Деконструкция AI-рамки: от интеллектуальных агентов до Децентрализации

Введение

В последнее время быстро развиваются нарративы, связывающие ИИ и криптовалюту. Внимание рынка начинает концентрироваться на технологически ориентированных "фреймворк-проектах", и этот сегмент уже за короткий срок породил несколько проектов с капитализацией более миллиарда долларов. Эти проекты привели к возникновению новой модели выпуска активов: токены выпускаются на основе репозиториев кода на Github, а разработанные на основе фреймворка агенты также могут выпустить токены. Основанные на фреймворке и дополненные агентами, они формируют модель, похожую на платформу для выпуска активов, фактически представляя собой инфраструктурную модель, характерную для эпохи ИИ. В этой статье мы начнем с введения во фреймворки и обсудим значение ИИ-фреймворков для индустрии криптовалют.

Один. Что такое рамка?

AI-рамка является базовым инструментом или платформой разработки, интегрирующей набор предустановленных модулей, библиотек и инструментов, упрощающих процесс создания сложных AI-моделей. Рамку можно рассматривать как операционную систему эпохи AI, подобно настольным операционным системам Windows, Linux или мобильным системам iOS и Android. Каждая рамка имеет свои преимущества и недостатки, разработчики могут свободно выбирать в зависимости от своих потребностей.

Хотя "AI-фрейм" является новой концепцией в области криптовалют, развитие AI-фреймов имеет почти 14-летнюю историю. В традиционной области AI уже доступны зрелые фреймы, такие как TensorFlow от Google, Pytorch от Meta и т.д. Появившиеся в криптовалюте фреймовые проекты были разработаны в ответ на большой спрос на агентов в условиях бума AI и расширяются на другие области, образуя AI-фреймы различных сегментов.

1.1 Элиза

Eliza — это многоагентская симуляционная рамка, разработанная ai16z, специально предназначенная для создания, развертывания и управления автономными AI-агентами. Разработанная на основе TypeScript, она имеет хорошую совместимость и легко интегрируется с API.

Элиза в основном предназначена для сценариев в социальных сетях, поддерживает интеграцию с несколькими платформами, включая Discord, X/Twitter, Telegram и другие. В области обработки медиаконтента поддерживает анализ PDF-документов, извлечение ссылочного контента, транскрипцию аудио, обработку видео, анализ изображений и другие функции.

Текущие поддерживаемые случаи использования включают: приложения типа AI-ассистентов, персонажей в социальных сетях, работников знаний и интерактивные роли и т. д. Поддерживаемые модели включают локальную интерпретацию открытых моделей, облачную интерпретацию OpenAI API и т. д.

1.2 G.A.M.E

G.A.M.E — это автоматизированный многофункциональный AI-фреймворк, выпущенный Virtual, который предназначен в основном для проектирования интеллектуальных NPC в играх. Его отличительной чертой является то, что пользователи с низким уровнем кодирования или без него могут воспользоваться им, просто изменив параметры для участия в проектировании агента.

Ядро G.A.M.E заключается в модульной архитектуре, в которой несколько подсистем работают совместно, включая интерфейс提示 агента, сенсорную подсистему, движок стратегического планирования, контекст мира, модуль обработки диалогов, оператора кошелька на блокчейне, модуль обучения и другие компоненты.

Эта структура в основном фокусируется на принятии решений, обратной связи, восприятии и индивидуальности агентов в виртуальной среде, подходит для игровых и мета-вселенских сценариев. В настоящее время несколько проектов уже используют эту структуру для создания.

1.3 Риг

Rig — это инструмент с открытым исходным кодом, написанный на языке Rust, который предназначен для упрощения разработки приложений на базе крупных языковых моделей. Он предоставляет унифицированный интерфейс, удобный для взаимодействия разработчиков с несколькими поставщиками LLM и векторными базами данных.

