Reseña breve del marco AI Agent D.A.T.A lanzado por CARV

D.A.T.A es un marco de datos para escenarios ‘en cadena’ generales, que principalmente aborda la mejora de la capacidad de interacción de datos de AI Agent, como el procesamiento de datos entre cadenas de bloques, cálculo de privacidad y toma de decisiones automatizada.

Escrito por: Haotian

Recientemente, @carv_official lanzó un conjunto de marcos y estándares D.A.T.A. Como su nombre indica, Virtual G.A.M.E se centra en el desarrollo y despliegue de escenarios de juego, mientras que D.A.T.A está dirigido a escenarios de datos “encadenados” generales, principalmente abordando problemas de mejora de la capacidad de interacción de datos de agentes de IA, como el procesamiento de datos entre cadenas, cálculo de privacidad y toma de decisiones automatizada, en comparación con el marco G.A.M.E.

El marco G.A.M.E proporcionado por @virtuals_io es un AI Agent que ayuda a los desarrolladores a crear escenarios de juego donde pueden planificar acciones y tomar decisiones de forma autónoma. Su principal objetivo son los modelos LLMs.

Permitir que los modelos grandes tomen decisiones autónomas y planifiquen acciones según la entrada de lenguaje natural, a través de un conjunto de planificadores avanzados ajustados (HLP) y planificadores de bajo nivel (LLP), donde el HLP formula estrategias y tareas y el LLP convierte las tareas en acciones concretas. Esto permite a los desarrolladores construir y desplegar rápidamente agentes de IA modularizados para entornos de producción, por ejemplo, para proporcionar toma de decisiones inteligente a NPC o jugadores en juegos.

En comparación, el marco D.A.T.A proporcionado por CARV es una infraestructura de ‘datos’ para escenarios generales, con el objetivo de proporcionar soporte de datos en cadena y fuera de cadena de alta calidad para los agentes de IA. Su principal objetivo es la capacidad de comunicación e interacción de datos entre cadenas de los agentes de IA.

Como una cadena pública general modular y altamente escalable, SVM Chain introduce un protocolo de estandarización de datos entre cadenas, lo que permite que los Agentes de IA accedan y procesen datos de diferentes cadenas. Al mismo tiempo, los mecanismos de verificación y trazabilidad de la cadena garantizan la seguridad de los datos durante su transmisión y procesamiento. Además, la aplicación de tecnologías TEE y ZK garantiza la privacidad. Es evidente que CARV define principalmente un mecanismo de adaptación e interacción de operaciones para los Agentes de IA entre cadenas.

2）¿Cómo se hace específicamente? El ecosistema CARV para la interacción entre cadenas adaptadas al Agente de IA se divide principalmente en cuatro componentes principales: SVM Chain, marco D.A.T.A, CARV_ID, CARV_Labs; consulte la documentación para obtener más detalles.

1. SVM Chain proporciona infraestructura básica de blockchain, incluyendo el procesamiento de transacciones interconectadas, soporte para la ejecución de contratos inteligentes, mantenimiento de mecanismos de consenso y otras funciones básicas necesarias para el funcionamiento normal del marco D.A.T.A.

2. El marco y los estándares D.A.T.A. incluyen principalmente la estandarización de datos entre cadenas, la agregación y el procesamiento de datos, el soporte para cálculos de privacidad, etc. Durante este proceso, se obtienen los datos originales de la cadena SVM y se asocian utilizando el sistema de identificación ID y el sistema de identidad del agente, para finalmente proporcionar datos estandarizados a la capa de aplicaciones.

3、Sistema de gestión de identidad CARV_ID, implementado sobre la base del estándar ERC7231, que incluye principalmente la identificación de la inteligencia artificial (AI) Agent, la autenticación de identidad, la gestión de permisos, la autorización de datos, etc., y trabaja en colaboración con el sistema de marco D.A.T.A para la gestión de datos.

4、CARV_Labs, principalmente a través de la incubación de proyectos, la implementación de aplicaciones ecológicas, el apoyo a la innovación tecnológica, etc., proporciona soporte básico para la implementación de aplicaciones de AI Agent, finalmente permitiendo que las aplicaciones de AI Agent soportadas por otros módulos de marcos tecnológicos puedan aterrizar verdaderamente.

En resumen, se puede ver claramente que la forma en que CARV aborda el camino de AI Agent es aprovechando la ventaja inherente de su estructura en cadena, capturando el “punto de función” del procesamiento de datos en cadena y fuera de ella necesario para el funcionamiento normal de AI Agent, y mediante la agregación de datos, la definición de estándares de datos, la construcción de un mecanismo de verificación y seguimiento de datos, haciendo de CARV una arquitectura de cadena de bloques que puede ejecutar AI Agent.

El marco G.A.M.E y D.A.T.A tienen diferencias fundamentales, uno profundiza en la capacidad de toma de decisiones y ejecución de acciones autónomas del agente de IA en el escenario del juego, permitiendo que el agente de IA comprenda de manera más eficiente la entrada de lenguaje natural y la convierta en acciones dentro del escenario del juego, mientras que el otro abarca múltiples entornos de cadena, intentando ser impulsado por la demanda de la cadena del agente de IA, tomando ‘datos’ como punto de entrada, para que CARV se convierta en una infraestructura de cadena universal que sirva primero al agente de IA.