Переведите оригинальное название: является ли фреймворк AI Agent последним кусочком головоломки? Как интерпретировать «волновую-частицевую двойственность» фреймворков?

Фреймворк AI Agent, как ключевой элемент в развитии отрасли, может нести в себе двойной потенциал для развития технологии и созревания экосистемы. Некоторые из наиболее обсуждаемых фреймворков на рынке включают Eliza, Rig, Swarms и ZerePy. Эти фреймворки привлекают разработчиков через свои хранилища в GitHub, создавая репутацию. Путем выпуска токенов через «библиотеки» эти фреймворки, подобно свету, олицетворяют как волновые, так и частицеподобные характеристики. Аналогично, фреймворки Agent обладают и серьезными внешними эффектами, и чертами Memecoin. В этой статье рассматривается «двойственность волна-частица» этих фреймворков и исследуется, почему фреймворк Agent может быть последним кусочком в пазле.

Внешние эффекты, вызванные агентскими структурами, могут оставить долгосрочный рост после того, как пузырь лопнет

С момента появления GOAT внимание рынка к агентской нравственности увеличивается, подобно мастеру боевых искусств, наносящему мощный удар - левый кулак представляет "Мемкойн", а правая ладонь - "надежда отрасли", вы можете быть побеждены одним из этих ходов. На самом деле сценарии применения ИИ-агентов не строго дифференцированы, и границы между платформами, фреймворками и конкретными приложениями размыты. Тем не менее, их все еще можно грубо классифицировать в соответствии с предпочтениями токенов или протоколов. Исходя из предпочтений развития токенов или протоколов, их можно обычно классифицировать по следующим категориям:

• Launchpad: Платформы выпуска активов. Примеры включают Virtuals Protocol и Clanker на базовой цепи, а также Dasha на цепи Solana.
• Приложения искусственного интеллекта: Они колеблются между Agent и Memecoin и имеют выдающиеся особенности в конфигурации памяти, такие как GOAT, aixbt и т.д. Эти приложения обычно имеют односторонние выходы с очень ограниченными входными условиями.
• AI Агентные двигатели: Примеры включают Griffain на цепочке Solana и Spectre AI на базовой цепочке. Griffain развивается из режима чтения-записи в режим чтения-записи-действия; Spectre AI - это RAG-движок, используемый для поиска в цепочке.
• Фреймворки искусственного интеллекта: Для платформ фреймворков сам агент является активом. Поэтому фреймворк агентов выступает в качестве платформы выпуска активов и площадки для запуска агентов. Представительские проекты включают ai16, Zerebro, ARC и широко обсуждаемые Swarms.
• Другие меньшие направления: Комплексные проекты агентов, такие как Simmi, режим протокола AgentFi, агент Seraph, тип фальсификации и API реального времени Agent Creator.Bid.

При дальнейшем обсуждении фреймворка Agent можно увидеть, что он имеет значительные внешние эффекты. В отличие от разработчиков основных общедоступных цепей и протоколов, которые могут выбирать только из различных сред программирования, общий размер сообщества разработчиков в отрасли не показал соответствующего роста в рыночной капитализации. Репозитории GitHub - это место, где Web2 и Web3 разработчики формируют консенсус. Создание сообщества разработчиков здесь намного более привлекательно и влиятельно для разработчиков Web2, чем любой индивидуально разработанный «plug-and-play» пакет протокола.

В этой статье упоминаются четыре фреймворка, все они с открытым исходным кодом:

• Фреймворк Eliza от ai16z получил 6 200 звезд.
• Фреймворк ZerePy от Zerebro получил 191 звезду.
• Фреймворк RIG от ARC получил 1 700 звезд.
• Фреймворк Swarms от Swarms получил 2 100 звезд.

В настоящее время фреймворк Eliza широко используется в различных приложениях Agent и является наиболее распространенным фреймворком. Развитие ZerePy не является высоко продвинутым, и его развитие в основном связано с X. В настоящее время он не поддерживает локальные LLM и интегрированную память. У RIG наибольшая относительная сложность разработки, но он предлагает разработчикам наибольшую свободу для достижения оптимизации производительности. Swarms, помимо запуска командой mcs, пока не имеет других сценариев использования. Однако Swarms может интегрироваться с различными фреймворками и предлагает значительный потенциал.

