Деконструкція AI-структури: від розумних агентів до дослідження децентралізації
Вступ
AI Agent-сектор останнім часом розвивається стрімко, а увага ринку продовжує зростати. Лише за два місяці, наратив, що поєднує AI та криптовалюти, зазнав майже щотижневих змін. Нещодавно проекти «рамкового типу», що керуються технологічним наративом, стали центром уваги ринку, а ринкова капіталізація кількох проектів перевищила 100 мільйонів доларів, а деякі навіть мільярд доларів. Ці проекти породжують нові моделі випуску активів: випуск монет на основі кодових репозиторіїв GitHub, а також можливість повторного випуску монет на основі Agent, що побудовані на основі рамок. Базуючись на рамках, Agent виступає на рівні додатків, формуючи модель, схожу на платформу випуску активів; фактично формується унікальна інфраструктурна модель епохи AI. Ця стаття розпочне з короткого введення до рамок і розгляне вплив AI-рамок на сферу криптовалют.
Одне, що таке рамка?
AI фреймворк - це базовий інструмент розробки або платформа, що інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес побудови складних AI моделей. Фреймворк можна розглядати як операційну систему епохи AI, таку як Windows або Linux для настільних систем, або iOS і Android для мобільних пристроїв. Кожен фреймворк має свої переваги та недоліки, розробники можуть вибрати відповідно до своїх потреб.
Хоча "AI фрейм" є новою концепцією у сфері криптовалют, з моменту виникнення Theano у 2010 році AI фрейми мають вже майже 14-річну історію. У традиційній сфері AI вже є зрілі фрейми на вибір, такі як TensorFlow від Google, Pytorch від Meta тощо.
У сфері криптовалют з'являються рамкові проекти, які створені на основі великого попиту на агентів в умовах буму AI та витікають в інші напрямки, формуючи різні сегменти AI-рамок. Нижче наведено кілька прикладів основних рамок:
1.1 Еліза
Eliza — це багатагентна симуляційна платформа, призначена для створення, розгортання та управління автономними AI агентами. Розроблена на основі TypeScript, має хорошу сумісність та легкість інтеграції API.
Основна мета - соціальні медіа, підтримка інтеграції на кількох платформах, таких як Discord, X/Twitter, Telegram тощо. Підтримує аналіз PDF-документів, витяг змісту з посилань, обробку аудіо та відео, аналіз зображень та інші функції.
Поточна підтримка чотирьох типів випадків використання: застосунки AI-асистента, ролі в соціальних мережах, знань працівників та інтерактивних ролей.
Підтримувані моделі включають: відкриті моделі локальної інференції (, такі як Llama3, Qwen1.5), OpenAI API хмарна інференція, за замовчуванням конфігурація для Nous Hermes Llama 3.1B, і з інтеграцією Claude для реалізації складних запитів.
1.2 Г.А.М.Е
G.A.M.E є автоматизованою системою створення та управління багатомодальним AI-фреймворком, який призначений для розробки розумних NPC у іграх. Особливістю є те, що навіть користувачі з низьким або без коду можуть ним користуватися, достатньо лише змінити параметри, щоб брати участь у розробці агентів.
Ядро дизайну є модульним дизайном, в якому кілька підсистем працюють спільно, включаючи інтерфейс підказок агентів, підсистему сприйняття, двигун стратегічного планування, контекст світу, модуль обробки діалогу та інші компоненти.
Робочий процес: Розробник запускає Агент через інтерфейс підказок, підсистеми сприйняття отримують вхідні дані та передають їх до стратегічного планувального двигуна. Стратегічний планувальний двигун використовує систему пам'яті, контекст світу та інформацію з бібліотеки Агентів для розробки та виконання плану дій. Модуль навчання постійно контролює результати дій Агента та коригує поведінку Агента.
Застосування в основному зосереджується на ухваленні рішень, зворотному зв'язку, сприйнятті та індивідуальності Агента у віртуальному середовищі, підходить для ігор та мета-всесвіту.
