D.A.T.A é um framework de dados para cenários “em cadeia” genéricos, que visa principalmente melhorar a capacidade de interação de dados do Agente de IA, incluindo processamento de dados entre blockchains, computação privada e decisões automatizadas.
Escrito por Haotian
Recentemente, @carv_official publicou um conjunto de estruturas e padrões D.A.T.A. Como o nome sugere, o G.A.M.E da Virtual é uma estrutura de desenvolvimento e implantação com foco em cenários de jogos, enquanto D.A.T.A é uma estrutura de dados para cenários gerais de “cadeia”, resolvendo principalmente o problema de melhorar as capacidades de interação de dados de agentes de IA, como processamento de dados cross-blockchain, computação de privacidade e tomada de decisão automatizada. Vamos falar sobre o entendimento de D.A.T.A em comparação com a estrutura G.A.M.E:
O framework G.A.M.E fornecido pela @virtuals_io é um AI Agent que ajuda os desenvolvedores a criar agentes que podem planejar e tomar decisões independentes dentro de cenários de jogos. Seu principal público-alvo são os LLMs, modelos grandes.
Permitir que grandes modelos possam tomar decisões autônomas e planejar ações com base em entradas de linguagem natural, por meio de um conjunto de Planejadores Avançados Ajustáveis (HLP) e Planejadores de Baixo Nível (LLP), onde o HLP formula estratégias e tarefas, e o LLP converte as tarefas em ações concretas. Isso permite que os desenvolvedores construam e implantem rapidamente agentes de IA modulares para ambientes de produção. Por exemplo, fornecer decisões inteligentes para NPCs ou jogadores em jogos.
Por outro lado, o quadro D.A.T.A fornecido pela CARV é uma infraestrutura ‘de dados’ para cenários gerais, com o objetivo de fornecer suporte de dados de alta qualidade on-chain e off-chain para agentes de IA. Seu principal foco é a comunicação e interação de ‘dados’ entre os agentes de IA.
Como uma cadeia pública geral modular e altamente expansível, a SVM Chain introduz um protocolo padronizado de dados entre cadeias, permitindo que Agentes de IA acessem e processem dados de diferentes blockchains de maneira unificada. Ao mesmo tempo, os mecanismos de verificação e rastreabilidade da blockchain garantem a segurança dos dados durante a transmissão e o processamento. Além disso, a aplicação das tecnologias TEE e ZK garante a privacidade. Não é difícil ver que o CARV define principalmente um mecanismo de operações interativas adaptáveis entre cadeias para Agentes de IA.
2)Como fazer especificamente? O ecossistema CARV para interações entre cadeias adaptáveis ao AI Agent é composto principalmente por quatro componentes principais: SVM Chain, estrutura D.A.T.A, CARV_ID, CARV_Labs; consulte a documentação para obter mais informações
1、A SVM Chain fornece infraestrutura de base de blockchain, incluindo processamento de transações cross-chain, suporte à execução de contratos inteligentes, manutenção de mecanismos de consenso e outras funcionalidades básicas, que são essenciais para o funcionamento normal do framework D.A.T.A.
3、Sistema de Gestão de Identidade CARV_ID, implementado com base no padrão ERC7231, incluindo principalmente marcação de identidade do Agente de IA, autenticação de identidade, gestão de permissões, autorização de dados, etc., trabalhando em colaboração com o sistema de estrutura D.A.T.A para gestão de dados.
Em resumo, pode-se ver claramente que a maneira pela qual o CARV entra na corrida AI Agent é aproveitando a vantagem inata de sua estrutura em cadeia, agarrando o ‘ponto de função’ do processamento de dados on-chain e off-chain necessários para o funcionamento normal do AI Agent, agregando dados, definindo padrões de dados, construindo mecanismos de validação e rastreamento de dados, permitindo que o CARV se torne uma arquitetura de blockchain que possa executar o AI Agent.
As estruturas G.A.M.E e D.A.T.A têm diferenças essenciais. Enquanto a primeira explora a capacidade de ação e tomada de decisões autônomas do agente de IA no cenário do jogo, permitindo que o agente de IA compreenda de forma mais eficiente a entrada de linguagem natural e a transforme em ações no cenário do jogo, a segunda abrange ambientes multi-chain e tenta orientar as necessidades de cadeia do agente de IA, usando os ‘dados’ como ponto de entrada, transformando o CARV em uma infraestrutura de cadeia de base genérica que serve primeiro ao agente de IA.