Фреймворк AI Agent - последний кусочек в пазле? Как читать "волновую-частицевую дуальность" фреймворка?

Написал: Кевин, исследователь в BlockBooster

Фреймворк AI Agent как ключевой кирпич развития отрасли, возможно, скрывает в себе двойной потенциал для стимулирования технологической реализации и зрелости экосистемы. Среди обсуждаемых на рынке фреймворков: Eliza, Rig, Swarms, ZerePy и т. д. Эти фреймворки привлекают разработчиков через Github Repo, устанавливают авторитет. Предоставляя возможность выпуска монет в виде “библиотек”, эти фреймворки, подобно свету, одновременно обладают как волновыми, так и частицами свойств, фреймворк Agent одновременно обладает серьезным внешним воздействием и характеристиками Memecoin. В данной статье будет акцентировано внимание на “двойственную природу волн и частиц” фреймворка и почему фреймворк Agent может стать последним кирпичом.

Экономические внешности, порождаемые агентской структурой, оставляют почки после того, как пузырь исчезает.

С момента появления GOAT мощь рынка непрерывно растет, как умелый мастер боевых искусств, левым кулаком ‘Memecoin’, правой ладонью ‘надежда отрасли’, вы всегда будете проигрывать в одном из этих приемов. На самом деле сферы применения AI Agent нестрого разграничены, границы между платформой, фреймворком и конкретным применением размыты, но все же можно грубо классифицировать в соответствии с предпочтениями токенов или протоколов. Однако в зависимости от предпочтений токенов или протоколов развитие все же можно разделить на несколько категорий:

Launchpad: платформа для выпуска активов. Virtuals Protocol и Clanker на базовой цепи, Dasha на цепи Solana.

Приложение AI Agent: оно находится между Agent и Memecoin и имеет преимущества в настройке памяти, например, GOAT, aixbt и т. д. Эти приложения обычно имеют однонаправленный вывод и очень ограниченные входные условия.

AI Agent Engine: Griffain для Solana Chain и Spectre AI для Base Chain. Griffain может эволюционировать от модели чтения-записи к модели чтения-записи-действия; Spectre AI — это движок RAG, ончейн-поиск.

Фреймворк AI Agent: Для платформы фреймворка сам Agent является активом, поэтому фреймворк AI Agent является платформой выпуска активов Agent, является Launchpad для Agent. В настоящее время наиболее представительными проектами являются ai16, Zerebro, ARC и Swarms, которые обсуждаются в последние дни.

Другие малые направления: сбалансированный агент Simmi; режим протокола AgentFi; агент Seraph для проверки подлинности; создатель API-агента Creator.Bid в режиме реального времени.

При дальнейшем обсуждении агентской архитектуры можно заметить, что она обладает достаточной внешностью. В отличие от разработчиков крупных публичных цепей и протоколов, которые могут выбирать только из различных языков разработки, общий объем разработчиков в отрасли не увеличивается соответственно росту рыночной стоимости. Репозиторий Github - это место, где Web2- и Web3-разработчики достигают согласия, создают сообщество разработчиков и обладают большей привлекательностью и влиятельностью для разработчиков Web2, чем любой отдельный пакет, разработанный отдельным протоколом.

Упомянутые в этой статье 4 фреймворка все открыты: фреймворк Eliza от ai16z получил 6200 звезд; фреймворк ZerePy от Zerebro получил 191 звезд; фреймворк RIG от ARC получил 1700 звезд; фреймворк Swarms от Swarms получил 2100 звезд. В настоящее время фреймворк Eliza широко используется в различных приложениях агентов и является наиболее широко охватывающим фреймворком. Уровень развития ZerePy не слишком высок, основное направление развития находится в области X, пока не поддерживает местную LLM и интегрированную память. Относительно самой высокой сложности разработки RIG, но может обеспечить разработчику максимальную свободу для оптимизации производительности. Swarms, кроме того, что команда представила mcs, не имеет других применений, но Swarms может интегрировать различные фреймворки и имеет большое пространство для фантазии.

Кроме того, в указанной классификации разделение движка и фреймворка может вызвать недопонимание. Но, на мой взгляд, они имеют различие. Во-первых, почему движок? Сравнение с поисковым движком в реальной жизни вполне соответствует. В отличие от однородных приложений Agent, производительность движка Agent выше, но в то же время он полностью запечатан и настраивается через api-интерфейс как черный ящик. Пользователи могут испытать производительность движка Agent путем форка, но не могут, как в случае с базовым фреймворком, полностью освоить и настроить его. Каждый движок пользователя похож на создание зеркала на хорошо настроенном Agent, это взаимодействие с зеркалом. А фреймворк в основном предназначен для адаптации к цепочке, потому что когда Agent делает фреймворк Agent, конечная цель состоит в интеграции с соответствующей цепочкой, как определять способы взаимодействия с данными, как определять способы проверки данных, как определять размер блока, как сбалансировать согласование и производительность, все это – вопросы, которые должен рассматривать фреймворк. А что касается движка? Ему нужно лишь в одном направлении полностью настроить модель и установить связь между данными, производительность – единственный критерий оценки, в то время как у фреймворка все иначе.

