AI Agent: вспомогательный инструмент для ончейн-взаимодействий, действительно ли продукт, ставший популярным на волне Meme-хайпа, имеет ценность?

Автор: 0XNATALIE

Начиная со второй половины этого года интерес к теме AI Agent постоянно растет. Сначала AI-чат-бот terminal of truths привлек широкое внимание благодаря своим юмористическим постам и ответам в X (аналогично «Роберту» в Weibo) и получил финансирование в размере 50 000 долларов от основателя a16z Марка Андрессена. Вдохновленные его контентом, кто-то создал токен GOAT, который вырос более чем на 10000% всего за 24 часа. Тема AI Agent сразу привлекла внимание сообщества Web3. Затем появился первый децентрализованный AI-торговый фонд на основе Solana — ai16z, который представил фреймворк разработки AI Agent Eliza и вызвал споры о регистре токенов. Однако концепция AI Agent все еще неясна для сообщества: что же является ядром AI Agent? Чем он отличается от торговых ботов Telegram?

Принцип работы: восприятие, рассуждение и автономное принятие решений

AI Agent — это система интеллектуальных агентов на основе больших языковых моделей (LLM), способная воспринимать окружающую среду, рассуждать и принимать решения, а также выполнять сложные задачи путем вызова инструментов или выполнения действий. Рабочий процесс: модуль восприятия (получение ввода) → LLM (понимание, рассуждение и планирование) → вызов инструментов (выполнение задачи) → обратная связь и оптимизация (проверка и корректировка).

Конкретно говоря, AI Agent сначала получает данные из внешней среды через модуль восприятия (например, текст, аудио, изображения и т. д.) и преобразует их в структурированную информацию, которую можно обработать. LLM в качестве ключевого компонента предоставляет мощные возможности понимания и генерации естественного языка, выступая в роли «мозга» системы. На основе входных данных и существующих знаний LLM выполняет логические рассуждения, генерирует возможные решения или разрабатывает план действий. Затем AI Agent выполняет конкретные задачи, вызывая внешние инструменты, плагины или API, и проверяет и корректирует результаты на основе обратной связи, замыкая цикл оптимизации.

В сценариях применения Web3 чем отличается AI Agent от торговых ботов Telegram или автоматизированных скриптов? Возьмем для примера арбитраж: пользователь хочет совершать арбитражные сделки при условии прибыли более 1%. В торговых ботах Telegram, поддерживающих арбитраж, пользователь устанавливает торговую стратегию с прибылью более 1%, и Bot начинает исполнение. Однако, когда рынок часто колеблется и возможности для арбитража постоянно меняются, этим Bot не хватает способности оценивать риски; они исполняют арбитраж, как только выполняется условие прибыли более 1%. В отличие от них, AI Agent может автоматически корректировать стратегию. Например, когда прибыль от определенной сделки превышает 1%, но анализ данных показывает слишком высокий риск, и рынок может внезапно измениться, что приведет к убыткам, он решит не исполнять эту арбитражную сделку.

Таким образом, AI Agent обладает самоадаптивностью, и его ключевое преимущество заключается в способности к самообучению и автономному принятию решений. Взаимодействуя с окружающей средой (например, рынком, поведением пользователей и т. д.), он корректирует стратегии поведения на основе сигналов обратной связи, постоянно повышая эффективность выполнения задач. Он также может принимать решения в реальном времени на основе внешних данных и постоянно оптимизировать стратегии принятия решений через обучение с подкреплением.

Разве это не похоже на солвер (solver) в рамках фреймворка намерений? AI Agent сам является продуктом, основанным на намерениях. Наибольшее отличие от солвера в рамках фреймворка намерений заключается в том, что солвер полагается на точные алгоритмы и обладает математической строгостью, в то время как решения AI Agent зависят от обучения на данных и часто требуют постоянных проб и ошибок в процессе обучения для приближения к оптимальному решению.

Основные фреймворки AI Agent

Фреймворк AI Agent — это инфраструктура, предназначенная для создания и управления интеллектуальными агентами. В настоящее время в Web3 довольно популярными фреймворками являются Eliza от ai16z, ZerePy от zerebro и GAME от Virtuals.

