DAPPOS V3 알아보자

DAPPOS V3는 질문에 답만 하는 AI가 아닌 사용자가 원하는 일을 파악한 뒤 실제 블록체인 작업까지 처리하는 방식

크게 두 부분으로 나누어져 있음

- 판단하는 부분
300~400개의 전문 AI 에이전트와 200개 이상의 도구가 정보를 찾고 어떤 작업을 해야 할지 계획

- 실행하는 부분
AI가 세운 계획을 Intent Execution Network가 실제 온체인 작업으로 옮김. 실행 전 내용을 확인하고 문제가 생겼을 때 처리하는 절차도 포함되어 있음

공식 Medium 공개 당시 기준으로 이 실행 네트워크는 이용자 500만 명 이상, 누적 거래 1,200만 건 이상을 기록했다고 함

쉽게 말하면 AI가 무엇을 할지 판단하고, 실행 네트워크가 실제로 처리하는 방식

말만 하는 챗봇보다 실제로 움직이는 AI를 만들려는 듯

➡️DAPPOS 공식 Medium
➡️DAPPOS 스토리텔러 대시보드

#스토리텔러 #DAPPOS #DOS #Web3AI

DAPPOS 프로젝트도 자기 AI OS를 가질 수 있다 - 1/5

Web3 프로젝트가 AI를 붙이려면 자기 서비스의 기능과 데이터, 사용자가 자주 묻는 질문, 실제 실행 경로까지 다시 가르쳐야 합니다. 일반 챗봇 하나를 연결하는 것만으로는 프로젝트 안에서 쓸 전용 AI가 되기 어렵죠.

DAPPOS는 V3를 기반으로 프로젝트별 Web3 AI OS를 만들 수 있는 맞춤형 솔루션을 제공합니다. 각 생태계와 사용자 요구에 맞춘 대화형 인터페이스를 구축하는 방식입니다.

프로젝트는 AI와 실행 기반을 처음부터 따로 만들 필요를 줄이고, 사용자는 복잡한 메뉴를 먼저 익히는 대신 자신의 목적부터 말할 수 있습니다. 구축 부담과 사용자 진입 장벽을 동시에 줄일 수 있다는 점이 DAPPOS를 선택할 첫 번째 이유입니다.

➡️DAPPOS 맞춤형 Web3 AI OS

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #DOS #Web3AI #3ridge

DAPPOS가 일반 AI와 다른 이유 하나의 AI가 아니라 전문 에이전트 팀이 움직인다 2편

Web3 프로젝트 하나만 분석해도 공식 문서, 온체인 데이터, 시장 흐름, 토큰 구조와 리스크를 함께 봐야 함. 하나의 범용 AI가 모든 분야를 같은 깊이로 처리하기 어려운 이유임.

DAPPOS의 Multi-Agent Framework, 줄여서 MAF는 약 300~400개의 전문 에이전트와 200개 이상의 도구를 조정하도록 구성됐습니다. 요청에 필요한 에이전트와 도구를 선택하고, 각각의 작업 결과를 하나의 답으로 연결하는 구조임.

회사에서 조사·데이터·전략 담당자가 역할을 나누듯 AI도 전문 분야별로 일을 맡는 방식임. 복잡한 질문일수록 범용 답변 하나보다 전문 에이전트를 조율하는 구조가 유용할 수 있다는 점이 두 번째 차이임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드


#DAPPOS #MAF #MultiAgent #Web3AI #스토리텔러

DAPPOS가 일반 AI와 다른 이유 대화만 기억하는 게 아니라 지식과 경험을 나눠 쌓는다 6편

AI가 이전 대화를 기억해도 그 내용이 오래 유지해야 할 지식인지, 이번 작업에서만 참고할 경험인지 구분되지 않으면 다음 결과에 불필요한 정보가 섞일 수 있음.

DAPPOS의 Bubble Engine에는 Compound Memory가 포함됩니다. 공식 문서상 Compound Memory는 오래 유지할 지식과 작업 과정에서 얻은 에피소드성 학습을 함께 다루도록 설계됐습니다.

