Descomposición del marco AI: de agentes inteligentes a la exploración de la Descentralización
Introducción
La narrativa de la combinación de la IA y las criptomonedas está evolucionando rápidamente. Recientemente, la atención del mercado se ha centrado en proyectos "tipo marco" dominados por la tecnología, y este segmento ha generado en el corto plazo varios proyectos con una capitalización de mercado de más de mil millones e incluso más de diez mil millones. Este tipo de proyectos ha dado lugar a un nuevo modelo de emisión de activos: emitir tokens a partir de repositorios de código de Github, y los Agentes desarrollados sobre el marco pueden emitir tokens nuevamente. Con el marco como base y los Agentes como capa superior, se forma un modelo similar a una plataforma de emisión de activos, que en realidad es una infraestructura única de la era de la IA que está en formación. Este artículo comenzará con el concepto de marco y, combinando reflexiones personales, interpretará el significado del marco de IA en la industria de las criptomonedas.
Uno, ¿Qué es un marco?
El marco de IA es una herramienta o plataforma de desarrollo de bajo nivel que integra un conjunto de módulos, bibliotecas y herramientas preconstruidos, simplificando el proceso de construcción de modelos de IA complejos. Se puede entender el marco como el sistema operativo de la era de la IA, similar a Windows y Linux en sistemas de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades.
Aunque el "marco de IA" es un concepto emergente en el campo de las criptomonedas, desde el nacimiento de Theano en 2010, los marcos de IA tienen casi 14 años de historia. En el campo de la IA tradicional, hay marcos maduros disponibles, como TensorFlow de Google, Pytorch de Meta, entre otros.
Los proyectos de marco que están surgiendo actualmente en el ámbito de las criptomonedas se han creado en respuesta a la gran demanda de agentes impulsada por la ola de IA, y se han derivado hacia otras áreas, formando diferentes marcos de IA en nichos específicos. A continuación se presentan algunas introducciones a los marcos más destacados:
1.1 Eliza
Eliza es un marco de simulación de múltiples agentes, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Desarrollado en TypeScript, tiene buena compatibilidad y es fácil de integrar con API.
Eliza se centra principalmente en escenarios de redes sociales, soportando la integración de múltiples plataformas, como Discord, X/Twitter, Telegram, entre otras. En cuanto al procesamiento de contenido multimedia, admite análisis de documentos PDF, extracción de contenido de enlaces, procesamiento de audio y video, entre otras funciones.
Los casos de uso que actualmente admite Eliza son principalmente: aplicaciones de asistente de IA, roles en redes sociales, trabajadores del conocimiento y roles interactivos, entre otros. Los modelos soportados incluyen inferencia local de modelos de código abierto y inferencia en la nube de OpenAI API.
1.2 G.A.M.E
G.A.M.E es un marco de IA multimodal automático para la generación y gestión, dirigido principalmente al diseño de NPC inteligentes en juegos. La característica de este marco es que usuarios de bajo código e incluso sin código también pueden utilizarlo, solo necesitan modificar parámetros para participar en el diseño de Agentes.
G.A.M.E utiliza un diseño modular, trabajando en conjunto a través de múltiples subsistemas. La arquitectura central incluye la interfaz de interacción del Agent, el subsistema de percepción, el motor de planificación estratégica, el contexto del mundo, el módulo de procesamiento de diálogos y otros componentes.
Este marco se centra principalmente en la toma de decisiones, retroalimentación, percepción y personalidad de los agentes en entornos virtuales, siendo aplicable a escenarios de juegos y metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en Rust, diseñada para simplificar el desarrollo de aplicaciones de modelos de lenguaje grandes (LLM). Proporciona una interfaz de operación unificada, facilitando la interacción con múltiples proveedores de servicios LLM y bases de datos vectoriales.
Las características principales de Rig incluyen: interfaz unificada, arquitectura modular, seguridad de tipos y alto rendimiento. Su flujo de trabajo implica una capa de abstracción del proveedor, herramientas de invocación de agentes inteligentes o almacenamiento de vectores de consulta, así como la generación de respuestas a través de mecanismos como la generación aumentada por recuperación (RAG).
