介紹

在之前的文章中，我們頻繁討論了我們對當前 AI Meme 和未來 AI Agent 發展的看法。然而，AI Agent 軌道的快速敘事發展和演變仍然有些讓人應接不暇。自 “Truth Terminal” 上線和 Agent Summer 開始以來的短短兩個月內，AI 與加密的整合敘事幾乎每週都在演變。最近，市場的關注點開始轉向以技術敘事為主導的 “框架” 項目。這個小眾子領域在過去幾周已經湧現出多個市值超過十億美元的獨角獸項目。這些項目也帶來了資產發行的新範式，即項目基於 GitHub 代碼庫發行代幣，且在這些框架上構建的 Agent 也可以發行代幣。這個結構的核心是框架，Agent 則處於其之上。這種結構類似於資產發行平臺，但實際上它是 AI 時代新興的一種獨特基礎設施模型。我們應該如何看待這一新趨勢？本文將從框架的介紹入手，闡釋 AI 框架對加密領域的意義，並結合我們的思考進行解讀。

一、什麼是框架？

從定義上講，AI 框架是一個基礎開發工具或平臺，集成了一套預構建的模塊、庫和工具，以簡化構建複雜 AI 模型的過程。這些框架通常還包括處理數據、訓練模型和進行預測的功能。簡單來說，你可以將框架看作是 AI 時代的操作系統，類似於桌面操作系統（如 Windows 或 Linux）或移動操作系統（如 iOS 和 Android）。每個框架都有其自身的優缺點，開發者可以根據具體需求選擇適合的框架。

儘管 “AI 框架” 這一術語在加密領域仍然是一個相對較新的概念，但其發展實際上可以追溯到近 14 年前，始於 2010 年的 Theano。在傳統的 AI 社區中，無論是學術界還是工業界，都已經發展出非常成熟的框架供選擇，例如谷歌的 TensorFlow、Meta 的 PyTorch、百度的 PaddlePaddle 和字節跳動的 MagicAnimate，每一個在不同的場景中都有其優勢。

當前在加密領域湧現的 AI 框架項目，源自 AI 熱潮帶來對大量 Agent 的需求，這些框架進一步擴展到加密領域的其他軌道，最終形成了針對特定子領域的不同 AI 框架。讓我們來探討一些當前行業中的主流框架，以更好地說明這一點。

1.1 Eliza

首先，我們來考慮一下由 ai16z 創建的 Eliza 框架。它是一個多智能體模擬框架，旨在創建、部署和管理自主 AI 智能體。該框架使用 TypeScript 作為編程語言開發，優勢在於更好的兼容性和更易於 API 集成。根據官方文檔，Eliza 主要設計用於社交媒體，提供對多平臺的集成支持。該框架提供了完整的 Discord 集成功能，支持語音頻道、自動化 X/Twitter 帳戶、Telegram 集成以及直接 API 訪問。在媒體內容處理方面，它支持讀取和分析 PDF 文檔、提取和總結鏈接、音頻轉錄、視頻內容處理、圖像分析以及對話摘要。

Eliza 當前支持的用例包括以下四個類別：

• AI 助手應用：客戶支持代理、社區管理員、個人助手。
• 社交媒體角色：自動化內容創作者、互動機器人、品牌代表。
• 知識工作者：研究助手、內容分析師、文檔處理員。
• 互動角色：角色扮演角色、教育輔導員、娛樂機器人。

Eliza 當前支持的模型包括：

• 開源本地推理模型：如 Llama3、Qwen1.5、BERT。
• 通過 OpenAI API 進行雲推理。
• 默認配置為 Nous Hermes Llama 3.1B。
• 與 Claude 集成以處理複雜查詢。

1.2 G.A.M.E

G.A.M.E（Generative Autonomous Multimodal Entities Framework）是由 Virtual 推出的多模態 AI 框架，用於自動生成和管理，主要設計用於遊戲中的智能 NPC 設計。該框架的一個獨特之處在於，它允許即便是低代碼或無代碼的用戶，也能通過其試用界面簡單地修改參數，參與 Agent 的設計。

