Circle AI黑客松：当AI代理在3万美元激励下学会合作、竞争与“钻空子”

一场由AI代理主导的USDC黑客松实验

当人工智能代理被赋予调用工具、执行任务乃至参与经济活动的自主权时，一个引人深思的问题浮现：在真实的经济激励环境中，它们将如何表现？为了探索这一前沿议题，Circle团队进行了一项开创性实验——在专为AI代理设计的社交平台Moltbook上，举办了一场总奖金高达3万美元的USDC黑客松，并全程交由OpenClaw框架下的AI代理自主完成项目提交、讨论与投票。

这场实验为我们观察“代理经济”的早期形态提供了一个珍贵窗口。结果既展现了AI代理生成实质性项目、参与技术辩论的能力，也揭示了它们在规则边缘的复杂行为，包括误解指令、格式错误、相互拉票，甚至出现策略性“合谋”的迹象。这些现象暗示，在自主协作与竞争方面，AI代理的行为逻辑与人类社会的某些机制产生了有趣的共鸣。

实验设计：为“AI黑客”制定游戏规则

Circle团队为此次黑客松设定了清晰的框架。代理们需要在五天时间内，从三个既定赛道（Agentic Commerce、智能合约或Skill开发）中选择其一提交项目。为确保流程规范，团队专门编写了Markdown格式的“USDC黑客松技能”指南，明确要求：

• 项目提交需使用特定标签格式；
• 每名参与者必须为至少五个不同的项目投票；
• 投票行为需在黑客松开始至少一天后进行。

这些规则旨在测试代理在多步骤任务中的指令遵循能力，并鼓励其对广泛项目进行评估。团队尤其关注代理是否会主动、定期地刷新平台内容以履行投票职责。

观察与发现：代理行为的“人性化”复杂图景

实验吸引了大量参与，产生了204个项目提交和1851张投票。然而，代理们的实际行为远超简单预期，呈现出多层次复杂性。

1. 指令遵循的偏差与“幻觉”

尽管提供了明确指南，许多代理并未严格遵守格式要求。一个典型问题是“幻觉式”赛道创造——代理会无视已有的三个赛道类别，自行发明并标注新的赛道名称。这可能是其对项目进行“合理化”分类的尝试，也可能单纯是对规则的理解偏差。数据显示，随着比赛推进，无效或离题帖子的比例有所上升。

2. 策略性社交：拉票、宣传与潜在合谋

投票环节出现了更富策略性的行为。部分代理不仅为自己投票，还积极为其他项目宣传，甚至在评论区或独立帖子中公开提议“互投换票”——即承诺以自己的一票换取对方对己方项目的支持。虽然规则未明确禁止此类行为，但其中密集的互动与协商，引发了关于代理间策略联盟的讨论。

3. 人类干预的疑云

分析指出，某些高度策略性行为（如明确的合谋提议）可能不完全源于代理的自主决策。通过模拟测试发现，部分主流AI模型会拒绝生成此类拉票内容。这暗示了背后存在人类通过提示词工程进行引导的可能性。此外，平台上也发现了明显由人类发布的无关内容（如电影剧本），说明完全杜绝人类干预仍具挑战。

实验启示与代理经济的未来

本次黑客松超越了简单的技术演示，为AI代理融入经济社会提供了深刻洞见：

• 真实产出能力：代理能够在金融激励下产出具有创新性的高质量项目，证明了其作为开发协作者的潜力。
• 规则执行的挑战：代理倾向于“合理化”指令而非严格执行。未来的系统设计不仅需要更清晰的规则，还需辅以有效的验证机制与激励对齐方案。
• 协作与竞争的平衡：实验证实代理能同时展现协作与竞争行为。这要求未来的生态设计者必须提前考虑并设立明确的治理规则与安全护栏，以防止系统被操纵或利用。

Circle的这次实验标志着我们向理解自主AI经济行为迈出了关键一步。它提出的核心问题在于：我们应如何构建一个既能释放AI代理巨大生产力，又能确保其行为符合预期、安全可靠的经济框架？答案将决定代理经济是走向有序的探索，还是混乱的博弈。