> For the complete documentation index, see [llms.txt](https://mana.gitbook.io/manadia/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://mana.gitbook.io/manadia/cn/6.-chan-pin-sheng-tai.md).

# 6. 产品生态

manadia 的产品生态围绕 AI 原生算力协同网络和可信任 AI 预测模型展开。产品生态的重点不是堆砌应用，而是让底层网络能力以可使用的方式进入开发者、企业和用户场景。

#### 6.1 AI API Routing

AI API Routing 是 manadia 算力网络的入口型产品，提供统一 SDK 与开放 API，支持负载均衡、成本自动优选、失败自动切换、调用量统计与账单导出，企业可一键接入多模型服务而无需适配多家厂商接口。它为开发者提供统一模型 API 接入能力，使应用可以通过一个接口调用多个模型与算力资源。

核心能力包括：

* 多模型兼容
* 动态模型路由
* 成本优化
* 失败转移
* 请求重试
* Token 消耗统计
* 延迟监控
* 调用日志
* API key 管理

支持的100+ AI 模型包括了：Gemini 3 Pro、GPT-5.4 Instant、Claude 3.5 Sonnet、Qwen 3.7、DeepSeek-R1、Doubao-Seed-2.0 Pro、GLM-5、Kimi-K2.5、Grok 4.20、Flux 2 等。

用户痛点：

* 我不想管理多个 API 密钥
* 我不知道用哪个模型最合适
* 我想降低成本但不损失质量
* 我想要自动 fallback

manadia 解决方案：

| <p># 传统做法</p><p>from openai import OpenAI</p><p>from anthropic import Anthropic</p><p><br></p><p>client\_openai = OpenAI(api\_key="...")</p><p>client\_anthropic = Anthropic(api\_key="...")</p><p><br></p><p># 手动决定用哪个？</p><p>response = client\_openai.chat.completions.create(...)</p><p><br></p><p># manadia 做法</p><p>from manadia import ManadiaClient</p><p><br></p><p>client = ManadiaClient(api\_key="...")</p><p>response = client.chat.completions.create(</p><p>    messages=\[...],</p><p>    quality\_requirement="high",  # 系统自动选择最好的模型</p><p>    # or</p><p>    cost\_limit=0.001,  # 系统自动选择成本最低的满足需求的模型</p><p>    # or</p><p>    latency\_slo=500,  # 系统自动选择最快的</p><p>)</p> |
| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |

AI API Routing 的价值在于降低开发者接入多模型的复杂度，同时为 manadia 网络沉淀模型调用数据和 workload 画像。

#### 6.2 Agent 全链路追踪

智能代理全链路追踪 (Agent Trace) 是 manadia AI原生算力协同网络的核心可观测基础设施，基于分布式追踪架构、可信执行环境(TEE)与链上存证技术构建，是实现AI智能代理(AI Agent)执行过程可观测、执行链路可复验、执行结果可审计的核心载体，支撑manadia可信AI体系“执行结果可重现”的核心能力。

产品定位

面向AI智能代理全生命周期的可观测与审计工具，覆盖AI任务请求、调度、执行、结算全流程，既可服务外部企业级AI应用的运维调试，也为manadia可信任AI预测模型、量化交易智能体提供执行复盘、风险溯源与合规审计的底层数据支撑。

**核心技术架构**

采用六层分布式追踪架构，保障数据完整性与不可篡改性：

1. 采集层：无侵入式埋点，对接AI工作负载(AI Workload)、智能代理运行时(Agent Runtime)、工具调用协议(MCP)模块
2. 标准化层：生成全局唯一追踪ID(Trace ID)，关联模型哈希、数据指纹等可信标识
3. 存储层：时序数据库+分布式存储，关键链路哈希上链存证
4. 分析层：实时计算延迟、成本、成功率等指标，支持异常与瓶颈分析
5. 可视化层：通过AI用户页面(AI User)、可信AI审计器(Trustworthy-AI Auditor)呈现追踪面板
6. 审计接口层：开放标准化接口，对接链上审计与机构合规系统

**全链路追踪采集维度**

完整覆盖AI智能代理单次执行全生命周期关键事件，所有数据附带时间戳、TEE执行证明与数据指纹：

* 用户请求、模型调用、提示词(Prompt)版本
* 工具调用(Tool Call)、工具调用协议(MCP)调用
* 数据源访问、中间结果、执行动作
* 错误与重试、令牌(Token)成本、最终输出

**核心技术能力**

1. 分布式全链路采样：自适应采样策略，关键任务全量采样，兼顾性能与观测完整性
2. 端到端耗时溯源：拆解调用链延迟，生成延迟指标，可视化定位性能瓶颈
3. 精准错误根因定位：自动分类异常，区分模型、工具、数据、算力节点故障
4. 多维度成本归因：按Agent/模型/用户/任务核算Token与算力成本，支撑结算
5. 可信执行存证：核心链路数据哈希上链，结合TEE证明，实现执行不可篡改、可复验
6. 实时风险预警：对接风险引擎，监控异常执行，触发熔断、降级等防护