Eliza — это многофункциональный фреймворк AI Agent, построенный на TypeScript, поддерживающий работу на нескольких платформах (например, Discord, Twitter, Telegram и т. д.). Благодаря сложному управлению памятью он может запоминать предыдущие диалоги и контекст, сохраняя стабильные и последовательные черты личности и знания в ответах. Eliza использует систему RAG (Retrieval Augmented Generation), которая позволяет получать доступ к внешним базам данных или ресурсам, тем самым генерируя более точные ответы. Кроме того, Eliza интегрирует плагин TEE, позволяющий развертывание в TEE, что обеспечивает безопасность и конфиденциальность данных.

GAME — это фреймворк, который обеспечивает возможности и управляет AI Agent для автономного принятия решений и действий. Разработчики могут настраивать поведение агента в соответствии со своими потребностями, расширять его функции и предоставлять пользовательские операции (например, публикация в социальных сетях, ответы и т. д.). Различные функции в фреймворке, такие как местоположение среды агента и задачи, разделены на несколько модулей, что удобно для разработчиков для конфигурации и управления. Фреймворк GAME делит процесс принятия решений AI Agent на два уровня: высокоуровневое планирование (HLP) и низкоуровневое планирование (LLP), каждое из которых отвечает за задачи и решения разных уровней. Высокоуровневое планирование отвечает за установку общих целей агента и планирование задач, принятие решений на основе целей, личности, фоновой информации и состояния среды, определение приоритетов задач. Низкоуровневое планирование фокусируется на уровне исполнения, преобразуя решения высокоуровневого планирования в конкретные шаги операций, выбирая подходящие функции и методы операций.

ZerePy — это открытый фреймворк на Python для развертывания AI Agent в X. Этот фреймворк интегрирует LLM, предоставляемые OpenAI и Anthropic, позволяя разработчикам создавать и управлять агентами в социальных сетях, автоматизируя выполнение таких операций, как публикация твитов, ответы на твитов, лайки и т. д. Каждой задаче можно установить разный вес в зависимости от ее важности. ZerePy предоставляет простой интерфейс командной строки (CLI), что позволяет разработчикам быстро запускать и управлять агентами. В то же время фреймворк также предоставляет шаблоны Replit (онлайн-платформа для редактирования и выполнения кода), благодаря которым разработчики могут быстро начать использовать ZerePy без сложной конфигурации локальной среды.

Почему AI Agent сталкивается с FUD?

AI Agent кажется интеллектуальным, способным снизить порог входа и улучшить пользовательский опыт, так почему же в сообществе возникает FUD? Причина в том, что AI Agent по сути все еще является всего лишь инструментом, который в настоящее время не может завершить весь рабочий процесс, а может лишь повысить эффективность и сэкономить время на определенных этапах. Кроме того, на текущем этапе развития роль AI Agent в основном сосредоточена на помощи пользователям в выпуске MeMe в один клик и управлении учетными записями в социальных сетях. Сообщество в шутку называет это «assests belong Dev, liabilities belong AI».

Однако на этой неделе был выпущен AI Agent для предварительной продажи токенов aiPool, который использует технологию TEE для достижения доверия без доверия (trustlessness). Приватный ключ кошелька этого AI Agent динамически генерируется в среде TEE, обеспечивая безопасность. Пользователи могут отправлять средства (например, SOL) на кошелек, контролируемый AI Agent, после чего AI Agent создает токен в соответствии с установленными правилами и запускает пул ликвидности на DEX, одновременно распределяя токены среди квалифицированных инвесторов. Весь процесс не требует зависимости от каких-либо сторонних посредников и полностью выполняется автономно AI Agent в среде TEE, что позволяет избежать рисков rug pull, распространенных в DeFi. Видно, что AI Agent постепенно развивается. Я считаю, что AI Agent может помочь пользователям снизить порог входа и улучшить опыт, и даже если он просто упрощает часть процесса выпуска активов, это уже имеет значение. Однако с макроскопической точки зрения Web3, AI Agent как продукт вне цепи (off-chain) на текущем этапе играет лишь вспомогательную роль инструмента для смарт-контрактов, поэтому не стоит чрезмерно преувеличивать его возможности. Поскольку во второй половине этого года, кроме MeMe, не было заметных нарративов об эффекте богатства, hype вокруг AI Agent, развернувшийся вокруг MeMe и ставший популярным, это нормально. Только на MeMe невозможно поддерживать долгосрочную стоимость, поэтому, если AI Agent сможет принести больше инновационных механик в процесс торговли и предоставлять реальную практическую ценность, он, возможно, разовьется в универсальный инструмент infra.