以太坊基金会（EF）的协议安全团队开展了一项大规模实验，将协调一致的人工智能代理部署到区块链基础设施的关键组件上。测试对象包括系统软件、加密代码和智能合约。结果出人意料：核心问题并非发现漏洞，而是验证漏洞。

通过使用多个专业化的AI系统并行针对同一代码库工作，成功实现了负载重新分配。部分代理负责代码的初步侦察，其他代理则负责寻找潜在漏洞、填补空白和进行验证。协调工作通过共享代码库和版本控制系统完成。

正如EF所指出的，AI代理确实能发现漏洞，但真正的惊喜在于：与区分真实漏洞和误报所需的巨大工作量相比，发现漏洞的成本极低。研究人员强调，AI并未取代人类，而是将"瓶颈"转移了：专家们不再需要提出假设，而是将时间花在对大量生成的候选漏洞进行分类筛选上。

实际成果

公开披露的案例是libp2p gossipsub的Rust实现中的CVE-2026-34219漏洞。在backoff过期处理中的错误，使得处理带有接近最大backoff值的特制PRUNE消息时，可远程触发进程异常终止。原因在于Instant + Duration加法运算中未经验证的算术逻辑导致溢出。

然而，AI代理发现的大多数候选漏洞都是误报、重复项或超出测试范围的问题。EF认为这并非失败，而是方法论中的正常环节。AI代理在应对仅通过长串正确操作才能显现的漏洞时表现较差——这种逻辑不仅需要找到可疑代码片段，还需证明整个状态序列的可达性。

重组背景

此次发布恰逢基金会大规模重组。6月，EF裁员20%，公布了新的治理结构，联合创始人Vitalik Buterin宣布预算削减约40%，以转向长期资本管理模式。负责协议开发协调、网络更新追踪和EIP支持的协议支持团队被解散，进一步强化了优先事项转变的信号。

专家观点：EF的实验表明，AI代理正成为代码初步筛查的强大工具，但并未消除深度人工分析的必要性。在预算削减和重组的背景下，这种方法可能成为维护以太坊安全的关键，但它需要全新的分类筛选基础设施。市场目前尚未充分认识到区块链安全审计范式正在发生的深刻变革。