Autore: 0XNATALIE
Dalla seconda metà di quest'anno, l'argomento dell'Agent AI ha continuato a guadagnare attenzione. Inizialmente, il chatbot AI terminal of truths ha attirato molta attenzione per i suoi post e risposte umoristiche su X (simile a 'Robert' su Weibo) e ha ricevuto un finanziamento di 50.000 dollari dal fondatore di a16z, Marc Andreessen. Ispirati dai suoi contenuti pubblicati, alcuni hanno creato il token GOAT, che in sole 24 ore ha visto un aumento di oltre il 10000%. L'argomento dell'Agent AI ha quindi attirato l'attenzione della comunità Web3. Successivamente, è nato il primo fondo di trading AI decentralizzato basato su Solana, ai16z, che ha lanciato il framework di sviluppo Agent AI Eliza, scatenando una competizione tra token di grandi e piccole dimensioni. Tuttavia, la comunità non ha ancora chiarezza sul concetto di Agent AI: qual è il suo nucleo? Qual è la differenza con i bot di trading Telegram?
Funzionamento: percezione, ragionamento e decisione autonoma
L'Agent AI è un sistema di agenti intelligenti basato su modelli di linguaggio di grandi dimensioni (LLM), in grado di percepire l'ambiente, prendere decisioni logiche e completare compiti complessi tramite l'uso di strumenti o l'esecuzione di operazioni. Flusso di lavoro: modulo di percezione (ottenere input) → LLM (comprensione, ragionamento e pianificazione) → chiamata di strumenti (esecuzione dei compiti) → feedback e ottimizzazione (verifica e aggiustamento).
In termini specifici, l'Agent AI prima acquisisce dati dall'ambiente esterno tramite un modulo di percezione (come testo, audio, immagini, ecc.) e li trasforma in informazioni strutturate elaborabili. L'LLM, come componente centrale, fornisce potenti capacità di comprensione e generazione del linguaggio naturale, fungendo da 'cervello' del sistema. Sulla base dei dati input e della conoscenza preesistente, l'LLM esegue un ragionamento logico, generando possibili soluzioni o pianificando azioni. Successivamente, l'Agent AI completa compiti specifici tramite l'uso di strumenti esterni, plugin o API e verifica e aggiusta i risultati in base al feedback, formando un'ottimizzazione a ciclo chiuso.
Nello scenario applicativo di Web3, quali sono le differenze tra l'Agent AI e i bot di trading Telegram o script automatizzati? Prendiamo l'arbitraggio come esempio, un utente desidera eseguire un'operazione di arbitraggio a condizione che il profitto superi l'1%. Nei bot di trading Telegram che supportano l'arbitraggio, l'utente imposta una strategia di trading che richiede un profitto superiore all'1% e il bot inizia a eseguire. Tuttavia, quando il mercato è altamente volatile e le opportunità di arbitraggio cambiano costantemente, questi bot mancano della capacità di valutazione del rischio, eseguendo l'arbitraggio ogni volta che il profitto supera l'1%. In confronto, l'Agent AI può regolare automaticamente la strategia. Ad esempio, se il profitto di una transazione supera l'1%, ma l'analisi dei dati valuta che il rischio è troppo alto e il mercato potrebbe improvvisamente cambiare portando a una perdita, deciderà di non eseguire l'arbitraggio.
Pertanto, l'Agent AI possiede auto-adattabilità, il suo vantaggio principale risiede nella capacità di apprendere autonomamente e prendere decisioni, interagendo con l'ambiente (come mercato, comportamento degli utenti, ecc.) e adattando le strategie comportamentali in base ai segnali di feedback, migliorando continuamente l'efficacia dell'esecuzione dei compiti. Può anche prendere decisioni in tempo reale basate su dati esterni e ottimizzare continuamente le strategie decisionali tramite l'apprendimento per rinforzo.
Detto ciò, non sembra un po' come un risolutore (solver) all'interno di un framework di intenzioni? Anche l'Agent AI è un prodotto basato su intenzioni, con la principale differenza rispetto al risolutore all'interno di un framework di intenzioni che il risolutore si basa su algoritmi precisi e ha rigore matematico, mentre l'Agent AI prende decisioni basate su dati di allenamento, spesso richiedendo un processo di tentativi ed errori per avvicinarsi alla soluzione ottimale.
Framework principali dell'Agent AI
Il framework dell'Agent AI è un'infrastruttura per creare e gestire agenti intelligenti. Attualmente, nei Web3, i framework più popolari includono Eliza di ai16z, ZerePy di zerebro e GAME di Virtuals.
