Autor: Kevin, cercetător la BlockBooster

 

Fiind o piesă cheie a puzzle-ului pentru dezvoltarea industriei, cadrul Agentului AI poate conține potențialul dublu de promovare a implementării tehnologiei și a maturității ecologice. Cadrele discutate aprig pe piață includ: Eliza, Rig, Swarms, ZerePy etc. Aceste cadre atrag dezvoltatori și își construiesc reputația prin Github Repo. Aceste cadre sunt emise sub formă de monede „de bibliotecă”, similar modului în care lumina are caracteristicile atât ale undelor, cât și ale particulelor. Cadrul Agent are caracteristicile unor externalități serioase și Memecoin în același timp. Acest articol se va concentra pe explicarea „dualității val-particulă” a cadrului și de ce cadrul Agent poate deveni ultimul colț.

Externalitățile generate de cadrul Agent pot lăsa muguri de primăvară după ce bula se stinge.

De la nașterea lui GOAT, impactul narațiunii Agent pe piață a crescut Ca un maestru Kung Fu, cu pumnul stâng „Memecoin” și cu palma dreaptă „Speranța industrială”, vei fi întotdeauna învins într-una dintre mișcări. . De fapt, scenariile de aplicare ale AI Agent nu sunt strict distinse, iar granițele dintre platforme, cadre și aplicații specifice sunt neclare, dar pot fi încă clasificate aproximativ în funcție de preferințele token-urilor sau protocoalelor. Cu toate acestea, în funcție de preferințele de dezvoltare ale token-urilor sau protocoalelor, acestea pot fi încă împărțite în următoarele categorii:

  • Launchpad: platformă de păr active. Virtuals Protocol și clanker pe lanțul de bază, Dasha pe lanțul Solana.

  • Aplicația AI Agent: este gratuită între Agent și Memecoin și are caracteristici remarcabile în configurarea memoriei de memorie, cum ar fi GOAT, aixbt etc. Aceste aplicații au, în general, ieșire unidirecțională și condiții de intrare foarte limitate.

  • Motorul AI Agent: griffain al lanțului Solana și Spectre AI al lanțului de bază. griffain poate evolua de la modul de citire și scriere la modul de citire, scriere și acțiune Spectre AI este un motor RAG și de căutare în lanț.

  • Cadrul agentului AI: pentru platforma cadru, Agentul în sine este un activ, astfel încât cadrul Agentului este platforma de emitere a activelor Agentului și Launchpadul Agentului. Actualele proiecte reprezentative includ ai16, Zerebro, ARC și Swarms, care au fost discutate aprig în ultimele două zile.

  • Alte direcții mici: Agent Simmi, falsificare Agent Seraph în timp real;

Discuând în continuare cadrul Agentului, putem vedea că acesta are suficiente externalități. Spre deosebire de lanțurile și protocoalele publice majore, dezvoltatorii pot alege doar din diferite medii de limbaj de dezvoltare, iar numărul total de dezvoltatori din industrie nu a înregistrat o creștere corespunzătoare a valorii de piață. Github Repo este locul în care dezvoltatorii Web2 și Web3 construiesc un consens. Comunitatea de dezvoltatori stabilită aici este mai atractivă și mai influentă pentru dezvoltatorii Web2 decât pachetul „plug and play” dezvoltat doar de orice protocol.

Cele patru framework-uri menționate în acest articol sunt toate open source: framework-ul Eliza ai16z a primit 6200 de stele Zerebro framework-ul RIG a primit 1700 de stele Swarms; În prezent, cadrul Eliza este utilizat pe scară largă în diverse aplicații Agent și este cadrul cu cea mai largă acoperire. Nivelul de dezvoltare al ZerePy nu este ridicat, direcția sa de dezvoltare este în principal pe X și încă nu acceptă LLM local și memoria integrată. RIG este relativ dificil de dezvoltat, dar poate oferi dezvoltatorilor libertatea de a maximiza optimizarea performanței. Swarms nu are alte cazuri de utilizare în afară de echipa care lansează mcs, dar Swarms poate integra diferite cadre și are mult spațiu pentru imaginație.

