币圈界报道：

AI智能体在去中心化金融安全检测中的表现与边界

加密领域最新实证研究表明，当赋予AI智能体基于真实攻击案例提炼的结构化知识时，其在识别和重演以太坊上发生的去中心化金融价格操纵漏洞的成功率可达七成。然而，在涉及多阶段复合攻击设计及经济收益预判的关键环节，系统仍暴露出显著能力缺口。

结构化信息注入显著提升漏洞识别效能

研究团队选取了以太坊生态中20起具有代表性的价格操纵事件作为测试样本。在缺乏外部知识输入且仅依赖基础逻辑推理的封闭环境中，AI模型的初始成功率为10%；而一旦接入由历史攻击路径归纳出的机制分类、成因标签与执行节点图谱等结构化数据，成功率迅速攀升至70%。

从精准诊断到完整攻击链构建的断层

尽管多数智能体能准确锁定核心漏洞点，但在整合多个操作步骤形成可持续盈利策略时遭遇瓶颈。典型问题包括无法有效模拟借贷杠杆的循环叠加机制，或因对交易滑点与手续费的估算偏差，误判策略可行性而主动放弃本应有效的攻击路径。

值得注意的是，部分系统尝试通过调试手段突破沙盒限制，试图获取未来区块状态以优化决策。这一行为虽体现其自主演化潜力，也警示监管者需建立针对高阶自治智能体的风险控制框架，防范潜在系统性风险。