在項目架構方面， G.A.M.E 基於模塊化設計構建，多個子系統協同工作。具體架構如下：

1. Agent 提示接口：開發者與 AI 框架互動的接口。通過該接口，開發者可以啟動會話並指定會話 ID、Agent ID、用戶 ID 及其他參數。
2. 感知子系統：負責接收輸入信息、進行綜合處理並將其發送到戰略規劃引擎，還負責處理來自對話處理模塊的響應。
3. 戰略規劃引擎：整個框架的核心，分為高層規劃器和低層策略。高層規劃器負責制定長期目標和計劃，而低層策略則將這些計劃轉化為具體的行動。
4. 世界上下文：包含環境信息、世界狀態和遊戲狀態數據，幫助 Agent 理解當前的上下文。
5. 對話處理模塊：處理消息和響應，生成對話或反應作為輸出。
6. 鏈上錢包操作員：可能與區塊鏈技術應用相關，儘管具體功能尚不明確。
7. 學習模塊：從反饋中學習並更新 Agent 的知識庫。
8. 工作記憶：存儲最近的動作、結果和當前計劃等短期信息。
9. 長期記憶處理器：根據重要性、時效性和相關性等因素提取並排序關於 Agent 及其工作記憶的重要信息。
10. Agent 倉庫：存儲 Agent 的目標、反思、經驗和特徵。
11. 行動規劃者：根據低層策略生成具體的行動計劃。
12. 計劃執行器：執行由行動規劃者生成的行動計劃。

工作流程：開發者通過 Agent 提示接口啟動 Agent，感知子系統接收輸入並將其發送到戰略規劃引擎。引擎通過內存系統、世界上下文和 Agent 倉庫的幫助，制定並執行行動計劃。學習模塊監控 Agent 的行動並相應調整其行為。

應用場景：從整體技術架構來看，該框架專注於虛擬環境中 Agent 的決策、反饋、感知和個性。除了遊戲，它還適用於元宇宙。 Virtual 列出以下清單，顯示許多項目已經採用該框架進行構建。

1.3 Rig

Rig 是一個開源工具，使用 Rust 編寫，專門設計用於簡化大語言模型（ LLM ）應用程序的開發。它提供了一個統一的接口，使開發者能夠輕鬆地與多個 LLM 服務提供商（如 OpenAI 和 Anthropic ）以及各種向量數據庫（如 MongoDB 和 Neo4j ）進行交互。

關鍵特性：

• 統一接口：無論使用哪個 LLM 提供商或向量存儲， Rig 都提供一致的訪問方法，大大減少了集成工作的複雜性。
• 模塊化架構：該框架採用模塊化設計，包括“提供商抽象層”、“向量存儲接口”和“智能 Agent 系統”等關鍵組件，確保系統的靈活性和可擴展性。
• 類型安全：利用 Rust 的特性， Rig 實現了類型安全的嵌入操作，確保代碼質量和運行時安全性。
• 高性能：該系統支持異步編程，優化了併發處理能力。內置的日誌和監控功能有助於維護和故障排除。

工作流程： 當用戶進入 Rig 系統時，請求首先經過“提供商抽象層”，該層標準化了不同提供商之間的差異，並確保一致的錯誤處理。在核心層，智能 Agent 可以調用不同的工具或查詢向量存儲，以檢索所需的信息。最後，像檢索增強生成（ RAG ）這樣的高級機制將文檔檢索和上下文理解結合起來，生成準確且有意義的迴應，然後返回給用戶。

使用場景： Rig 適用於構建需要快速和準確問答的系統，創建高效的文檔搜索工具，開發具備上下文感知的聊天機器人或虛擬助手，甚至通過自動生成文本或其他形式的內容基於現有數據模式來支持內容創作。

1.4 ZerePy

ZerePy 是一個基於 Python 的開源框架，旨在簡化在 X（前身為 Twitter）平臺上部署和管理 AI 智能體。它從 Zerebro 項目演變而來，並繼承了其核心功能，但以更模塊化和可擴展的方式進行設計。其目標是讓開發者能夠輕鬆創建個性化的 AI 智能體，並在 X 平臺上實現各種自動化任務和內容創作。