프로젝트의 공식 구조처럼 계속 유지할 정보와, 특정 시장 상황에서 얻은 일시적인 경험은 역할이 다름. 모든 내용을 똑같이 기억하는 게 아니라 지식과 작업 경험을 구분해 활용하려는 구조가 여섯 번째 차이임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #BubbleEngine #CompoundMemory #Web3AI #스토리텔러

DAPPOS가 요청을 결과로 바꾸는 10가지 오래 쓸 지식과 작업 경험을 나눠 기억한다 7편

AI가 이전 내용을 모두 같은 방식으로 기억하면 공식 프로젝트 구조와 일시적인 시장 경험이 뒤섞일 수 있음. 계속 유지할 지식과 특정 작업에서만 얻은 경험은 역할이 다름.

DAPPOS의 Bubble Engine에는 Compound Memory가 포함됩니다. 공식 문서상 Compound Memory는 오래 유지할 지식과 작업 과정에서 얻은 에피소드성 학습을 함께 다루도록 설계됐습니다.

백서의 핵심 구조는 장기 지식으로, 특정 캠페인에서 잘됐던 판단 방식은 작업 경험으로 활용하는 그림임. 단순 대화 기록보다 다음 작업에 필요한 기억을 구분해 쌓으려는 점이 일곱 번째 사용 이유임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #BubbleEngine #CompoundMemory #Web3AI #스토리텔러

DAPPOS가 요청을 결과로 바꾸는 10가지 여러 전문 에이전트를 하나의 결과로 조율한다 8편

Web3 프로젝트 하나를 조사해도 공식 문서·온체인 데이터·시장 흐름·토큰 구조·보안 이력을 함께 봐야 함. 하나의 범용 AI가 모든 분야를 같은 깊이로 처리하기 어려운 이유임.

DAPPOS의 Multi-Agent Framework, 줄여서 MAF는 약 300~400개의 전문 에이전트와 200개 이상의 도구를 조정하도록 구성됐습니다. 요청에 필요한 에이전트를 골라 역할을 나누고, 결과를 하나의 판단과 보고서로 통합하는 구조임.

회사에서 조사·데이터·전략·보안 담당자가 협업하듯 AI도 전문 역할을 나눠 맡는 방식임. 복잡한 요청일수록 전문 작업을 조율하는 DAPPOS 구조가 유용한 이유임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #MAF #MultiAgent #Web3AI #스토리텔러

DAPPOS가 일반 AI와 다른 이유 하나의 AI가 아니라 전문 에이전트 팀이 움직인다 2편

Web3 프로젝트 하나만 분석해도 공식 문서, 온체인 데이터, 시장 흐름, 토큰 구조와 리스크를 함께 봐야 함. 하나의 범용 AI가 모든 분야를 같은 깊이로 처리하기 어려운 이유임.

DAPPOS의 Multi-Agent Framework, 줄여서 MAF는 약 300~400개의 전문 에이전트와 200개 이상의 도구를 조정하도록 구성됐습니다. 요청에 필요한 에이전트와 도구를 선택하고, 각각의 작업 결과를 하나의 답으로 연결하는 구조임.

회사에서 조사·데이터·전략 담당자가 역할을 나누듯 AI도 전문 분야별로 일을 맡는 방식임. 복잡한 질문일수록 범용 답변 하나보다 전문 에이전트를 조율하는 구조가 유용할 수 있다는 점이 두 번째 차이임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #MAF #MultiAgent #Web3AI #스토리텔러

DAPPOS가 일반 AI와 다른 이유 대화만 기억하는 게 아니라 지식과 경험을 나눠 쌓는다 6편

AI가 이전 대화를 기억해도 그 내용이 오래 유지해야 할 지식인지, 이번 작업에서만 참고할 경험인지 구분되지 않으면 다음 결과에 불필요한 정보가 섞일 수 있음.

DAPPOS의 Bubble Engine에는 Compound Memory가 포함됩니다. 공식 문서상 Compound Memory는 오래 유지할 지식과 작업 과정에서 얻은 에피소드성 학습을 함께 다루도록 설계됐습니다.

