# TagAI 是什么？

越来越多人视 Polymarket 为“新的社交媒体” —— 不是因为它有发帖、点赞或关注机制，而是因为它通过金钱激励的集体预测聚合了人群智慧，将意见转化为可量化的概率。

在这之前是 X 和 Reddit —— 前者努力成为互联网最佳真相来源，后者则自称“互联网的前页”。尤其 Reddit 作为一个社区驱动的平台，通过 upvote/downvote 系统决定内容可见度，这类似于众包“预言机”：集体投票决定什么内容上升为“真相”或主流观点。

 与 X、Reddit 不同的是，Polymarket 靠真实资金押注制造“真相信号”。TagAI 则尝试将预测市场与社交媒体平台、社区论坛以原生的方式进行融合，试图打造一个社区驱动的信息聚合基础设施和社区资产发行平台。我们希望 TagAI 能够：

* 与 X、Reddit 等社交媒体平台进行乐高式组合，改善其信息分发方式；
* 为 X 上的话题和 Reddit 上的 subreddit 引入社区代币，使用社区代币参与社交预测市场；
* 使用社交分发机制，对社区建设和社交互动奖励社区代币，为社区里的事件、话题、内容等信息构建社区驱动的分发引擎；
* 帮助超级个体将社交预测市场、社交分发等组件，集成至他们的 mini apps，通过社交媒体网络和社区触达全球超 50 亿社交媒体用户。

#### 快速预览

* 在 TagAI 上，您可以买卖社区中事件（游戏与影视剧情、小说共创）未来发展的股票，参与社区事件的共创。
* 事件结果中的股票定价总是在 0 到 1.00 美元之间，每对事件结果（即每对“红票” + “蓝票”）完全由 1 美元抵押。
* 当对立双方就赔率达成协议时，股票就创建了，这样双方愿意支付的总和等于 1.00 美元。
* 当事件结果揭晓后，代表正确一方的股票可以从市场赎回 1.00 美元。
* 它不仅仅适用于社区事件的未来发展决策，也适用于：
  * Polymarket、Kalshi 上主流的政治、体育、文化、加密货币走势等市场；
  * 预测事件、人物或项目，在 X、Reddit 和链上社交互动的流行度和交互数据指标等。

#### 了解价格

价格 = 概率。

TagAI 上的价格（赔率）表示事件发生的当前概率。例如，在币安小说某章节剧情中，如果蓝方股票交易价格为 56 美分，这表明币安小说该章节按照蓝方的剧情发展的几率为 56%。

这些赔率取决于其他 TagAI 用户目前愿意以什么价格买卖“红票”和“蓝票”两种股票。就像证券交易所不“设定”股票价格一样，TagAI 不设定价格/赔率 —— 它们是由供求关系和 FPMM 曲线决定的。

如果蓝方获胜（币安小说社区投票，该章节向蓝方的剧情发展），每股“蓝票”股票将价值 1 美元，每股利润为 44 美分。此时对于红方来说，一旦游戏结束，任何拥有“红票”股票的交易所都会发现他们的投资变得毫无价值。

社交预测市场是一个自由的市场，你持有的股票没有锁定在交易中。您可以随时以市场价格出售您的股票。随着事件的发展，股票的供求波动，股价反映了该事件的新赔率。

#### 社交预测市场的特点

TagAI 支持的社交预测市场有以下几个特点：

* **面向社交媒体平台的信息** | TagAI 的预测市场完全基于 X 等社交媒体平台上的信息，人们可以轻松为 X 上任何信息创建预测市场，押注预测其流行度、交互、真实性等，把 X 上的每一条信息都打上“市场共识价格”。
* **社区共识判定预测结果** | 采用 TagAI 独特的 Proof-of-Brain 算法 —— 基于质押和社交互动（投票）的事件结算，让社区共识为预测市场提供结果的输入。不同于 Polymarket 采用的 UMA，PoB 有利于社区共识驱动的市场，使之更适用于社区的长尾市场。
* **使用社区代币押注预测** | 与 Manifold 和 Polymarket 不同的是，TagAI 的预测市场直接使用社区代币进行押注预测。这使得人们可以依靠预测市场，打造社区驱动的组织，围绕社区事务展开预测。

以此为基础，TagAI 会将社区成员参与预测市场的数据以及在社媒的互动数据（内容和社交互动）打上时间戳上链，让人们和第三方可验证。如此，

* \[**社交媒体网络信息分发层**] 任何人或第三方可以基于押注结果和链上社交互动数据，构建 X 等社媒的替代客户端，以其独特的、透明的、可验证的推荐算法，为用户提供信息发现服务，进而分配全球注意力。
* \[**新的社区发行资产方式**] 社区、项目还可以将社交预测市场与社区发行资产、社交分发结合，聚合社区事件，使用社区代币为这些事件探索注意力的货币化闭环。


---

# Agent Instructions: 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:

```
GET https://coincidence-labs.gitbook.io/tagai/readme.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.