Деконструкция AI-структуры: от интеллектуальных агентов до Децентрализация

Введение

Скорость развития нарратива в области AI Agent и его эволюция настолько стремительны и драматичны, что с ними трудно справиться. С момента открытия "терминала истины" и начала лета агентов прошло всего два месяца, а нарративы, связывающие ИИ и криптовалюту, почти каждую неделю претерпевают изменения. В последнее время внимание рынка сосредоточилось на проектах "рамочного" типа, руководствующихся технологическими нарративами. В этой узкой области за последние несколько недель появилось несколько проектов с капитализацией свыше ста миллионов и даже миллиардов. Такие проекты породили новую модель выпуска активов, а именно, выпуск токенов на основе репозиториев GitHub, а агенты, построенные на основе рамок, также могут повторно выпускать токены. Основываясь на рамках, агенты выступают в качестве верхнего уровня приложений. Эта модель похожа на платформу выпуска активов и фактически представляет собой уникальную инфраструктурную модель, формирующуюся в эпоху ИИ. В этой статье мы начнем с введения в рамки и постараемся интерпретировать значение AI рамок в области криптовалют.

Один. Что такое рамка?

AI-рамки – это базовые инструменты или платформы для разработки, которые интегрируют заранее собранные модули, библиотеки и инструменты, упрощая процесс создания сложных AI-моделей. Эти рамки обычно содержат функции для обработки данных, обучения моделей и выполнения прогнозов. Проще говоря, рамку можно понять как операционную систему эпохи AI, такую как Windows или Linux на настольных системах, или iOS и Android на мобильных устройствах. Каждая рамка имеет свои преимущества и недостатки, и разработчики могут свободно выбирать в зависимости от потребностей.

Хотя "AI框架" является новой концепцией в области криптовалют, с точки зрения происхождения, развитие AI框架 приближается к 14 годам. В традиционной области AI как в академической, так и в промышленной сферах есть зрелые фреймворки на выбор, такие как TensorFlow от Google, Pytorch от Meta, 飞桨 от Baidu, MagicAnimate от ByteDance и так далее, каждый из которых имеет свои преимущества в различных сценариях.

В настоящее время возникшие в криптовалюте проектные фреймы созданы на основе высокого спроса на агентов в условиях бума AI и распространяются на другие ниши, в конечном итоге формируя различные специализированные области AI-фреймов. Вот несколько основных фреймов:

1.1 Элиза

Eliza — это многопользовательская симуляционная платформа, предназначенная для создания, развертывания и управления автономными AI-агентами. Она разработана на основе TypeScript, что обеспечивает хорошую совместимость и простую интеграцию API. Основное внимание уделяется сценариям в социальных сетях, поддерживает многоплатформенную интеграцию, включая Discord, X/Twitter, Telegram и другие. В обработке медиа-контента поддерживает функции анализа PDF, извлечения содержимого ссылок, транскрипции аудио, обработки видео, анализа изображений и многое другое.

Текущие поддерживаемые случаи использования Eliza в основном следующие:

1. Приложения класса AI-ассистентов
2. Роль социальных медиа
3. Работники знаний
4. Интерактивная роль

Поддерживаемые модели включают локальное вывод открытых моделей, облачный вывод OpenAI API и т. д.

1.2 G.A.M.E

G.A.M.E — это автоматизированная многомодальная AI-структура, разработанная Virtual, предназначенная для проектирования умных NPC в играх. Особенность заключается в том, что даже пользователи без знания кода или с минимальным его знанием могут ею пользоваться.

Ядро дизайна представляет собой модульную конструкцию, в которой несколько подсистем работают совместно, включая интерфейс подсказок агента, подсистему восприятия, движок стратегического планирования, контекст мира, модуль обработки диалогов, оператора кошелька на блокчейне, модуль обучения, рабочую память, процессор долгосрочной памяти, хранилище агента, планировщик действий и исполнитель плана.

Применение, кроме игр, также подходит для метавселенной, уже несколько проектов используют эту структуру для разработки.

