Kimi驱动CloutBot：AI预测视频病毒传播，人机对决谁能胜出

当预测游戏遇上AI：CloutBot的诞生

在互联网时代，"这视频要火"可能是最常见的争论之一。Monad Metropolis黑客松项目CloutCall就将这个日常争论变成了一款预测游戏：每个市场针对一个公开YouTube视频提出一个问题——它能在截止日期前达到N次观看量吗？玩家通过Face ID（Monad上的Mera passkeys）登录，一键做出预测，并邀请朋友站到对立面。

但只有人类玩家参与，游戏会面临冷启动和对手缺失的问题。于是开发者构建了CloutBot——一个由Moonshot AI的Kimi模型驱动的链上AI对手，它永远在线，永远有观点，并且会展示自己的推理过程。

CloutBot预测游戏界面示意

Monad 是一条兼容以太坊虚拟机（EVM）的高性能Layer 1公链，主打并行执行（parallel execution）与超标量流水线设计，目标是实现每秒万级交易（TPS）和亚秒级确认，同时保持与以太坊生态工具链的兼容。其低延迟和高吞吐特性适合需要频繁小额交互的应用场景，例如预测市场、游戏和社交类DApp。

Mera passkeys 是 Monad 生态中面向用户身份验证的方案之一，它借助 WebAuthn/Passkey 标准，将私钥托管在设备的安全芯片中，用户通过 Face ID 或指纹即可完成签名。相比传统的助记词和钱包插件，passkey 大幅降低了 Web2 用户的入门门槛：用户无需理解私钥、gas 概念，也能以接近登录 App 的体验完成链上操作。CloutBot 所依托的 CloutCall 正是利用这一机制，把"一键预测"做得像点赞一样简单。

Kimi如何做出预测：从数据到链上决策

CloutBot的工作流程清晰且自动化。对于每一个尚未预测的开放市场，其代理程序（resolver/src/agent.ts）会执行以下步骤：

从YouTube Data API拉取视频的实时信号：观看量、点赞数、评论数、发布后小时数。
将这些原始数据转化为模型可以推理的指标：当前平均每小时观看量、达到目标还需要的每小时观看量、点赞率、评论率以及与目标的差距。
通过Moonshot的OpenAI兼容聊天补全API，将这些数字发送给Kimi（kimi-k2.6），设置temperature为0.3，并使用response_format: json_object。
获得结构化输出：方向（YES/NO）、校准置信度（50-95）、截止时的预测观看量以及简短推理。
根据置信度下注积分（50到300点），并在预测截止前将选择、置信度、预测观看量、模型名称和推理写入Monad上的AgentJournal合约。

由于预测和推理在截止前就上链，CloutBot无法悄悄改变主意。玩家可以看到它的预测，然后点击"站在对立面"。

Temperature（温度） 是语言模型解码时的采样参数，用于控制输出的随机性：值越低（如 0、0.1、0.3），模型越倾向于选择概率最高的 token，输出更稳定、可重复；值越高（如 0.8 以上），输出越发散、有创造性，但也更容易出现事实漂移。CloutBot 将 temperature 设为 0.3，是在"保留一定表达灵活性"与"保证预测稳定可复现"之间做出的权衡——过高的温度会让同一个市场在不同时刻得到截然相反的预测，破坏玩家对 AI 的信任。

response_format: json_object 是 OpenAI 兼容接口中用于约束输出格式的选项，开启后模型被指示返回合法的 JSON 字符串。它常与一个显式的 JSON Schema（描述字段名、类型、取值范围）配合使用，使调用方可以放心地用 JSON.parse 解析响应，而无需担心模型混入解释性文字或 Markdown 代码块。在 CloutBot 的场景下，这一机制直接决定了置信度、预测观看量等数值能否安全地用于链上写操作，避免"格式错误的答案"被当真并下注积分。

为什么选择Kimi：数字推理与结构化输出的双重优势

开发者选择Kimi并非偶然，而是基于几个关键需求。

基于数字而非感觉进行推理。 给定"需要每小时41k观看量，当前每小时18k，还剩9小时"这样的输入，Kimi能给出自信的NO，并在一句话中解释差距。这种推理过程本身就是产品——玩家可以与之争论。

可靠的JSON输出。 JSON模式加上严格的schema意味着每一个响应都可以被解析，置信度可以被限制在合理范围内，并且不会让格式错误的答案下注积分。

OpenAI兼容API。 开发者仅用一个下午就完成了集成，使用普通的fetch，没有SDK锁定，并用模拟fetch进行了单元测试（resolver/test/kimi.test.ts）。

CloutBot给产品带来的改变

Kimi将一个双人游戏变成了一个随时可玩的游戏。每个市场都有一个公开的、有解释立场的对手。这给了项目一个核心钩子：人类vs AI。实时记分板（由Envio索引）展示人类是否比模型更擅长预测病毒传播，排行榜上还有每位玩家的"击败AI"次数。

冷启动问题也得到缓解。新市场不再空荡荡——CloutBot已经做出了预测，第一个人类玩家总有可以反驳的对象。

Envio 是一个面向 EVM 链的高性能区块链索引框架（indexer），它允许开发者用 GraphQL 或 TypeScript 定义数据模型，自动监听合约事件并写入可查询的数据库。相比每笔交易都去 RPC 节点轮询，Envio 能大幅降低读取延迟和查询成本。CloutBot 借助 Envio 实时索引 AgentJournal 合约中 CloutBot 的每一次预测与下注，从而在前端生成"人类 vs AI"的实时记分板和"击败 AI"排行榜；如果缺少这类索引层，前端就只能通过逐块扫描事件，很难做到即时的对战比分更新。

AgentJournal 合约 是以太坊生态中常见的一种"链上日志/证据"模式：它不托管资金，只负责在特定时间点不可篡改地记录某个地址的决策、理由或状态快照。对于 CloutBot 而言，把方向（YES/NO）、置信度、预测观看量和推理文本在预测截止前写入合约，等于给 AI 的"赛前预测"盖上了时间戳，玩家事后可以核验 AI 是否"事后诸葛亮"或中途改口。这种"先承诺、后揭晓"的模式，是让 AI 对手具备可验证性的关键技术手段。