Penulis: lordOfAFew

Terjemahan: MetaCat

☁️Protokol Daydreams

Daydreams telah mewujudkan AI Agent permainan rantai penuh generatif melalui kolaborasi dengan @ohayo_dojo.

Segera terintegrasi:

  • @ai16zdao

  • @Playgrounds0x

  • @0xzerebro

  • dan kerangka kerja AI Agent lainnya

Dalam sebulan ke depan, siapa pun dapat menggunakan Daydreams untuk menerapkan AI Agent, untuk bermain permainan rantai penuh berbasis Dojo di Starknet.

Bagi saya, begitu protokol ini matang, agen-agen ini akan dapat melakukan apa saja, bahkan menerapkan kontrak pintar mereka sendiri. Semua ini berkat rantai pemikiran dan dukungan konteks yang diberikan oleh Daydreams.

Silakan lihat POC (bukti konsep) dalam pelaksanaan di @RealmsEternum: (@0xtechnoir)

Tautan video: https://x.com/lordOfAFew/status/1871842343575593065

Daydreams menyediakan cetak biru untuk menciptakan AI Agent permainan rantai penuh yang mandiri. AI Agent ini dapat memahami status permainan on-chain, menggunakan data historis sebagai konteks, dan terus mengoptimalkan strategi melalui rantai pemikiran yang terus berevolusi.

Kami telah memperkenalkan basis data vektor sebagai media penyimpanan memori jangka panjang, sekaligus mewujudkan 'ruang kolaborasi kolektif' yang terdiri dari beberapa AI Agent, untuk berbagi pengetahuan dan melakukan peningkatan diri kolektif dengan cepat.

Inilah mekanisme inti di mana AI Agent berpikir dan memutuskan cara bertindak.

Protokol

Protokol ini bertujuan untuk memungkinkan AI Agent membangun kueri dinamis dan tindakan, alih-alih bergantung pada tindakan statis yang digunakan oleh sebagian besar sistem saat ini. Ini dicapai dengan memberikan konteks yang diperlukan untuk membangun 'rantai pemikiran'.

Kami telah menggeneralisasi arsitektur, sehingga aplikasi apa pun yang dikembangkan berdasarkan @ohayo_dojo dapat diintegrasikan dengan konfigurasi minimal.

Lebih banyak konten, tunggu saja.

Mengapa permainan rantai penuh?

Lingkungan permainan rantai penuh memiliki motivasi keuntungan bawaan, mengubah strategi dari teka-teki abstrak menjadi tindakan optimasi yang didorong oleh ekonomi.

Dalam permainan rantai penuh, AI Agent akan secara langsung diinsentifkan untuk memaksimalkan keuntungan on-chain mereka. 'Fungsi keuntungan' yang dapat diukur dan umum ini mendorong agen untuk terus meningkatkan diri, dan memberikan makna realistis pada proses pembelajaran.

Selain itu, karena mekanisme insentif yang unik, arsitektur permainan rantai penuh lebih adaptif. AI Agent dapat berpartisipasi dalam permainan tanpa memerlukan API yang disesuaikan, semua infrastruktur yang ada dapat digunakan langsung.

Mengapa mengumumkan sekarang?

Selama dua tahun terakhir, para pengembang @cartridge_gg, @ohayo_dojo, dan @LootRealms telah membangun infrastruktur yang mewujudkan semua ini. Seperti gaya kami yang konsisten, semua ini bersifat open-source, dan kami mendorong kontribusi serta diskusi komunitas.

Ini adalah proyek yang masih dalam tahap awal, tujuan utama kami adalah menunjukkan kemampuan ini dalam musim 1 @RealmsEternum beberapa bulan ke depan. Jika Anda ingin berpartisipasi dan memberikan kontribusi, sekarang adalah waktu yang tepat.