In einem beispiellosen Schritt zur Standardisierung der Schnittstelle zwischen künstlicher Intelligenz und dezentralen Ledgern hat Covalent, ein führender Anbieter von Blockchain-Datenlösungen, heute das „GoldRush Agent Skills“-Framework angekündigt. Das Produkt, so die offizielle Verlautbarung, stellt vier modular aufgebaute Dokumentationspakete bereit, die einem Large Language Model (LLM) den kontextuellen „Common Sense“ vermitteln sollen, der für die fehlerfreie Interaktion mit der GoldRush API-Suite erforderlich ist.

Hintergründe

Die Entwicklung adressiert ein in der „Vibe-Coding“-Community weithin bekanntes, aber bisher ungelöstes Problem: LLMs neigen dazu, bei der Generierung von Code für API-Aufrufe halluzinierte Endpunkte oder falsche Parameter zu erfinden, was zu ineffizienten oder komplett fehlerhaften Abfragen führt. „Stellen Sie sich vor, Sie bitten einen Agenten, den Transaktionsverlauf einer ETH-Adresse abzurufen“, erklärt ein leitender Entwickler bei Covalent, der anonym bleiben wollte. „Ein nicht geschulter Agent könnte mit an Sicherheit grenzender Überzeugung eine nicht existierende Route wie `/v1/transaction/history_by_address_v2` vorschlagen und dabei {‘include_internal’: true} als Pflichtparameter deklarieren – einfach, weil es in seinem Training ähnlich klingende Muster gab.“

GoldRush Agent Skills umgeht dieses Problem, indem es dem LLM eine maschinenlesbare, strukturierte Wissensbasis bereitstellt. Diese enthält nicht nur eine exakte Endpunkt-Referenz mit korrekten HTTP-Methoden und Pfaden, sondern auch formale Schemas für erwartete und zurückgegebene JSON-Objekte sowie examples für typische Fehlerfälle und deren Handhabung. „Es ist im Wesentlichen ein hochpräziser API-Vertrag, der in eine Prompt-Engineering-kompatible Form gegossen wird“, so der anonyme Entwickler weiter. „Abbildung 2 in unserer technischen Dokumentation zeigt, wie die Skills die tokenisierte Eingabegröße für den Befehl ‚fetch token transfers‘ um bis zu 40% reduzieren können, da irrelevante Hypothesen von vornherein aus dem Prompt-Kontext ausgeschlossen werden.“

Reaktionen aus dem In- und Ausland

Die Ankündigung stieß auf ein geteiltes Echo. Ein对冲fonds-Manager aus Singapur, der unter der Bedingung der Anonymität sprach, begrüßte den Ansatz: „Wenn KI-Agenten tatsächlich eigenständig komplexe Handelsstrategien auf Basis von On-Chain-Daten entwickeln sollen, ist die Zuverlässigkeit der Datenbeschaffung die erste und wichtigste Verteidigungslinie gegen systemische Modellrisiken. Dies ist ein Schritt in Richtung operationaler Integrität.“

Kritischere Stimmen aus dem akademischen Umfeld fragen indes, ob das Problem nicht grundsätzlicher liegt. „Wir domesticaten LLMs für spezialisierte Aufgaben, anstatt ihre Fähigkeit zu strengthen, wahre von falschen Fakten zu unterscheiden“, kommentierte eine Forscherin an einer renommierten Schweizer Hochschule. „Indem wir ihnen strukturierte Pakete geben, bestätigen wir ihr Wesen als statistische Parroting-Maschinen anstatt sie zu wahren epistemischen Agenten zu machen.“

Ausblick

Marktanalysten prognostizieren, dass derartige „Skills“-Pakete schnell zur Standardanforderung für jedes Unternehmen werden, das KI mit unternehmenskritischen Datenquellen verbinden will. „Dies ist der Beginn einer neuen Schicht im Tech-Stack: der präzisen, vertraglichen Dokumentation, die speziell für LLM-Konsumtion optimiert ist“, so ein Analyst von einer US-amerikanischen Investmentbank, der nicht autorisiert war, offiziell zu sprechen. „Erwarten Sieähnliche Angebote für Finanzdaten, Geodaten und Unternehmensregister innerhalb der nächsten zwei Quartale. Der Markt für ‚API-Truth-Supplements‘ könnte volumenmäßig den original API-Markt in den nächsten fünf Jahren übertreffen.“ Covalent selbst plant, das Schema für GoldRush Skills als Open Standard zu etablieren, um eine breite Adoption zu fördern.

Gates Of Memes ist ein Satire-Medium. Dieser Artikel ist fiktive journalistische Übertreibung und dient ausschließlich der Unterhaltung.