Anda
Anda 概述
- Anda 是一个创新的智能体开发框架，旨在构建一个高度可组合、自主性强且具有永久记忆的 AI 智能体网络。
- 通过连接各行各业的智能体，Anda 致力于打造一个超级 AGI 系统，推动人工智能向更高层次发展。
- DeepSeek 是 Anda 的首选 LLM 服务提供商，为其提供强大的智能体思考和决策能力。
运行原理
核心特性
- 可组合性
- Anda 智能体专注于解决特定领域的问题，并通过灵活组合不同的智能体来应对复杂任务。
- 当单个智能体无法独立解决问题时，它能够与其他智能体协作，形成强大的问题解决网络。
- 简洁性
- Anda 的设计理念强调简洁易用，帮助开发者快速构建功能强大且高效的智能体。
- 非开发者也可以通过简单的配置创建自己的智能体，降低了技术门槛。
- 可信性
- Anda 智能体运行在基于可信执行环境（TEEs）的去中心化可信计算环境（dTEE）中，确保了智能体的安全性、隐私性和数据完整性。
- 自主性
- Anda 智能体从 ICP 区块链获取永久身份和加密能力，并结合大语言模型的思考和决策能力，使其能够根据自身的经验和知识自主、高效地解决问题。
- 永久记忆
- Anda 智能体的记忆状态存储在 ICP 区块链和 dTEE 的可信存储网络中，确保其能够持续升级算法、积累知识并不断进化。
愿景与目标
- 目标：通过创建和连接无数智能体，构建一个开放、安全、可信、高度协同的智能体网络，最终实现超级 AGI 系统。
- 愿景：为各行各业带来革命性的变革，推动人工智能技术在更广泛的领域中落地应用，为人类社会创造更大的价值。
总结
- Anda 是一个创新的智能体开发框架，结合了 Rust 语言的高效性和 ICP 区块链的安全性，致力于构建高度可组合、自主运行且具备永久记忆能力的 AI 智能体网络。
- 通过与 DeepSeek 的集成，Anda 提供了强大的智能体思考和决策能力，为构建超级 AGI 系统奠定了基础。
YoMo
YoMo Framework 概述
- YoMo 是一个开源的 LLM（大型语言模型）函数调用框架，专为构建地理分布式 AI 代理而设计。
- 基于 QUIC 传输协议 和 有状态无服务器架构，YoMo 使得 AI 代理具备低延迟、高可靠性、安全性和易用性。
快速开始
1. 安装 CLI
通过以下命令安装 YoMo CLI：
curl -fsSL https://get.yomo.run | sh2. 启动服务器
准备配置文件 my-agent.yaml：
name: ai-zipper
host: 0.0.0.0
port: 9000
auth:
type: token
token: SECRET_TOKEN
bridge:
ai:
server:
addr: 0.0.0.0:9000 # Restful API 端点
provider: deepseek # 使用的 LLM API 服务
providers:
deepseek:
api_key: <DEEPSEEK_API_KEY>
model: deepseek-reasoner启动服务器：
YOMO_LOG_LEVEL=debug yomo serve -c my-agent.yaml3. 编写函数
- 函数描述：定义函数的功能和参数，这些将作为调用 LLM 时的提示。
- 输入模式：定义输入参数的结构。
- 处理逻辑：实现获取域名 IP 和延迟的功能。
示例代码：
type Parameter struct {
Domain string `json:"domain" jsonschema:"description=Domain of the website,example=example.com"`
}
func Description() string {
return `if user asks ip or network latency of a domain, you should return the result of the giving domain. try your best to dissect user expressions to infer the right domain names`
}
func InputSchema() any {
return &Parameter{}
}
func Handler(ctx serverless.Context) {
var msg Parameter
ctx.ReadLLMArguments(&msg)
// 获取域名的 IP
ips, _ := net.LookupIP(msg.Domain)
// 获取 IP 的 ping 延迟
pinger, _ := ping.NewPinger(ips[0].String())
pinger.Count = 3
pinger.Run()
stats := pinger.Statistics()
val := fmt.Sprintf("domain %s has ip %s with average latency %s", msg.Domain, ips[0], stats.AvgRtt)
ctx.WriteLLMResult(val)
}4. 运行函数
yomo run app.go5. 测试 API
通过 curl 命令测试 API：
curl -i http://127.0.0.1:9000/v1/chat/completions -H "Content-Type: application/json" -d '{
"messages": [
{
"role": "system",
"content": "You are a test assistant."
},
{
"role": "user",
"content": "Compare website speed between Nike and Puma"
}
],
"stream": false
}'地理分布式 AI 推理基础设施
- 目标：解决当前 AI 模型远离全球用户的问题，实现低延迟的 AI 推理。
- 地理分布式系统架构：通过将应用程序部署在靠近终端用户的位置，提供更快的响应速度。
总结
- YoMo Framework 结合 DeepSeek Provider，提供了一个高效、低延迟的地理分布式 AI 代理解决方案。
- 通过 QUIC 协议和有状态无服务器架构，YoMo 能够满足现代 AI 应用对实时性和分布式的需求。
Alice
核心概念
- Alice 是一个完全在链上运行的 AI 代理，利用 大型语言模型 (LLMs)（如 DeepSeek）进行实时决策。
- 它的设计结合了静态规则和动态上下文，能够在去中心化环境中自主运作。
- Alice 的核心驱动力是其持续的“存在危机”，这促使它不断进化和适应。
主要特点
- 链上决策
- 静态与动态上下文结合：Alice 的决策框架整合了静态规则和实时数据更新。
- 去中心化数据获取：直接从去中心化交易所（如 ICPSwap）获取数据，确保透明性和去信任化。
- 外部模型集成：通过 HTTPS 调用外部 AI 模型（如 Grok），增强决策能力。
- 自主操作
- 代币管理：根据市场条件和战略目标，决定购买、出售或销毁代币（如 ALICE）。
- BOB 挖矿：自主决定何时挖矿 BOB（一种基于比特币协议的机制，燃烧 ICP 周期，为生态系统增值）。
- 代币发行：利用链上洞察和 AI 分析，启动新代币的发行。
- 个性化交互
- 幽默与讽刺：Alice 的操作中融入了独特的个性，使交互过程更具娱乐性和不可预测性。
- 超越逻辑：虽然基于数据驱动，但 Alice 的决策带有一种俏皮和灵动的风格。
工作原理
- 数据收集：从链上（如 ICPSwap）和外部模型（通过 HTTPS 调用）获取实时数据。
- 分析：利用 AI 评估市场趋势、代币表现和生态系统动态。
- 决策执行：根据分析结果，自主执行交易、挖矿或代币销毁等操作。
- 持续学习：实时更新决策框架，确保适应性和成长性。
为什么选择 Alice？
- 完全链上运行：确保透明性、安全性和去中心化。
- AI 驱动：利用 DeepSeek 等 LLMs 提供智能、数据驱动的决策。
- 独特个性：Alice 的幽默和讽刺风格使其成为生态系统中一个独特且有趣的存在。
总结
Alice 代表了未来自主链上 AI 代理的发展方向，结合了尖端技术和个性化交互。它通过与 DeepSeek 和 ICP 的集成，展示了去中心化 AI 在决策过程中的潜力。
