Tác giả: Shlok Khemani, Oliver Jaros Nguồn: Decentralised.co Dịch: Shanooba, Công nghệ màu vàng
Bài viết hôm nay là sự giải thích về khung vi mô và đánh giá sự phát triển của chúng. Đây cũng là một yêu cầu thu thập đề xuất, nhằm mục tiêu là những người sáng lập làm việc trong lĩnh vực giao dịch tiền tệ trên Internet (mật mã) và đại lý.
Trong suốt năm qua, Decentralised.co đã tiến hành nghiên cứu sâu rộng về lĩnh vực giao thoa giữa tiền mã hóa và trí tuệ nhân tạo. Chúng tôi đã thậm chí xây dựng một sản phẩm được hơn 70.000 người sử dụng để theo dõi các đại lý và cơ sở hạ tầng trí tuệ nhân tạo. Mặc dù sự nhiệt huyết quanh lĩnh vực này đã giảm sút trong vài tuần gần đây, tuy nhiên tác động của trí tuệ nhân tạo đối với công nghệ và xã hội là điều chưa từng thấy kể từ khi Internet xuất hiện. Nếu tiền mã hóa sẽ trở thành quỹ đạo tài chính trong tương lai, như chúng tôi đã dự đoán, thì sự giao thoa giữa nó và trí tuệ nhân tạo sẽ là một chủ đề tái diễn, không phải chỉ một lần duy nhất.
Một trong những loại dự án thú vị nổi lên từ làn sóng này là khung nhân tạo thông minh nguyên sinh mã hóa. Chúng là một thí nghiệm hấp dẫn, đưa nguyên tắc cốt lõi của blockchain - chuyển giá trị không cần phép, minh bạch và động lực nhất quán - vào phát triển trí tuệ nhân tạo. Tính mã nguồn mở của chúng cung cấp cơ hội hiếm có cho chúng ta có thể khám phá cách hoạt động bên trong chúng, không chỉ phân tích cam kết của chúng mà còn phân tích cách chúng hoạt động trong thực tế.
Trong bài viết này, chúng tôi đầu tiên phân tích ý nghĩa thực tế của khung đại lý và tầm quan trọng của chúng. Sau đó, chúng tôi giải quyết một vấn đề rõ ràng: khi có các lựa chọn chín chắn như LangChain tồn tại, tại sao chúng ta cần khung đại lý mã hóa? Để làm điều này, chúng tôi phân tích các khung đại lý mã hóa hàng đầu và ưu điểm và hạn chế của chúng trong các trường hợp sử dụng khác nhau. Cuối cùng, nếu bạn đang xây dựng một đại lý trí tuệ nhân tạo, chúng tôi sẽ giúp bạn quyết định khung nào có thể phù hợp với nhu cầu của bạn. Hoặc bạn có nên sử dụng khung để xây dựng.
Hãy đi sâu vào.
Trừu tượng
“Tiến bộ văn minh đến từ việc mở rộng số lượng các hoạt động quan trọng mà chúng ta có thể thực hiện mà không cần suy nghĩ.” - Alfred North Whitehead
Hãy suy nghĩ về cách tổ tiên chúng ta đã sống. Mỗi gia đình đều phải tự trồng cây, tự làm quần áo và xây dựng nhà ở của mình. Họ dành rất nhiều thời gian cho các nhiệm vụ sinh tồn cơ bản, gần như không có thời gian cho việc khác. Ngay cả hai thế kỷ trước, gần 90% dân số làm việc trong lĩnh vực nông nghiệp. Ngày nay, chúng ta mua thức ăn từ siêu thị, sống trong những ngôi nhà được chuyên gia xây dựng, mặc quần áo được sản xuất tại các nhà máy xa xôi. Công việc mà đã mất cả thế hệ của nhiều người giờ đã trở thành giao dịch đơn giản. Hiện nay, chỉ có 27% dân số toàn cầu làm việc trong lĩnh vực nông nghiệp (ở các nước phát triển giảm xuống dưới 5%).
Khi chúng ta bắt đầu nắm vững một công nghệ mới, các mẫu quen thuộc sẽ xuất hiện. Đầu tiên, chúng ta hiểu về nguyên lý cơ bản - cái gì là hiệu quả, cái gì là không hiệu quả, và những mẫu nào liên tục xuất hiện. Khi những mẫu này trở nên rõ ràng, chúng ta sẽ đóng gói chúng thành các trừu tượng dễ dàng, nhanh chóng và đáng tin cậy hơn. Những trừu tượng này giải phóng thời gian và tài nguyên để đối phó với những thách thức đa dạng và có ý nghĩa hơn. Xây dựng phần mềm cũng vậy.
Lấy việc phát triển web làm ví dụ. Ở giai đoạn đầu, các nhà phát triển cần phải viết từ đầu tất cả nội dung - xử lý yêu cầu HTTP, quản lý trạng thái và tạo giao diện người dùng - những nhiệm vụ này vừa phức tạp vừa tốn thời gian. Sau đó, các framework như React đã xuất hiện, thông qua việc cung cấp các trừu tượng hữu ích, đã đơn giản hóa rất nhiều những thách thức này. Phát triển di động cũng đi theo con đường tương tự. Ban đầu, các nhà phát triển cần có kiến thức sâu rộng, cụ thể cho từng nền tảng, cho đến khi các công cụ như React Native và Flutter xuất hiện, cho họ có thể viết mã một lần và triển khai ở bất kỳ đâu.
Trong lĩnh vực học máy, cũng xuất hiện các mô hình trừu tượng tương tự. Vào đầu những năm 2000, các nhà nghiên cứu đã phát hiện tiềm năng của GPU trong các tải ML. Ban đầu, các nhà phát triển đã phải đấu tranh với các yếu tố đồ họa như ngôn ngữ như GLSL giống như OpenGL - những công cụ này không được xây dựng cho tính toán tổng quát. Năm 2006, NVIDIA giới thiệu CUDA, làm cho lập trình GPU trở nên dễ dàng hơn và đưa việc huấn luyện ML đến một nhóm phát triển rộng lớn hơn, tất cả đã thay đổi.
Với sự gia tăng mạnh mẽ của phát triển ML, đã xuất hiện các framework chuyên biệt để trừu tượng hóa sự phức tạp của lập trình GPU. TensorFlow và PyTorch cho phép các nhà phát triển tập trung vào cấu trúc mô hình thay vì rơi vào bùn lầy của mã GPU cấp thấp hoặc chi tiết thực hiện. Điều này đã tăng tốc quá trình lặp lại cấu trúc mô hình và tiến bộ nhanh chóng của AI/ML mà chúng ta đã chứng kiến trong vài năm qua.
Bây giờ chúng ta thấy một sự tiến hóa tương tự trong các đại lý trí tuệ nhân tạo - một phần mềm có khả năng ra quyết định và hành động để đạt được mục tiêu, giống như một trợ lý hoặc nhân viên của con người. Nó sử dụng mô hình ngôn ngữ lớn làm "bộ não" của mình, và có thể tận dụng các công cụ khác nhau như tìm kiếm trên mạng, gọi API hoặc truy cập cơ sở dữ liệu để hoàn thành nhiệm vụ.
Để xây dựng một đại lý từ đầu, nhà phát triển phải viết mã phức tạp để xử lý mọi khía cạnh: cách mà đại lý suy nghĩ, quyết định sử dụng công cụ gì và khi nào, cách tương tác với những công cụ này, cách nhớ ngữ cảnh của sự tương tác sớm, và cách phân rã một nhiệm vụ lớn thành các bước quản lý được. Mỗi mẫu phải được giải quyết một cách riêng lẻ, dẫn đến công việc lặp đi lặp lại và kết quả không nhất quán.
Đây chính là nơi mà khung AI đến cứu viện. Giống như cách React giải quyết phần phức tạp của việc cập nhật giao diện người dùng và quản lý trạng thái đã giản lược phát triển web, những khung này giải quyết những thách thức phổ biến trong việc xây dựng các đại lý trí tuệ nhân tạo. Chúng cung cấp các thành phần sẵn có cho các mẫu hiệu quả mà chúng tôi đã khám phá, chẳng hạn như cách xây dựng quá trình ra quyết định của đại lý, tích hợp các công cụ khác nhau và duy trì bối cảnh trong nhiều tương tác.
Với khung, nhà phát triển có thể tập trung vào các khía cạnh độc đáo của người đại diện của họ - các chức năng và trường hợp sử dụng cụ thể của họ - thay vì phải xây dựng lại các thành phần cơ bản này. Họ có thể tạo ra các đại lý trí tuệ nhân tạo phức tạp trong vài ngày hoặc vài tuần, thay vì vài tháng, và dễ dàng thử nghiệm các phương pháp khác nhau hơn và học hỏi các thực tiễn tốt nhất mà cộng đồng và các nhà phát triển khác đã khám phá.
Để hiểu rõ hơn về sự quan trọng của khung, hãy xem xét một nhà phát triển xây dựng một đại lý giúp bác sĩ xem xét báo cáo y tế. Nếu không có khung, họ sẽ cần viết mã từ đầu: xử lý tệp đính kèm email, trích xuất văn bản từ PDF, đưa văn bản vào LLM theo đúng định dạng, quản lý lịch sử trò chuyện để theo dõi nội dung đã thảo luận và đảm bảo đại lý phản hồi đúng cách. Đối với các nhiệm vụ không phải là duy nhất cho trường hợp sử dụng cụ thể của họ, đó là một lượng lớn mã phức tạp.
