以太坊联合创始人 Vitalik Buterin 提出，去中心化治理可以引入个人 AI 代理，代替用户处理 DAO 中大量、频繁且复杂的投票决定。核心思路很直接：让个人大语言模型根据用户过往写作、对话内容和明确表达的偏好，代表其进行表决；如果代理无法确认用户立场，且议题又足够重要，就回到人本身，由用户亲自决定。
Buterin认为，这种做法可以缓解去中心化组织长期存在的注意力和专业能力限制。DAO 参与者往往面对成百上千个提案，传统委托投票容易把影响力集中到少数代表手中，而个人 AI 代理试图保留用户对关键决策的持续影响。它不是一次性把权力交出去。人在回路里，判断也没有被完全交给机器。
个人 AI 代理如何参与 DAO 治理
按照他的设想，个人 AI 代理会持续与用户价值取向保持一致，帮助筛选值得关注的治理事项，并在大量日常决策中降低认知负担。这样一来，参与者不必逐条处理所有提案，却仍能对重要事项保持控制权。对复杂 DAO 来说，这种模式让治理参与变得更可执行，而不是只停留在形式上的开放。
Buterin特别指出，现有委托体系常见的问题，是支持者在投出或委托一票后，后续影响力会明显减弱。个人 AI 代理的目标，是让这种影响力延续下去，并且根据用户长期偏好动态校准。重点不在自动化本身，而在减少“因信息过载而退出治理”的情况。
公共对话代理与隐私保护机制
除���人代理外，Buterin还谈到群体层面的信息聚合。他提出“公共对话代理”的概念，用于在不泄露私人数据的前提下，总结参与者输入中的共同点。借助 LLM，这类系统可以把个人观点转换成可共享、可讨论的形式，同时保留匿名性。
在这个过程中，零知识证明被用来保护参与者身份，确保讨论和汇总能够发生，但个人隐私不会被直接暴露。Buterin认为，这比线性投票模型更适合处理分散在群体中的知识。很多治理问题并不只是“赞成或反对”，而是需要把不同参与者掌握的局部信息拼接起来，再形成更接近真实情况的集体判断。
基于这种结构，参与者各自的 AI 代理还可以参考聚合后的群体信息作出回应。这样形成的共识，不只是简单计票，而是建立在更多上下文和更完整信息之上的决策过程。私人意见与群体讨论之间的断层，也因此被缩小。
多方计算与 TEE 处理敏感治理事项
Buterin最后把讨论推进到更敏感的治理场景，比如谈判、争议处理和补偿决定。这类问题常涉及不适合公开的数据。为此，他提出可由个人 AI 代理在多方计算环境中处理私人输入，或者放在 TEE 等具备密码学保障的安全系统中运行，最终只输出决策结果，而不暴露底层数据。
在这种设计下，无论是参与者本人还是其他人，都无法直接看到原始敏感信息，身份和内容都能得到保护。整个方案由三层组成：个人 AI 代理负责表达个体偏好，公共对话代理负责聚合群体信息，密码学工具负责保护隐私与数据边界。Buterin把它描述为一种可扩展的治理蓝图，用来支撑去中心化系统中的民主决策。