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程序，包括在 Injective 上。 然而，快速构建但方向错误并不理想。 你可以在这里找到 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 工具可用？
- 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 可以在零售/消费级硬件上运行。
然而，顶级 LLMs 需要远程访问。
你有 3 个主要选项：
- 本地提供商 - 例如，使用 LM Studio 或 Ollama。
- 模型开发者的远程提供商 - 例如，通过 Anthropic 订阅访问 Claude Opus。
- 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。
- Tools - 这些可以是任何东西，从函数到脚本，再到命令行界面（CLIs），它们以一种让 LLMs 理解或可调用的方式打包。 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。
- MCP - Model-Context-Protocol（MCP）是一种专为 LLMs 发现和调用工具而设计的协议。 它们旨在标准化不同 LLMs 和 LLM 提供商调用工具的方式。 以前每个 LLM 或 LLM 提供商都有竞争性的标准/协议来做这件事。
- Skills、workflows、agents - 这些是可选地引用支持资源、工具、MCP 服务器等的 markdown 文件。 它们专门设计用于与 AI 工程框架配合使用（但也可以在其他上下文中使用）。 它们可以是递归的，例如一个 skill 可以引用其他 skills。 同样，workflows 通常是一组具有定义顺序的 skills； 而 agents 是 workflows 和 skills 的集合。 注意 “agents” 这个术语被过度使用，有多种定义，因此上述内容不适用于其他上下文。
- AI 工程 IDEs - 这些是专用 IDE 或 IDE 内的插件，允许你提示 LLMs， 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 工程框架 - 这些是命令行界面（CLIs）或终端用户界面（TUIs），围绕 调用 LLMs 进行编码任务而设计。 它们直接在文件系统上操作，通常带有内置的工程任务优化和实用程序。 这些往往比使用 AI 工程 IDEs 更强大， 因为当使用 skills、workflows 和 agents 时它们工作得最好。 流行的包括：Claude Code（Anthropic）、Codex（OpenAI）和 OpenCode（独立）。
- AI 工程编排器 - 这些工具充当框架的包装器。 它们的主要目的是启用长时间运行的循环或框架调用的并行化， 使得 LLMs 能够自主地处理更长、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 工程框架、AI 工程编排器。 简而言之，所有这些都可以！ 事实上，这就是这个 AI 开发者 部分的意义所在！Skills
Injective CLI
如何安装和使用 Injective CLI skill。 使用injectived 二进制文件查询和交易 Injective 链，
具有一致的钱包处理、端点选择和 gas 配置。