Sử dụng khung xử lý đại lý, nhiều khối xây dựng này có thể được sử dụng trực tiếp. Khung xử lý này xử lý việc đọc email và PDF, cung cấp mẫu hình xây dựng thông tin y tế, quản lý luồng trò chuyện, thậm chí hỗ trợ theo dõi các chi tiết quan trọng trong nhiều cuộc trao đổi. Nhà phát triển có thể tập trung vào làm cho đại lý của mình trở nên độc đáo, chẳng hạn như điều chỉnh gợi ý phân tích y tế hoặc thêm kiểm tra an ninh cụ thể cho chẩn đoán, thay vì phải phát minh lại các mẫu thông thường. Nội dung mà ban đầu có thể mất vài tháng để xây dựng từ đầu, hiện có thể hoàn thành thiết kế nguyên mẫu trong vài ngày.
LangChain đã trở thành cây nước đa năng cho việc phát triển trí tuệ nhân tạo, cung cấp bộ công cụ linh hoạt cho việc xây dựng ứng dụng dựa trên LLM. Mặc dù nó không phải là một khung đại diện theo nghĩa hẹp, nhưng nó cung cấp các khối cơ bản để xây dựng hầu hết các khung đại diện, từ chuỗi được sử dụng để sắp xếp cuộc gọi LLM đến hệ thống bộ nhớ để duy trì ngữ cảnh. Hệ sinh thái tích hợp rộng lớn và tài liệu phong phú của nó đã biến nó thành lựa chọn hàng đầu của các nhà phát triển mong muốn xây dựng ứng dụng trí tuệ nhân tạo hữu ích.
Sau đó là các khung như CrewAI và AutoGen, cho phép các nhà phát triển xây dựng hệ thống đa tác nhân làm việc cùng nhau, mỗi đại lý có vai trò và khả năng độc đáo của riêng mình. Các khung không chỉ đơn giản thực hiện các nhiệm vụ theo thứ tự, mà còn nhấn mạnh việc hợp tác thông qua cuộc trò chuyện giữa các tác nhân để cùng nhau giải quyết vấn đề.
Ví dụ, khi phân phối một bản báo cáo nghiên cứu, một đại lý có thể tóm tắt cấu trúc của nó, một đại lý khác có thể thu thập thông tin liên quan, đại lý thứ ba có thể đánh giá và hoàn thiện bản nháp cuối cùng. Điều này giống như việc xây dựng một nhóm ảo, nơi các đại lý trí tuệ nhân tạo có thể thảo luận, tranh luận và cùng nhau cải thiện giải pháp. Cách làm việc cộng tác như vậy để đạt được mục tiêu cấp cao của hệ thống đa đại lý thường được gọi là "cụm" đại lý trí tuệ nhân tạo.
AutoGPT mặc dù không phải là một framework truyền thống, nhưng nó đã mở ra khái niệm về đại lý trí tuệ nhân tạo tự chủ. Nó thể hiện cách mà trí tuệ nhân tạo chấp nhận một mục tiêu cấp cao, phân rã nó thành các nhiệm vụ con và hoàn thành độc lập với rất ít đầu vào của con người. Mặc dù nó có nhược điểm, nhưng AutoGPT đã khơi nguồn cho làn sóng sáng tạo về các đại lý tự chủ và ảnh hưởng đến việc thiết kế các framework có cấu trúc hơn sau này.
Nhưng tại sao lại là mã hóa?
Tất cả những nền tảng này cuối cùng đã dẫn chúng ta đến sự nổi lên của khung trí tuệ nhân tạo nguyên sinh mã hóa. Lúc này, bạn có thể tự hỏi, khi chúng ta đã có những khung trí tuệ nhân tạo tương đối chín chắn như Langchain và CrewAI trong Web2, tại sao Web3 vẫn cần có khung trí tuệ nhân tạo riêng của mình? Tất nhiên, nhà phát triển có thể sử dụng những khung trí tuệ nhân tạo hiện có này để xây dựng bất kỳ đại lý nào họ muốn? Với sự ưa chuộng của ngành này đối với việc ép buộc Web3 vào mọi câu chuyện, sự nghi ngờ này là hợp lý.
Chúng tôi tin rằng, sự tồn tại của khung đại diện Web3 cụ thể có ba lý do đầy đủ.
Đại lý tài chính hoạt động trên chuỗi
Chúng tôi tin rằng trong tương lai, hầu hết giao dịch tài chính sẽ được thực hiện trên đường ray blockchain. Điều này đã tăng tốc độ cần thiết về loại đại lý trí tuệ nhân tạo, loại đại lý này có thể phân tích dữ liệu trên chuỗi, thực hiện các giao dịch blockchain và quản lý tài sản kỹ thuật số trên nhiều giao thức và mạng lưới khác nhau. Từ robot giao dịch tự động có thể phát hiện cơ hội lợi nhuận đến quản lý danh mục đầu tư thực hiện chiến lược thu nhập, tất cả những đại lý này đều phụ thuộc vào việc tích hợp sâu trong quy trình làm việc cốt lõi của mình.
Khung Web2 truyền thống không cung cấp các thành phần cốt lõi cho các nhiệm vụ này. Bạn phải ghép nối thư viện bên thứ ba để tương tác với hợp đồng thông minh, phân tích sự kiện chuỗi gốc và quản lý khóa riêng tư - điều này đem đến sự phức tạp và lỗ hổng tiềm ẩn. Ngược lại, khung Web3 chuyên biệt có thể xử lý các chức năng này ngay khi mở hộp, giúp các nhà phát triển tập trung vào logic và chiến lược của đại lý mà họ đang xây dựng, thay vì phải đấu tranh với đường ống blockchain cấp thấp.
Sự phối hợp và khuyến khích tự nhiên
Blockchain không chỉ là về các loại tiền kỹ thuật số. Họ cung cấp một hệ thống hồ sơ toàn cầu, giảm thiểu sự tin tưởng với các công cụ tài chính tích hợp để tăng cường sự phối hợp đa tác nhân. Thay vì dựa vào danh tiếng ngoài chuỗi hoặc cơ sở dữ liệu im lặng, các nhà phát triển có thể sử dụng các nguyên thủy trên chuỗi như staking, ký quỹ và nhóm khuyến khích để điều phối lợi ích của nhiều tác nhân AI.
Hãy tưởng tượng một nhóm các đại lý hợp tác để hoàn thành một nhiệm vụ phức tạp (ví dụ, đánh dấu dữ liệu để huấn luyện mô hình mới). Hiệu suất của mỗi đại lý có thể được theo dõi trên chuỗi và phần thưởng được phân phối tự động dựa trên đóng góp. Tính minh bạch và tính không thể thay đổi của hệ thống dựa trên blockchain cho phép việc trả công công bằng, theo dõi danh tiếng mạnh mẽ hơn và các chương trình khuyến khích phát triển ngay lập tức.
Khung công cụ tiền mã hóa có thể được nhúng một cách rõ ràng cho các chức năng này, cho phép các nhà phát triển thiết kế cấu trúc khuyến khích bằng hợp đồng thông minh mà không cần phải thiết kế lại từ đầu mỗi khi cần phải tin tưởng đại diện hoặc thanh toán cho một đại diện khác.
Cơ hội mới trên thị trường sớm
Mặc dù các khung như LangChain đã có sự chia sẻ tư duy và hiệu ứng mạng, nhưng lĩnh vực đại lý trí tuệ nhân tạo vẫn đang ở giai đoạn khởi đầu. Hiện không rõ hệ thống này sẽ cuối cùng trở thành như thế nào, và không có cách nào để khóa thị trường.
Kinh tế mật mã thúc đẩy việc xây dựng, quản lý và tiền hóa theo cách mà không thể hoàn toàn phản ánh trong kinh tế SaaS truyền thống hoặc Web2. Những thử nghiệm ở giai đoạn đầu này có thể mở ra các cơ hội mới cho việc tiền hóa của chính khung, chứ không chỉ là các đại lý được xây dựng trên khung.
Người cạnh tranh
ElizaOS liên kết với dự án phổ biến AI16Z, là một framework dựa trên Typescript, được sử dụng để tạo, triển khai và quản lý các đại lý AI. Nó được thiết kế để là một hệ điều hành đại lý AI thân thiện với Web3, cho phép các nhà phát triển xây dựng các đại lý có tính cá nhân độc đáo, công cụ linh hoạt cho tương tác blockchain và mở rộng dễ dàng thông qua hệ thống đa đại lý.
Rig là một framework AI mã nguồn mở do Playgrounds Analytics Inc. phát triển, được xây dựng bằng ngôn ngữ lập trình Rust, được sử dụng để tạo ra các đại lý AI có tính module hóa và mở rộng được. Nó liên quan đến dự án AI Rig Complex (ARC).
Daydreams là một framework tạo ra đại lý, ban đầu được tạo ra để tạo ra đại lý tự trị cho trò chơi trên chuỗi, nhưng sau đó mở rộng sang việc thực hiện các nhiệm vụ trên chuỗi.
Pippin là một khung AI được tạo ra bởi Yohei Nakajima, người sáng lập của BabyAGI, với mục đích giúp các nhà phát triển tạo ra các trợ lý số độc lập và có tính mô-đun. Yohei đầu tiên xây dựng một đại lý độc lập, sau đó mở rộng nó thành một khung chung.
