Skip to main content

为什么要在 Injective 上使用生成式 AI 工具进行构建?

使用生成式 AI 编程工具,你可以非常快速地构建应用,包括在 Injective 上。 然而,方向错误地快速构建并不理想。 你会在这里找到 skills、agents、workflows 和 MCP 服务器,它们将帮助你进行高效的 AI 软件工程。

有哪些类型的生成式 AI 工具?

LLMs、LLM 提供商、MCP 服务器、agent skills、CLIs / SDKs / 函数 / 脚本, 以及 AI 工程 IDEs / Harnesses / Orchestrators 都属于生成式 AI 工具的不同类型。 你可以在 Injective 上使用其中所有类型。
  • LLMs - 大型语言模型(LLMs)是驱动几乎所有生成式 AI 软件工程的基础层技术。 几乎所有 AI 开发工具都是 LLMs 的封装。 流行的包括 Claude Opus(Anthropic)、Gemini(Google)和 Kimi(Moonshot AI)。
  • LLM 提供商 - 中低端 LLMs 可在零售 / 消费级硬件上运行。 但顶级 LLMs 需要远程访问。 你有 3 个主要选择:
    • 本地提供商 — 例如使用 LM Studio 或 Ollama。
    • 来自模型开发方的远程提供商 — 例如通过 Anthropic 订阅访问 Claude Opus。
    • 来自模型聚合器的远程提供商 — 例如通过 OpenRouter 订阅访问 Claude Opus、Gemini 或 Kimi。
  • CLIs、SDKs、函数与脚本 - 这些可以是任何以 LLMs 能理解或可调用的方式打包的函数、脚本或命令行接口(CLIs)。 例如,如果你希望 LLM 访问实时信息, 即 LLM 训练时不可用的信息, 你需要让它能够调用用于网络搜索或其他数据 API 的工具。 需要注意的是,即使这些工具没有专门为 LLMs 做适配, 也可以通过 agent skills 提供一层轻量封装。
  • MCP - Model Context Protocol(MCP)是为 LLMs 发现与调用工具而设计的协议。 它旨在为不同的 LLMs 与 LLM 提供商调用工具的方式建立统一标准。 此前,各家 LLM 与 LLM 提供商在这方面各自定义了互相竞争的标准 / 协议。
  • Agent Skills - 这些是主要包含一段详细、可复用提示词的 markdown 文件。 它们可以按需引用支持资源、工具、MCP 服务器等。 它们专门为与 AI 工程 harness 配合使用而设计, 但也可以用于其他场景。 它们可以是递归的,例如一个 skill 可以引用其他 skills。 有时它们也被称为 “workflows”、“subagents” 和 “agents”。 在此上下文中,workflows 通常是一组具有既定顺序的 skills; 而 agents / subagents 是一组没有固定顺序的 workflows 与 skills, 由 LLM 自主决定使用哪些以及顺序。 注意 “agents” 一词被过度使用,含义众多, 上述定义仅适用于本上下文。
  • AI 工程 IDEs - 这些是专用 IDE 或 IDE 内的插件,允许你向 LLMs 发送提示, 包括执行工具调用或 MCPs, 并使用其输出来处理 IDE 中打开的代码库。 流行的包括:Roo、Cline 和 Cursor。
  • AI 工程 Harnesses - 这些是命令行界面(CLIs)或终端用户界面(TUIs), 围绕调用 LLMs 完成编码任务而设计。 它们直接在文件系统上运行,通常内置了针对工程任务的优化与实用工具。 这些通常比使用 AI 工程 IDEs 更强大, 因为它们在使用 skills、workflows 和 agents 时表现最佳。 流行的包括:Claude Code(Anthropic)、Codex(OpenAI)和 OpenCode(独立)。
  • AI 工程 Orchestrators - 这些工具充当 harness 的包装器。 它们的主要目的是支持长时间运行的循环或对 harness 调用进行并行化, 使 LLMs 能够自主处理更长、更复杂的任务, 而无需持续的人工监督。 流行的包括:Ralph、GSD。

在 Injective 上开发时哪些类型的生成式 AI 工具可以使用?

LLMs、LLM 提供商、Tools、MCP、Skills、Workflows、Agents、AI 工程 IDEs、AI 工程 Harnesses、AI 工程 Orchestrators。 简而言之,所有这些都可以! 事实上,这就是本 AI 开发者 部分的意义所在!

AI SDK

Injective 让你可以轻松地使用 AI 进行开发。 使用 Injective AI SDK, 它一次安装即可提供 agent skills、CLI 与 MCP 服务器。

Agent skills

Injective CLI agent skill

如何安装与使用 Injective CLI skill 使用 injectived 可执行文件查询并向 Injective 链发送交易, 具备一致的钱包处理、端点选择与 gas 配置。

Injective EVM developer agent skill

如何安装与使用 Injective EVM Developer skill 在 Injective 的 EVM 上构建时, 你会需要适用于 EVM 兼容网络的通用 EVM 开发者技能。 你还需要一些 Injective EVM 的特定内容。 这个 skill 在现有 EVM 开发者技能之上进行增强,为你提供这些内容。

Injective MCP servers agent skill

如何安装与使用 Injective MCP Servers skill

Injective trading agent skills

如何安装与使用 Injective Trading skills 这是一组可以自由搭配使用的多种 skills, 适用于多种交易场景: 账户、自动签名、跨链桥、链上分析、行情数据、质押与代币。

MCP 服务器

Injective 文档 MCP 服务器

如何使用 Injective 文档 MCP 服务器 从本文档站点获取最新信息。 如果你向任何 LLM 询问 Injective 相关问题, 它可能会给出过时信息,就像对任何快速发展的技术一样。 这是因为它的信息来自其训练数据, 根据定义这些数据是”时间冻结的”。 通过将该 MCP 加入你的 AI 开发工作流, 你不仅可以获得关于在 Injective 上开发的最新信息, 还能以本文档站点 URL 的形式获得这些信息的引用。

Injective MCP 服务器

如何使用 Injective MCP 服务器 让 AI 工具具备在 Injective 上进行交易的完整能力。 包括永续合约、现货转账、跨链桥接与原生 EVM 交易。
最后修改于 2026年7月31日