1.3 Ріг
Rig — це інструмент з відкритим вихідним кодом, написаний на Rust, який спрощує розробку додатків великих мовних моделей (LLM). Забезпечує єдиний інтерфейс для зручної взаємодії з кількома постачальниками LLM та векторними базами даних.
Основні характеристики:
Уніфікований інтерфейс
Модульна архітектура
Типова безпека
Висока ефективність
Робочий процес: запит користувача проходить через абстрактний рівень постачальника, розумний агент викликає інструменти або запитує векторне сховище для отримання інформації, генеруючи відповіді за допомогою механізмів, таких як пошукове підсилення генерації (RAG).
Сфери застосування включають системи відповіді на запитання, інструменти пошуку документів, чат-боти, віртуальних асистентів та створення контенту.
1.4 ZerePy
ZerePy - це відкритий фреймворк на базі Python, який спрощує процес розгортання та управління AI Agent на платформі X. Він є спадкоємцем проекту Zerebro, більш модульний та легкий для розширення.
Надає командний інтерфейс (CLI) для управління AI Agent. Ядро архітектури базується на модульному дизайні, включаючи:
Інтеграція LLM: підтримка моделей OpenAI та Anthropic
Інтеграція платформи X: пряма інтеграція API платформи X
Модульна система з'єднань: зручне додавання підтримки для інших платформ або послуг
Система пам'яті ( в процесі планування ): щоб Агент міг запам'ятовувати попередні взаємодії та контекстну інформацію
Порівняно з Eliza, ZerePy більше зосереджений на спрощенні процесу розгортання AI Agent на платформі X, орієнтуючись на практичні застосування.
Два, копія екосистеми BTC
Шлях розвитку AI Agent подібний до екосистеми BTC: GOAT/ACT - соціальні агенти/аналітичні AI агенти - конкуренція в рамках. Очікується, що проекти інфраструктури, що стосуються децентралізації агентів та їх безпеки, стануть основною темою наступного етапу.
Проект AI-фреймів пропонує нові підходи до розвитку інфраструктури. У порівнянні з Memecoin Launchpad та протоколом Inscription, AI-фрейм більше схожий на майбутній публічний блокчейн, а Agent більше нагадує майбутній Dapp.
Майбутні суперечки можуть перейти від EVM та гетерогенних ланцюгів до суперечок про фреймворки. Ключове питання полягає в тому, як реалізувати Децентралізацію або ланцюговість, а також у значенні розробки AI фреймворків на блокчейні.
Три, значення виходу на ланцюг?
Основною проблемою, з якою стикається поєднання блокчейну та ШІ, є: чи має це сенс? Оперуючи досвідом успіху DeFi, причини, які можуть підтримати децентралізацію агентів, можуть включати:
Знизити витрати на використання, підвищити доступність і вибір, щоб звичайні користувачі також могли брати участь у "оренді прав" AI.
Надання безпечних рішень на базі блокчейну, що відповідають потребам взаємодії агента з реальними або віртуальними гаманцями.
Створення унікальних фінансових ігор на базі блокчейн, таких як можливості інвестування в потужність, пов'язану з агентами, та маркування даних.
Реалізація прозорого, відстежуваного процесу міркування, підвищення інтероперабельності, більш привабливий в порівнянні з агентським браузером, що надається традиційними інтернет-гігантами.
Чотири, креативна економіка
Фреймові проекти в майбутньому можуть запропонувати можливості для підприємництва, подібні до GPT Store. Спрощений процес створення агентів та фрейм, що пропонує складні комбінації функцій, можуть зайняти перевагу, сформувавши більш цікаву креативну економіку Web3 порівняно з GPT Store.
У Web3 існує багато незаповнених потреб, економічна система може зробити політику гігантів Web2 більш справедливою. Впровадження спільнотної економіки допомагає вдосконалити Agent. Креативна економіка Agent надасть звичайним людям можливості для участі, майбутній AI Meme може бути розумнішим і цікавішим, ніж Agent на існуючих платформах.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
14 лайків
Нагородити
14
4
Репост
Поділіться
Прокоментувати
0/400
OnlyOnMainnet
· 19год тому
випуск монети випуск монети Знову стало цікаво
Переглянути оригіналвідповісти на0
WalletAnxietyPatient
· 19год тому
О, знову настав час Кліпові купони випуск монети.
