CARV ra mắt khung D.A.T.A: Xây dựng cơ sở hạ tầng dữ liệu liên chuỗi cho AI Agent

Bài viết: Haotian

Gần đây, CARV đã công bố một bộ khung và tiêu chuẩn D.A.T.A. Như tên gọi cho thấy, khung G.A.M.E của Virtual tập trung vào việc triển khai và phát triển các kịch bản trò chơi, trong khi D.A.T.A là một khung dữ liệu hướng tới các tình huống "chuỗi" nói chung, chủ yếu giải quyết các vấn đề nâng cao khả năng tương tác dữ liệu cho AI Agent như xử lý dữ liệu xuyên chuỗi khối, tính toán riêng tư và ra quyết định tự động.

Dưới đây là phân tích về D.A.T.A thông qua so sánh với khung G.A.M.E:

1) Khung G.A.M.E do Virtual cung cấp là một công cụ giúp các nhà phát triển tạo ra những AI Agent có khả năng tự lên kế hoạch hành động và ra quyết định trong các bối cảnh trò chơi. Đối tượng phục vụ chính là các mô hình ngôn ngữ lớn (LLMs).

Khung này cho phép mô hình lớn dựa trên đầu vào ngôn ngữ tự nhiên, thông qua một bộ lập kế hoạch cấp cao (HLP) và cấp thấp (LLP) được tinh chỉnh để thực hiện việc tự ra quyết định và lập kế hoạch hành động. HLP đưa ra chiến lược và nhiệm vụ, trong khi LLP chuyển đổi nhiệm vụ thành các hành động cụ thể có thể thực thi. Cuối cùng, nhà phát triển có thể nhanh chóng xây dựng và triển khai các AI Agent sẵn sàng cho môi trường sản xuất bằng cách sử dụng các thành phần mô-đun. Ví dụ: trong trò chơi, có thể cung cấp ra quyết định thông minh cho NPC hoặc người chơi.

Ngược lại, khung D.A.T.A do CARV cung cấp là một cơ sở hạ tầng "dữ liệu" hướng tới các tình huống tổng quát, mục tiêu là cung cấp dữ liệu chất lượng cao từ cả trên và ngoài chuỗi cho AI Agent. Đối tượng phục vụ chính là khả năng giao tiếp và tương tác "dữ liệu" giữa các AI Agent trên nhiều chuỗi.

Là một chuỗi công cộng phổ thông, có tính mô-đun và khả năng mở rộng mạnh, SVM Chain đã giới thiệu giao thức chuẩn hóa dữ liệu liên chuỗi, cho phép AI Agent truy cập và xử lý dữ liệu từ các blockchain khác nhau một cách thống nhất. Đồng thời, cơ chế xác minh và truy xuất nguồn gốc của blockchain đảm bảo an toàn dữ liệu trong quá trình truyền tải và xử lý. Ngoài ra, việc ứng dụng công nghệ TEE và ZK cũng đảm bảo tính riêng tư. Có thể thấy rõ rằng CARV chủ yếu định nghĩa một bộ cơ chế cho phép AI Agent tương tác và hoạt động liền mạch giữa các chuỗi.

2) Cụ thể làm như thế nào? Hệ sinh thái CARV nhằm hỗ trợ tương tác liên chuỗi cho AI Agent, được chia thành bốn thành phần chính: SVM Chain, khung D.A.T.A, CARV_ID, CARV_Labs;

Xem tài liệu chi tiết để tham khảo

1. SVM Chain cung cấp cơ sở hạ tầng blockchain nền tảng, bao gồm xử lý giao dịch liên chuỗi, hỗ trợ chạy hợp đồng thông minh, duy trì cơ chế đồng thuận và các chức năng cơ bản khác — đây cũng là cơ sở hạ tầng chuỗi cần thiết để khung D.A.T.A vận hành bình thường;

2. Khung và tiêu chuẩn D.A.T.A, bao gồm chuẩn hóa dữ liệu liên chuỗi, tập hợp và xử lý phân tích dữ liệu, hỗ trợ tính toán riêng tư; trong quá trình này thu thập dữ liệu thô từ SVM Chain, sau đó liên kết thông qua hệ thống ID và hệ thống danh tính Agent, cuối cùng xuất dữ liệu đã được chuẩn hóa cho tầng ứng dụng;

3. Hệ thống quản lý danh tính CARV_ID, được thực hiện dựa trên tiêu chuẩn ERC7231, bao gồm đánh dấu danh tính AI Agent, xác thực danh tính, quản lý quyền hạn, ủy quyền dữ liệu v.v., chủ yếu phối hợp với hệ thống khung D.A.T.A trong quản lý dữ liệu;

4. CARV_Labs chủ yếu thông qua ươm tạo dự án, triển khai ứng dụng trong hệ sinh thái, hỗ trợ đổi mới công nghệ v.v., cung cấp hỗ trợ nền tảng cho việc triển khai ứng dụng AI Agent, cuối cùng giúp các ứng dụng AI Agent được hỗ trợ bởi các mô-đun khung kỹ thuật khác có thể thực sự đi vào hoạt động.

Tóm lại, có thể thấy rõ ràng rằng cách CARV tham gia vào lĩnh vực AI Agent là tận dụng lợi thế vốn có của cấu trúc chuỗi, nắm bắt "điểm chức năng" xử lý dữ liệu trên và ngoài chuỗi mà AI Agent cần để vận hành bình thường, thông qua việc tập hợp dữ liệu, định nghĩa tiêu chuẩn dữ liệu, xây dựng cơ chế xác minh và truy xuất nguồn gốc dữ liệu, từ đó biến CARV thành một kiến trúc blockchain có thể vận hành trơn tru AI Agent.

Khung G.A.M.E và D.A.T.A về bản chất có sự khác biệt rõ rệt: một bên đi sâu khai thác khả năng tự ra quyết định và thực thi hành động của AI Agent trong bối cảnh trò chơi, giúp AI Agent hiểu hiệu quả hơn đầu vào ngôn ngữ tự nhiên và chuyển đổi thành hành động trong trò chơi; còn bên kia hoạt động trên môi trường đa chuỗi, lấy nhu cầu "hóa chuỗi" của AI Agent làm định hướng, lấy "dữ liệu" làm điểm khởi đầu, biến CARV thành một chuỗi cơ sở hạ tầng phổ thông đầu tiên phục vụ AI Agent.