Giải cấu trúc khung AI: Từ đại lý thông minh đến Phi tập trung khám phá

Lời nói đầu

Gần đây, câu chuyện kết hợp giữa AI và tiền điện tử đã phát triển nhanh chóng. Sự chú ý của thị trường bắt đầu tập trung vào các dự án "khung" do công nghệ dẫn dắt, và phân khúc này đã tạo ra nhiều dự án có giá trị thị trường trên một tỷ đô la trong thời gian ngắn. Các dự án này đã phát sinh ra một mô hình phát hành tài sản mới: phát hành token từ kho mã Github, và các Agent phát triển dựa trên khung cũng có thể phát hành token. Dựa trên khung, Agent ở trên, hình thành một mô hình tương tự như nền tảng phát hành tài sản, thực tế là mô hình cơ sở hạ tầng đặc trưng của thời đại AI đang nổi lên. Bài viết này sẽ bắt đầu từ giới thiệu về khung, khám phá ý nghĩa của khung AI đối với ngành công nghiệp tiền điện tử.

Một, Khung là gì?

Khung AI là một công cụ hoặc nền tảng phát triển cơ bản, tích hợp một bộ các mô-đun, thư viện và công cụ được xây dựng sẵn, làm đơn giản hóa quá trình xây dựng các mô hình AI phức tạp. Có thể hiểu khung như một hệ điều hành của thời đại AI, tương tự như Windows, Linux trong hệ điều hành máy tính để bàn, hoặc iOS và Android trên di động. Mỗi khung đều có những ưu và nhược điểm riêng, các nhà phát triển có thể tự do lựa chọn theo nhu cầu.

Mặc dù "Khung AI" là khái niệm mới trong lĩnh vực tiền điện tử, nhưng sự phát triển của khung AI đã có lịch sử gần 14 năm. Trong lĩnh vực AI truyền thống, đã có nhiều khung thành công có sẵn, chẳng hạn như TensorFlow của Google, Pytorch của Meta, v.v. Các dự án khung xuất hiện trong tiền điện tử được thiết kế nhằm đáp ứng nhu cầu lớn về Agent dưới sự bùng nổ của AI và mở rộng sang các lĩnh vực khác, hình thành các khung AI của các lĩnh vực chuyên biệt khác nhau.

1.1 Eliza

Eliza là khung mô phỏng đa tác nhân do ai16z phát triển, chuyên dùng để tạo ra, triển khai và quản lý các tác nhân AI tự động. Được phát triển dựa trên TypeScript, có tính tương thích tốt và dễ dàng tích hợp API.

Eliza chủ yếu hướng đến các tình huống truyền thông xã hội, hỗ trợ tích hợp đa nền tảng, bao gồm Discord, X/Twitter, Telegram, v.v. Trong việc xử lý nội dung truyền thông, hỗ trợ phân tích tài liệu PDF, trích xuất nội dung liên kết, chuyển âm thanh thành văn bản, xử lý video, phân tích hình ảnh và nhiều chức năng khác.

Các trường hợp sử dụng hiện tại bao gồm: Ứng dụng trợ lý AI, vai trò truyền thông xã hội, nhân viên tri thức và vai trò tương tác, v.v. Các mô hình được hỗ trợ bao gồm suy diễn cục bộ từ mô hình mã nguồn mở, suy diễn đám mây từ OpenAI API, v.v.

1.2 G.A.M.E

G.A.M.E là khung AI đa mô hình tự động được Virtual phát triển và quản lý, chủ yếu nhắm đến thiết kế NPC thông minh trong game. Đặc điểm là người dùng có thể sử dụng với mã thấp hoặc thậm chí không cần mã, chỉ cần thay đổi các tham số là có thể tham gia vào thiết kế Agent.

Cốt lõi của G.A.M.E là thiết kế mô-đun hoạt động cùng nhau thông qua nhiều hệ thống con, bao gồm giao diện gợi ý của Agent, hệ thống cảm nhận, động cơ lập kế hoạch chiến lược, bối cảnh thế giới, mô-đun xử lý đối thoại, nhà điều hành ví trên chuỗi, mô-đun học tập và các thành phần khác.

Khung này chủ yếu tập trung vào quyết định, phản hồi, cảm nhận và tính cách của Agent trong môi trường ảo, phù hợp với các cảnh game và vũ trụ ảo. Hiện tại đã có nhiều dự án áp dụng khung này để xây dựng.

1.3 Rig

Rig là công cụ mã nguồn mở được viết bằng ngôn ngữ Rust, nhằm đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn. Nó cung cấp giao diện thao tác thống nhất, thuận tiện cho các nhà phát triển tương tác với nhiều nhà cung cấp dịch vụ LLM và cơ sở dữ liệu vector.

Các đặc điểm cốt lõi của Rig bao gồm: giao diện thống nhất, kiến trúc mô-đun, an toàn kiểu, hiệu suất cao, v.v. Quy trình làm việc là yêu cầu của người dùng đi qua lớp trừu tượng của nhà cung cấp, sau đó bởi đại lý thông minh gọi các công cụ khác nhau hoặc truy vấn lưu trữ vector, cuối cùng thông qua cơ chế tăng cường truy xuất tạo ra phản hồi.