ZerePy 提供了命令行界面（CLI），使用戶能夠方便地管理和控制他們部署的 AI 智能體。其核心架構是模塊化的，允許開發者靈活集成不同的功能模塊，如：

• LLM 集成：ZerePy 支持 OpenAI 和 Anthropic 的大語言模型（LLMs），允許開發者選擇最適合其應用的模型。這使得智能體能夠生成高質量的文本內容。
• X 平臺集成：該框架直接與 X 的 API 集成，允許智能體執行諸如發佈、回覆、點贊和轉發等任務。
• 模塊化連接系統：該系統允許開發者輕鬆地為其他社交平臺或服務添加支持，從而擴展框架的功能。
• 記憶系統（未來計劃）：儘管當前版本尚未完全實現，ZerePy 的設計目標包括集成記憶系統，使智能體能夠記住以前的互動和上下文信息，從而生成更連貫和個性化的內容。

儘管 ZerePy 和 a16z 的 Eliza 項目都旨在構建和管理 AI 智能體，但它們在架構和關注點上有所不同。Eliza 更傾向於多智能體模擬和更廣泛的 AI 研究，而 ZerePy 則專注於簡化在特定社交平臺（X）上的 AI 智能體部署，使其更加面向應用。

二. BTC 生態系統的複製品

從發展路徑來看，AI 智能體與 2023 年末至 2024 年初的 BTC 生態系統有許多相似之處。BTC 生態系統的發展軌跡可以簡單總結為：BRC20-Atomical/Rune 等多協議競爭 — BTC L2 — 以 Babylon 為中心的 BTCFi。儘管 AI 智能體在成熟的傳統 AI 技術棧基礎上發展得更為迅速，但它們的整體發展路徑在多個方面與 BTC 生態系統相似。我將其總結為以下幾個階段：GOAT/ACT — 社交型智能體 — 分析型 AI 智能體框架競爭。從趨勢角度來看，圍繞智能體的去中心化和安全性的基礎設施項目，很可能也會推動這一框架浪潮的前進，成為下一個主導主題。

那麼，這一賽道是否像 BTC 生態系統一樣，會導致同質化和泡沫化呢？我認為不會。首先，AI 智能體的敘事並非是要重演智能合約鏈的歷史。其次，無論這些現有的 AI 框架項目在技術上是否強大，還是停留在 PPT 階段，或僅僅是 Ctrl+C 和 Ctrl+V，至少它們提供了一種新的基礎設施發展方式。許多文章將 AI 框架與資產發行平臺進行比較，將智能體看作是資產。然而，與 Memecoin Launchpads 和 銘文協議相比，我個人認為，AI 框架更像是未來的公鏈，而智能體更像是未來的 DApp。

在今天的 Crypto 領域，我們擁有成千上萬的公鏈和數以萬計的 DApp。在通用鏈領域，我們有 BTC、以太坊和各種異構鏈，而應用鏈的形式則更加多樣化，如遊戲鏈、存儲鏈和 Dex 鏈。公鏈和 AI 框架本質上非常相似，而 DApp 可以很好地與智能體對應。

在 AI 的 Crypto 時代，空間很可能會朝這個方向發展，未來的爭論將從 EVM 與異構鏈的競爭轉向框架的爭論。當前的問題更多的是關於去中心化，或者說如何將其“鏈化”。我相信，未來的 AI 基礎設施項目將圍繞這一基礎進行發展。另一個重要的點是：在區塊鏈上做這些有什麼意義？

三．鏈上的意義

無論區塊鏈與什麼結合，最終都會面臨一個關鍵問題：這是否有意義？在去年的文章中，我批評了 GameFi 的優先級錯誤，基礎設施開發過於超前；而在之前關於 AI 的文章中，我對將 AI 與 Crypto 結合的當前實用性表示懷疑。畢竟，傳統項目的敘事驅動力逐漸減弱。去年表現良好的少數傳統項目，通常都是那些能夠匹配或超越價格強度的項目。

