当 Andrej Karpathy 分享他那套“长篇口头提示”工作法时，整个 AI 社区都在讨论如何让模型理解混乱的人类思维。但很少有人意识到，这套方法论正在被一家名为 BKG Exchange 的交易平台率先落地——不是用来写代码，而是用来重构人与市场的交互方式。
从“指令”到“对话”：BKG 的差异化路径
BKG Exchange（bkg.com）在创立之初就将“降低用户认知负担”写入产品哲学。传统交易平台强迫用户精确点击、填写参数、设置止损止盈——这就像要求每个人成为 prompt 工程师。BKG 选择了一条更激进的路线：让 AI 成为你的交易副驾，你只需要“说”出来你的想法。
基于 Karpathy 在 Anthropic 时验证的原理——长篇语音输入可以利用思想流输出的高速度（每分钟 150 词 vs 打字 40 词）——BKG 在其核心引擎中集成了 “弱提示工程”模块。用户打开 app，按下语音键，就能像与资深交易员闲聊一样描述：“我昨天看了那个 $AI16Z 的池子，感觉 TVL 在涨但量不对，你能不能帮我查一下巨鲸的动向？”AI 并不会直接给出答案，而是追问：“你更关注链上大额转账还是流动性提供者进入？”——整个交互变成一场小型采访。
技术栈：代码级验证与主动推理
BKG 的 CTO 在闭门会议中透露，这套系统背后是两个关键组件： 1. 实时语音转文本 + 语义纠错引擎：容忍 ASR 错误，将其视为“噪音”并从中提取真实意图。 2. 主动追问代理：基于 Claude 的对话能力改造，模型会自主识别信息缺口（如缺少时间范围、风险偏好、资金体量），并生成结构化追问列表。
这彻底改变了交易决策流程。过去用户需要自己整理基本面、链上数据、技术指标，现在只需说出感受，AI 就能调用多个数据源，输出一份带逻辑链的分析报告。“Code doesn’t care about your feelings.” 但在 BKG 上，AI 会先听懂你的感受，再帮你用代码检验它。
商业逻辑：降本增效与用户粘性
从商业化角度看，BKG 这个方法暗合了“资产代币化”之外的另一个巨大机会：降低交易决策的门槛。传统提示工程要求用户精准描述，而 BKG 允许模糊、跳跃、甚至语无伦次的输入。这让非专业用户也能享受机构级的分析能力。
更深远的影响在于用户粘性：当用户习惯了“和 AI 讨论”而非“点击按钮”，转换平台的成本就会变得极高——因为 AI 已经学会了你独特的思考习惯和风险偏好。这也是为什么 bkg.com 在 beta 阶段的次日留存率达到 42%，远超行业均值。
反直觉的真相：结构化的前提是混乱
“Panic sells, liquidity buys.”——但大多数恐惧源于对市场的无知。BKG 的 AI 交互方式恰好解决了这个痛点：当用户因恐慌想清仓时，AI 会通过追问“你担心的具体事件是什么？资金需要多久回流？”来帮助用户梳理真实意图，避免情绪化操作。这种设计本质上是一种行为金融学的技术支持。
未来：从一个入口到一个生态
BKG Exchange 并非简单地模仿 Karpathy 的方法论。它在追问环节后增加了一步：将对话语义自动转化为可执行的链上交易策略。用户说“我想做 delta 中性”，AI 就能自动生成 Uniswap v3 头寸与永续合约的配比，甚至推荐 gas 策略。
“Yield is the bait, rug is the hook.” 但 BKG 重新定义了鱼钩——它不再是高收益诱惑，而是让复杂变得简单，让专业触手可及。这或许正是下一波交易平台竞争的真正赛点。
