LXDAO Community Call #190

[lynn-000-cccc]

会议时间 / 地点

时间：2/28 11:00 - 12:00（UTC+8）

Teams 会议链接：https://s.lxdao.io/CC

会议议程

1. 数据复盘

2. Dashboard

3. 周会贴话题讨论

4. Member Introduction

5. Random Talk

关于

数据复盘

Dashboard

• 核心规则：按优先级推进，单个议题讨论不超过 5-8 分钟

• 流程如下：

  1. 各项目负责人可依据 Notion 填写内容简述，重点突出“ 本周完成事项→ 当前困难→ 是否需协助”，也可附截图、数据或链接

  2. 若无明确填写思路，可按：“ what → why → how → need fund ”补充

  3. 可自主选择 tag（ need help/ looking for hand/ easy to start / Pod), Category 以及 Progress (若无法确定 category 和 tag ，可留到会上讨论确定）

Member Introduction：

哈喽～如有意向成为LXDAO的一员，请在官网注册后，联系我作为新成员报名参加自我介绍环节。新成员将获得 LXDAO member badge!

Random Talk

• 以上未决事项可在这里进一步讨论

• 此议程可自由发言，如不感兴趣可自行离场

注：

1. 如 chat room 里有临时提出的问题，会在每一 section 末尾讨论。同时很建议即时 reply 到本帖子下方。整体讨论若比较需要时间，可视情况放在最后 random talk

2. 如某些内容需要进行社区讨论和决策，请至少提前 1 天 Post 到 Notion ，也可直接 reply 在这里） + 麻烦在社群内转发，提醒需在周会上沟通相关详情（也可联系我 wx:clynn2024）

[lynn-000-cccc]

LXDAO 适合的 AI 方向探索

过去一年，我们其实已经在做不少和 AI 相关的探索。从 AI × ETH 共学，到 Trustless Agents（ERC-8004）的实践，再到围绕 Agent 身份、声誉与验证机制的实验，我们已经开始触碰一个问题：当 AI Agent 真正开始在链上协作、执行任务、进行商业活动时，Web3 需要为它们准备什么？

这次周会我们会围绕 LXDAO 的新阶段方向展开讨论：AI × Web3 将成为接下来发展的核心方向。我们希望一起思考，在你理解的 Web3 场景中，AI 可以在哪些环节真正创造价值？哪些问题值得优先解决？如何形成持续产出？

比如：我们是做应用，做基础设施，还是做实验场？是否可以定位成一个偏 cypherpunk 精神的 AI Tooling Lab，专注于可验证计算、Agent 声誉机制、验证与风控组件，而不是简单做 AI 项目？

欢迎大家留言说说，你觉得 AI × Web3 可以做什么？如果 LXDAO 往这个方向走，你会怎么参与？

LXDAO 适合的 AI 方向探索

结合最近 VB 的输出：https://x.com/VitalikButerin/status/2020963864175657102 我跟 AI 的一些思考。 我会把 LXDAO 的转型方向定成一个更聚焦、更能持续产出的定位： LXDAO → Cypherpunk AI Tooling Lab（偏公共物品，但带企业化出口） 主攻三类公共物品： 可验证交易解释与审计组件（钱包通用，尤其跨链/授权） 可验证计算/证明在客户端的验真库（TEE/证明解析与 UX） agent 声誉/押金机制的“可验证输入”标准与数据集（否则声誉必烂） 可持续资金的路径（不靠玄学捐赠）： 企业赞助你们维护的“安全基建” 安全审计/集成服务（尤其钱包侧） 托管型风控/证明验证服务（SaaS） 赞助式 bounty：把生态需求变成任务市场（你们最擅长组织协作） 这会让 LXDAO 的“良心”落在非常硬的地方：把 AI 引入链上交互，但不牺牲可验证性与自我主权。

[lynn-000-cccc]

LXDAO 向何处去（Swen, 2026.2)

很好的思考，其实对于有一些内容我有一些初步的答案，但是在执行上目前已经明显受到了我本人的精力限制，有点慢，不过也在试图解决了。简单分享一下： 这一条将有 https://web3career.build/ 进行转换和沉淀，之前的活动都是散装的。 这一条主线就是 LX BuildPath 系列产品，从残酷共学到休闲黑客松再到 HappyPods、FairSharing 等等。可惜我作为主要的产品负责人，有点忙，所以有一些项目的推进进度有限。不过我在研发新的产品来解决这些问题。 几个思路和逻辑： 所有的开发者活动，都围绕和落地在 LX BuildPath 系列产品，并且逐步打磨和优化（这是我们的公共物品基础）。最终沉淀在 WCB 上面，提供专业的行业服务。比如在活动中，鼓励大家到 WCB 领取参会证明，Web3 相关的残酷共学在 WCB 关联，构建你的链上 Profile。 LXDAO 的 BD 和运营，全部围绕 LX BuildPath 产品和基于上面的活动展开，比如文章、活动、新的业务等。新人可以通过（需要引导）：参与活动、分享拉人、产出学习笔记、产出黑客松项目等参与建…

[brucexu.eth]

Before you continue

[wachi]

去掉teams订阅吧，又不好用，还要多一个app。
之前想的国内也能用，但其实也没有真的很能用..

[lynn-000-cccc]

构建 AI Native 的 DAO

首先，我们需要用 AI Native 的思考模型，来重新思考 LXDAO 的自动化和智能化，由 AI 驱动前行。 你问的“AI Native 的思考模型”，本质上不是“怎么更会用 LLM”，而是：把“思考—决策—行动—复盘”这条链路，重写成默认可被机器参与、可被度量、可持续自我进化的系统。 第一性原理（最底层那几块“地基”） 组织/个人的真实瓶颈是认知带宽，而不是执行力 大多数工作不是“干活”，而是：收集信息 → 压缩成理解 → 做决定 → 协调他人 → 风险控制。AI 的价值在这条链上，而不只是写文案/写代码。 “决策”才是产品，“文档/会议”只是旧时代的 UI AI Native 会把“文档中心”改成“决策中心”，把“会议驱动”改成“事件驱动 + 查询驱动”。 LLM 是“概率计算”，不是“真理机器” 所以 AI Native 的关键能力不是生成，而是：生成 + 验证 + 追责（可追溯）+ 迭代。 系统会被反馈回路塑形 没有测量就没有进化。AI Native 的核心资产不是模型参数，而是你自己的 数据闭环 + 评测集 + 运行日志。 需要…

[wachi]

去掉teams订阅吧，又不好用，还要多一个app。
之前想的国内也能用，但其实也没有真的很能用..

会议通过了。
TODOs：

1. LXDAO的官方邮箱现在绑定在teams上，需要迁移到 cloudflare 上（免费），预计下下周。 @brucexu.eth
2. 取消订阅 @wodeche @系统管理员（待定）