Rig phù hợp cho việc xây dựng hệ thống hỏi đáp, công cụ tìm kiếm tài liệu, chatbot có khả năng nhận biết ngữ cảnh và các tình huống khác.

1.4 ZerePy

ZerePy là một framework mã nguồn mở dựa trên Python, đơn giản hóa quy trình triển khai và quản lý AI Agent trên nền tảng X. Nó kế thừa các chức năng cốt lõi của dự án Zerebro, nhưng áp dụng thiết kế mô-đun hơn, dễ mở rộng hơn.

ZerePy cung cấp giao diện dòng lệnh, thuận tiện cho người dùng quản lý AI Agent. Kiến trúc cốt lõi dựa trên thiết kế mô-đun, hỗ trợ LLM của OpenAI và Anthropic, tích hợp trực tiếp API của nền tảng X, cho phép Agent thực hiện các thao tác như đăng bài, trả lời. Kế hoạch tương lai là tích hợp hệ thống bộ nhớ, giúp Agent nhớ lại thông tin tương tác trước đó.

So với Eliza, ZerePy tập trung hơn vào việc đơn giản hóa quá trình triển khai AI Agent trên các nền tảng xã hội cụ thể, thiên về ứng dụng thực tiễn.

Hai, bản sao của hệ sinh thái BTC

Đường phát triển của AI Agent có những điểm tương đồng với hệ sinh thái BTC gần đây. Hệ sinh thái BTC đã trải qua các giai đoạn như BRC20, cạnh tranh đa giao thức, BTC L2, BTCFi, v.v. AI Agent thì phát triển nhanh hơn trên nền tảng công nghệ AI truyền thống đã trưởng thành, trải qua các giai đoạn như GOAT/ACT, Agent loại Social, cạnh tranh khung AI Agent phân tích, v.v.

Các dự án hạ tầng xung quanh Agent Phi tập trung và tính an toàn có thể trở thành điểm nóng trong giai đoạn tiếp theo. Tuy nhiên, câu chuyện về AI Agent không phải là sự tái hiện lịch sử chuỗi hợp đồng thông minh, mà là cung cấp một hướng phát triển hạ tầng mới. So với Memecoin Launchpad và giao thức văn bản, khung AI giống như một chuỗi công cộng trong tương lai, Agent giống như một Dapp trong tương lai.

Tranh luận trong tương lai có thể chuyển từ cuộc chiến giữa EVM và chuỗi dị biệt sang cuộc chiến về khung. Vấn đề then chốt là làm thế nào để thực hiện Phi tập trung hoặc chuỗi hóa, cũng như ý nghĩa của việc làm điều này trên blockchain.

Ba, Ý nghĩa của việc lên chuỗi?

Khi blockchain kết hợp với các thứ khác, đều cần phải đối mặt với vấn đề về ý nghĩa của nó. Nhìn lại lý do thành công của DeFi: khả năng tiếp cận cao hơn, hiệu quả tốt hơn và chi phí thấp hơn, không cần sự tin tưởng vào tính an toàn phi tập trung. Dựa vào đó, suy nghĩ về việc chuỗi hóa Agent có thể có những ý nghĩa sau:

1. Giảm chi phí sử dụng, tăng khả năng tiếp cận và sự lựa chọn, để người dùng bình thường cũng có thể tham gia vào quyền "thuê" AI.

2. Cung cấp giải pháp an ninh dựa trên blockchain, đáp ứng nhu cầu an ninh cho việc tương tác giữa Agent và ví thực hoặc ảo.

3. Tạo ra các trò chơi tài chính blockchain độc đáo, chẳng hạn như các cơ hội đầu tư liên quan đến Agent.

4. Thực hiện suy luận minh bạch, có thể truy xuất, nâng cao khả năng tương tác, có thể hấp dẫn hơn so với trình duyệt agent của các ông lớn Internet truyền thống.

Bốn, Kinh tế sáng tạo

Các dự án dạng khung có thể cung cấp cơ hội khởi nghiệp tương tự như GPT Store trong tương lai. Việc đơn giản hóa quá trình xây dựng Agent và cung cấp khung kết hợp các chức năng phức tạp có thể chiếm ưu thế, hình thành một nền kinh tế sáng tạo Web3 thú vị hơn so với GPT Store.

So với GPT Store, nghiêng về tính thực tiễn trong các lĩnh vực truyền thống và chủ yếu do các công ty Web2 dẫn đầu, Web3 có thể công bằng hơn về nhu cầu và hệ thống kinh tế. Việc đưa vào nền kinh tế cộng đồng cũng có thể làm cho Agent hoàn thiện hơn. Nền kinh tế sáng tạo của Agent sẽ cung cấp cơ hội tham gia cho người bình thường, và AI Meme trong tương lai có thể thông minh và thú vị hơn so với Agent trên các nền tảng hiện tại.