ZerePy là một framework Python mã nguồn mở, nhằm triển khai độc lập các đại lý tự trị trên nhiều nền tảng và blockchain, tập trung vào tích hợp trí tuệ nhân tạo sáng tạo và mạng xã hội. Tương tự như Pippin, ZerePy ban đầu là đại lý độc lập Zerebro, sau đó mở rộng thành một framework.
Tiêu chuẩn ###
Để đánh giá sức mạnh của mỗi khung, chúng tôi đứng ở góc độ của nhà phát triển muốn xây dựng đại lý AI. Họ quan tâm đến điều gì? Chúng tôi cho rằng việc đánh giá có thể được chia thành ba danh mục chính: cốt lõi, chức năng và trải nghiệm của nhà phát triển.
Bạn có thể coi nhân vật chính của khung nhìn là cơ sở để xây dựng tất cả các đại lý khác. Nếu nhân vật chính yếu, chậm hoặc không phát triển liên tục, thì các đại lý được tạo ra bằng khung nhìn đó sẽ gặp các hạn chế tương tự. Bạn có thể đánh giá nhân vật chính dựa trên các tiêu chuẩn sau:
Vòng lặp suy luận cốt lõi: Bộ não của bất kỳ khung tác nhân nào; cách nó giải quyết vấn đề. Một khung mạnh mẽ hỗ trợ mọi thứ từ luồng dữ liệu cơ bản đến chuỗi tư duy phức tạp và nhiều hơn thế nữa. Nếu không có khả năng suy luận mạnh mẽ, tác nhân sẽ không thể phân tích các nhiệm vụ phức tạp một cách hiệu quả hoặc đánh giá nhiều lựa chọn để đơn giản hóa chúng thành những người máy trò chuyện tuyệt vời.
Cơ chế ghi nhớ: Đại lý cần cả bộ nhớ ngắn hạn để duy trì cuộc trò chuyện liên tục, cũng như bộ nhớ dài hạn để thu thập kiến thức lâu dài. Một cấu trúc tốt không chỉ ghi nhớ - chúng hiểu về mối quan hệ giữa các thông tin khác nhau và có thể ưu tiên xem xét thông tin nào đáng giữ lại, thông tin nào đáng quên.
Hỗ trợ nhúng và RAG: Đại lý hiện đại phải sử dụng kiến thức bên ngoài như tài liệu và dữ liệu thị trường. Framework mạnh mẽ có thể dễ dàng nhúng thông tin này và thông qua RAG để truy xuất thông tin này dựa trên ngữ cảnh, từ đó xây dựng phản ứng trên cơ sở kiến thức cụ thể, thay vì chỉ dựa vào việc đào tạo mô hình cơ bản.
**Cấu hình cá nhân: **Khả năng định hình cách giao tiếp của nhân viên dịch vụ khách hàng (ngôn ngữ, lễ phép và tính cách) rất quan trọng đối với sự tham gia của người dùng. Khung tốt có thể dễ dàng cấu hình những đặc điểm này, nhận ra tính cách của nhân viên dịch vụ khách hàng sẽ ảnh hưởng đáng kể đến sự tin tưởng của người dùng.
Đa đại lý phối hợp: Khung mạnh mẽ cung cấp mô hình tích hợp cho việc hợp tác giữa các đại lý, bất kể là thông qua cuộc trò chuyện có cấu trúc, giao nhiệm vụ hay hệ thống bộ nhớ chia sẻ. Điều này có thể tạo ra đội ngũ chuyên nghiệp, mỗi đại lý đều phát huy khả năng đặc biệt của mình để cùng nhau giải quyết vấn đề.
Ngoài các chức năng cốt lõi, hiệu quả thực tế của khung được đánh giá chủ yếu dựa vào chức năng và tích hợp của nó. Công cụ mở rộng đáng kể chức năng thực tế của đại lý. Đại lý chỉ có quyền truy cập LLM có thể tham gia cuộc trò chuyện, nhưng nếu được cấp quyền truy cập vào trình duyệt web, nó có thể truy xuất thông tin thời gian thực. Kết nối nó với API lịch của bạn, nó có thể sắp xếp cuộc họp. Mỗi công cụ mới sẽ tăng chức năng của đại lý gấp đôi. Từ góc độ của nhà phát triển, mỗi công cụ mới tăng cường lựa chọn và phạm vi thử nghiệm.
Chúng tôi đánh giá chức năng của khung công nghệ nguyên gốc từ ba khía cạnh:
Hỗ trợ và tính năng mô hình AI: Khung mạnh mẽ cung cấp tích hợp gốc với nhiều mô hình ngôn ngữ - từ họ GPT của OpenAI đến các lựa chọn thay thế nguồn mở như Llama và Mistral. Nhưng nó không chỉ là LLM. Hỗ trợ cho các tính năng AI khác như chuyển văn bản thành giọng nói, sử dụng trình duyệt, tạo hình ảnh và suy luận mô hình gốc có thể mở rộng đáng kể khả năng của các tác nhân. Hỗ trợ mô hình mạnh mẽ đang trở thành điều bắt buộc đối với nhiều khuôn khổ này.
Hỗ trợ cơ sở hạ tầng Web3: Xây dựng ủy quyền mật mã đòi hỏi tích hợp sâu với cơ sở hạ tầng blockchain. Điều này có nghĩa là hỗ trợ các thành phần Web3 cần thiết, chẳng hạn như ví dùng để ký giao dịch, RPC dùng cho giao tiếp chuỗi và chỉ mục dùng cho truy cập dữ liệu. Một framework mạnh mẽ nên tích hợp với công cụ và dịch vụ cơ bản của toàn hệ sinh thái, từ thị trường NFT và giao thức DeFi đến giải pháp nhận diện và lớp dữ liệu có sẵn.
Phủ sóng chuỗi: Hạ tầng cơ bản của Web3 xác định những gì các đại lý có thể làm, trong khi phủ sóng chuỗi quyết định họ có thể làm điều đó ở đâu. Hệ sinh thái mã hóa đang phát triển thành một cơ thể đa chuỗi phân tán, nhấn mạnh sự quan trọng của việc phủ sóng chuỗi rộng lớn.
Cuối cùng, ngay cả framework mạnh nhất cũng chỉ tốt như trải nghiệm của các nhà phát triển. Một framework có thể có các tính năng hàng đầu, nhưng nếu các nhà phát triển khó sử dụng hiệu quả, nó sẽ không bao giờ được áp dụng rộng rãi.
Ngôn ngữ được sử dụng trong khung làm việc trực tiếp ảnh hưởng đến ai có thể sử dụng nó để xây dựng. Python đang chiếm ưu thế trong lĩnh vực trí tuệ nhân tạo và khoa học dữ liệu, do đó tự nhiên trở thành lựa chọn cho các khung làm việc trí tuệ nhân tạo. Các khung viết bằng ngôn ngữ ít phổ biến có thể có những lợi thế độc đáo, nhưng có thể làm cho chúng cô lập với hệ sinh thái phát triển rộng lớn hơn. JavaScript, với sự phổ biến trong phát triển web, trở thành một đối thủ mạnh mẽ khác, đặc biệt là đối với các khung làm việc tích hợp web.
Tài liệu rõ ràng và toàn diện là đường đời cho các nhà phát triển khi áp dụng một framework mới. Điều này không chỉ là tài liệu tham khảo API, mặc dù chúng cũng quan trọng. Tài liệu mạnh mẽ bao gồm tổng quan về các nguyên tắc cốt lõi, hướng dẫn từng bước, mã ví dụ được chú thích tốt, hướng dẫn giáo dục, hướng dẫn sửa lỗi và các mẫu thiết kế đã được thiết lập.
Kết quả
Bảng dưới đây tóm tắt hiệu suất của mỗi khung mẫu trong các thông số mà chúng ta vừa xác định (xếp hạng từ 1-5).
Mặc dù thảo luận về lý do đằng sau mỗi điểm dữ liệu nằm ngoài phạm vi của bài viết này, đây là một số ấn tượng nổi bật mà mỗi framework để lại cho chúng ta.
Eliza là framework trưởng thành nhất trong danh sách cho đến nay. Với việc Eliza framework đã trở thành điểm giao cắt của hệ sinh thái mã hóa trong làn sóng proxy gần đây với trí tuệ nhân tạo, điểm nổi bật của nó là số lượng tính năng và tích hợp được hỗ trợ.
Do vì sự nổi tiếng mà nó tạo ra, mọi blockchain và công cụ phát triển đều đua nhau tích hợp vào framework này (hiện tại nó đã tích hợp gần 100 cái!). Đồng thời, Eliza cũng thu hút hoạt động phát triển nhiều hơn so với hầu hết các framework khác. Eliza ít nhất trong tương lai ngắn hạn được hưởng lợi từ một số hiệu ứng mạng rất rõ ràng. Framework này được viết bằng TypeScript, đó là một ngôn ngữ chín chắn, được sử dụng bởi cả người mới học lẫn những nhà phát triển có kinh nghiệm, điều này thúc đẩy thêm sự phát triển của nó.
Eliza cũng nổi bật với nội dung giáo dục phong phú và hướng dẫn cho các nhà phát triển sử dụng framework.
Chúng tôi đã thấy một loạt các proxy sử dụng khung Eliza, bao gồm Spore, Eliza (proxy) và Pillzumi. Một phiên bản mới của khung Eliza dự kiến sẽ được phát hành trong những tuần tới.
Phương pháp của Rig hoàn toàn khác với phương pháp của Eliza. Nó nổi bật với nhân tố cốt lõi mạnh mẽ, nhẹ và hiệu suất cao. Nó hỗ trợ các chế độ suy luận đa dạng, bao gồm chuỗi gợi ý (áp dụng tuần tự gợi ý), sắp xếp (phối hợp nhiều đại lý), logic điều kiện và tính đồng thời (thực hiện song song các hoạt động).
