Вибухова популярність продукту загального AI-агента Manus викликала широкий інтерес до технології AI-агентів в галузі. Як важлива гілка штучного інтелекту, AI-агенти поступово переходять від концепції до реальних застосувань, демонструючи величезний потенціал у різних галузях, включаючи Web3.
Ядерні технології AI Агента
AI Agent є типом інтелектуальної програми, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, вхідних даних та запланованих цілей. Його основні компоненти включають:
Велика мовна модель ( LLM ) як "мозок"
Механізм спостереження та сприйняття
Процес розумової діяльності
Здатність до виконання дій
Функція пам'яті та витягування
Основні напрямки дизайну AI Agent мають дві основні траєкторії розвитку: перший акцентує на плануванні, такі як REWOO, Plan & Execute тощо; другий акцентує на рефлексії, такі як Basic Reflection, Reflexion тощо. Серед них найширше застосовується модель ReAct, її типовий процес - роздуми (Thought)→ дія (Action)→ спостереження (Observation).
Залежно від кількості агентів AI Agent можна поділити на Single Agent та Multi Agent. Single Agent зосереджується на поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб спільно виконувати складні завдання.
Стан AI агентів у Web3
Після досягнення піку популярності AI Agent у Web3-індустрії в січні цього року, його популярність різко впала, а загальна вартість ринку зменшилася більше ніж на 90%. Наразі основними проектами, які все ще мають значний інтерес, є ті, що займаються дослідженнями в Web3 на основі AI Agent, основні з яких можна розділити на три категорії:
Режим платформи запуску: представлений Virtuals Protocol, дозволяє користувачам створювати, розгортати та монетизувати AI Agent.
DAO-модель: з ElizaOS як представником, використовуючи AI-модель для моделювання інвестиційних рішень, поєднуючи пропозиції членів DAO для здійснення інвестицій.
Бізнес-модель компанії: представлена Swarms, надає корпоративну Multi Agent платформу.
З точки зору економічної моделі, наразі лише модель платформи запуску може забезпечити самодостатній економічний замкнутий цикл. Але ця модель також стикається з такими викликами, як недостатня привабливість активів та холодний ринок.
Поєднання протоколу MCP та Web3
Модельний Контекст Протокол (MCP) з'явився новим напрямком дослідження для AI Агентів Web3:
Розгорніть MCP Server у блокчейн-мережі, щоб вирішити проблему єдиної точки відмови та забезпечити стійкість до цензури.
Надати MCP Server можливість взаємодії з блокчейном, наприклад, для здійснення DeFi угод та управління.
Створення мережі стимулювання творців OpenMCP.Network на базі Ethereum, що забезпечує автоматизацію, прозорість і надійність стимулів за допомогою смарт-контрактів.
Однак ці рішення все ще стикаються з технічними викликами, такими як труднощі верифікації достовірності поведінки агентів за допомогою технології нульових знань, а також проблеми ефективності в децентралізованих мережах.
Перспективи
Злиття AI та Web3 є неминучим трендом. Хоча наразі AI-агенти Web3 стикаються з багатьма викликами, віримо, що з постійним прогресом технологій у майбутньому з'являться знакові продукти, які спростують зовнішні сумніви щодо відсутності практичності Web3. Нам потрібно зберігати терпіння та впевненість, продовжуючи досліджувати застосування та розвиток AI-агентів у сфері Web3.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
9 лайків
Нагородити
9
4
Поділіться
Прокоментувати
0/400
FloorPriceNightmare
· 18год тому
Штучний інтелект піднявся на небеса, але не зрівняється з гравцем номер один. Сумний сміх.
Переглянути оригіналвідповісти на0
TokenRationEater
· 07-25 22:20
розчаровує роздрібний інвестор Раніше втекли
Переглянути оригіналвідповісти на0
DegenApeSurfer
· 07-25 22:20
Розігрійте популярність, спочатку накопичте, а потім поговоримо.
Злиття AI Agent та Web3: стан, виклики та перспективи майбутнього
Розвиток і дослідження AI Agent у сфері Web3
Вибухова популярність продукту загального AI-агента Manus викликала широкий інтерес до технології AI-агентів в галузі. Як важлива гілка штучного інтелекту, AI-агенти поступово переходять від концепції до реальних застосувань, демонструючи величезний потенціал у різних галузях, включаючи Web3.
Ядерні технології AI Агента
AI Agent є типом інтелектуальної програми, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, вхідних даних та запланованих цілей. Його основні компоненти включають:
Основні напрямки дизайну AI Agent мають дві основні траєкторії розвитку: перший акцентує на плануванні, такі як REWOO, Plan & Execute тощо; другий акцентує на рефлексії, такі як Basic Reflection, Reflexion тощо. Серед них найширше застосовується модель ReAct, її типовий процес - роздуми (Thought)→ дія (Action)→ спостереження (Observation).
Залежно від кількості агентів AI Agent можна поділити на Single Agent та Multi Agent. Single Agent зосереджується на поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб спільно виконувати складні завдання.
Стан AI агентів у Web3
Після досягнення піку популярності AI Agent у Web3-індустрії в січні цього року, його популярність різко впала, а загальна вартість ринку зменшилася більше ніж на 90%. Наразі основними проектами, які все ще мають значний інтерес, є ті, що займаються дослідженнями в Web3 на основі AI Agent, основні з яких можна розділити на три категорії:
Режим платформи запуску: представлений Virtuals Protocol, дозволяє користувачам створювати, розгортати та монетизувати AI Agent.
DAO-модель: з ElizaOS як представником, використовуючи AI-модель для моделювання інвестиційних рішень, поєднуючи пропозиції членів DAO для здійснення інвестицій.
Бізнес-модель компанії: представлена Swarms, надає корпоративну Multi Agent платформу.
! Чат з Manus і MCP: дослідження кросовера Web3 від AI Agent
З точки зору економічної моделі, наразі лише модель платформи запуску може забезпечити самодостатній економічний замкнутий цикл. Але ця модель також стикається з такими викликами, як недостатня привабливість активів та холодний ринок.
Поєднання протоколу MCP та Web3
Модельний Контекст Протокол (MCP) з'явився новим напрямком дослідження для AI Агентів Web3:
Розгорніть MCP Server у блокчейн-мережі, щоб вирішити проблему єдиної точки відмови та забезпечити стійкість до цензури.
Надати MCP Server можливість взаємодії з блокчейном, наприклад, для здійснення DeFi угод та управління.
Створення мережі стимулювання творців OpenMCP.Network на базі Ethereum, що забезпечує автоматизацію, прозорість і надійність стимулів за допомогою смарт-контрактів.
Однак ці рішення все ще стикаються з технічними викликами, такими як труднощі верифікації достовірності поведінки агентів за допомогою технології нульових знань, а також проблеми ефективності в децентралізованих мережах.
Перспективи
Злиття AI та Web3 є неминучим трендом. Хоча наразі AI-агенти Web3 стикаються з багатьма викликами, віримо, що з постійним прогресом технологій у майбутньому з'являться знакові продукти, які спростують зовнішні сумніви щодо відсутності практичності Web3. Нам потрібно зберігати терпіння та впевненість, продовжуючи досліджувати застосування та розвиток AI-агентів у сфері Web3.