Основные характеристики Rig включают: унифицированный интерфейс, модульную архитектуру, типобезопасность, высокую производительность и т.д. Рабочий процесс заключается в том, что запрос пользователя проходит через уровень абстракции поставщика, затем интеллектуальный агент вызывает различные инструменты или запрашивает векторное хранилище, и наконец, генерирует ответ с помощью механизмов, таких как извлечение, улучшенное генерацией.

Rig подходит для создания систем вопросов и ответов, инструментов поиска документов, чат-ботов с контекстной осведомлённостью и других сценариев.

1.4 ZerePy

ZerePy — это основанный на Python открытый фреймворк, который упрощает процесс развертывания и управления AI Agent на платформе X. Он унаследовал основные функции проекта Zerebro, но имеет более модульный и удобный для расширения дизайн.

ZerePy предоставляет интерфейс командной строки, упрощая управление AI Agent. Основная архитектура основана на модульном дизайне, поддерживает LLM от OpenAI и Anthropic, напрямую интегрирует API платформы X, позволяя Agent выполнять такие операции, как публикация и ответ. В будущем планируется интеграция системы памяти, чтобы Agent мог запоминать предыдущую информацию о взаимодействиях.

В отличие от Eliza, ZerePy больше сосредоточен на упрощении процесса развертывания AI Agent на конкретных социальных платформах, ориентируясь на практическое применение.

Два, версия экосистемы BTC

Путь развития AI Agent имеет сходство с недавней экосистемой BTC. Экосистема BTC прошла через этапы BRC20, многопротокольной конкуренции, BTC L2, BTCFi и т.д. AI Agent, основываясь на зрелом традиционном стеке технологий ИИ, развивается быстрее, проходя через этапы GOAT/ACT, социальных агентов и конкуренции в рамках аналитических AI Agent.

Будущие инфраструктурные проекты, связанные с Децентрализацией Agent и безопасностью, могут стать горячей темой следующего этапа. Однако повествование об AI Agent не является повторением истории цепочки интеллектуальных контрактов, а представляет собой новый подход к развитию инфраструктуры. В отличие от Memecoin Launchpad и протокола Инскрипций, AI-рамка больше похожа на будущую публичную цепочку, а Agent больше похож на будущий Dapp.

Будущие споры могут перейти от противостояния EVM и гетерогенных цепей к борьбе за фреймворк. Ключевой вопрос заключается в том, как реализовать Децентрализация или цепочечность, а также в значении выполнения этой задачи на блокчейне.

Три, каково значение внедрения в блокчейн?

При объединении блокчейна с другими вещами необходимо учитывать вопрос его значения. Обратим внимание на причины успеха DeFi: большая доступность, лучшая эффективность и более низкие затраты, отсутствие необходимости в доверительном централизованном обеспечении безопасности. Исходя из этого, можно подумать, что агентская цепочка может иметь следующее значение:

1. Снизить затраты на использование, повысить доступность и выбор, чтобы обычные пользователи также могли участвовать в "аренде прав" AI.

2. Предоставление безопасных решений на основе блокчейна, удовлетворяющих требованиям безопасности взаимодействия между агентом и реальными или виртуальными кошельками.

3. Создайте уникальные способы блокчейн-финансирования, такие как инвестиционные возможности, связанные с Agent.

4. Реализация прозрачного, отслеживаемого вывода, повышение интероперабельности может быть более привлекательным, чем браузер-агент традиционных интернет-гигантов.

Четыре, креативная экономика

Проекты в области фреймворков могут в будущем предоставить возможности для стартапов, аналогичные GPT Store. Упрощение процесса создания агентов и предоставление фреймворков для сложных комбинаций функций может оказаться преимущество, сформировав более интересную креативную экономику Web3 по сравнению с GPT Store.

В отличие от GPT Store, который ориентирован на традиционные области и в основном контролируется компаниями Web2, Web3 может быть более справедливым в плане спроса и экономической системы. Введение в сообщество экономики также может сделать Агентов более совершенными. Креативная экономика Агентов предоставит обычным людям возможности для участия, а будущие AI Meme могут быть более умными и интересными, чем Агенты на существующих платформах.