Eliza è un framework multifunzionale per Agent AI, costruito con TypeScript, che supporta l'esecuzione su più piattaforme (come Discord, Twitter, Telegram, ecc.) e attraverso una gestione della memoria complessa, è in grado di ricordare conversazioni e contesti precedenti, mantenendo caratteristiche di personalità e risposte coerenti. Eliza utilizza un sistema RAG (Retrieval Augmented Generation) che consente l'accesso a database o risorse esterne, generando risposte più accurate. Inoltre, Eliza integra un plugin TEE, consentendo il dispiegamento in TEE per garantire la sicurezza e la privacy dei dati.
GAME è il framework che abilita e guida l'Agent AI a prendere decisioni e azioni autonome. Gli sviluppatori possono personalizzare il comportamento degli agenti in base alle proprie necessità, espandendo le loro funzionalità e fornendo operazioni personalizzate (come pubblicazioni e risposte sui social media). Le diverse funzioni nel framework, come la posizione ambientale dell'agente e i compiti, sono suddivise in vari moduli, facilitando la configurazione e la gestione per gli sviluppatori. Il framework GAME divide il processo decisionale dell'Agent AI in due livelli: pianificazione di alto livello (HLP) e pianificazione di basso livello (LLP), responsabili di compiti e decisioni a diversi livelli. La pianificazione di alto livello si occupa di stabilire obiettivi generali e pianificazione dei compiti per l'agente, formulando decisioni in base a obiettivi, personalità, informazioni di contesto e stato ambientale, determinando le priorità delle attività. La pianificazione di basso livello si concentra sugli aspetti esecutivi, trasformando le decisioni della pianificazione di alto livello in passaggi operativi concreti, scegliendo le giuste funzionalità e metodi operativi.
ZerePy è un framework open source in Python per la distribuzione di Agent AI su X. Il framework integra i LLM forniti da OpenAI e Anthropic, consentendo agli sviluppatori di costruire e gestire agenti sui social media, automatizzando operazioni come pubblicare tweet, rispondere ai tweet, mettere mi piace e altro. Ogni compito può essere impostato con pesi diversi in base alla sua importanza. ZerePy offre un'interfaccia a riga di comando (CLI) semplice, facilitando per gli sviluppatori l'avvio e la gestione degli agenti. Inoltre, il framework fornisce un modello di Replit (una piattaforma online per l'editing e l'esecuzione del codice), consentendo agli sviluppatori di avviare rapidamente ZerePy senza la complessità della configurazione dell'ambiente locale.
Perché l'Agent AI affronta il FUD?
L'Agent AI sembra intelligente, in grado di abbassare le barriere d'ingresso e migliorare l'esperienza utente, perché la comunità mostra FUD? La ragione è che l'Agent AI è essenzialmente ancora solo uno strumento, attualmente non è in grado di completare l'intero flusso di lavoro, può solo migliorare l'efficienza e risparmiare tempo in alcuni punti. Inoltre, nella fase attuale di sviluppo, il ruolo dell'Agent AI è principalmente di aiutare gli utenti a emettere MeMe con un clic e gestire conti sui social media. La comunità scherza dicendo 'gli asset appartengono agli sviluppatori, le passività appartengono all'AI'.
Tuttavia, questa settimana aiPool ha lanciato Agent AI come vendita di token pre-sale, utilizzando la tecnologia TEE per implementare la decentralizzazione. La chiave privata del wallet di questo Agent AI viene generata dinamicamente nell'ambiente TEE, garantendo sicurezza. Gli utenti possono inviare fondi (ad esempio SOL) al wallet controllato dall'Agent AI, che poi crea token in base a regole preset e avvia un pool di liquidità su DEX, distribuendo token agli investitori idonei. L'intero processo non dipende da intermediari terzi, è completamente autonomo e realizzato dall'Agent AI nell'ambiente TEE, evitando il comune rischio di rug pull in DeFi. È evidente che l'Agent AI si sta sviluppando gradualmente. Credo che l'Agent AI possa aiutare gli utenti a ridurre le barriere d'ingresso e migliorare l'esperienza; anche semplificare solo una parte del processo di emissione degli asset è significativo. Tuttavia, da una prospettiva macro di Web3, l'Agent AI, essendo un prodotto off-chain, in questa fase funge solo da strumento di supporto per i contratti intelligenti, quindi non è necessario esagerare le sue capacità. Poiché nella seconda metà di quest'anno, oltre a MeMe, manca una narrativa significativa di effetto ricchezza, è normale che l'hype dell'Agent AI si concentri intorno a MeMe. Solo MeMe non può mantenere un valore a lungo termine, quindi se l'Agent AI può portare più innovazioni nel processo di trading, fornendo un reale valore pratico, potrebbe evolversi in uno strumento infra comune.
