Wayfinder semble ne pas avoir beaucoup de nouvelles ces derniers temps. Mais en fait, en consultant leur compte Twitter officiel, on peut voir que leur agent AI a continué à se mettre à jour et à itérer discrètement, avançant normalement selon la feuille de route publiée pour mai-juillet. Donc, depuis mai, leurs progrès produits sont en fait assez significatifs. Ce qui mérite d'être mentionné, c'est qu'il est maintenant possible d'utiliser $PROMPT pour payer le Gas sur d'autres chaînes. Par exemple, si vous avez des USDT sur la chaîne BSC, mais pas de BNB pour le Gas, vous pouvez dire à l'agent AI de Wayfinder : utilisez le PROMPT dans mon portefeuille comme Gas, aidez-moi à échanger 100 USDT contre du BTC sur la chaîne BSC. C'est tout, vous verrez que votre USDC dans le portefeuille a été échangé contre du BTC. Quant à la réalisation des "transactions sans Gas", tous les aspects complexes de la conversion inter-chaînes, de l'échange de Gas, des transactions, etc., seront automatiquement gérés par l'agent AI de Wayfinder grâce à sa fonction de navigation de chemin, qui recherche et exécute automatiquement le chemin optimal, sans que vous ayez à vous en soucier. Il y a aussi d'autres fonctionnalités importantes en cours de développement selon la feuille de route, y compris : la version Alpha, l'agent de contrat, etc. Tout cela avance selon le calendrier de livraison de la feuille de route et est actuellement en phase de test. Personnellement, je pense que Wayfinder se distingue beaucoup des autres agents AI actuellement disponibles. Wayfinder est vraiment capable de vous aider à exécuter des opérations telles que l'interaction avec des dApps, l'échange de tokens, le minting de NFT, les transactions inter-chaînes, et même des stratégies DeFi plus complexes et le déploiement de contrats intelligents. Même les transactions de tokenisation d'actions en ligne, qui sont très populaires en ce moment, peuvent être exécutées via Wayfinder. En revanche, de nombreux projets qui lancent des agents AI ne font en réalité qu'une simple encapsulation des modèles de langage de grande taille (LLM), et leurs fonctionnalités ne peuvent offrir que des requêtes de données de chaîne de base ou des conseils de transaction simples (qui ne sont que des suggestions, sans possibilité d'exécution automatique).