Tuy nhiên, Rig chính nó không tích hợp phong phú như vậy. Ngược lại, nó sử dụng một phương pháp khác, đội ngũ gọi là "Bí mật Arc". Ở đây, đội ngũ Arc hợp tác với các đội ngũ chất lượng cao khác trong Web2 và Web3 để mở rộng chức năng của Rig. Một số hợp tác này bao gồm hợp tác phát triển đại lý cá nhân với Soulgraph, cũng như hợp tác phát triển tính năng blockchain với Listen và Solana Agent Kit.
Tuy nhiên, Rig có hai điểm yếu. Thứ nhất, nó được viết bằng Rust, mặc dù hiệu suất rất tốt, nhưng số lượng nhà phát triển quen thuộc với nó tương đối ít. Thứ hai, chúng tôi chỉ thấy một số lượng hạn chế các đại lý được điều khiển bởi Rig trong ứng dụng thực tế (ngoại trừ AskJimmy), điều này làm cho việc đánh giá tình hình sử dụng thực sự của nhà phát triển trở nên khó khăn.
Trước khi bắt đầu Daydreams, người sáng lập lordOfAFew là người đóng góp chính cho khung Eliza. Điều này giúp anh ấy tiếp cận sự phát triển của khung, và quan trọng hơn, tiếp xúc với một số điểm yếu. Điểm khác biệt giữa Daydreams và các khung khác là, nó tập trung vào suy luận chuỗi tư duy để giúp đại lý đạt được mục tiêu dài hạn. Điều này có nghĩa là khi đưa ra một mục tiêu cấp cao và phức tạp, đại lý sẽ tiến hành suy luận theo nhiều bước, đưa ra các hành động khác nhau, chấp nhận hoặc loại bỏ chúng dựa trên việc chúng có hỗ trợ cho mục tiêu hay không, và tiếp tục quá trình này để tiến triển. Điều này khiến cho đại lý được tạo ra bằng Daydreams thực sự tự chủ.
Lịch sử của nhà sáng lập trong việc xây dựng dự án game đã ảnh hưởng đến phương pháp này. Game, đặc biệt là game trên chuỗi, là môi trường lý tưởng để đào tạo và kiểm tra khả năng của các đại lý. Không ngạc nhiên khi một số trường hợp sử dụng sớm của Daydreams Agent đã xuất hiện trong các trò chơi như Pistols, Istarai và PonziLand.
Khung này cũng có tính năng cộng tác đa tác nhân mạnh mẽ và triển khai quy trình làm việc điều phối.
Tương tự như Daydreams, Pippin cũng là một người kế vị trong trò chơi khung. Chúng tôi đã mô tả chi tiết về việc phát hành nó trong bài viết này. Tầm nhìn của Yohei là biến đại lý trở thành một 'sự hiện diện kỹ thuật số', có thể thông minh và tự chủ thông qua việc truy cập vào các công cụ chính xác. Tầm nhìn này được thể hiện trong lõi đơn giản và tinh tế của Pippin. Chỉ cần vài dòng mã, bạn có thể tạo ra một đại lý phức tạp, có thể hoạt động tự chủ, thậm chí có thể viết mã cho chính mình.
Nhược điểm của khung là nó thậm chí thiếu các tính năng cơ bản như nhúng vector hỗ trợ và luồng công việc RAG. Nó cũng khuyến khích các nhà phát triển sử dụng thư viện bên thứ ba Composio để tích hợp hầu hết mọi thứ. So với các khung đã được thảo luận cho đến nay, nó hoàn toàn chưa trưởng thành.
Một số proxy được xây dựng bằng Pippin bao gồm Ditto và Telemafia.
Zerepy có một bản hiện thực cốt lõi tương đối đơn giản. Nó hiệu quả trong việc chọn một nhiệm vụ từ một tập hợp các nhiệm vụ được cấu hình và thực hiện nó khi cần. Tuy nhiên, nó thiếu các mô hình suy luận phức tạp như định hướng mục tiêu hoặc lập kế hoạch chuỗi tư duy.
Mặc dù nó hỗ trợ việc gọi suy luận cho nhiều LLM, nhưng nó thiếu bất kỳ triển khai nhúng hoặc RAG nào. Nó cũng thiếu bất kỳ ngôn ngữ nào để ghi nhớ hoặc điều phối nhiều đại lý.
Việc thiếu các tính năng và tích hợp cốt lõi này được phản ánh trong việc áp dụng Zerepy. Chúng tôi chưa thấy bất kỳ proxy thực tế nào sử dụng framework này đi vào hoạt động.
Sử dụng khung để xây dựng
Nếu tất cả những điều này nghe có vẻ quá kỹ thuật và lý thuyết, chúng tôi không trách bạn. Một câu hỏi đơn giản hơn là "Tôi có thể sử dụng các khung công việc này để xây dựng loại proxy nào mà không cần phải tự viết một đống mã?".
Để đánh giá các khung này trong thực tế, chúng tôi xác định năm loại đại lý phổ biến mà các nhà phát triển thường muốn xây dựng. Chúng đại diện cho các mức độ phức tạp khác nhau và kiểm tra từng khía cạnh của chức năng của mỗi khung.
Đại lý trò chuyện tài liệu: Kiểm tra chức năng cốt lõi RAG, bao gồm xử lý tài liệu, duy trì ngữ cảnh, độ chính xác của trích dẫn và quản lý bộ nhớ. Bài kiểm tra này tiết lộ khả năng điều hướng của cấu trúc giữa việc hiểu tài liệu thực sự và sự khớp mẫu đơn giản.
Robot chat: Đánh giá hệ thống nhớ và tính nhất quán của hành vi. Khung này phải duy trì đặc điểm cá nhân nhất quán, nhớ thông tin quan trọng trong cuộc trò chuyện và cho phép cấu hình cá nhân, từ bản chất biến robot trò chuyện vô trạng thái thành thực thể số vững chắc.
**Robot giao dịch trên chuỗi: **Thực hiện kiểm tra áp lực cho tích hợp bên ngoài thông qua xử lý dữ liệu thị trường thời gian thực, thực hiện giao dịch liên chuỗi, phân tích tâm trạng xã hội và triển khai chiến lược giao dịch. Điều này tiết lộ cách khung xử lý cơ sở hạ tầng blockchain phức tạp và kết nối API.
NPC trò chơi: Mặc dù thế giới chỉ bắt đầu chú ý đến đại lý trong năm vừa qua, nhưng trong vài thập kỷ qua, đại lý như NPC trong trò chơi đã đóng một vai trò quan trọng. Đại lý trò chơi đang chuyển từ đại lý dựa trên quy tắc sang đại lý thông minh được điều khiển bởi LLM và vẫn là trường hợp sử dụng chính của khung. Ở đây, chúng tôi kiểm tra khả năng của đại lý hiểu môi trường, suy luận tự chủ về tình huống và đạt được mục tiêu dài hạn.
Trợ lý giọng nói： Đánh giá xử lý thời gian thực và trải nghiệm người dùng thông qua xử lý giọng nói, thời gian phản hồi nhanh và tích hợp nền tảng truyền thông. Điều này kiểm tra xem khung có thể hỗ trợ ứng dụng tương tác thực sự, chứ không chỉ là mô hình yêu cầu-phản hồi đơn giản.
Chúng tôi đã cho mỗi framework xếp hạng 5 trên 5 cho mỗi loại proxy. Đây là cách họ thực hiện:
Chỉ số mã nguồn mở
Khi đánh giá các framework này, hầu hết các phân tích đều nhấn mạnh rất nhiều vào các số liệu GitHub như sao và fork. Ở đây, chúng ta sẽ xem xét nhanh các số liệu này là gì và chúng chỉ ra chất lượng của framework ở mức độ nào.
Dấu sao đóng vai trò là tín hiệu phổ biến nhất về mức độ được ưa chuộng. Cơ bản, chúng là dấu trang mà các nhà phát triển đánh dấu cho các dự án mà họ cho là thú vị hoặc muốn theo dõi. Mặc dù số lượng dấu sao cao cho thấy sự nhận thức và quan tâm rộng rãi, nhưng điều này có thể dẫn đến hiểu lầm. Đôi khi dự án có thể tích lũy dấu sao thông qua tiếp thị chứ không phải giá trị kỹ thuật. Hãy coi dấu sao như là minh chứng xã hội, chứ không phải là tiêu chuẩn đánh giá chất lượng.
Số lượng fork cho bạn biết có bao nhiêu nhà phát triển đã tạo các bản sao cơ sở mã của riêng họ để xây dựng. Nhiều fork hơn thường là một dấu hiệu cho thấy các nhà phát triển đang tích cực sử dụng và mở rộng dự án. Đó là, nhiều fork cuối cùng bị bỏ rơi, vì vậy số lượng fork ban đầu yêu cầu bối cảnh.
Số lượng người đóng góp cho thấy có bao nhiêu nhà phát triển khác nhau thực sự đã nộp mã cho dự án. Điều này thường có ý nghĩa hơn so với số sao hoặc fork. Số lượng người đóng góp đều đặn lành mạnh cho thấy dự án đó có một cộng đồng hoạt động đang bảo trì và cải tiến nó.