Rig es adecuado para construir sistemas de preguntas y respuestas, herramientas de búsqueda de documentos y aplicaciones como chatbots con capacidad de percepción contextual.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python que simplifica el proceso de implementación y gestión de agentes de IA en la plataforma X. Hereda las funciones centrales del proyecto Zerebro, pero adopta un diseño más modular y fácil de expandir.
ZerePy ofrece una interfaz de línea de comandos (CLI) para gestionar agentes de IA, soportando LLM de OpenAI y Anthropic, integrando directamente la API de la plataforma X. Su sistema de conexión modular permite a los desarrolladores añadir soporte para otras plataformas sociales o servicios.
En comparación con Eliza, ZerePy se centra más en simplificar el proceso de implementación de agentes de IA en la plataforma social específica (X), inclinándose hacia aplicaciones prácticas.
Dos, la réplica del ecosistema BTC
El camino de desarrollo del Agente de IA tiene similitudes con el ecosistema reciente de BTC. El ecosistema de BTC ha pasado por BRC20, competencia entre múltiples protocolos, BTC L2 hasta BTCFi centrado en Babylon. El Agente de IA se desarrolla más rápido sobre la base de una pila tecnológica de IA madura, y su trayectoria se puede resumir como: GOAT/ACT - Agentes de tipo Social/IA analítica - Competencia en marcos de Agentes. En el futuro, los proyectos de infraestructura en torno a la Descentralización de Agentes y la seguridad podrían convertirse en la próxima melodía principal.
La narrativa del Agente AI no es una reproducción de la historia de la cadena de contratos inteligentes, los proyectos de marco de IA existentes ofrecen nuevas ideas para el desarrollo de infraestructura. En comparación con Memecoin Launchpad y el protocolo de inscripciones, el marco de IA se asemeja más a una futura cadena pública, y el Agente se asemeja más a un futuro Dapp.
En la industria de las criptomonedas en la era de la IA, los debates futuros pueden cambiar de la competencia entre EVM y cadenas heterogéneas a la lucha por los marcos. La cuestión clave es cómo lograr la Descentralización o la cadena, así como el significado de desarrollar estos proyectos en la blockchain.
Tres, ¿cuál es el significado de la cadena?
Cuando la blockchain se combina con otros campos, enfrenta problemas de significado. Reflexionando sobre las razones del éxito de DeFi ( alta accesibilidad, alta eficiencia, bajo costo, seguridad descentralizada sin necesidad de confianza ), las razones que podrían apoyar la cadena de agentes son:
Reducir los costos de uso, aumentar la accesibilidad y la selectividad, permitir que los usuarios comunes participen en el "derecho de alquiler" de la IA.
Las soluciones de seguridad basadas en blockchain pueden convertirse en una necesidad, especialmente cuando el Agente interviene en carteras reales o virtuales.
Podrían formarse formas únicas de finanzas en blockchain, como un modelo similar al de LP en AMM, o la formación de nuevas formas financieras basadas en diferentes escenarios de aplicación.
La combinación de blockchain con agentes puede lograr un razonamiento transparente y rastreable, lo que resulta más atractivo que el navegador de agentes ofrecido por los gigantes de Internet tradicionales.
Cuatro, economía creativa
Los proyectos de tipo marco podrían ofrecer oportunidades emprendedoras similares a GPT Store en el futuro. Simplificar el proceso de construcción de agentes y proporcionar un marco para combinaciones de funciones complejas podría tener ventajas, formando una economía creativa de Web3 más interesante que GPT Store.
En comparación con GPT Store, la economía creativa de Web3 puede ser más justa, ya que la introducción de la economía comunitaria hace que el Agente sea más completo. Esta será una oportunidad para que las personas comunes participen; los futuros Memes de IA podrían ser más inteligentes y divertidos que los Agentes en las plataformas actuales.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
16 me gusta
Recompensa
16
6
Compartir
Comentar
0/400
BoredRiceBall
· hace21h
Ah, déjame ver~ ¿el proyecto va a To the moon otra vez?
Ver originalesResponder0
BearMarketSage
· hace21h
Hice una operación de IA y gané un poco de dinero.
Ver originalesResponder0
RunWithRugs
· hace21h
Otra ola de cortadoras de tontos
Ver originalesResponder0
BlockchainFries
· hace21h
¿Otra trampa para tomar a la gente por tonta?
