AI 代理可以識別出它需要有關物理位置的資訊，但它無法僅僅查詢互聯網並假設結果反映當前實際情況。 這為自主軟體帶來了一個問題：代理如何在不運行自己的感測器或派人手動操作的情況下，從物理世界獲取新證據？ Vangrid 正透過其「代理獎勵」模式探索一個實際的解決方案。 透過 @vangrid_io，軟體代理可以委託拍攝真實位置，並以 USDC 在 Base 或 Arc 上支付獎金。 該架構引入了自主軟體與人類貢獻者之間的一種有趣關係。 代理識別出資訊缺失的位置，捕獲請求將這一需求轉化為一項任務，由個人親自前往該位置收集所需資料。 這使得軟體生成的需求能夠協調現實世界的資料收集。 考慮一個負責維護城市基礎設施資訊的代理：如果某地點發生變化，該代理可以請求新的拍攝，而非依賴過時的影像。 然而，收集完成後的困難才剛剛開始。 完成的獎勵並不代表所得資料準確、足夠詳細或適合機器使用。拍攝品質、位置驗證和資料處理仍然至關重要。 經濟層面的問題同樣重要：代理需要有理由為新觀察支付費用，而這些觀察的價值必須能合理化其收集成本。 如果這種關係能夠持續發展，Vangrid 的模式將能支持一種新型的機器對人類工作流程：自主系統購買針對性的物理世界觀察資料。 對於更廣泛的 $VAN 生態而言，真正的考驗在於這些請求是否能持續產生有用資料並形成可重複的需求。 這比單純將 AI 代理連接到區塊鏈支付更具體、更實質的基礎設施挑戰。