Chúng tôi đã đi xa hơn và thiết kế chỉ số riêng của chúng tôi - Điểm đóng góp. Chúng tôi đánh giá lịch sử công khai của từng nhà phát triển, bao gồm sự đóng góp của họ trong quá khứ cho các dự án khác, tần suất hoạt động và mức độ phổ biến của tài khoản của họ, để phân bổ một điểm cho mỗi người đóng góp. Sau đó, chúng tôi tính trung bình tất cả các người đóng góp của một dự án và trọng số theo số lượng đóng góp của họ.
Những con số này có ý nghĩa gì đối với khung của chúng ta?
Trong hầu hết các trường hợp, số lượng dấu sao có thể được bỏ qua. Chúng không phải là một chỉ số có ý nghĩa trong ngữ cảnh. Ngoại lệ ở đây là Eliza, một kho lưu trữ xu hướng từng là số một trong tất cả các dự án trên GitHub, phù hợp với việc nó trở thành điểm nổi bật của tất cả trí tuệ nhân tạo mật mã. Hơn nữa, các nhà phát triển nổi tiếng như 0xCygaar cũng đã đóng góp cho dự án này. Điều này cũng phản ánh qua số lượng người đóng góp - gấp 10 lần so với các dự án khác - Eliza đã thu hút người đóng góp.
Thêm vào đó, Daydreams rất thú vị với chúng tôi đơn giản vì nó thu hút các nhà phát triển chất lượng cao. Là một người đến sau để ra mắt sau đỉnh điểm cường điệu, nó không được hưởng lợi từ hiệu ứng mạng của Eliza.
Tiếp theo là gì? **
Nếu bạn là một nhà phát triển, chúng tôi hy vọng rằng chúng tôi đã cung cấp cho bạn ít nhất một điểm khởi đầu để lựa chọn framework (nếu cần) xây dựng cho bạn. Ngoài ra, bạn vẫn phải tự mình thử nghiệm xem logic cốt lõi và tích hợp của mỗi framework có phù hợp với trường hợp sử dụng của bạn không. Điều này là không thể tránh khỏi.
Từ góc nhìn của người quan sát, điều quan trọng là phải nhớ rằng tất cả các khung trí tuệ nhân tạo này đều chưa đến ba tháng tuổi. (Vâng, cảm giác là lâu hơn.) Trong thời gian này, chúng đã từ việc được quảng cáo mạnh mẽ chuyển thành được gọi là 'ngôi nhà trong không trung'. Đó chính là bản chất của công nghệ. Mặc dù có sự biến động như vậy, chúng tôi tin rằng lĩnh vực này là một thí nghiệm mới thú vị và bền vững trong lĩnh vực tiền điện tử.
Quan trọng tiếp theo là làm thế nào các khung như vậy trở nên chín chắn về mặt công nghệ và tiền tệ.
Về mặt công nghệ, lợi thế lớn nhất mà các framework có thể tạo ra cho chính chúng là cho phép các proxy tương tác liền mạch trên chuỗi. Đây là lý do số một tại sao các nhà phát triển chọn các khung công tác gốc tiền điện tử thay vì các khung chung chung. Ngoài ra, proxy và công nghệ xây dựng proxy là những vấn đề công nghệ tiên tiến trên toàn cầu, với những phát triển mới xảy ra mỗi ngày. Khuôn khổ cũng phải phát triển và thích ứng với những phát triển này.
Cách thức để tiến hành tiền hóa khung làm cho mọi thứ thú vị hơn. Trong giai đoạn đầu này, việc tạo ra một nền tảng khởi đầu được lấy cảm hứng từ Virtuals là một trái cây dễ thu hoạch của dự án. Nhưng chúng tôi cho rằng có nhiều không gian thử nghiệm ở đây. Chúng tôi đang tiến về một tương lai với hàng triệu đại lý, chuyên môn trong mọi lĩnh vực con mà bạn có thể tưởng tượng được. Công cụ giúp họ phối hợp hiệu quả có thể giữ được giá trị lớn từ phí giao dịch. Là cánh cửa cho những người xây dựng, khung là một phần rất phù hợp để giữ giá trị đó.
Đồng thời, việc kiếm tiền từ các khuôn khổ cũng được ngụy trang thành một vấn đề kiếm tiền từ các dự án nguồn mở và thưởng cho những người đóng góp, những người trong lịch sử đã thực hiện công việc miễn phí, vô ơn. Nếu một nhóm có thể bẻ khóa mã về cách tạo ra một nền kinh tế nguồn mở bền vững trong khi vẫn duy trì các đặc tính cơ bản của nó, các tác động sẽ vượt xa khuôn khổ proxy.
Đây là những chủ đề chúng tôi hy vọng sẽ khám phá trong vài tháng tới.
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Cuộc tranh luận về khung AI đại diện: Eliza, Rig, Daydreams ai xuất sắc hơn
Tác giả: Shlok Khemani, Oliver Jaros Nguồn: Decentralised.co Dịch: Shanooba, Công nghệ màu vàng
Bài viết hôm nay là sự giải thích về khung vi mô và đánh giá sự phát triển của chúng. Đây cũng là một yêu cầu thu thập đề xuất, nhằm mục tiêu là những người sáng lập làm việc trong lĩnh vực giao dịch tiền tệ trên Internet (mật mã) và đại lý.
Trong suốt năm qua, Decentralised.co đã tiến hành nghiên cứu sâu rộng về lĩnh vực giao thoa giữa tiền mã hóa và trí tuệ nhân tạo. Chúng tôi đã thậm chí xây dựng một sản phẩm được hơn 70.000 người sử dụng để theo dõi các đại lý và cơ sở hạ tầng trí tuệ nhân tạo. Mặc dù sự nhiệt huyết quanh lĩnh vực này đã giảm sút trong vài tuần gần đây, tuy nhiên tác động của trí tuệ nhân tạo đối với công nghệ và xã hội là điều chưa từng thấy kể từ khi Internet xuất hiện. Nếu tiền mã hóa sẽ trở thành quỹ đạo tài chính trong tương lai, như chúng tôi đã dự đoán, thì sự giao thoa giữa nó và trí tuệ nhân tạo sẽ là một chủ đề tái diễn, không phải chỉ một lần duy nhất.
Một trong những loại dự án thú vị nổi lên từ làn sóng này là khung nhân tạo thông minh nguyên sinh mã hóa. Chúng là một thí nghiệm hấp dẫn, đưa nguyên tắc cốt lõi của blockchain - chuyển giá trị không cần phép, minh bạch và động lực nhất quán - vào phát triển trí tuệ nhân tạo. Tính mã nguồn mở của chúng cung cấp cơ hội hiếm có cho chúng ta có thể khám phá cách hoạt động bên trong chúng, không chỉ phân tích cam kết của chúng mà còn phân tích cách chúng hoạt động trong thực tế.
Trong bài viết này, chúng tôi đầu tiên phân tích ý nghĩa thực tế của khung đại lý và tầm quan trọng của chúng. Sau đó, chúng tôi giải quyết một vấn đề rõ ràng: khi có các lựa chọn chín chắn như LangChain tồn tại, tại sao chúng ta cần khung đại lý mã hóa? Để làm điều này, chúng tôi phân tích các khung đại lý mã hóa hàng đầu và ưu điểm và hạn chế của chúng trong các trường hợp sử dụng khác nhau. Cuối cùng, nếu bạn đang xây dựng một đại lý trí tuệ nhân tạo, chúng tôi sẽ giúp bạn quyết định khung nào có thể phù hợp với nhu cầu của bạn. Hoặc bạn có nên sử dụng khung để xây dựng.
Hãy đi sâu vào.
Trừu tượng
Hãy suy nghĩ về cách tổ tiên chúng ta đã sống. Mỗi gia đình đều phải tự trồng cây, tự làm quần áo và xây dựng nhà ở của mình. Họ dành rất nhiều thời gian cho các nhiệm vụ sinh tồn cơ bản, gần như không có thời gian cho việc khác. Ngay cả hai thế kỷ trước, gần 90% dân số làm việc trong lĩnh vực nông nghiệp. Ngày nay, chúng ta mua thức ăn từ siêu thị, sống trong những ngôi nhà được chuyên gia xây dựng, mặc quần áo được sản xuất tại các nhà máy xa xôi. Công việc mà đã mất cả thế hệ của nhiều người giờ đã trở thành giao dịch đơn giản. Hiện nay, chỉ có 27% dân số toàn cầu làm việc trong lĩnh vực nông nghiệp (ở các nước phát triển giảm xuống dưới 5%).
Khi chúng ta bắt đầu nắm vững một công nghệ mới, các mẫu quen thuộc sẽ xuất hiện. Đầu tiên, chúng ta hiểu về nguyên lý cơ bản - cái gì là hiệu quả, cái gì là không hiệu quả, và những mẫu nào liên tục xuất hiện. Khi những mẫu này trở nên rõ ràng, chúng ta sẽ đóng gói chúng thành các trừu tượng dễ dàng, nhanh chóng và đáng tin cậy hơn. Những trừu tượng này giải phóng thời gian và tài nguyên để đối phó với những thách thức đa dạng và có ý nghĩa hơn. Xây dựng phần mềm cũng vậy.
Lấy việc phát triển web làm ví dụ. Ở giai đoạn đầu, các nhà phát triển cần phải viết từ đầu tất cả nội dung - xử lý yêu cầu HTTP, quản lý trạng thái và tạo giao diện người dùng - những nhiệm vụ này vừa phức tạp vừa tốn thời gian. Sau đó, các framework như React đã xuất hiện, thông qua việc cung cấp các trừu tượng hữu ích, đã đơn giản hóa rất nhiều những thách thức này. Phát triển di động cũng đi theo con đường tương tự. Ban đầu, các nhà phát triển cần có kiến thức sâu rộng, cụ thể cho từng nền tảng, cho đến khi các công cụ như React Native và Flutter xuất hiện, cho họ có thể viết mã một lần và triển khai ở bất kỳ đâu.