1.3 Риг

Rig — это инструмент с открытым исходным кодом, написанный на языке Rust, предназначенный для упрощения разработки приложений на основе крупных языковых моделей. Он предоставляет унифицированный интерфейс операций, что облегчает взаимодействие с несколькими поставщиками LLM и векторными базами данных.

Ключевые особенности включают в себя унифицированный интерфейс, модульную архитектуру, типобезопасность и высокую производительность. Рабочий процесс включает в себя уровень абстракции поставщика, инструменты вызова смарт-агентов или запросы к векторному хранилищу, а также механизмы генерации ответов через извлечение, улучшенное генерацией.

Применение включает в себя системы вопросов и ответов, инструменты поиска документов, чат-боты с контекстным восприятием и т. д.

1.4 ZerePy

ZerePy — это основанный на Python открытый фреймворк, упрощающий процесс развертывания и управления AI Agent на платформе X. Он наследует основные функции проекта Zerebro, но использует более модульный и легко расширяемый дизайн.

ZerePy предоставляет интерфейс командной строки, поддерживает крупные языковые модели OpenAI и Anthropic, напрямую интегрируя API платформы X, имеет модульную систему подключения. В будущем планируется интеграция системы памяти, чтобы агент мог запоминать предыдущие взаимодействия и контекстную информацию.

Два, копия экосистемы BTC

Путь развития AI Agent имеет сходство с недавней экосистемой BTC. Путь развития экосистемы BTC примерно таков: BRC20 - конкуренция между протоколами - BTC L2 - BTCFi, сосредоточенный вокруг Babylon. AI Agent развивается быстрее на основе зрелого технологического стека, путь можно охарактеризовать как: GOAT/ACT - социальные агенты/аналитические AI агенты - конкуренция фреймворков. В будущем инфраструктурные проекты, сосредоточенные на децентрализации агентов и безопасности, могут стать главной темой следующего этапа.

Нарратив AI-агента не заключается в воспроизведении истории цепочки смарт-контрактов; существующие проекты AI-структур предлагают новые идеи для развития инфраструктуры. В отличие от Memecoin Launchpad и протокола Inscription, AI-структура больше похожа на будущую публичную цепочку, а Агент больше похож на будущий Dapp.

Будущие споры могут перейти от EVM и гетерогенных цепей к борьбе за рамки, ключевым вопросом будет, как осуществить Децентрализацию или цепочечность, а также значение разработки на блокчейне.

Три, какое значение имеет запись в блокчейне?

При объединении блокчейна с другими областями часто возникают вопросы о его значении. Рассматривая факторы успеха DeFi (высокая доступность, высокая эффективность при низких затратах, Децентрализация и безопасность без доверия), возможные значения агрегирования AI Agent могут включать:

1. Снизить затраты на использование, повысить доступность и выбор, чтобы обычные пользователи могли участвовать в "аренде ИИ";
2. Предоставление безопасного решения на основе блокчейна для удовлетворения потребностей взаимодействия Агента с реальными или виртуальными кошельками;
3. Создайте уникальные модели блокчейн-финансов, такие как связанные с агентами вычислительная мощность и инвестиции в маркировку данных;
4. Реализовать прозрачное, отслеживаемое рассуждение, улучшить взаимосвязь DeFi, что делает его более привлекательным по сравнению с агентскими браузерами, предоставляемыми традиционными интернет-гигантами.

Четыре, креативная экономика

Проекты в формате "фреймворк" могут предоставить предпринимательские возможности, аналогичные GPT Store, в будущем. Упрощение процесса создания агентов и предложение фреймворка для сложных комбинаций функций могут занять преимущественное положение, сформировав более интересную креативную экономику Web3, чем GPT Store.

По сравнению с текущим GPT Store, креативная экономика Web3 Agent может быть более справедливой и открытой, давая обычным людям возможность участвовать. Будущие AI Meme могут быть более интеллектуальными и интересными, чем агенты на существующих платформах.

AI-структура приносит новые инфраструктуры и инновационные возможности для Web3, но её истинная ценность и сценарии применения требуют времени для проверки и исследования.