Desencriptando el marco D.A.T.A: ¿Cómo reconstruir la interacción ecológica de múltiples cadenas?

Escrito por: Haotian

Recientemente, @carv_official publicado un conjunto de marcos y estándares de D.A.T.A. Como su nombre indica, G.A.M.E de Virtual es un marco de desarrollo e implementación centrado en escenarios de juego, mientras que D.A.T.A es un marco de datos para escenarios generales de "cadena", que resuelve principalmente el problema de mejorar las capacidades de interacción de datos de los agentes de IA, como el procesamiento de datos entre cadenas de bloques, la computación de privacidad y la toma de decisiones automatizada. Hablemos de la comprensión de D.A.T.A en comparación con el marco G.A.M.E:

1）El marco G.A.M.E proporcionado por @virtuals_io es un marco que ayuda a los desarrolladores a crear agentes de inteligencia artificial que pueden planificar acciones y tomar decisiones autónomas dentro de escenarios de juegos. Su principal objetivo de servicio son los modelos grandes de LLMs.

Permite que los grandes modelos tomen decisiones autónomas y planifiquen acciones según la entrada de lenguaje natural, a través de un conjunto de planificadores de alto nivel (HLP) y planificadores de bajo nivel (LLP) ajustados, donde HLP elabora estrategias y tareas, y LLP convierte las tareas en acciones concretas ejecutables. Finalmente, permite a los desarrolladores construir y desplegar rápidamente agentes de IA para entornos de producción basados en componentes modulares, por ejemplo, proporcionando decisiones inteligentes para NPC o jugadores en juegos.

En comparación, el marco D.A.T.A proporcionado por CARV es una infraestructura 'de datos' para escenarios generales, cuyo objetivo es proporcionar soporte de datos de alta calidad en cadena y fuera de cadena para el agente de IA. Su principal objeto de servicio es la capacidad de comunicación e interacción de datos entre cadenas de AI Agent.

Como una cadena pública general modular y altamente escalable, SVM Chain ha introducido un protocolo de estandarización de datos entre cadenas, lo que permite a los agentes de inteligencia artificial acceder y procesar datos de diferentes cadenas de bloques de manera uniforme. Al mismo tiempo, el mecanismo de verificación y rastreo de la cadena de bloques garantiza la seguridad de los datos durante su transmisión y procesamiento, y la aplicación de la tecnología TEE y ZK garantiza la privacidad. Es evidente que CARV define principalmente un mecanismo de adaptación entre cadenas para que los agentes de inteligencia artificial puedan interactuar entre ellas.

2）¿Cómo se hace específicamente? El ecosistema CARV para la interacción entre cadenas para adaptarse 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 información.

1. SVM Chain proporciona la infraestructura básica de la cadena de bloques, que incluye funciones básicas como la gestión de transacciones intercadenas, el soporte para la ejecución de contratos inteligentes y el mantenimiento del mecanismo de consenso, que son necesarios para el funcionamiento normal del marco D.A.T.A.

2、El marco y los estándares de 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 el proceso, se incluye la obtención de datos originales de SVM Chain o y su correlación a través del sistema de identificación y el sistema de identidad del agente, para finalmente generar datos estandarizados en la capa de aplicaciones.

3, el sistema de gestión de identidad CARV_ID se implementa en base al estándar ERC7231 e incluye principalmente la identificación de agentes de inteligencia artificial, verificación de identidad, gestión de permisos, autorización de datos, etc. Trabaja en conjunto con el sistema de marco D.A.T.A para la gestión de datos.

4. CARV_Labs se centra principalmente en incubar proyectos, implementar aplicaciones ecológicas y apoyar la innovación tecnológica para proporcionar soporte básico para la implementación de aplicaciones de AI Agent, lo que finalmente permite que las aplicaciones de AI Agent soportadas por otros marcos tecnológicos se implementen verdaderamente.

En resumen, se puede ver claramente que la forma en que CARV ingresa al campo de AI Agent es aprovechar su ventaja inherente en la estructura de cadena, aprovechar el 'punto funcional' del procesamiento de datos en cadena y fuera de cadena necesario para el funcionamiento normal del Agente de AI, mediante la agregación de datos, la definición de estándares de datos, la construcción de mecanismos de validación y trazabilidad de datos, lo que convierte a CARV en una arquitectura de blockchain que puede hacer funcionar AI Agent.

Existe una diferencia esencial entre el marco G.A.M.E y D.A.T.A, uno profundiza en las capacidades autónomas de toma de decisiones y ejecución de acciones del agente de IA en la escena del juego, de modo que el agente de IA puede comprender de manera más eficiente la entrada del lenguaje natural y traducirla en acciones en la escena del juego, y el otro se extiende a ambos lados del entorno multicadena, tratando de guiarse por las necesidades de encadenamiento del agente de IA, tomando los "datos" como punto de entrada, lo que convierte a CARV en una cadena de infraestructura general que sirve primero al agente de IA.