Переглянути оригіналвідповісти на0
GateUser-74b10196
· 19год тому
Ще одна хвиля обдурювати людей, як лохів
Переглянути оригіналвідповісти на0
MemecoinResearcher
· 19год тому
сер, провів швидкий аналіз кореляції по токенах фреймворку... ngmi, якщо ми не перевернемо меметичний коефіцієнт, чесно кажучи
AI фреймворк нова модель: дослідження Децентралізації та економіки агентів майбутнього
Деконструкція AI-структури: від розумних агентів до дослідження децентралізації
Вступ
AI Agent-сектор останнім часом розвивається стрімко, а увага ринку продовжує зростати. Лише за два місяці, наратив, що поєднує AI та криптовалюти, зазнав майже щотижневих змін. Нещодавно проекти «рамкового типу», що керуються технологічним наративом, стали центром уваги ринку, а ринкова капіталізація кількох проектів перевищила 100 мільйонів доларів, а деякі навіть мільярд доларів. Ці проекти породжують нові моделі випуску активів: випуск монет на основі кодових репозиторіїв GitHub, а також можливість повторного випуску монет на основі Agent, що побудовані на основі рамок. Базуючись на рамках, Agent виступає на рівні додатків, формуючи модель, схожу на платформу випуску активів; фактично формується унікальна інфраструктурна модель епохи AI. Ця стаття розпочне з короткого введення до рамок і розгляне вплив AI-рамок на сферу криптовалют.
Одне, що таке рамка?
AI фреймворк - це базовий інструмент розробки або платформа, що інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес побудови складних AI моделей. Фреймворк можна розглядати як операційну систему епохи AI, таку як Windows або Linux для настільних систем, або iOS і Android для мобільних пристроїв. Кожен фреймворк має свої переваги та недоліки, розробники можуть вибрати відповідно до своїх потреб.
Хоча "AI фрейм" є новою концепцією у сфері криптовалют, з моменту виникнення Theano у 2010 році AI фрейми мають вже майже 14-річну історію. У традиційній сфері AI вже є зрілі фрейми на вибір, такі як TensorFlow від Google, Pytorch від Meta тощо.
У сфері криптовалют з'являються рамкові проекти, які створені на основі великого попиту на агентів в умовах буму AI та витікають в інші напрямки, формуючи різні сегменти AI-рамок. Нижче наведено кілька прикладів основних рамок:
1.1 Еліза
Eliza — це багатагентна симуляційна платформа, призначена для створення, розгортання та управління автономними AI агентами. Розроблена на основі TypeScript, має хорошу сумісність та легкість інтеграції API.
Основна мета - соціальні медіа, підтримка інтеграції на кількох платформах, таких як Discord, X/Twitter, Telegram тощо. Підтримує аналіз PDF-документів, витяг змісту з посилань, обробку аудіо та відео, аналіз зображень та інші функції.
Поточна підтримка чотирьох типів випадків використання: застосунки AI-асистента, ролі в соціальних мережах, знань працівників та інтерактивних ролей.
Підтримувані моделі включають: відкриті моделі локальної інференції (, такі як Llama3, Qwen1.5), OpenAI API хмарна інференція, за замовчуванням конфігурація для Nous Hermes Llama 3.1B, і з інтеграцією Claude для реалізації складних запитів.
1.2 Г.А.М.Е
G.A.M.E є автоматизованою системою створення та управління багатомодальним AI-фреймворком, який призначений для розробки розумних NPC у іграх. Особливістю є те, що навіть користувачі з низьким або без коду можуть ним користуватися, достатньо лише змінити параметри, щоб брати участь у розробці агентів.
Ядро дизайну є модульним дизайном, в якому кілька підсистем працюють спільно, включаючи інтерфейс підказок агентів, підсистему сприйняття, двигун стратегічного планування, контекст світу, модуль обробки діалогу та інші компоненти.