În plus, în clasificarea de mai sus, motorul Agent și cadrul sunt separate, ceea ce poate provoca confuzie. Dar cred că există o diferență între cele două. În primul rând, de ce un motor? Analogia dintre Lenovo și motoarele de căutare din viața reală este relativ consistentă. Spre deosebire de aplicațiile omogene Agent, performanța motorului Agent este peste el, dar în același timp este o cutie neagră complet încapsulată care poate fi ajustată prin interfața API. Utilizatorii pot experimenta performanța motorului Agent sub forma unui furk, ​​dar nu pot avea imaginea completă și libertatea de personalizare ca cadrul de bază. Motorul fiecărui utilizator este ca și cum ar genera o imagine pe agentul reglat și interacționează cu imaginea. Cadrul este în esență să se adapteze la lanț, deoarece scopul final al realizării unui cadru Agent în Agent este de a se integra cu lanțul corespunzător, cum se definește metoda de interacțiune a datelor, cum se definește metoda de verificare a datelor, cum se definește blocul dimensiunea și cum să echilibrăm consensul și performanța, acestea sunt lucruri pe care cadrele trebuie să le ia în considerare. Și cum rămâne cu motorul? Trebuie doar să reglați complet modelul și să configurați relația dintre interacțiunea datelor și memorie într-o anumită direcție. Performanța este singurul criteriu de evaluare, dar cadrul nu este.

Utilizarea perspectivei „dualității val-particulă” pentru a evalua cadrul Agentului poate fi o condiție prealabilă pentru a ne asigura că ne mișcăm în direcția corectă.

În ciclul de viață al unui agent care execută o intrare și o ieșire, sunt necesare trei părți. În primul rând, modelul de bază determină profunzimea și modul de gândire, iar apoi memoria este un loc de personalizare.

Sursa: @SuhailKakar

Pentru a demonstra că cadrul Agentului are „dualitate val-particulă”, „val” are caracteristicile „Memecoin”, reprezentând cultura comunității și activitatea dezvoltatorului, subliniind atractivitatea și capacitatea de comunicare a Agentului „granul” reprezintă „industria așteptări" Caracteristici, reprezentând performanța de bază, cazuri practice de utilizare și profunzimea tehnică. Voi ilustra tutorialele de dezvoltare din două aspecte, combinând cele trei cadre ca exemple:

Rama Eliza asamblată rapid

  1. Configurați mediul înconjurător

Sursa: @SuhailKakar

  1. Instalează Eliza

Sursa: @SuhailKakar

3. Fișier de configurare

Sursa: @SuhailKakar

4.Setați personalitatea agentului

Sursa: @SuhailKakar

Cadrul Elizei este relativ ușor de utilizat. Se bazează pe TypeScript, un limbaj cu care sunt familiarizați majoritatea dezvoltatorilor web și web3. Cadrul este concis și nu prea abstract, permițând dezvoltatorilor să adauge cu ușurință funcțiile pe care le doresc. Prin pasul 3, puteți vedea că Eliza poate fi integrată cu mai mulți clienți și o puteți înțelege ca un asamblator pentru integrarea multi-client. Eliza acceptă platforme precum DC, TG și

Datorită simplității cadrului și bogăției interfețelor, Eliza a scăzut mult pragul de acces și a atins standarde de interfață relativ unificate.

Cadrul ZerePy cu un singur clic

1.Biblioteca Fork ZerePy

Sursa: https://replit.com/@blormdev/ZerePy?v=1

2. Configurați X și GPT

Sursa: https://replit.com/@blormdev/ZerePy?v=1

3.Setați personalitatea agentului

Sursa: https://replit.com/@blormdev/ZerePy?v=1

Cadru Rig optimizat pentru performanță

Luați ca exemplu construirea unui agent RAG (Retrieval Enhanced Generation):

1. Configurați mediul și cheia OpenAI

Sursa: https://dev.to/0thtachi/build-a-rag-system-with-rig-in-under-100-lines-of-code-4422

2. Configurați clientul OpenAI și utilizați Chunking pentru procesarea PDF

Sursa: https://dev.to/0thtachi/build-a-rag-system-with-rig-in-under-100-lines-of-code-4422

3. Configurați structura și încorporarea documentului

Sursa: https://dev.to/0thtachi/build-a-rag-system-with-rig-in-under-100-lines-of-code-4422

4. Creați stocare vectorială și agent RAG

Sursa: https://dev.to/0thtachi/build-a-rag-system-with-rig-in-under-100-lines-of-code-4422

Rig (ARC) este un cadru de construcție a sistemului AI bazat pe limbajul Rust pentru motoarele de flux de lucru LLM. Rezolvă problemele de optimizare a performanței de nivel inferior. stocarea datelor, gestionarea excepțiilor și alte servicii de suport de fundal.

Ceea ce vrea să rezolve Rig este problema „apelării” pentru a ajuta dezvoltatorii să aleagă mai bine LLM, să optimizeze mai bine cuvintele prompte, să gestioneze mai eficient jetoanele și cum să gestioneze procesarea concomitentă, să gestioneze resursele, să reducă latența etc. Accentul său este pus pe AI ​​Model LLM Cum să-l „folosești bine” atunci când colaborezi cu sistemul AI ​​Agent.

