> ## Documentation Index
> Fetch the complete documentation index at: https://injectivelabs-mintlify-fc5a1333.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# AI 开发者

> 如何在 Injective 上构建 AI 驱动的应用与 agent，包括生成式 AI 工具、MCP 服务器与 agent skills。

## 为什么要在 Injective 上使用生成式 AI 工具进行构建？

使用生成式 AI 编程工具，你可以非常快速地构建应用，包括在 Injective 上。
然而，方向错误地快速构建并不理想。
你会在这里找到 skills、agents、workflows 和 MCP 服务器，它们将帮助你进行高效的 AI 软件工程。

## 有哪些类型的生成式 AI 工具？

LLMs、LLM 提供商、MCP 服务器、agent skills、CLIs / SDKs / 函数 / 脚本，
以及 AI 工程 IDEs / Harnesses / Orchestrators 都属于生成式 AI 工具的不同类型。
你可以在 Injective 上使用其中所有类型。

* **LLMs** -
  大型语言模型（LLMs）是驱动几乎所有生成式 AI 软件工程的基础层技术。
  几乎所有 AI 开发工具都是 LLMs 的封装。
  流行的包括 Claude Opus（Anthropic）、Gemini（Google）和 Kimi（Moonshot AI）。
* **LLM 提供商** -
  中低端 LLMs 可在零售 / 消费级硬件上运行。
  但顶级 LLMs 需要远程访问。
  你有 3 个主要选择：
  * **本地提供商** —
    例如使用 LM Studio 或 Ollama。
  * **来自模型开发方的远程提供商** —
    例如通过 Anthropic 订阅访问 Claude Opus。
  * **来自模型聚合器的远程提供商** —
    例如通过 OpenRouter 订阅访问 Claude Opus、Gemini 或 Kimi。
* **CLIs、SDKs、函数与脚本** -
  这些可以是任何以 LLMs 能理解或可调用的方式打包的函数、脚本或命令行接口（CLIs）。
  例如，如果你希望 LLM 访问实时信息，
  即 LLM 训练时不可用的信息，
  你需要让它能够调用用于网络搜索或其他数据 API 的工具。
  需要注意的是，即使这些工具没有专门为 LLMs 做适配，
  也可以通过 agent skills 提供一层轻量封装。
* **MCP** -
  Model Context Protocol（MCP）是为 LLMs 发现与调用工具而设计的协议。
  它旨在为不同的 LLMs 与 LLM 提供商调用工具的方式建立统一标准。
  此前，各家 LLM 与 LLM 提供商在这方面各自定义了互相竞争的标准 / 协议。
* **Agent Skills** -
  这些是主要包含一段详细、可复用提示词的 markdown 文件。
  它们可以按需引用支持资源、工具、MCP 服务器等。
  它们专门为与 AI 工程 harness 配合使用而设计，
  但也可以用于其他场景。
  它们可以是递归的，例如一个 skill 可以引用其他 skills。
  有时它们也被称为 "workflows"、"subagents" 和 "agents"。
  在此上下文中，workflows 通常是一组具有既定顺序的 skills；
  而 agents / subagents 是一组没有固定顺序的 workflows 与 skills，
  由 LLM 自主决定使用哪些以及顺序。
  注意 "agents" 一词被过度使用，含义众多，
  上述定义仅适用于本上下文。
* **AI 工程 IDEs** -
  这些是专用 IDE 或 IDE 内的插件，允许你向 LLMs 发送提示，
  包括执行工具调用或 MCPs，
  并使用其输出来处理 IDE 中打开的代码库。
  流行的包括：Roo、Cline 和 Cursor。
* **AI 工程 Harnesses** -
  这些是命令行界面（CLIs）或终端用户界面（TUIs），
  围绕调用 LLMs 完成编码任务而设计。
  它们直接在文件系统上运行，通常内置了针对工程任务的优化与实用工具。
  这些通常比使用 AI 工程 IDEs 更强大，
  因为它们在使用 skills、workflows 和 agents 时表现最佳。
  流行的包括：Claude Code（Anthropic）、Codex（OpenAI）和 OpenCode（独立）。
* **AI 工程 Orchestrators** -
  这些工具充当 harness 的包装器。
  它们的主要目的是支持长时间运行的循环或对 harness 调用进行并行化，
  使 LLMs 能够自主处理更长、更复杂的任务，
  而无需持续的人工监督。
  流行的包括：Ralph、GSD。

## 在 Injective 上开发时哪些类型的生成式 AI 工具可以使用？

LLMs、LLM 提供商、Tools、MCP、Skills、Workflows、Agents、AI 工程 IDEs、AI 工程 Harnesses、AI 工程 Orchestrators。
简而言之，所有这些都可以！
事实上，这就是本 **AI 开发者** 部分的意义所在！

## AI SDK

Injective 让你可以轻松地使用 AI 进行开发。
使用 [Injective AI SDK](/cn/developers-ai/ai-sdk/)，
它一次安装即可提供 agent skills、CLI 与 MCP 服务器。

## Agent skills

### Injective CLI agent skill

如何安装与使用 [Injective CLI skill](/cn/developers-ai/injective-cli-skill)。

使用 `injectived` 可执行文件查询并向 Injective 链发送交易，
具备一致的钱包处理、端点选择与 gas 配置。

### Injective EVM developer agent skill

如何安装与使用 [Injective EVM Developer skill](/cn/developers-ai/injective-evm-developer-skill)。

在 Injective 的 EVM 上构建时，
你会需要适用于 EVM 兼容网络的通用 EVM 开发者技能。
你还需要一些 Injective EVM 的特定内容。
这个 skill 在现有 EVM 开发者技能之上进行增强，为你提供这些内容。

### Injective MCP servers agent skill

如何安装与使用 [Injective MCP Servers skill](/cn/developers-ai/injective-mcp-servers-skill)。

### Injective trading agent skills

如何安装与使用 [Injective Trading skills](/cn/developers-ai/injective-trading-skills)。

这是一组可以自由搭配使用的多种 skills，
适用于多种交易场景：
账户、自动签名、跨链桥、链上分析、行情数据、质押与代币。

## MCP 服务器

### Injective 文档 MCP 服务器

如何使用 [Injective 文档 MCP 服务器](/cn/developers-ai/documentation-mcp)
从本文档站点获取最新信息。

如果你向任何 LLM 询问 Injective 相关问题，
它可能会给出过时信息，就像对任何快速发展的技术一样。
这是因为它的信息来自其训练数据，
根据定义这些数据是"时间冻结的"。
通过将该 MCP 加入你的 AI 开发工作流，
你不仅可以获得关于在 Injective 上开发的最新信息，
还能以本文档站点 URL 的形式获得这些信息的引用。

### Injective MCP 服务器

如何使用 [Injective MCP 服务器](/cn/developers-ai/mcp)
让 AI 工具具备在 Injective 上进行交易的完整能力。
包括永续合约、现货转账、跨链桥接与原生 EVM 交易。