Оценка фреймворка Agent с точки зрения “волново-корпускулярной двойственности”, возможно, является предпосылкой для того, чтобы двигаться в правильном направлении.

В жизненном цикле ввода-вывода агента требуется три части. Во-первых, базовая модель определяет глубину и способ мышления, затем память - это настраиваемое место, после того как у базовой модели есть выход, она изменяется в соответствии с памятью, и, наконец, завершается операцией вывода на разных клиентских устройствах.

Источник: @SuhailKakar

Для подтверждения того, что агентский фреймворк обладает «волново-корпускулярным дуализмом», «волна» обладает характеристиками «Memecoin», представляя культуру сообщества и активность разработчиков, подчеркивая привлекательность и распространительные возможности агента; «корпускула» представляет характеристики «ожиданий от отрасли», представляя базовую производительность, фактические случаи использования и техническую глубину. Я буду объяснять на примере разработки учебных пособий для трех фреймворков с двух сторон по-отдельности.

Быстрая сборка фреймворка Eliza

1. Установка окружения

Источник: @SuhailKakar

2. Установка Eliza

Источник: @SuhailKakar

3.настройка файла

Источник: @SuhailKakar

4.Настройка характеристик агента

Источник: @SuhailKakar

Фреймворк Eliza, относительно, легко освоить. Он основан на TypeScript, который знаком большинству веб-разработчиков и разработчиков Web3. Фреймворк компактный, без чрезмерной абстракции, что позволяет разработчикам легко добавлять необходимый функционал. На шаге 3 можно увидеть, что Eliza может быть интегрирована в несколько клиентов, что можно рассматривать как сборщик для многоклиентской интеграции. Eliza поддерживает платформы DC, TG и X, а также поддерживает несколько крупных языковых моделей, которые могут использоваться для ввода через социальные медиа, модель LLM для вывода, а также поддерживает встроенное управление памятью, что позволяет разработчикам быстро развернуть искусственный интеллект.

Благодаря простоте структуры и богатому интерфейсу Eliza значительно снизила порог входа и реализовала относительно единый стандарт интерфейса.

Фреймворк ZerePy с одним щелчком

1.Форк хранилища ZerePy

Источник:

2. Настройка X и GPT

Источник:

3. Настройка характера агента

Источник:

Оптимизированный по производительности каркас Rig

На примере создания агента RAG (Retrieve-Augment-Generate)

1. Настройка среды и ключ OpenAI

Источник:

2.Настройка клиента OpenAI и использование Chunking для обработки PDF

Источник:

3. установка структуры документа и встраивание

Источник:

4. Создание векторного хранилища и агента RAG

Источник:

Rig (ARC) - это фреймворк для построения системы искусственного интеллекта на основе языка Rust, ориентированный на рабочий процесс LLM, который решает проблемы оптимизации производительности на более низком уровне. Другими словами, ARC - это «набор инструментов» для AI-движка, который предоставляет фоновые поддерживающие службы для вызова искусственного интеллекта, оптимизации производительности, хранения данных, обработки исключений и т. д.

Rig решает проблему «вызова», чтобы помочь разработчикам лучше выбирать LLM, оптимизировать подсказки, более эффективно управлять токенами и обрабатывать одновременные запросы, управлять ресурсами и снижать задержку. Основное внимание уделяется тому, как «использовать его» в процессе совместной работы модели AI LLM и системы AI Agent.

Rig - это открытая библиотека Rust, которая упрощает разработку приложений, использующих драйвер LLM (включая RAG Agent). Поскольку Rig более открыт, требуется более высокий уровень понимания Rust и Agent для разработчиков. Здесь представлен самый основной процесс настройки RAG Agent, который усиливает LLM, сочетая его с внешним поиском знаний. В других DEMO на официальном сайте можно увидеть следующие характеристики Rig:

LLM интерфейс единый: поддерживает единое API для различных поставщиков LLM, упрощает интеграцию.

Абстрактный рабочий процесс: предварительно сконструированные модульные компоненты позволяют Rig осуществлять проектирование сложных систем искусственного интеллекта.

Векторное хранение интегрировано: встроенная поддержка хранения обрезанного тела обеспечивает эффективную производительность в агентах поиска, таких как RAG Agent.

Гибкое встраивание: предоставляет простой в использовании API для обработки встраивания, что снижает сложность семантического понимания при разработке агентов поиска, таких как RAG Agent.

Можно заметить, что по сравнению с Eliza, Rig предоставляет разработчикам дополнительное пространство для оптимизации производительности, помогая им лучше отлаживать вызовы и совместную оптимизацию LLM и Agent. Rig обеспечивает высокую производительность на основе Rust, используя преимущества Rust в нулевой стоимости абстракции и безопасности памяти, обеспечивая высокую производительность и низкую задержку операций LLM. Это позволяет обеспечить более широкие возможности на низком уровне.

Разложение и комбинирование фреймворка Swarms

Swarms предназначен для предоставления инфраструктуры оркестрации нескольких агентов корпоративного уровня производственного уровня, а официальный веб-сайт предоставляет десятки последовательных архитектур рабочих процессов и агентов, некоторые из которых описаны здесь.