Trong lĩnh vực học máy, cũng xuất hiện các mô hình trừu tượng tương tự. Vào đầu những năm 2000, các nhà nghiên cứu đã phát hiện tiềm năng của GPU trong các tải ML. Ban đầu, các nhà phát triển đã phải đấu tranh với các yếu tố đồ họa như ngôn ngữ như GLSL giống như OpenGL - những công cụ này không được xây dựng cho tính toán tổng quát. Năm 2006, NVIDIA giới thiệu CUDA, làm cho lập trình GPU trở nên dễ dàng hơn và đưa việc huấn luyện ML đến một nhóm phát triển rộng lớn hơn, tất cả đã thay đổi.
Với sự gia tăng mạnh mẽ của phát triển ML, đã xuất hiện các framework chuyên biệt để trừu tượng hóa sự phức tạp của lập trình GPU. TensorFlow và PyTorch cho phép các nhà phát triển tập trung vào cấu trúc mô hình thay vì rơi vào bùn lầy của mã GPU cấp thấp hoặc chi tiết thực hiện. Điều này đã tăng tốc quá trình lặp lại cấu trúc mô hình và tiến bộ nhanh chóng của AI/ML mà chúng ta đã chứng kiến trong vài năm qua.
Bây giờ chúng ta thấy một sự tiến hóa tương tự trong các đại lý trí tuệ nhân tạo - một phần mềm có khả năng ra quyết định và hành động để đạt được mục tiêu, giống như một trợ lý hoặc nhân viên của con người. Nó sử dụng mô hình ngôn ngữ lớn làm "bộ não" của mình, và có thể tận dụng các công cụ khác nhau như tìm kiếm trên mạng, gọi API hoặc truy cập cơ sở dữ liệu để hoàn thành nhiệm vụ.
Để xây dựng một đại lý từ đầu, nhà phát triển phải viết mã phức tạp để xử lý mọi khía cạnh: cách mà đại lý suy nghĩ, quyết định sử dụng công cụ gì và khi nào, cách tương tác với những công cụ này, cách nhớ ngữ cảnh của sự tương tác sớm, và cách phân rã một nhiệm vụ lớn thành các bước quản lý được. Mỗi mẫu phải được giải quyết một cách riêng lẻ, dẫn đến công việc lặp đi lặp lại và kết quả không nhất quán.
Đây chính là nơi mà khung AI đến cứu viện. Giống như cách React giải quyết phần phức tạp của việc cập nhật giao diện người dùng và quản lý trạng thái đã giản lược phát triển web, những khung này giải quyết những thách thức phổ biến trong việc xây dựng các đại lý trí tuệ nhân tạo. Chúng cung cấp các thành phần sẵn có cho các mẫu hiệu quả mà chúng tôi đã khám phá, chẳng hạn như cách xây dựng quá trình ra quyết định của đại lý, tích hợp các công cụ khác nhau và duy trì bối cảnh trong nhiều tương tác.
Với khung, nhà phát triển có thể tập trung vào các khía cạnh độc đáo của người đại diện của họ - các chức năng và trường hợp sử dụng cụ thể của họ - thay vì phải xây dựng lại các thành phần cơ bản này. Họ có thể tạo ra các đại lý trí tuệ nhân tạo phức tạp trong vài ngày hoặc vài tuần, thay vì vài tháng, và dễ dàng thử nghiệm các phương pháp khác nhau hơn và học hỏi các thực tiễn tốt nhất mà cộng đồng và các nhà phát triển khác đã khám phá.
Để hiểu rõ hơn về sự quan trọng của khung, hãy xem xét một nhà phát triển xây dựng một đại lý giúp bác sĩ xem xét báo cáo y tế. Nếu không có khung, họ sẽ cần viết mã từ đầu: xử lý tệp đính kèm email, trích xuất văn bản từ PDF, đưa văn bản vào LLM theo đúng định dạng, quản lý lịch sử trò chuyện để theo dõi nội dung đã thảo luận và đảm bảo đại lý phản hồi đúng cách. Đối với các nhiệm vụ không phải là duy nhất cho trường hợp sử dụng cụ thể của họ, đó là một lượng lớn mã phức tạp.
Sử dụng khung xử lý đại lý, nhiều khối xây dựng này có thể được sử dụng trực tiếp. Khung xử lý này xử lý việc đọc email và PDF, cung cấp mẫu hình xây dựng thông tin y tế, quản lý luồng trò chuyện, thậm chí hỗ trợ theo dõi các chi tiết quan trọng trong nhiều cuộc trao đổi. Nhà phát triển có thể tập trung vào làm cho đại lý của mình trở nên độc đáo, chẳng hạn như điều chỉnh gợi ý phân tích y tế hoặc thêm kiểm tra an ninh cụ thể cho chẩn đoán, thay vì phải phát minh lại các mẫu thông thường. Nội dung mà ban đầu có thể mất vài tháng để xây dựng từ đầu, hiện có thể hoàn thành thiết kế nguyên mẫu trong vài ngày.
LangChain đã trở thành cây nước đa năng cho việc phát triển trí tuệ nhân tạo, cung cấp bộ công cụ linh hoạt cho việc xây dựng ứng dụng dựa trên LLM. Mặc dù nó không phải là một khung đại diện theo nghĩa hẹp, nhưng nó cung cấp các khối cơ bản để xây dựng hầu hết các khung đại diện, từ chuỗi được sử dụng để sắp xếp cuộc gọi LLM đến hệ thống bộ nhớ để duy trì ngữ cảnh. Hệ sinh thái tích hợp rộng lớn và tài liệu phong phú của nó đã biến nó thành lựa chọn hàng đầu của các nhà phát triển mong muốn xây dựng ứng dụng trí tuệ nhân tạo hữu ích.
Sau đó là các khung như CrewAI và AutoGen, cho phép các nhà phát triển xây dựng hệ thống đa tác nhân làm việc cùng nhau, mỗi đại lý có vai trò và khả năng độc đáo của riêng mình. Các khung không chỉ đơn giản thực hiện các nhiệm vụ theo thứ tự, mà còn nhấn mạnh việc hợp tác thông qua cuộc trò chuyện giữa các tác nhân để cùng nhau giải quyết vấn đề.
Ví dụ, khi phân phối một bản báo cáo nghiên cứu, một đại lý có thể tóm tắt cấu trúc của nó, một đại lý khác có thể thu thập thông tin liên quan, đại lý thứ ba có thể đánh giá và hoàn thiện bản nháp cuối cùng. Điều này giống như việc xây dựng một nhóm ảo, nơi các đại lý trí tuệ nhân tạo có thể thảo luận, tranh luận và cùng nhau cải thiện giải pháp. Cách làm việc cộng tác như vậy để đạt được mục tiêu cấp cao của hệ thống đa đại lý thường được gọi là "cụm" đại lý trí tuệ nhân tạo.
AutoGPT mặc dù không phải là một framework truyền thống, nhưng nó đã mở ra khái niệm về đại lý trí tuệ nhân tạo tự chủ. Nó thể hiện cách mà trí tuệ nhân tạo chấp nhận một mục tiêu cấp cao, phân rã nó thành các nhiệm vụ con và hoàn thành độc lập với rất ít đầu vào của con người. Mặc dù nó có nhược điểm, nhưng AutoGPT đã khơi nguồn cho làn sóng sáng tạo về các đại lý tự chủ và ảnh hưởng đến việc thiết kế các framework có cấu trúc hơn sau này.
Nhưng tại sao lại là mã hóa?
Tất cả những nền tảng này cuối cùng đã dẫn chúng ta đến sự nổi lên của khung trí tuệ nhân tạo nguyên sinh mã hóa. Lúc này, bạn có thể tự hỏi, khi chúng ta đã có những khung trí tuệ nhân tạo tương đối chín chắn như Langchain và CrewAI trong Web2, tại sao Web3 vẫn cần có khung trí tuệ nhân tạo riêng của mình? Tất nhiên, nhà phát triển có thể sử dụng những khung trí tuệ nhân tạo hiện có này để xây dựng bất kỳ đại lý nào họ muốn? Với sự ưa chuộng của ngành này đối với việc ép buộc Web3 vào mọi câu chuyện, sự nghi ngờ này là hợp lý.
Chúng tôi tin rằng, sự tồn tại của khung đại diện Web3 cụ thể có ba lý do đầy đủ.
Đại lý tài chính hoạt động trên chuỗi
Chúng tôi tin rằng trong tương lai, hầu hết giao dịch tài chính sẽ được thực hiện trên đường ray blockchain. Điều này đã tăng tốc độ cần thiết về loại đại lý trí tuệ nhân tạo, loại đại lý này có thể phân tích dữ liệu trên chuỗi, thực hiện các giao dịch blockchain và quản lý tài sản kỹ thuật số trên nhiều giao thức và mạng lưới khác nhau. Từ robot giao dịch tự động có thể phát hiện cơ hội lợi nhuận đến quản lý danh mục đầu tư thực hiện chiến lược thu nhập, tất cả những đại lý này đều phụ thuộc vào việc tích hợp sâu trong quy trình làm việc cốt lõi của mình.