Ver originalesResponder0
ForkPrince
· hace21h
Cava un hoyo y mira el espectáculo, primero trae un pequeño banco.
Ver originalesResponder0
SelfRugger
· hace21h
Los buenos estafadores todavía juegan con viejas artimañas del mundo Cripto.
Análisis de la pista del marco de IA: del agente inteligente a la Descentralización.
Descomposición del marco AI: de agentes inteligentes a la exploración de la Descentralización
Introducción
La narrativa de la combinación de la IA y las criptomonedas está evolucionando rápidamente. Recientemente, la atención del mercado se ha centrado en proyectos "tipo marco" dominados por la tecnología, y este segmento ha generado en el corto plazo varios proyectos con una capitalización de mercado de más de mil millones e incluso más de diez mil millones. Este tipo de proyectos ha dado lugar a un nuevo modelo de emisión de activos: emitir tokens a partir de repositorios de código de Github, y los Agentes desarrollados sobre el marco pueden emitir tokens nuevamente. Con el marco como base y los Agentes como capa superior, se forma un modelo similar a una plataforma de emisión de activos, que en realidad es una infraestructura única de la era de la IA que está en formación. Este artículo comenzará con el concepto de marco y, combinando reflexiones personales, interpretará el significado del marco de IA en la industria de las criptomonedas.
Uno, ¿Qué es un marco?
El marco de IA es una herramienta o plataforma de desarrollo de bajo nivel que integra un conjunto de módulos, bibliotecas y herramientas preconstruidos, simplificando el proceso de construcción de modelos de IA complejos. Se puede entender el marco como el sistema operativo de la era de la IA, similar a Windows y Linux en sistemas de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades.
Aunque el "marco de IA" es un concepto emergente en el campo de las criptomonedas, desde el nacimiento de Theano en 2010, los marcos de IA tienen casi 14 años de historia. En el campo de la IA tradicional, hay marcos maduros disponibles, como TensorFlow de Google, Pytorch de Meta, entre otros.
Los proyectos de marco que están surgiendo actualmente en el ámbito de las criptomonedas se han creado en respuesta a la gran demanda de agentes impulsada por la ola de IA, y se han derivado hacia otras áreas, formando diferentes marcos de IA en nichos específicos. A continuación se presentan algunas introducciones a los marcos más destacados:
1.1 Eliza
Eliza es un marco de simulación de múltiples agentes, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Desarrollado en TypeScript, tiene buena compatibilidad y es fácil de integrar con API.
Eliza se centra principalmente en escenarios de redes sociales, soportando la integración de múltiples plataformas, como Discord, X/Twitter, Telegram, entre otras. En cuanto al procesamiento de contenido multimedia, admite análisis de documentos PDF, extracción de contenido de enlaces, procesamiento de audio y video, entre otras funciones.
Los casos de uso que actualmente admite Eliza son principalmente: aplicaciones de asistente de IA, roles en redes sociales, trabajadores del conocimiento y roles interactivos, entre otros. Los modelos soportados incluyen inferencia local de modelos de código abierto y inferencia en la nube de OpenAI API.
1.2 G.A.M.E
G.A.M.E es un marco de IA multimodal automático para la generación y gestión, dirigido principalmente al diseño de NPC inteligentes en juegos. La característica de este marco es que usuarios de bajo código e incluso sin código también pueden utilizarlo, solo necesitan modificar parámetros para participar en el diseño de Agentes.
G.A.M.E utiliza un diseño modular, trabajando en conjunto a través de múltiples subsistemas. La arquitectura central incluye la interfaz de interacción del Agent, el subsistema de percepción, el motor de planificación estratégica, el contexto del mundo, el módulo de procesamiento de diálogos y otros componentes.
Este marco se centra principalmente en la toma de decisiones, retroalimentación, percepción y personalidad de los agentes en entornos virtuales, siendo aplicable a escenarios de juegos y metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en Rust, diseñada para simplificar el desarrollo de aplicaciones de modelos de lenguaje grandes (LLM). Proporciona una interfaz de operación unificada, facilitando la interacción con múltiples proveedores de servicios LLM y bases de datos vectoriales.