**应用场景**

* 企业AI应用：Agent运维调试、性能优化、合规审计
* 可信AI预测模型：量化策略复盘、执行验证、风险溯源
* 开发者生态：AI应用问题排查、接口调试、成本管控
* 机构合规：AI执行行为审计、数据留痕，满足全球监管要求

#### 6.3 Vertigas 预言机

Vertigas 预言机是 manadia 生态的去中心化可信数据网关，采用双车道架构 (Dual-Lane Architecture) 设计，融合 AI 自动喂价与人工挑战仲裁机制，为全生态提供高可信、低延迟、可仲裁的外部数据与事件判定服务，是连接链上执行与现实世界数据的核心可信枢纽。

**产品定位**

作为 manadia 生态专属去中心化预言机与数据网络，Vertigas 兼顾高频价格数据与复杂事件解析，为可信任 AI 预测模型、预测市场、AI 智能代理 (AI Agent) 提供标准化数据输入与结果结算判定，同时通过经济惩罚与信用机制保障数据真实性。

**核心技术架构**

采用双车道独立传输架构，通过统一链上网关完成数据聚合与上链：

* 快速车道 (Fast Lane)：面向高频价格喂价，支持亚毫秒级更新、多签聚合、熔断保护与防重放攻击
* 慢速车道 (Slow Lane)：面向复杂事件判定，支持 AI 结果提案、乐观挑战窗口、质押担保与争议仲裁
* 双网关统一入口：价格喂价网关 + 事件预言机网关，分别完成价格校验与事件结算最终确认

**核心能力**

* 数据源全生命周期管理：数据源注册、分类、签名、时间戳存证与信用评级
* AI 优先判定：默认采用 AI 预言机节点输出，实现秒级结果响应
* 人工挑战机制：48 小时挑战窗口，错误判定可被举证修正，挑战者可获得奖励
* 证伪与惩罚：数据异常 / 错误触发质押惩罚，同步更新数据源信用评分
* 节点经济：节点质押代币参与验证服务，瓜分协议手续费收益

**生态协同**

* 为可信任 AI 预测模型提供高频行情、链上数据、事件信号等可信数据源
* 为 manadia 预测市场提供结果判定、链上结算与争议仲裁底层支撑
* 为全生态 AI 智能代理提供合规、可验证、不可篡改的外部数据输入<br>

#### 6.4 manadia 预测市场

manadia 预测市场是可信预测能力的应用场景，采用链上清算与自动交割，支持条件事件、二元预测、区间预测，与 AI 预测模型形成数据 — 预测 — 验证 — 迭代的正向循环。它可以承载事件预测、市场方向预测、链上事件预测和宏观趋势预测。

AI 预测模型与预测市场之间存在双向关系。AI 模型可以为预测市场提供概率分析、风险提示和事件解释；预测市场则可以为 AI 模型提供群体预期、价格信号和事件结果反馈。

这种关系使 manadia 不只是构建一个预测市场，而是构建一个由 AI 模型、数据源、预言机和用户行为共同组成的预测系统。

**预测事件全生命周期管理**

预测市场采用链上事件标准化创建与管理机制，实现事件从发起、上线、交互到结算的全流程可追溯：

* 事件创建与准入

支持符合生态权限的节点发起预测事件，创建时需在链上提交事件主题、描述、判定规则、预测截止时间、结果评审时间等核心参数，所有信息上链存证且不可篡改；系统自动校验时间逻辑（评审时间晚于截止时间），校验通过后事件正式上线开放参与。

* 事件标的与类型

覆盖二元结果预测、区间预测、条件触发预测三类标准化标的，适配加密市场方向、链上事件、现实世界资产 (RWA)、宏观指标等多品类预测场景，事件规则与判定依据全部公开透明。

* 流动性形成机制

市场价格与流动性由用户交互行为自然驱动，无中心化底池干预，通过链上交易行为完成信息定价与市场均衡。

**核心交互功能**

面向用户提供轻量化、链上原生的预测交互能力，所有操作均通过智能合约执行：

* 预测参与：用户连接钱包后，可选择目标事件与预测方向，提交链上交互指令完成参与，全程无需中心化平台授权。
* 仓位动态管理：在事件截止前，支持用户调整参与仓位、提前终止参与，所有操作实时上链、按市场实时状态执行。
* 交互记录溯源：系统自动留存全量历史参与记录、仓位变更记录、事件状态记录，支持通过链上哈希随时查询核验。

**事件判定与链上结算机制**

结果判定与结算完全由Veritas 预言机双车道架构驱动，实现最小信任、抗争议、自动化执行：

* 结果判定

事件截止后，快速车道处理高频价格类事件，慢速车道处理复杂现实事件；默认采用 AI 预言机节点输出结果，支持 48 小时链上挑战举证，经争议校验后生成最终判定结果。