Последовательный рабочий процесс

Источник:

Архитектура Swarm обрабатывает задачи в линейном порядке. Каждый агент завершает свою задачу, прежде чем передать результат следующему агенту в цепочке. Эта архитектура обеспечивает упорядоченную обработку и является особенно полезной, когда задачи имеют зависимости.

Примеры использования:

Каждый шаг в рабочем процессе зависит от предыдущего шага, например, линия сборки или последовательная обработка данных.

Сценарий должен строго соответствовать порядку действий.

Иерархическая архитектура:

Источник:

Реализация управления сверху вниз, в которой верхний уровень агента координирует задачи между нижними агентами. При этом агенты одновременно выполняют задачи, а затем обратная связь их результатов возвращается в цикл для окончательной агрегации. Это очень полезно для высокопараллельных задач.

Архитектура формата электронной таблицы:

Источник:

Архитектура масштабной группы для управления множеством агентов, работающих одновременно. Может управлять несколькими тысячами агентов, каждый из которых работает в собственном потоке. Это идеальный выбор для контроля вывода агентов в масштабе.

Swarms - это не только фреймворк Agent, но также совместим с вышеупомянутыми фреймворками Eliza, ZerePy и Rig, с модульным подходом, который максимизирует производительность Agent в различных рабочих процессах и архитектурах для решения соответствующих проблем. Концепция Swarms и развитие сообщества разработчиков находятся в порядке.

Eliza: максимальная удобность использования, подходит для начинающих и быстрой разработки прототипов, особенно подходит для взаимодействия искусственного интеллекта на платформах социальных медиа. Фреймворк прост и удобен для быстрой интеграции и изменения, подходит для сценариев, не требующих излишней оптимизации производительности.

ZerePy: развертывание в один клик для быстрой разработки приложений агентов искусственного интеллекта для Web3 и социальных платформ. Подходит для легких приложений ИИ, фреймворк прост, конфигурация гибкая и подходит для быстрого создания и итераций.

Rig: фокус на оптимизации производительности, особенно в условиях высокой нагрузки и выполнения высокопроизводительных задач, подходит для разработчиков, нуждающихся в тщательном контроле и оптимизации. Фреймворк довольно сложен, требует определенных знаний по Rust, подходит для более опытных разработчиков.

Swarms: подходит для предприятий, поддерживает совместную работу нескольких агентов и управление сложными задачами. Фреймворк гибкий, поддерживает параллельную обработку в масштабах и предоставляет различные конфигурации архитектуры, но из-за своей сложности может потребовать более глубоких технических знаний для эффективного применения.

В целом, Eliza и ZerePy имеют преимущества в использовании и быстрой разработке, в то время как Rig и Swarms лучше всего подходят для профессиональных разработчиков или предприятий, которым требуется высокая производительность и обработка в масштабе.

Вот почему фреймворк Agent обладает особенностью «надежды отрасли». Упомянутый выше фреймворк находится на ранней стадии развития, и наиболее важным является захват преимущества первопроходца и создание активного сообщества разработчиков. Сама по себе производительность фреймворка и неотстающая от популярных приложений Web2 не являются главными противоречиями. Только фреймворк, который непрерывно привлекает разработчиков, сможет в конечном итоге победить, потому что индустрии Web3 всегда требуется привлечение внимания рынка. Неважно насколько сильна производительность фреймворка и насколько крепки его основы, если он сложен в освоении и никого не интересует, то это неправильное соотношение приоритетов. При условии, что фреймворк сам по себе способен привлекать разработчиков, фреймворк с более зрелой и полной моделью экономики токенов будет выделяться.

Фреймворк Agent имеет характеристику «Memecoin», что легко понять. У вышеупомянутых фреймворков токены не имеют разумного экономического дизайна, у токенов нет использования или оно очень узкое, у них нет проверенной бизнес-модели, нет эффективного токен-флайру, фреймворк - это просто фреймворк, и он не органично связан с токеном, рост цены токена, кроме FOMO, трудно получить фундаментальную поддержку, нет достаточной защиты, чтобы обеспечить стабильный и долгосрочный рост ценности. В то же время упомянутый фреймворк сам по себе кажется довольно грубым, его реальная ценность не соответствует текущей рыночной стоимости, поэтому у него сильная характеристика «Memecoin».

Строительство структуры агента не является недостатком, и ее нельзя грубо понимать как половину банки воды, которая не является чисто мемкойном и не имеет случая использования токенов. Как я упоминал в предыдущей статье, легковесная структура агента покрывает себя двусмысленной вуалью мемкойна, и культура сообщества и основы больше не будут противоречить друг другу, новый путь развития активов постепенно проявляется; хотя в начальном периоде структуры агента существует пузырь и неопределенность, ее привлекательность для разработчиков и потенциал для стимулирования приложений не может быть недооценена. В будущем структура с развитой моделью токеномической экономики и мощной разработческой экосистемой может стать ключевой опорой в этой гонке.