Робочий процес: Розробник запускає Агент через інтерфейс підказок, підсистеми сприйняття отримують вхідні дані та передають їх до стратегічного планувального двигуна. Стратегічний планувальний двигун використовує систему пам'яті, контекст світу та інформацію з бібліотеки Агентів для розробки та виконання плану дій. Модуль навчання постійно контролює результати дій Агента та коригує поведінку Агента.
Застосування в основному зосереджується на ухваленні рішень, зворотному зв'язку, сприйнятті та індивідуальності Агента у віртуальному середовищі, підходить для ігор та мета-всесвіту.
1.3 Ріг
Rig — це інструмент з відкритим вихідним кодом, написаний на Rust, який спрощує розробку додатків великих мовних моделей (LLM). Забезпечує єдиний інтерфейс для зручної взаємодії з кількома постачальниками LLM та векторними базами даних.
Основні характеристики:
Робочий процес: запит користувача проходить через абстрактний рівень постачальника, розумний агент викликає інструменти або запитує векторне сховище для отримання інформації, генеруючи відповіді за допомогою механізмів, таких як пошукове підсилення генерації (RAG).
Сфери застосування включають системи відповіді на запитання, інструменти пошуку документів, чат-боти, віртуальних асистентів та створення контенту.
1.4 ZerePy
ZerePy - це відкритий фреймворк на базі Python, який спрощує процес розгортання та управління AI Agent на платформі X. Він є спадкоємцем проекту Zerebro, більш модульний та легкий для розширення.
Надає командний інтерфейс (CLI) для управління AI Agent. Ядро архітектури базується на модульному дизайні, включаючи:
Порівняно з Eliza, ZerePy більше зосереджений на спрощенні процесу розгортання AI Agent на платформі X, орієнтуючись на практичні застосування.
Два, копія екосистеми BTC
Шлях розвитку AI Agent подібний до екосистеми BTC: GOAT/ACT - соціальні агенти/аналітичні AI агенти - конкуренція в рамках. Очікується, що проекти інфраструктури, що стосуються децентралізації агентів та їх безпеки, стануть основною темою наступного етапу.
Проект AI-фреймів пропонує нові підходи до розвитку інфраструктури. У порівнянні з Memecoin Launchpad та протоколом Inscription, AI-фрейм більше схожий на майбутній публічний блокчейн, а Agent більше нагадує майбутній Dapp.
Майбутні суперечки можуть перейти від EVM та гетерогенних ланцюгів до суперечок про фреймворки. Ключове питання полягає в тому, як реалізувати Децентралізацію або ланцюговість, а також у значенні розробки AI фреймворків на блокчейні.
Три, значення виходу на ланцюг?
Основною проблемою, з якою стикається поєднання блокчейну та ШІ, є: чи має це сенс? Оперуючи досвідом успіху DeFi, причини, які можуть підтримати децентралізацію агентів, можуть включати:
Знизити витрати на використання, підвищити доступність і вибір, щоб звичайні користувачі також могли брати участь у "оренді прав" AI.
Надання безпечних рішень на базі блокчейну, що відповідають потребам взаємодії агента з реальними або віртуальними гаманцями.
Створення унікальних фінансових ігор на базі блокчейн, таких як можливості інвестування в потужність, пов'язану з агентами, та маркування даних.
Реалізація прозорого, відстежуваного процесу міркування, підвищення інтероперабельності, більш привабливий в порівнянні з агентським браузером, що надається традиційними інтернет-гігантами.
Чотири, креативна економіка
Фреймові проекти в майбутньому можуть запропонувати можливості для підприємництва, подібні до GPT Store. Спрощений процес створення агентів та фрейм, що пропонує складні комбінації функцій, можуть зайняти перевагу, сформувавши більш цікаву креативну економіку Web3 порівняно з GPT Store.
У Web3 існує багато незаповнених потреб, економічна система може зробити політику гігантів Web2 більш справедливою. Впровадження спільнотної економіки допомагає вдосконалити Agent. Креативна економіка Agent надасть звичайним людям можливості для участі, майбутній AI Meme може бути розумнішим і цікавішим, ніж Agent на існуючих платформах.