازار را بازیابی کنند، داراییهای کیف پول را تحلیل نمایند، قراردادهای توکن را از نظر خطرات امنیتی حسابرسی کنند و سفارشهای پیچیده اسپات را از طریق یک رابط ماژولار واحد اجرا نمایند.
این هفت مهارت چه کاری انجام میدهند؟
این بستههای مهارتی، واحدهای قابلیت ماژولار هستند که برای ادغام در چارچوبهای موجودِ «عامل هوش مصنوعی» طراحی شدهاند. هر کدام از آنها به مرحله متفاوتی از گردش کار «تحقیق تا اجرا» میپردازند.
مهارت اسپات بایننس اجرای سفارش را مدیریت میکند: بازیابی لحظهای دادههای بازار و اجرای انواع سفارشهای پیچیده از جمله ساختارهای OCO ، OPO و OTOCO. اینها سفارشهای ساده بازار نیستند. ترکیبات OCO و OTOCO اجازه میدهند منطق حد ضرر و حد سود به صورت همزمان اجرا شود؛ نوعی از ساختار سفارش که نیازمند مدیریت دقیق پارامترهاست. در دسترس قرار دادن اینها برای عوامل هوش مصنوعی از طریق یک رابط مهارتی استاندارد شده، به این معنی است که عامل میتواند تمام چرخه عمر سفارش را بدون دخالت انسان در مرحله اجرا مدیریت کند.
پرسوجوی آدرس و اطلاعات توکن تحلیل کیف پول را امکانپذیر میکند: داراییها، ارزشگذاریها، معیارهای توکن، دادههای نقدینگی و اطلاعات قیمت برای هر آدرس یا توکن. این همان عملکرد تحقیقاتی است که پیش از تصمیمات معاملاتی انجام میشود.
هوش بازار شامل دو بخش است: رتبهبندی بازار کریپتو برای شناسایی داراییهای ترند شده و هجوم میم برای ردیابی روایتهای با نوسان بالا. گنجاندن Meme Rush به عنوان یک مهارت رسمی برای عامل هوش مصنوعی بایننس، یک تصمیم محصولی قابل توجه است. این نشان میدهد که بایننس نوسانات میمکوینها را یک ورودی داده مشروع برای عوامل معاملاتی خودکار میداند، نه فقط یک دسته برای سفتهبازی خرد.
سیگنال معاملاتی (Trading Signal) نظارت و خروجی سیگنال را فراهم میکند. حسابرسی توکن پارامترهای امنیتی قرارداد از جمله مجوزهای مالک، قابلیتهای مسدودسازی (Freezing) و سایر عوامل خطر را بررسی میکند و یک برچسب سطح ریسک را برمیگرداند که عامل میتواند از آن برای فیلتر کردن یا علامتگذاری توکنها قبل از اجرای معاملات استفاده کند.
هدف از طراحی، ایجاد یک رابط واحد است که کل چرخه را پوشش دهد: شناسایی روایت از طریق Meme Rush، رتبهبندی دارایی از طریق Market Rank، حسابرسی امنیتی از طریق Token Audit، بررسی بافت کیف پول از طریق Address and Token Info، تایید سیگنال از طریق Trading Signal و در نهایت اجرا از طریق Binance Spot.
یک عامل هوش مصنوعی که تمام این هفت مهارت را بارگذاری کرده باشد، تئوری میتواند از شناسایی یک توکن ترند شده به بررسی امنیتی برود، آن را با دادههای سیگنال مطابقت دهد، موجودی فعلی کیف پولِ اجراکننده را تایید کند و بدون خروج از محیط مهارتی بایننس یا نیاز به تایید انسانی در هیچ مرحلهای، یک سفارش پیچیده ثبت کند.
این همان گردش کار معاملاتی خودمختار در تمام چرخه است. طراحی ماژولار به این معنی است که توسعهدهندگان میتوانند به جای کل مجموعه، مهارتهای فردی را ادغام کنند که بسته به مورد استفاده، اجازه ایجاد گردشهای کار سفارشی را میدهد.
چرا زمانبندی این عرضه مهم است؟
این راهاندازی در همان هفتهای صورت میگیرد که آنتروپیک قابلیتهای گسترشیافته استفاده از ابزار کلاود را برای گردشهای کار عاملی (Agentic) منتشر کرد؛ و همچنین پس از پوشش بخش هوش مصنوعی در طول این هفته است که نشان داد دسته هوش مصنوعی کریپتو ۱۰.۲۳٪ رشد کرده در حالی که بازارهای گستردهتر سقوط کردهاند. این موضوع همچنین مستقیماً به زیرساخت سرور MCP که در مقالات Printr و EitherwayAI در اوایل هفته پوشش داده شد، متصل میشود: ابزارهایی که به عوامل هوش مصنوعی اجازه میدهند با زیرساخت بلاکچین تعامل داشته باشند، به طور همزمان در چندین ارائهدهنده در حال گسترش هستند.
بایننس بزرگترین صرافی جهان از نظر حجم معاملات است که طبق گزارش کوینگکو که پیشتر پوشش داده شد، ۲۷.۸٪ از سهم بازار معاملات آتی و ۳۹.۶٪ از سهم بازار اسپات را در اختیار دارد. مهارتهایی که به عوامل هوش مصنوعی دسترسی به دادههای بازار و اجرای در سطح بایننس را میدهند، یک ابزار توسعهدهنده حاشیهای نیستند. آنها زیرساختی برای معاملات خودکار در بزرگترین محل نقدینگی در دنیای کریپتو هستند.
عملکرد حسابرسی امنیتی جزییاتی است که این محصول را از یک محصول صرفاً اجرایی متمایز میکند. مهارتی که مجوزهای مالک قرارداد و قابلیتهای مسدودسازی را قبل از اجرا بررسی میکند، به عامل یک لایه مدیریت ریسک میدهد. اینکه آیا آن لایه برای استقرار کاملاً خودمختار در مقیاس بزرگ کافی است یا اینکه نظارت انسانی همچنان ضروری باقی میماند، سوالی است که اسناد به آن پاسخ نمیدهند.
