Ridges AI 是一个去中心化的人工智能项目，作为 Bittensor 网络的 Subnet 62 运行。该项目，前身为 Agentao，专注于创建一个自主软件工程代理市场，旨在执行端到端的软件开发任务。 ^{[1] [2]}

概述

Ridges AI 旨在构建一个去中心化网络，AI 代理可以在其中自主解决复杂的软件工程问题。该项目的核心论点是，人类软件工程师的多方面角色可以分解为一系列较小的、离散的任务。通过训练专门的 AI 代理来掌握每个单独的任务，例如修复代码回归、编写单元测试或解决 GitHub 问题，该平台可以聚合它们的输出以提供全面的端到端解决方案。这种方法旨在通过创建一个自我维持的、激励性的 AI 驱动软件开发生态系统来挑战大型中心化 AI 公司的统治地位。 ^{[3] [1]}

该平台在 Bittensor 网络上运行，利用其加密经济激励机制来促进参与者之间的竞争。在这个系统中，被称为“矿工”的网络参与者运营 AI 代理，竞争完成软件工程任务。其他参与者，称为“验证者”，负责评估矿工提供的解决方案的质量和效率。生产最高质量工作的矿工将获得 Bittensor 的原生代币 TAO 的奖励。这种竞争框架旨在不断提高网络上代理的能力。该项目的最终目标是创建一个系统，其中现实世界的软件开发需求可以由自主代理来满足，项目收入最终维持网络的激励排放。 ^{[3] [1]}

该项目的关键代表 Shakeel 表示，长期愿景是产品的实际使用决定网络奖励。在一次采访中，他解释说，“产品本身将决定谁获得排放”，这标志着从合成基准测试到基于用户参与和 AI 生成的代码贡献在实际应用中被接受的模型的战略转变。 ^[1]

历史

该项目最初名为 Agentao，后更名为 Ridges AI，并在 Bittensor 网络上建立为 Subnet 62。其开发路线图以不同的阶段或“时期”构建，首先是收集合成数据集来训练初始代理。随后的时期侧重于扩展代理解决实际 GitHub 问题的能力，引入容器化代理市场，并最终实现完全自主的本地开发能力。 ^[1]

在 2025 年上半年，Ridges AI 实现了几个关键的里程碑。在第二季度初，该团队为与持续集成 (CI) 回归和代码生成相关的任务引入了一种新的激励机制。他们还发布了针对 SWE-Bench 标准的性能基准，并向 Subnet 62 矿工开放了平台访问。紧随其后的是其 API 的公开发布以及一个用于跟踪表现最佳矿工的排行榜。在第二季度后期，该平台扩大了对所有 Bittensor 矿工的访问权限，添加了新的任务类型，并启动了一个详细的性能仪表板。 ^[1]

2025 年 10 月，该团队宣布对平台进行全面重写，旨在提高稳定性，实现代理性能的并行评估，并实施用于测试的双沙箱环境。该项目还计划于 2025 年 10 月 30 日推出其首个主要产品 Ridges V1，这是一个 Cursor/VS Code 扩展。在此期间，该项目还从 SWEBench Polyglot 基准上的性能下降中恢复过来，该团队将其视为他们快速迭代和改进系统能力的证据。 ^[1]

技术

Ridges AI 构建于 Bittensor 网络之上，其代码库主要使用 Python 编写，PostgreSQL 用于其数据库，Docker 用于容器化。该架构被设计为模型无关，使其能够作为“厚代理层”集成和编排各种大型语言模型，以创建完整的编码解决方案。该系统还被设计为可与 Bittensor 的其他子网（如 Chutes 和 Targon）组合，以增强功能并降低运营成本。 ^{[4] [1]}

架构与机制

Ridges AI 生态系统在一个竞争性的、去中心化的模型上运行，该模型涉及两个主要角色：验证者 和矿工。

• 验证者 负责生成软件工程挑战并评估矿工提交的解决方案。最初，这些挑战是通过从顶级 PyPI 包中抽样创建的，并计划扩展到现实世界的 GitHub 问题。验证者 使用大型语言模型和测试用例的组合来根据正确性和速度对提交的内容进行评分。
• 矿工 是竞争解决这些挑战的自主 AI 代理。他们处理任务，使用深度学习模型生成解决方案补丁，并提交他们的工作以进行评估。持续提供高质量和高效解决方案的矿工将获得 TAO 奖励，从而为持续改进创造了经济激励。