Las características principales de Rig incluyen: interfaz unificada, arquitectura modular, seguridad de tipos y alto rendimiento. Su flujo de trabajo implica una capa de abstracción del proveedor, herramientas de invocación de agentes inteligentes o almacenamiento de vectores de consulta, así como la generación de respuestas a través de mecanismos como la generación aumentada por recuperación (RAG).
Rig es adecuado para construir sistemas de preguntas y respuestas, herramientas de búsqueda de documentos y aplicaciones como chatbots con capacidad de percepción contextual.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python que simplifica el proceso de implementación y gestión de agentes de IA en la plataforma X. Hereda las funciones centrales del proyecto Zerebro, pero adopta un diseño más modular y fácil de expandir.
ZerePy ofrece una interfaz de línea de comandos (CLI) para gestionar agentes de IA, soportando LLM de OpenAI y Anthropic, integrando directamente la API de la plataforma X. Su sistema de conexión modular permite a los desarrolladores añadir soporte para otras plataformas sociales o servicios.
En comparación con Eliza, ZerePy se centra más en simplificar el proceso de implementación de agentes de IA en la plataforma social específica (X), inclinándose hacia aplicaciones prácticas.
Dos, la réplica del ecosistema BTC
El camino de desarrollo del Agente de IA tiene similitudes con el ecosistema reciente de BTC. El ecosistema de BTC ha pasado por BRC20, competencia entre múltiples protocolos, BTC L2 hasta BTCFi centrado en Babylon. El Agente de IA se desarrolla más rápido sobre la base de una pila tecnológica de IA madura, y su trayectoria se puede resumir como: GOAT/ACT - Agentes de tipo Social/IA analítica - Competencia en marcos de Agentes. En el futuro, los proyectos de infraestructura en torno a la Descentralización de Agentes y la seguridad podrían convertirse en la próxima melodía principal.
La narrativa del Agente AI no es una reproducción de la historia de la cadena de contratos inteligentes, los proyectos de marco de IA existentes ofrecen nuevas ideas para el desarrollo de infraestructura. En comparación con Memecoin Launchpad y el protocolo de inscripciones, el marco de IA se asemeja más a una futura cadena pública, y el Agente se asemeja más a un futuro Dapp.
En la industria de las criptomonedas en la era de la IA, los debates futuros pueden cambiar de la competencia entre EVM y cadenas heterogéneas a la lucha por los marcos. La cuestión clave es cómo lograr la Descentralización o la cadena, así como el significado de desarrollar estos proyectos en la blockchain.
Tres, ¿cuál es el significado de la cadena?
Cuando la blockchain se combina con otros campos, enfrenta problemas de significado. Reflexionando sobre las razones del éxito de DeFi ( alta accesibilidad, alta eficiencia, bajo costo, seguridad descentralizada sin necesidad de confianza ), las razones que podrían apoyar la cadena de agentes son:
Reducir los costos de uso, aumentar la accesibilidad y la selectividad, permitir que los usuarios comunes participen en el "derecho de alquiler" de la IA.
Las soluciones de seguridad basadas en blockchain pueden convertirse en una necesidad, especialmente cuando el Agente interviene en carteras reales o virtuales.
Podrían formarse formas únicas de finanzas en blockchain, como un modelo similar al de LP en AMM, o la formación de nuevas formas financieras basadas en diferentes escenarios de aplicación.
La combinación de blockchain con agentes puede lograr un razonamiento transparente y rastreable, lo que resulta más atractivo que el navegador de agentes ofrecido por los gigantes de Internet tradicionales.
Cuatro, economía creativa
Los proyectos de tipo marco podrían ofrecer oportunidades emprendedoras similares a GPT Store en el futuro. Simplificar el proceso de construcción de agentes y proporcionar un marco para combinaciones de funciones complejas podría tener ventajas, formando una economía creativa de Web3 más interesante que GPT Store.
En comparación con GPT Store, la economía creativa de Web3 puede ser más justa, ya que la introducción de la economía comunitaria hace que el Agente sea más completo. Esta será una oportunidad para que las personas comunes participen; los futuros Memes de IA podrían ser más inteligentes y divertidos que los Agentes en las plataformas actuales.