Кроме того, в вышеупомянутой классификации разделение ядра агента и фреймворка может привести к путанице. Но я считаю, что это разные вещи. Во-первых, почему он называется двигателем? Аналогия с поисковыми системами в реальной жизни относительно уместна. В отличие от гомогенизированных приложений Агента, производительность движка Агента находится на более высоком уровне, но он полностью инкапсулирован, а корректировки вносятся через API-интерфейсы, как черный ящик. Пользователи могут оценить производительность механизма агента, создав его ответвление, но они не могут контролировать полную картину или свободу настройки, как это происходит с базовой платформой. Движок каждого пользователя похож на генерацию зеркала на обученном агенте и взаимодействие с этим зеркалом. С другой стороны, фреймворк в принципе предназначен для адаптации к цепочке, потому что, когда агент строит фреймворк агента, конечной целью является интеграция с соответствующей цепочкой. Как определить методы взаимодействия с данными, как определить методы проверки данных, как определить размер блока и как сбалансировать консенсус и производительность — это то, что необходимо учитывать инфраструктуре. Что касается движка, то ему нужно только тонко настроить модель и настроить взаимосвязь между взаимодействием данных и памятью в одном направлении. Производительность является единственным стандартом оценки, в то время как фреймворк не ограничивается этим.

Рассмотрение агентской структуры с позиции "двойственности волн-частиц" может быть предпосылкой для оставания на правильном пути

Жизненный цикл ввода-вывода агента состоит из трех частей. Сначала базовая модель определяет глубину и метод мышления. Затем происходит настройка памяти. После того, как базовая модель создает вывод, он модифицируется на основе памяти. Наконец, операция вывода завершается на разных клиентах.

Источник: @SuhailKakar

Для подтверждения, что агентский фреймворк обладает "двойственностью волн-частиц", "волна" представляет характеристики "Memecoin", которые олицетворяют культуру сообщества и активность разработчиков, подчеркивая привлекательность и способность распространения агента. "Частица" представляет характеристики "ожиданий от отрасли", которые олицетворяют базовую производительность, фактические случаи использования и техническую глубину. Я объясню это, объединяя два аспекта, используя учебные пособия по разработке трех фреймворков в качестве примеров:

Быстрая интеграция фреймворка Eliza

1. Настройка среды

Источник: @SuhailKakar

1. Установите Eliza

Источник: @SuhailKakar

1. Файл конфигурации

Источник: @SuhailKakar

4. Установите личность агента

Источник: @SuhailKakar

Начать работу с фреймворком Eliza относительно просто. Он основан на TypeScript, языке, с которым знакомо большинство веб- и Web3-разработчиков. Фреймворк прост и избегает чрезмерной абстракции, позволяя разработчикам легко добавлять нужные им функции. Из шага 3 мы видим, что Eliza поддерживает многоклиентскую интеграцию и может быть понята как ассемблер для мультиклиентской интеграции. Eliza поддерживает такие платформы, как DC, TG и X, а также различные большие языковые модели. Он позволяет вводить данные через вышеупомянутые социальные сети и выводить данные через модели LLM, а также поддерживает встроенное управление памятью, позволяя любому разработчику с различными привычками быстро развернуть агент ИИ.

Из-за простоты структуры и богатства ее интерфейсов Eliza значительно снижает порог доступа и достигает относительно унифицированного стандарта интерфейса.

Использование фреймворка ZerePy в один клик

1. Форк репозитория ZerePy

Источник:https://replit.com/

1. Настройка X и GPT

Источник:https://replit.com/

3. Установить характер агента

Источник:https://replit.com/

Фреймворк оптимизированной производительности

Возьмем строительство агента RAG (Retrieval-Augmented Generation) в качестве примера:

1. Настройте среду и ключ OpenAI

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

1. Установите OpenAI Client и используйте фрагментацию для обработки PDF

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

1. Установить структуру документа и встраивание

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

1. Создать хранилище векторов и агента RAG

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

Rig (ARC) — это фреймворк для построения систем искусственного интеллекта, основанный на языке Rust для движков рабочих процессов LLM. Он решает низкоуровневые проблемы оптимизации производительности. Другими словами, ARC — это «инструментарий» движка ИИ, который обеспечивает вызовы ИИ и оптимизацию производительности. , хранение данных, обработка исключений и другие услуги фоновой поддержки.