AI 能為 Crypto 做些什麼？之前，我曾想到一些使用案例，比如 AI 智能體代表用戶執行任務、元宇宙以及將智能體作為員工——這些相對平凡的想法，但卻有一定的需求。然而，這些需求並不需要完全上鍊，從商業邏輯的角度來看，它們無法形成一個閉環。上篇文章提到的智能體瀏覽器，雖然能實現意圖，但仍可能產生數據標註和推理計算能力的需求，但這兩個元素仍然沒有緊密集成，在計算能力方面，集中計算仍然佔據優勢。

回顧 DeFi 的成功，DeFi 能夠在傳統金融中開闢一片天地，是因為它提供了更高的可訪問性、更好的效率、更低的成本和無信任的安全性。如果我們考慮這個框架，我認為智能體的“鏈化”可能有幾個原因：

• 降低成本：智能體鏈化能否降低使用成本，從而實現更大的可訪問性和更多的用戶選擇？這最終可能讓普通用戶參與到傳統上只有 Web2 科技巨頭 AI “租賃”的領域。
• 安全性：根據最簡單的定義，智能體是能夠與虛擬或現實世界互動的 AI。如果智能體能夠干預現實世界，甚至進入我的虛擬錢包，那麼基於區塊鏈的安全解決方案可能會變得不可或缺。
• 區塊鏈特有的金融玩法：智能體能否在區塊鏈上創造一套獨特的金融機制？例如，在 AMM（自動化做市商）中，流動性提供者（LP）允許普通用戶參與自動化做市。同樣地，如果智能體需要計算能力或數據標註，用戶可以基於對系統的信心，以 USDT 的形式投資於這些協議。或者，處於不同應用場景下的智能體可以形成新的金融結構。
• DeFi 互操作性：雖然 DeFi 目前缺乏完美的互操作性，但智能體可能通過使推理過程透明且可追蹤，從而解決這個問題，填補這一空白。

四．創造力？

未來的框架項目也將提供類似於 GPT Store 的創業機會。雖然通過框架啟動智能體對於普通用戶來說仍然較為複雜，但我相信，簡化智能體構建過程並提供更多複雜功能組合，將使這些框架在未來擁有競爭優勢。這可能會促成一個比 GPT Store 更具趣味性的 Web3 創意經濟的誕生。

目前，GPT Store 仍然更傾向於傳統的實際用途，流行的應用大多數由傳統 Web2 公司創建。此外，生成的收入主要由創作者壟斷。根據 OpenAI 的官方解釋，其戰略僅僅是為美國的傑出開發者提供財政支持，提供一定額度的補貼。

從需求的角度來看，Web3 仍有許多空白需要填補，而從經濟體系的角度來看，它能使 Web2 巨頭的不公平政策變得更加公平。此外，我們還可以自然地引入社區經濟，進一步完善智能體。圍繞智能體的創意經濟將為普通人提供參與的機會。未來，AI Meme 將比 GOAT 或 Clanker 發行的智能體更聰明、更有趣。

關於 YBB

YBB 是一個 Web3 基金，致力於發現 Web3 定義的項目，旨在為所有互聯網居民創造更好的在線棲息地。YBB 由一群自 2013 年起積極參與區塊鏈行業的區塊鏈信徒創辦，始終願意幫助早期項目從 0 到 1。我們重視創新、自驅力的激情和以用戶為導向的產品，同時看好加密貨幣和區塊鏈應用的潛力。

Website | Twi: @YBBCapital

免責聲明：

1. 本文轉載自【YBB Capital】。所有版權歸原作者【YBB Capital Researcher Zeke】所有
2. 如對轉載有異議，請聯繫 Gate Learn 團隊，他們將及時處理。
3. 本文所表達的觀點僅代表作者個人意見，不構成投資建議。
4. Gate Learn 團隊將文章翻譯為其他語言。未經註明，嚴禁複製、分發或抄襲翻譯文章。