Khung Web2 truyền thống không cung cấp các thành phần cốt lõi cho các nhiệm vụ này. Bạn phải ghép nối thư viện bên thứ ba để tương tác với hợp đồng thông minh, phân tích sự kiện chuỗi gốc và quản lý khóa riêng tư - điều này đem đến sự phức tạp và lỗ hổng tiềm ẩn. Ngược lại, khung Web3 chuyên biệt có thể xử lý các chức năng này ngay khi mở hộp, giúp các nhà phát triển tập trung vào logic và chiến lược của đại lý mà họ đang xây dựng, thay vì phải đấu tranh với đường ống blockchain cấp thấp.
Sự phối hợp và khuyến khích tự nhiên
Blockchain không chỉ là về các loại tiền kỹ thuật số. Họ cung cấp một hệ thống hồ sơ toàn cầu, giảm thiểu sự tin tưởng với các công cụ tài chính tích hợp để tăng cường sự phối hợp đa tác nhân. Thay vì dựa vào danh tiếng ngoài chuỗi hoặc cơ sở dữ liệu im lặng, các nhà phát triển có thể sử dụng các nguyên thủy trên chuỗi như staking, ký quỹ và nhóm khuyến khích để điều phối lợi ích của nhiều tác nhân AI.
Hãy tưởng tượng một nhóm các đại lý hợp tác để hoàn thành một nhiệm vụ phức tạp (ví dụ, đánh dấu dữ liệu để huấn luyện mô hình mới). Hiệu suất của mỗi đại lý có thể được theo dõi trên chuỗi và phần thưởng được phân phối tự động dựa trên đóng góp. Tính minh bạch và tính không thể thay đổi của hệ thống dựa trên blockchain cho phép việc trả công công bằng, theo dõi danh tiếng mạnh mẽ hơn và các chương trình khuyến khích phát triển ngay lập tức.
Khung công cụ tiền mã hóa có thể được nhúng một cách rõ ràng cho các chức năng này, cho phép các nhà phát triển thiết kế cấu trúc khuyến khích bằng hợp đồng thông minh mà không cần phải thiết kế lại từ đầu mỗi khi cần phải tin tưởng đại diện hoặc thanh toán cho một đại diện khác.
Cơ hội mới trên thị trường sớm
Mặc dù các khung như LangChain đã có sự chia sẻ tư duy và hiệu ứng mạng, nhưng lĩnh vực đại lý trí tuệ nhân tạo vẫn đang ở giai đoạn khởi đầu. Hiện không rõ hệ thống này sẽ cuối cùng trở thành như thế nào, và không có cách nào để khóa thị trường.
Kinh tế mật mã thúc đẩy việc xây dựng, quản lý và tiền hóa theo cách mà không thể hoàn toàn phản ánh trong kinh tế SaaS truyền thống hoặc Web2. Những thử nghiệm ở giai đoạn đầu này có thể mở ra các cơ hội mới cho việc tiền hóa của chính khung, chứ không chỉ là các đại lý được xây dựng trên khung.
Người cạnh tranh
Tiêu chuẩn ###
Để đánh giá sức mạnh của mỗi khung, chúng tôi đứng ở góc độ của nhà phát triển muốn xây dựng đại lý AI. Họ quan tâm đến điều gì? Chúng tôi cho rằng việc đánh giá có thể được chia thành ba danh mục chính: cốt lõi, chức năng và trải nghiệm của nhà phát triển.
Bạn có thể coi nhân vật chính của khung nhìn là cơ sở để xây dựng tất cả các đại lý khác. Nếu nhân vật chính yếu, chậm hoặc không phát triển liên tục, thì các đại lý được tạo ra bằng khung nhìn đó sẽ gặp các hạn chế tương tự. Bạn có thể đánh giá nhân vật chính dựa trên các tiêu chuẩn sau:
Ngoài các chức năng cốt lõi, hiệu quả thực tế của khung được đánh giá chủ yếu dựa vào chức năng và tích hợp của nó. Công cụ mở rộng đáng kể chức năng thực tế của đại lý. Đại lý chỉ có quyền truy cập LLM có thể tham gia cuộc trò chuyện, nhưng nếu được cấp quyền truy cập vào trình duyệt web, nó có thể truy xuất thông tin thời gian thực. Kết nối nó với API lịch của bạn, nó có thể sắp xếp cuộc họp. Mỗi công cụ mới sẽ tăng chức năng của đại lý gấp đôi. Từ góc độ của nhà phát triển, mỗi công cụ mới tăng cường lựa chọn và phạm vi thử nghiệm.
Chúng tôi đánh giá chức năng của khung công nghệ nguyên gốc từ ba khía cạnh:
Cuối cùng, ngay cả framework mạnh nhất cũng chỉ tốt như trải nghiệm của các nhà phát triển. Một framework có thể có các tính năng hàng đầu, nhưng nếu các nhà phát triển khó sử dụng hiệu quả, nó sẽ không bao giờ được áp dụng rộng rãi.
Kết quả
Bảng dưới đây tóm tắt hiệu suất của mỗi khung mẫu trong các thông số mà chúng ta vừa xác định (xếp hạng từ 1-5).
Mặc dù thảo luận về lý do đằng sau mỗi điểm dữ liệu nằm ngoài phạm vi của bài viết này, đây là một số ấn tượng nổi bật mà mỗi framework để lại cho chúng ta.
Eliza là framework trưởng thành nhất trong danh sách cho đến nay. Với việc Eliza framework đã trở thành điểm giao cắt của hệ sinh thái mã hóa trong làn sóng proxy gần đây với trí tuệ nhân tạo, điểm nổi bật của nó là số lượng tính năng và tích hợp được hỗ trợ.
Do vì sự nổi tiếng mà nó tạo ra, mọi blockchain và công cụ phát triển đều đua nhau tích hợp vào framework này (hiện tại nó đã tích hợp gần 100 cái!). Đồng thời, Eliza cũng thu hút hoạt động phát triển nhiều hơn so với hầu hết các framework khác. Eliza ít nhất trong tương lai ngắn hạn được hưởng lợi từ một số hiệu ứng mạng rất rõ ràng. Framework này được viết bằng TypeScript, đó là một ngôn ngữ chín chắn, được sử dụng bởi cả người mới học lẫn những nhà phát triển có kinh nghiệm, điều này thúc đẩy thêm sự phát triển của nó.
Eliza cũng nổi bật với nội dung giáo dục phong phú và hướng dẫn cho các nhà phát triển sử dụng framework.
Chúng tôi đã thấy một loạt các proxy sử dụng khung Eliza, bao gồm Spore, Eliza (proxy) và Pillzumi. Một phiên bản mới của khung Eliza dự kiến sẽ được phát hành trong những tuần tới.
Phương pháp của Rig hoàn toàn khác với phương pháp của Eliza. Nó nổi bật với nhân tố cốt lõi mạnh mẽ, nhẹ và hiệu suất cao. Nó hỗ trợ các chế độ suy luận đa dạng, bao gồm chuỗi gợi ý (áp dụng tuần tự gợi ý), sắp xếp (phối hợp nhiều đại lý), logic điều kiện và tính đồng thời (thực hiện song song các hoạt động).
Tuy nhiên, Rig chính nó không tích hợp phong phú như vậy. Ngược lại, nó sử dụng một phương pháp khác, đội ngũ gọi là "Bí mật Arc". Ở đây, đội ngũ Arc hợp tác với các đội ngũ chất lượng cao khác trong Web2 và Web3 để mở rộng chức năng của Rig. Một số hợp tác này bao gồm hợp tác phát triển đại lý cá nhân với Soulgraph, cũng như hợp tác phát triển tính năng blockchain với Listen và Solana Agent Kit.
Tuy nhiên, Rig có hai điểm yếu. Thứ nhất, nó được viết bằng Rust, mặc dù hiệu suất rất tốt, nhưng số lượng nhà phát triển quen thuộc với nó tương đối ít. Thứ hai, chúng tôi chỉ thấy một số lượng hạn chế các đại lý được điều khiển bởi Rig trong ứng dụng thực tế (ngoại trừ AskJimmy), điều này làm cho việc đánh giá tình hình sử dụng thực sự của nhà phát triển trở nên khó khăn.
Trước khi bắt đầu Daydreams, người sáng lập lordOfAFew là người đóng góp chính cho khung Eliza. Điều này giúp anh ấy tiếp cận sự phát triển của khung, và quan trọng hơn, tiếp xúc với một số điểm yếu. Điểm khác biệt giữa Daydreams và các khung khác là, nó tập trung vào suy luận chuỗi tư duy để giúp đại lý đạt được mục tiêu dài hạn. Điều này có nghĩa là khi đưa ra một mục tiêu cấp cao và phức tạp, đại lý sẽ tiến hành suy luận theo nhiều bước, đưa ra các hành động khác nhau, chấp nhận hoặc loại bỏ chúng dựa trên việc chúng có hỗ trợ cho mục tiêu hay không, và tiếp tục quá trình này để tiến triển. Điều này khiến cho đại lý được tạo ra bằng Daydreams thực sự tự chủ.
Lịch sử của nhà sáng lập trong việc xây dựng dự án game đã ảnh hưởng đến phương pháp này. Game, đặc biệt là game trên chuỗi, là môi trường lý tưởng để đào tạo và kiểm tra khả năng của các đại lý. Không ngạc nhiên khi một số trường hợp sử dụng sớm của Daydreams Agent đã xuất hiện trong các trò chơi như Pistols, Istarai và PonziLand.