Что хочет решить Rig, это проблема "вызова", чтобы помочь разработчикам лучше выбирать LLM, лучше оптимизировать слова подсказки, эффективнее управлять токенами, управлять ресурсами, уменьшать задержку и т. д. Его фокус - на модели AI LLM Как "хорошо использовать" ее в сотрудничестве с системой AI Agent.

Rig— библиотека Rust с открытым исходным кодом, предназначенная для упрощения разработки приложений, управляемых LLM, включая агентов RAG. Поскольку Rig более открытый, у него более высокие требования к разработчикам и более глубокое понимание Rust и Agent. В этом руководстве описан самый простой процесс настройки агента RAG. RAG расширяет возможности LLM, объединяя LLM с внешним поиском знаний. В других демо на официальном сайте можно увидеть, что Rig имеет следующие характеристики:

• Единый интерфейс LLM: поддерживает однородные API различных поставщиков LLM, упрощая интеграцию.
• Абстрактный рабочий процесс: Предварительно созданные модульные компоненты позволяют Rig осуществлять проектирование сложных систем искусственного интеллекта.
• Хранилище интегрированных векторов: Встроенная поддержка хранения жанров обеспечивает эффективную производительность в поисковых агентах, подобных RAG Agent.
• Гибкая встраиваемость: обеспечивает простой в использовании API для обработки встраивания, снижая сложность семантического понимания при разработке аналогичных поисковых агентов, таких как агент RAG.

Можно заметить, что по сравнению с Eliza, Rig предоставляет разработчикам дополнительное пространство для оптимизации производительности, помогая разработчикам лучше отлаживать вызовы и оптимизацию сотрудничества LLM и агента. Rig обеспечивает производительность на основе Rust, используя нулевые абстракции Rust и безопасную для памяти, высокопроизводительную, с низкой задержкой операцию LLM. Он может обеспечивать более насыщенную степень свободы на нижнем уровне.

Модульная композиция роевой структуры

Swarms aims to provide an enterprise-grade production-level multi-Agent orchestration framework. The official website offers dozens of workflows and parallel/serial architectures for Agent tasks. Below is a brief introduction to a small portion of them.

Последовательный рабочий процесс

Источник: https://docs.swarms.world

Архитектура последовательной роения обрабатывает задачи линейно. Каждый агент завершает свою задачу перед передачей результатов следующему агенту в цепочке. Эта архитектура обеспечивает упорядоченную обработку и полезна, когда задачи имеют зависимости.

Пример использования:

• Каждый шаг в рабочем процессе зависит от предыдущего, как в конвейере или последовательной обработке данных.
• Сценарии, требующие строгое соблюдение последовательности операций.

Иерархическая архитектура:

Источник: https://docs.swarms.world

Эта архитектура реализует вертикальное управление, где высокоуровневый агент координирует задачи между агентами более низкого уровня. Агенты выполняют задачи параллельно и обратно связывают свои результаты в цикле для окончательной агрегации. Это особенно полезно для задач, которые можно сильно параллелить.

Источник: https://docs.swarms.world

Эта архитектура разработана для управления крупномасштабными группами Агентов, работающими одновременно. Она может управлять тысячами Агентов, каждый из которых работает в своем собственном потоке. Идеально подходит для контроля за результатами операций крупномасштабных Агентов.

Swarms - это не только фреймворк Agent, но и совместим с ранее упомянутыми фреймворками Eliza, ZerePy и Rig. С модульным подходом он максимизирует производительность агентов в различных рабочих процессах и архитектурах для решения соответствующих проблем. Концепция и разработка Swarms, вместе с его сообществом разработчиков, продвигаются хорошо.