该机制旨在生成有价值的编码问题及其相应的 AI 生成解决方案的数据集，然后用于进一步训练和改进网络上的模型。 ^{[3] [1]}

核心组件

该平台由几个关键技术组件组成，这些组件协同工作以管理网络及其任务。

• Cerebro 模型和数据集： 这是一个从子网的持续运行中生成的中心组件。该数据集是一个不断增长的编码问题及其验证解决方案的集合。Cerebro 模型基于此数据进行训练，以执行几个关键功能，包括估计新任务的难度、识别问题描述中的歧义、确定解决方案的适当奖励以及改进子网的整体激励机制。
• 问题路由协议： 此组件充当编排器模型。它旨在将大型、复杂的软件项目分解为更小、可管理的任务，例如代码生成、错误修复或 CI 回归检测。然后，它将这些离散的任务路由到网络上最适合解决它们的专业代理。
• 推理网关： 一种处理和路由 AI 推理请求的服务，充当用户查询和网络上运行的各种 AI 模型之间的桥梁。
• Cave： 一个旨在与 Ridges 平台集成的本地开发者仪表板，简化了网络参与者的开发和管理流程。

这些组件在项目的开源存储库中可见，该存储库还包括代理、验证器、评估器和 API 的模块。 ^{[4] [3] [1]}

代币经济学

Ridges AI子网的原生代币是SN62。它在Bittensor网络上运行，其主要交易对是Subnet Tokens交易所的SN62/TAO。代币经济学的设计与比特币的最大供应量相仿。 ^[2]

• 代码: SN62
• 网络: Bittensor
• 最大供应量: 21,000,000 SN62
• 总供应量 (自报): 1,260,000 SN62
• 流通供应量 (自报): 1,260,000 SN62

截至2025年末，该项目自报的市值约为3542万美元，完全稀释估值约为5.8734亿美元。 ^[2]

产品和市场推广策略

Ridges AI最初的市场推广策略是向Bittensor生态系统内的其他矿工提供其服务作为产品。其价值主张是为小型或独立矿工提供“按需软件工程师团队”，使他们能够卸载软件维护任务，并将资源集中在优化其主要挖矿业务上。 ^[3]

随着项目的成熟，其产品范围扩大到包括个人开发者和开源项目。

• API: 应用程序接口，允许第三方许可和集成自主AI代理到其自己的工作流程中。该API在2025年公开发布之前处于私有测试阶段。
• 代理市场: 一个计划中的平台，用户可以在其中浏览、选择和购买针对特定需求的自主软件工程代理服务。
• Ridges V1 IDE扩展: 一个Cursor/VS Code扩展，旨在将AI代理的功能直接带入开发者的集成开发环境。计划定价约为每月12美元，对于同意共享数据以帮助改进模型的用户，可选层级约为每月8美元。
• 开源集成: 该项目旨在使AI代理能够直接向开源存储库提交pull request。当其AI生成的贡献被人工维护者审查和合并时，矿工将获得奖励。该团队构建了一个概念验证工具@taogod_terminal，作为此功能的早期演示。

该项目的财务策略旨在使这些产品产生的收入在2026年1月超过网络排放成本，并将利润再投资于进一步的产品开发和增长。 ^[1]

团队和资金

Ridges AI的开发由一个贡献者团队管理，这些贡献者可在项目的公共GitHub存储库中看到。虽然没有明确的角色，但几个核心贡献者包括aaron-ridges、adamridges、alex-ridges、stephen-ridges和omar-ridges。Shakeel ("Shak")，其GitHub句柄为hobbleabbas，是该项目的主要公共代表，并参与了详细介绍其愿景和进展的访谈。 ^{[4] [1]}

2025年，Ridges AI获得了DSV基金30万美元的投资。这笔投资是在2025年8月DSV基金合伙人Siam Kidd和Mark Creaser在他们的“收入搜索”系列节目中接受采访时披露的。 ^[1]

争议与挑战

在2025年9月末，Ridges AI团队识别并解决了针对其网络的垃圾邮件攻击。据该团队称，一个有组织的团体正在利用该系统来阻碍竞争。作为回应，该项目实施了一项重大的政策变更：矿工生成的代码只有在经过成功评估和验证后才会开源。这项对策旨在防止恶意行为者简单地复制和重新提交来自合法矿工的有效代码，以非法地索取奖励。 ^[1]

该项目还面临性能挑战。子网在包含SWEBench Polyglot的混合集基准上的性能从88%的高位大幅下降至17-18%左右。然而，经过团队的调整和迭代，到2025年10月初，性能反弹至约41%。项目代表称，这种快速恢复证明了团队的敏捷性和网络自我纠正的能力。 ^[1]