Khung này cũng có tính năng cộng tác đa tác nhân mạnh mẽ và triển khai quy trình làm việc điều phối.
Tương tự như Daydreams, Pippin cũng là một người kế vị trong trò chơi khung. Chúng tôi đã mô tả chi tiết về việc phát hành nó trong bài viết này. Tầm nhìn của Yohei là biến đại lý trở thành một 'sự hiện diện kỹ thuật số', có thể thông minh và tự chủ thông qua việc truy cập vào các công cụ chính xác. Tầm nhìn này được thể hiện trong lõi đơn giản và tinh tế của Pippin. Chỉ cần vài dòng mã, bạn có thể tạo ra một đại lý phức tạp, có thể hoạt động tự chủ, thậm chí có thể viết mã cho chính mình.
! MAHfGrrIS2Xy6VWc4t47Sxn3wWWKjZDbLKoRAGAb.png
Nhược điểm của khung là nó thậm chí thiếu các tính năng cơ bản như nhúng vector hỗ trợ và luồng công việc RAG. Nó cũng khuyến khích các nhà phát triển sử dụng thư viện bên thứ ba Composio để tích hợp hầu hết mọi thứ. So với các khung đã được thảo luận cho đến nay, nó hoàn toàn chưa trưởng thành.
Một số proxy được xây dựng bằng Pippin bao gồm Ditto và Telemafia.
Zerepy có một bản hiện thực cốt lõi tương đối đơn giản. Nó hiệu quả trong việc chọn một nhiệm vụ từ một tập hợp các nhiệm vụ được cấu hình và thực hiện nó khi cần. Tuy nhiên, nó thiếu các mô hình suy luận phức tạp như định hướng mục tiêu hoặc lập kế hoạch chuỗi tư duy.
Mặc dù nó hỗ trợ việc gọi suy luận cho nhiều LLM, nhưng nó thiếu bất kỳ triển khai nhúng hoặc RAG nào. Nó cũng thiếu bất kỳ ngôn ngữ nào để ghi nhớ hoặc điều phối nhiều đại lý.
Việc thiếu các tính năng và tích hợp cốt lõi này được phản ánh trong việc áp dụng Zerepy. Chúng tôi chưa thấy bất kỳ proxy thực tế nào sử dụng framework này đi vào hoạt động.
Sử dụng khung để xây dựng
Nếu tất cả những điều này nghe có vẻ quá kỹ thuật và lý thuyết, chúng tôi không trách bạn. Một câu hỏi đơn giản hơn là "Tôi có thể sử dụng các khung công việc này để xây dựng loại proxy nào mà không cần phải tự viết một đống mã?".
Để đánh giá các khung này trong thực tế, chúng tôi xác định năm loại đại lý phổ biến mà các nhà phát triển thường muốn xây dựng. Chúng đại diện cho các mức độ phức tạp khác nhau và kiểm tra từng khía cạnh của chức năng của mỗi khung.
Chúng tôi đã cho mỗi framework xếp hạng 5 trên 5 cho mỗi loại proxy. Đây là cách họ thực hiện:
Chỉ số mã nguồn mở
Khi đánh giá các framework này, hầu hết các phân tích đều nhấn mạnh rất nhiều vào các số liệu GitHub như sao và fork. Ở đây, chúng ta sẽ xem xét nhanh các số liệu này là gì và chúng chỉ ra chất lượng của framework ở mức độ nào.
Dấu sao đóng vai trò là tín hiệu phổ biến nhất về mức độ được ưa chuộng. Cơ bản, chúng là dấu trang mà các nhà phát triển đánh dấu cho các dự án mà họ cho là thú vị hoặc muốn theo dõi. Mặc dù số lượng dấu sao cao cho thấy sự nhận thức và quan tâm rộng rãi, nhưng điều này có thể dẫn đến hiểu lầm. Đôi khi dự án có thể tích lũy dấu sao thông qua tiếp thị chứ không phải giá trị kỹ thuật. Hãy coi dấu sao như là minh chứng xã hội, chứ không phải là tiêu chuẩn đánh giá chất lượng.
Số lượng fork cho bạn biết có bao nhiêu nhà phát triển đã tạo các bản sao cơ sở mã của riêng họ để xây dựng. Nhiều fork hơn thường là một dấu hiệu cho thấy các nhà phát triển đang tích cực sử dụng và mở rộng dự án. Đó là, nhiều fork cuối cùng bị bỏ rơi, vì vậy số lượng fork ban đầu yêu cầu bối cảnh.
Số lượng người đóng góp cho thấy có bao nhiêu nhà phát triển khác nhau thực sự đã nộp mã cho dự án. Điều này thường có ý nghĩa hơn so với số sao hoặc fork. Số lượng người đóng góp đều đặn lành mạnh cho thấy dự án đó có một cộng đồng hoạt động đang bảo trì và cải tiến nó.
Chúng tôi đã đi xa hơn và thiết kế chỉ số riêng của chúng tôi - Điểm đóng góp. Chúng tôi đánh giá lịch sử công khai của từng nhà phát triển, bao gồm sự đóng góp của họ trong quá khứ cho các dự án khác, tần suất hoạt động và mức độ phổ biến của tài khoản của họ, để phân bổ một điểm cho mỗi người đóng góp. Sau đó, chúng tôi tính trung bình tất cả các người đóng góp của một dự án và trọng số theo số lượng đóng góp của họ.
Những con số này có ý nghĩa gì đối với khung của chúng ta?
Trong hầu hết các trường hợp, số lượng dấu sao có thể được bỏ qua. Chúng không phải là một chỉ số có ý nghĩa trong ngữ cảnh. Ngoại lệ ở đây là Eliza, một kho lưu trữ xu hướng từng là số một trong tất cả các dự án trên GitHub, phù hợp với việc nó trở thành điểm nổi bật của tất cả trí tuệ nhân tạo mật mã. Hơn nữa, các nhà phát triển nổi tiếng như 0xCygaar cũng đã đóng góp cho dự án này. Điều này cũng phản ánh qua số lượng người đóng góp - gấp 10 lần so với các dự án khác - Eliza đã thu hút người đóng góp.
Thêm vào đó, Daydreams rất thú vị với chúng tôi đơn giản vì nó thu hút các nhà phát triển chất lượng cao. Là một người đến sau để ra mắt sau đỉnh điểm cường điệu, nó không được hưởng lợi từ hiệu ứng mạng của Eliza.
Tiếp theo là gì? **
Nếu bạn là một nhà phát triển, chúng tôi hy vọng rằng chúng tôi đã cung cấp cho bạn ít nhất một điểm khởi đầu để lựa chọn framework (nếu cần) xây dựng cho bạn. Ngoài ra, bạn vẫn phải tự mình thử nghiệm xem logic cốt lõi và tích hợp của mỗi framework có phù hợp với trường hợp sử dụng của bạn không. Điều này là không thể tránh khỏi.
Từ góc nhìn của người quan sát, điều quan trọng là phải nhớ rằng tất cả các khung trí tuệ nhân tạo này đều chưa đến ba tháng tuổi. (Vâng, cảm giác là lâu hơn.) Trong thời gian này, chúng đã từ việc được quảng cáo mạnh mẽ chuyển thành được gọi là 'ngôi nhà trong không trung'. Đó chính là bản chất của công nghệ. Mặc dù có sự biến động như vậy, chúng tôi tin rằng lĩnh vực này là một thí nghiệm mới thú vị và bền vững trong lĩnh vực tiền điện tử.
Quan trọng tiếp theo là làm thế nào các khung như vậy trở nên chín chắn về mặt công nghệ và tiền tệ.
Về mặt công nghệ, lợi thế lớn nhất mà các framework có thể tạo ra cho chính chúng là cho phép các proxy tương tác liền mạch trên chuỗi. Đây là lý do số một tại sao các nhà phát triển chọn các khung công tác gốc tiền điện tử thay vì các khung chung chung. Ngoài ra, proxy và công nghệ xây dựng proxy là những vấn đề công nghệ tiên tiến trên toàn cầu, với những phát triển mới xảy ra mỗi ngày. Khuôn khổ cũng phải phát triển và thích ứng với những phát triển này.
Cách thức để tiến hành tiền hóa khung làm cho mọi thứ thú vị hơn. Trong giai đoạn đầu này, việc tạo ra một nền tảng khởi đầu được lấy cảm hứng từ Virtuals là một trái cây dễ thu hoạch của dự án. Nhưng chúng tôi cho rằng có nhiều không gian thử nghiệm ở đây. Chúng tôi đang tiến về một tương lai với hàng triệu đại lý, chuyên môn trong mọi lĩnh vực con mà bạn có thể tưởng tượng được. Công cụ giúp họ phối hợp hiệu quả có thể giữ được giá trị lớn từ phí giao dịch. Là cánh cửa cho những người xây dựng, khung là một phần rất phù hợp để giữ giá trị đó.
Đồng thời, việc kiếm tiền từ các khuôn khổ cũng được ngụy trang thành một vấn đề kiếm tiền từ các dự án nguồn mở và thưởng cho những người đóng góp, những người trong lịch sử đã thực hiện công việc miễn phí, vô ơn. Nếu một nhóm có thể bẻ khóa mã về cách tạo ra một nền kinh tế nguồn mở bền vững trong khi vẫn duy trì các đặc tính cơ bản của nó, các tác động sẽ vượt xa khuôn khổ proxy.
Đây là những chủ đề chúng tôi hy vọng sẽ khám phá trong vài tháng tới.