Rig este o bibliotecă Rust open source concepută pentru a simplifica dezvoltarea aplicațiilor bazate pe LLM, inclusiv agenții RAG. Deoarece Rig este mai deschis, are cerințe mai mari pentru dezvoltatori și o înțelegere mai bună a Rust și Agent. Tutorialul de aici este cel mai elementar proces de configurare a agentului RAG. RAG îmbunătățește LLM prin combinarea LLM cu recuperarea cunoștințelor externe. În alte DEMO-uri de pe site-ul oficial, puteți vedea că Rig are următoarele caracteristici:

  • Interfață LLM unificată: acceptă API-uri consecvente ale diferiților furnizori LLM pentru a simplifica integrarea.

  • Flux de lucru abstract: Componentele modulare prefabricate îi permit lui Rig să realizeze proiectarea sistemelor AI complexe.

  • Stocare vectorială integrată: suport încorporat pentru stocarea categoriei, oferind performanță eficientă în agenți de căutare similari, cum ar fi RAG Agent.

  • Încorporare flexibilă: Oferă un API ușor de utilizat pentru procesarea încorporarii, reducând dificultatea înțelegerii semantice atunci când se dezvoltă agenți de căutare similari, cum ar fi RAG Agent.

Se poate observa că, în comparație cu Eliza, Rig oferă dezvoltatorilor spațiu suplimentar pentru optimizarea performanței, ajutând dezvoltatorii să depaneze mai bine apelurile LLM și Agent și optimizarea colaborativă. Rig oferă performanță bazată pe Rust, profitând de abstracțiile cu costuri zero ale Rust și de operațiunile LLM de înaltă performanță și cu latență redusă, sigure pentru memorie. Poate oferi un grad mai bogat de libertate la nivel de bază.

Descompunerea cadrului combinat Swarms

Swarms își propune să ofere un cadru de orchestrare multi-agent la nivel de producție. Site-ul web oficial oferă zeci de fluxuri de lucru și arhitecturi paralele și seriale.

Flux de lucru secvenţial

Sursa: https://docs.swarms.world

Arhitectura Sequential Swarm procesează sarcini într-o secvență liniară. Fiecare agent își finalizează sarcina înainte de a transmite rezultatele următorului agent din lanț. Această arhitectură asigură o procesare ordonată și este utilă atunci când sarcinile au dependențe.

Caz de utilizare:

  • Fiecare pas dintr-un flux de lucru depinde de pasul anterior, cum ar fi o linie de asamblare sau procesarea secvențială a datelor.

  • Scenarii care necesită respectarea strictă a ordinii operațiunilor.

Arhitectura ierarhica:

Sursa: https://docs.swarms.world

Pentru a realiza un control de sus în jos, agentul superior coordonează sarcinile între agenții subordonați. Agenții efectuează sarcini simultan și apoi își transmit rezultatele înapoi în buclă pentru agregarea finală. Acest lucru este util pentru sarcini extrem de paralelizabile.

Arhitectura formatului foii de calcul:

Sursa: https://docs.swarms.world

Arhitectură de roi la scară largă pentru gestionarea mai multor agenți care lucrează simultan. Mii de agenți pot fi gestionați simultan, fiecare rulând pe firul său propriu. Este ideal pentru supravegherea producției de agenți la scară largă.

Swarms nu este doar un cadru Agent, este și compatibil cu cadrele Eliza, ZerePy și Rig menționate mai sus. Cu o idee modulară, maximizează performanța Agentului în diferite fluxuri de lucru și arhitecturi pentru a rezolva problemele corespunzătoare. Nu există nicio problemă cu conceptul de Swarms și cu progresul comunității de dezvoltatori.

  1. Eliza: Cel mai ușor de utilizat, potrivit pentru începători și pentru prototipare rapidă, potrivit în special pentru interacțiunea AI pe platformele de social media. Cadrul este simplu, ușor de integrat și modificat rapid și este potrivit pentru scenarii care nu necesită o optimizare excesivă a performanței.

  2. ZerePy: implementare cu un singur clic, potrivită pentru dezvoltarea rapidă a aplicațiilor AI Agent pentru Web3 și platforme sociale. Potrivit pentru aplicații AI ușoare, cu un cadru simplu și configurație flexibilă, potrivite pentru construcție și iterare rapidă.

  3. Rig: se concentrează pe optimizarea performanței, în special funcționează bine în sarcini de concurență ridicată și de înaltă performanță și este potrivit pentru dezvoltatorii care necesită control și optimizare detaliat. Cadrul este relativ complex și necesită o anumită cantitate de cunoștințe Rust, ceea ce îl face potrivit pentru dezvoltatorii mai experimentați.