• Eliza: Предлагает лучшую простоту использования, что делает его подходящим для начинающих и быстрого прототипирования, особенно для взаимодействия с искусственным интеллектом на платформах социальных медиа. Фреймворк прост и легко интегрируется и модифицируется, подходит для сценариев, которые не требуют обширной оптимизации производительности.
• ZerePy: Однокликвенное развертывание, идеально подходит для быстрого развития приложений AI Agent на платформах Web3 и социальных сетях. Подходит для легких приложений AI с простой структурой и гибкой конфигурацией для быстрой настройки и итерации.
• Rig: фокусируется на оптимизации производительности, особенно в задачах с высокой конкурентоспособностью и высокой производительностью. Он идеально подходит для разработчиков, которым необходимо детальное управление и оптимизация. Фреймворк более сложный и требует знания Rust, что делает его подходящим для более опытных разработчиков.
• Рои: подходят для приложений корпоративного уровня, поддерживают сотрудничество многих агентов и управление сложными задачами. Фреймворк гибкий, поддерживает параллельную обработку большого масштаба и предлагает различные конфигурации архитектуры. Однако из-за своей сложности может потребоваться более сильный технический фон для эффективного использования.

В целом, Eliza и ZerePy имеют преимущества в удобстве использования и быстром развитии, в то время как Rig и Swarms более подходят для профессиональных разработчиков или предприятий, требующих высокой производительности и обработки больших объемов данных.

Вот почему фреймворк Agent обладает характеристикой «надежды индустрии». Упомянутые выше фреймворки все еще находятся в ранней стадии, и первоочередной задачей является получение преимущества первого игрока и создание активного сообщества разработчиков. Производительность фреймворка и то, отстает ли он от популярных приложений Web2, не являются первостепенными вопросами. Только те фреймворки, которые могут постоянно привлекать разработчиков, в конечном итоге будут успешными, потому что Web3 всегда нуждается в том, чтобы привлекать внимание рынка. Неважно, насколько сильна производительность фреймворка или насколько крепки его основы, если он сложен в использовании и не привлекает пользователей, это будет контрпродуктивно. Предоставив фреймворку возможность привлечь разработчиков, те, у которых более зрелая и полная модель экономики токенов, будут выделяться.

Характеристика «Memecoin», характерная для Agent-фреймворков, довольно проста в понимании. Токены упомянутых выше фреймворков не имеют разумного дизайна токеномики, лишены случаев использования или имеют очень ограниченные, и не имеют проверенных бизнес-моделей. Нет эффективного токен-флайвила. Фреймворки просто фреймворки, и между фреймворком и токеном не было никакой органической интеграции. Рост цены на токен, помимо FOMO, имеет мало поддержки от фундаментальных факторов и лишен сильного рва, чтобы обеспечить стабильный и долгосрочный рост ценности. В то же время сами фреймворки все еще несколько грубы, и их фактическая стоимость не соответствует их текущей рыночной стоимости, проявляя сильные характеристики «Memecoin».

Стоит отметить, что «корпускулярно-волновой дуализм» фреймворка Agent не является недостатком и не должен грубо интерпретироваться как фреймворк, который не является ни чистым Memecoin, ни половинчатым решением без вариантов использования токенов. Как я уже упоминал в предыдущей статье, легковесные агенты покрыты неоднозначной завесой мемкоина. Культура и основы сообщества больше не будут противоречить, и постепенно появляется новый путь развития активов. Несмотря на первоначальный пузырь и неопределенность, связанную с платформами Agent, не следует игнорировать их потенциал для привлечения разработчиков и стимулирования внедрения приложений. В будущем фреймворки с хорошо проработанной моделью экономики токенов и сильной экосистемой разработчиков могут стать ключевыми столпами этого сектора.

Отказ от ответственности:

1. Эта статья воспроизводится из [odaily]. Перефразируем оригинальное название: является ли AI Agent Framework последним кусочком головоломки? Как интерпретировать «корпускулярно-волновой дуализм» фреймворков? Авторские права принадлежат первоначальному автору [Кевину, исследователю BlockBooster]. Если у вас есть какие-либо возражения против перепечатки, пожалуйста, свяжитесь с нами Команда Gate Learn, команда обработает это как можно скорее в соответствии с соответствующими процедурами.
2. Отказ от ответственности: Взгляды и мнения, высказанные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционным советом.
3. Команда Gate Learn перевела статью на другие языки. Копирование, распространение или плагиат переведенных статей запрещены, если не указано иное.