文章作者、来源：CoinFound

AI驱动的Web3投研与链上数据平台 CoinFound 宣布，将其核心RWA数据能力封装为标准化 AI Skills，并向AI Agent及开发者开放调用。通过这一升级，CoinFound正从传统数据平台，演进为面向AI时代的链上资产数据与决策基础设施，将RWA数据从“可查看的信息”转化为“可调用的决策能力”。

CoinFound Skill 页面链接：https://clawhub.ai/darrenluo/coinfound-skill 

一、CoinFound开放了什么？

本次上线，CoinFound推出两大核心Skill模块，分别解决“如何获取数据”和“如何理解数据”的问题，使AI Agent能够更高效地使用RWA数据

1）coinfound-rwa-read：结构化数据读取能力

CoinFound将分散的RWA数据能力统一封装为标准化模块，AI Agent无需理解复杂接口，即可直接获取并使用数据。

支持聚合、趋势、结构、列表及完整数据集，覆盖稳定币、美国国债、商品、基金、x-stock及平台生态等核心资产。

这意味着，RWA市场概览、单一资产分析等任务，可以被快速调用并自动完成。

2）coinfound-rwa-schema-probe：动态Schema探测能力

在接口结构不稳定或文档不完整的情况下，schema-probe可以自动识别并适配数据结构，确保调用不中断。

通过自动推断字段与持续更新schema，使数据层具备自适应能力，降低维护成本，同时保证AI Agent长期运行的稳定性。

二、技术路径：从API到AI Skill

相较传统 API，CoinFound Skill 更适合 AI Agent 的调用方式：统一入口、结构自适应、实时数据接入、面向工作流设计。

本质上，这是一次从API到AI-native数据能力的升级。这意味着，RWA 数据不再只是“可查询”，而是“可直接被 AI 使用”。

三、应用场景

CoinFound将RWA数据能力直接嵌入AI Agent工作流，支持多类使用场景。

场景1：RWA数据自动化

用户可通过AI Agent获取稳定币或RWA市场变化，系统自动调用聚合数据与时间序列数据，并输出结构化数据结果。相比传统手动分析，效率显著提升。

场景2：稳定币风险信息查询

AI Agent 可持续追踪稳定币的多链市值、持有人分布、转账活跃度与铸造/销毁变化，帮助用户更快识别流动性与结构性风险。

场景3：机构资产配置分析

通过调用结构占比与聚合数据，Agent可提供数据支持分析RWA市场结构变化，支持机构级资产配置判断。

场景4：Agent系统的数据基础层

开发者可基于 CoinFound Skill 构建 RWA 分析 Agent，让数据获取、结构识别、信息归纳和推理判断进入同一条自动化工作流。

四、行业意义：数据向决策的演进

CoinFound此次上线RWA AI Skills，反映出数据平台在AI时代的结构性变化。当RWA资产类别、数据口径与查询方式日益复杂，AI Skills正在将“查询、理解、归纳与决策支持”整合为一条自动化链路，推动数据从信息层走向决策层。在这一过程中，数据平台正从单一的信息提供者，转变为服务AI Agent的基础设施，支撑更高频、更自动化的投研与分析需求。随着数据能力逐步Skill化、AI Agent成为主要调用方、数据接口趋于标准化，链上投研流程的自动化程度也将持续提升。

结语

在AI驱动的环境中，数据平台的竞争，不再只是“谁的数据更多”，而是“谁的数据更容易被机器使用”。CoinFound通过RWA AI Skills，将数据从静态信息转化为可调用能力，让AI Agent能够直接参与分析与决策流程。随着RWA与AI的进一步融合，数据基础设施的形态正在发生变化，而CoinFound正试图构建这一变化中的关键一层。

CoinFound 官网：https://www.coinfound.org/zh