  4. Swarms: Potrivit pentru aplicații la nivel de întreprindere, care acceptă colaborarea cu mai mulți agenți și gestionarea sarcinilor complexe. Cadrul este flexibil, suportă procesare masiv paralelă și oferă configurații arhitecturale multiple, dar datorită complexității sale, poate necesita un fundal tehnic mai puternic pentru o aplicare eficientă.

În general, Eliza și ZerePy au avantaje în ceea ce privește ușurința în utilizare și dezvoltarea rapidă, în timp ce Rig și Swarms sunt mai potrivite pentru dezvoltatorii profesioniști sau aplicațiile de întreprindere care necesită performanță ridicată și procesare la scară largă.

Acesta este motivul pentru care cadrul Agent are caracteristica „speranță în industrie” Cadrul de mai sus este încă în fazele sale incipiente, iar prioritatea principală este de a profita de avantajul primului mișcare și de a stabili o comunitate activă de dezvoltatori. Performanța cadrului în sine și dacă acesta rămâne în urma aplicațiilor populare Web2 nu sunt principalele contradicții. Numai cadrele cu un aflux continuu de dezvoltatori pot câștiga în cele din urmă, pentru că industria Web3 trebuie să atragă întotdeauna atenția pieței Indiferent cât de puternică este performanța framework-ului și cât de solide sunt fundamentele, dacă este dificil de început și nu cuiva îi pasă, va pune căruța înaintea calului. Pornind de la premisa că framework-ul în sine poate atrage dezvoltatori, vor ieși în evidență cadrele cu modele economice simbolice mai mature și complete.

Cadrul Agent are caracteristica „Memecoin”, care este foarte ușor de înțeles. Niciunul dintre jetoanele-cadru menționate mai sus nu are un design rezonabil de token. Token-urile nu au cazuri de utilizare sau cazuri de utilizare foarte unice nu există nicio legătură între acesta și jetoane. Combinație organică completă, creșterea prețului token-ului este dificil de obținut suport fundamental, cu excepția FOMO, și nu există suficient șanț pentru a asigura o creștere stabilă și durabilă a valorii. În același timp, cadrul menționat mai sus pare relativ dur, iar valoarea sa reală nu se potrivește cu valoarea actuală de piață, așa că are caracteristici puternice „Memecoin”.

Este demn de remarcat faptul că „dualitatea undă-particulă” a cadrului Agent nu este un dezavantaj și nu poate fi înțeleasă aproximativ ca o sticlă de apă pe jumătate goală, care nu este nici un Memecoin pur, nici un caz de utilizare a simbolurilor. După cum am menționat în articolul meu anterior: Agentul ușor este acoperit cu vălul ambiguu Memecoin, cultura comunității și fundamentele nu vor mai fi contradictorii, iar o nouă cale de dezvoltare a activelor apare treptat, deși Agent Există bule și incertitudini în stadiile incipiente; cadrul, dar potențialul său de a atrage dezvoltatori și de a promova implementarea aplicațiilor nu poate fi ignorat. În viitor, un cadru cu un model economic complet și un ecosistem puternic pentru dezvoltatori poate deveni un pilon cheie al acestei piese.

 

Despre BlockBooster: BlockBooster este un studio asiatic de capital de risc Web3 susținut de OKX Ventures și alte instituții de top, angajat să devină un partener de încredere pentru antreprenorii remarcabili. Prin investiții strategice și incubare aprofundată, conectăm proiectele Web3 cu lumea reală și ajutăm proiectele antreprenoriale de înaltă calitate să crească.

Disclaimer: Acest articol/blog este doar pentru referință și reprezintă opiniile personale ale autorului și nu reprezintă poziția BlockBooster. Acest articol nu este destinat să ofere: (i) consiliere de investiții sau recomandări de investiții (ii) o ofertă sau o solicitare de a cumpăra, vinde sau deține active digitale sau (iii) consiliere financiară, contabilă, juridică sau fiscală; Deținerea de active digitale, inclusiv monede stabile și NFT, este extrem de riscantă, cu fluctuații mari de preț și poate chiar deveni fără valoare. Ar trebui să vă gândiți cu atenție dacă tranzacționarea sau deținerea de active digitale este potrivită pentru dvs., pe baza propriei situații financiare. Vă rugăm să consultați consilierul juridic, fiscal sau de investiții dacă aveți întrebări cu privire la situația dvs. specifică. Informațiile furnizate aici (inclusiv datele și statisticile de piață, dacă există) sunt furnizate doar pentru informații generale. S-a acordat o atenție rezonabilă în pregătirea acestor date și grafice, dar nu poate fi acceptată nicio răspundere pentru eventualele erori sau omisiuni de fapt exprimate în acestea.