프로젝트의 공식 구조처럼 계속 유지할 정보와, 특정 시장 상황에서 얻은 일시적인 경험은 역할이 다름. 모든 내용을 똑같이 기억하는 게 아니라 지식과 작업 경험을 구분해 활용하려는 구조가 여섯 번째 차이임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #BubbleEngine #CompoundMemory #Web3AI #스토리텔러

DAPPOS AI가 대화 한 번으로 끝나는 구조가 아니다

일반적인 챗봇은 질문을 받고 답변을 생성하면 한 번의 흐름이 끝나는 경우가 많음. 하지만 Web3 리서치는 검색→데이터 확인→계산→비교→검증처럼 앞 단계 결과가 다음 판단에 계속 영향을 줌.

DAPPOS의 Multi-Agent Framework, MAF는 공식 문서상 stateful graph backbone을 기반으로 구성됐습니다. 작업의 현재 상태를 유지하면서 다음 단계와 필요한 에이전트를 연결할 수 있는 구조임.

예를 들어 프로젝트 분석 중 온체인 지표에서 이상한 변화가 발견되면 처음 정해놓은 순서만 따라가는 게 아니라 추가 조사 단계로 이어지는 식임.

단순한 질문→답변보다 작업 상태를 가진 그래프로 복잡한 AI 업무를 이어간다는 점이 DAPPOS Intelligence Layer를 이해하는 첫 번째 포인트임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #MAF #StatefulGraph #Web3AI #스토리텔러

DAPPOS 모든 에이전트를 매번 돌리지 않는다

전문 AI가 수백 개 있다고 해서 질문 하나마다 전부 실행하면 오히려 느리고 비효율적임. 가격 하나를 묻는데 보안·마케팅·전략 에이전트까지 모두 움직일 이유는 없음.

DAPPOS 공식 문서는 MAF가 deterministic routing을 사용한다고 설명합니다. 요청과 현재 작업 상태를 기준으로 어떤 경로와 에이전트가 필요한지 정해 작업을 보내는 구조임.

따라서 간단한 질문은 짧은 흐름으로 처리하고, 여러 데이터와 판단이 필요한 요청은 더 복잡한 흐름으로 확장할 수 있음.

에이전트 수 자체보다 중요한 건 이번 질문에 필요한 작업자만 골라 연결하는 라우팅 구조라는 얘기임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #MAF #StatefulGraph #Web3AI #스토리텔러

DAPPOS Auto는 그냥 ‘기본 모드’가 아니다

AI를 쓸 때마다 “리서치 모드로 할까, 실행 계획을 만들까?”부터 고르는 것도 사용자의 일이 될 수 있음.

DAPPOS의 Auto Mode는 프롬프트의 맥락을 보고 research·planning·execution 사이의 처리 방향을 동적으로 조절하는 기본 모드로 설명됩니다. 특정 작업 방식을 강하게 지정하지 않고 시스템에 판단을 맡기는 방식임.

예를 들어 단순 프로젝트 질문이라면 분석 중심으로 끝날 수 있고, 실행 단계가 필요한 요청이라면 계획 쪽으로 더 이어질 수 있음.

매번 내부 처리 방식을 정하는 대신 “내가 원하는 것을 말하면 먼저 작업 성격부터 판단하게 하는 모드”가 Auto라고 보면 이해하기 쉬움.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #AutoMode #Web3AI #AIRouting #스토리텔러

DAPPOS Connected Opportunity는 분석에서 실행 가능성을 한 번 더 본다

리서치 결과에서 흥미로운 정보를 발견해도 실제로 사용자가 할 수 있는 행동인지 별도로 확인해야 할 때가 있음.

DAPPOS의 Connected Opportunity Tag는 프롬프트와 관련된 실행 가능한 기회를 적극적으로 찾아보도록 AI에 지시하는 옵션으로 설명됩니다. 공식 가이드에는 토큰 구매나 계약 실행 같은 예시가 포함돼 있습니다.

여기서 중요한 건 Opportunity = 매수 추천이라는 의미로 보면 안 된다는 점임.

기술적으로는 분석 결과와 실행 가능한 Web3 행동 사이의 연결 가능성을 추가로 탐색하는 태그에 가까움.

실제 자산을 움직이는 판단은 가격·수수료·컨트랙트·리스크를 별도로 확인해야 함.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #ConnectedOpportunity #Web3AI #Execution #스토리텔러