* 自动化结算

最终结果确认后，链上合约立即执行自动化结算，完成参与份额与资产的链上清算，全程无人工干预、无操作延迟，结算结果永久上链存证。

**核心技术特点**

* 可验证执行：事件、交互、判定、结算全环节上链，所有状态可核验、可追溯。
* 抗争议判定：依托 Veritas 预言机的 AI 判定 + 人工挑战机制，杜绝结果操纵与争议。
* 最小信任架构：去除中心化管控环节，以合约与预言机保障市场公平性。
* 合规适配扩展：联动 AurumX 合规框架，支持机构级参与与跨市场标的扩展。
* AI 协同闭环：与 manadia 可信任 AI 预测模型双向数据互通，AI 提供预测信号，市场反馈真实事件结果，反向优化模型推理能力。

#### 6.5 Potion

Potion 是 manadia 生态面向长期参与者打造的可信行为存证与权益凭证系统，基于零知识证明 (zk-SNARK) 技术构建，核心价值是将用户在网络中的全维度参与行为结构化、链上化、可验证化沉淀，形成不可篡改的长期参与档案，为生态身份识别、权限分级、服务适配提供可信底层支撑。

**产品定位**

作为 manadia 生态的参与行为标准化基础设施，Potion 专注于用户行为的可信记录、跨场景核验与长期状态管理，打通算力供给、模型使用、数据贡献、生态交互等场景的行为链路，构建生态统一的用户可信身份层。

**核心技术特性**

* 基于零知识证明 (zk-SNARK) 实现参与资格核验，验证数据仅约 200 字节，兼顾隐私保护与验证效率
* 支持 360 天以上长期参与状态建模，实现行为轨迹动态追踪与自然衰减建模
* 跨平台数据集成适配，可对接生态内外系统完成参与行为统一归集
* 全流程链上存证，行为记录哈希上链，确保不可篡改、可随时核验

**核心产品功能**

* 生态统一身份管理：绑定钱包地址，生成唯一生态身份标识
* 多维度行为记录：算力贡献、模型参与、数据供给、生态任务全量结构化留存
* 权益状态可视化：实时展示参与维度、贡献等级、权限状态等档案信息
* 长期声誉建模：基于历史行为构建生态声誉体系，作为服务适配与权限准入依据
* 轻量级可信核验：通过零知识证明完成资格验证，不泄露用户隐私数据

**技术价值**

Potion 将用户非结构化参与行为，转化为标准化、可核验、可扩展的链上档案，构建生态统一的可信身份与行为底层，为算力调度优先级、模型服务权限、数据访问资格提供标准化支撑，完善 manadia 可信 AI 生态的身份基础设施。

#### 6.6 manadia Pay

manadia Pay 是依托 AurumX 全球合规体系打造的AI 全场景支付与结算产品，面向算力消费、模型订阅、数据服务、API 调用等核心场景，提供链上支付、法币互通、企业级结算的一站式合规解决方案，是 manadia 生态价值流通的核心支付入口。

**产品定位**

作为 manadia 网络的原生支付结算层，manadia Pay 聚焦 AI 服务规模化支付痛点，融合链上稳定币结算与全球法币通道，为个人用户、开发者、企业机构提供安全、合规、高效的支付与对账能力，打通 AI 算力经济价值流转闭环。

**核心技术特性**

* 全球合规支付框架：依托 AurumX 合规矩阵，持有香港 SFC、美国 FinCEN MSB 资质，覆盖多区域合规运营
* 双通道支付体系：稳定币链上实时结算 + 法币出入金通道，适配个人与机构支付需求
* 企业级结算能力：支持批量代付、智能分账、自动化对账，满足 B 端规模化结算需求
* 开放 API 接口：标准化支付对账 API，无缝集成 AI API 路由、数据订阅、算力计费等生态产品

**核心产品能力**

* AI 场景专项支付：支持算力租赁、模型订阅、数据服务、API 调用的费用结算
* 多币种支付支持：兼容多类稳定币，拓展 30 + 主流法币通道，覆盖全球用户
* 企业账单管理：提供月度账单、消耗统计、费用分析等机构级账务服务
* 开发者分账结算：支持数据提供商、模型开发者、算力节点自动化分账与收款
* 全流程对账溯源：支付、结算、分账全流程上链，提供标准化对账凭证与交易核验

manadia Pay 构建了 AI 算力经济的合规价值流转管道，将算力消费、模型使用、数据服务费用转化为标准化、自动化、可核验的支付结算流程，解决 AI 生态支付碎片化、合规性不足、结算效率低的痛点，支撑 manadia 生态规模化商业落地。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://mana.gitbook.io/manadia/cn/6.-chan-pin-sheng-tai.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
