Análisis del marco AI: de agentes inteligentes a la Descentralización
Introducción
El ritmo de desarrollo de la pista de Agentes de IA es asombroso. Desde que el "Terminal de Verdad" desató la ola de Agentes, la narrativa de la combinación de IA y criptomonedas ha tenido cambios casi semanales. Recientemente, el enfoque del mercado se ha desplazado hacia proyectos "de tipo marco" dominados por la tecnología, y este subcampo ha producido varios proyectos con una capitalización de mercado de más de cien millones e incluso mil millones en solo unas semanas. Este tipo de proyectos también ha dado lugar a un nuevo modelo de emisión de activos, es decir, los proyectos emiten monedas a través de repositorios de código de Github, y los Agentes desarrollados sobre el marco también pueden emitir monedas nuevamente. Basado en un marco, los Agentes como aplicaciones de nivel superior forman un modelo similar a una plataforma de emisión de activos, y de hecho, está surgiendo un modelo de infraestructura exclusivo para la era de la IA. Este artículo comenzará desde el concepto básico del marco y, combinando reflexiones personales, interpretará el impacto potencial del marco de IA en el campo de las criptomonedas.
I. Definición y clasificación del marco
El marco de IA es una herramienta de desarrollo o plataforma de bajo nivel que integra un conjunto de módulos, bibliotecas y herramientas preconstruidas, simplificando el proceso de construcción de modelos de IA complejos. Estos marcos suelen incluir funciones para procesar datos, entrenar modelos y hacer predicciones. En términos simples, un marco se puede entender como el sistema operativo de la era de la IA, similar a Windows, Linux en sistemas operativos de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades específicas.
Aunque el "marco de IA" es un concepto emergente en el campo de las criptomonedas, desde su origen, el desarrollo de marcos de IA ha estado cerca de 14 años, comenzando con Theano, que nació en 2010. En el campo de la IA tradicional, ya hay marcos muy maduros disponibles tanto en la academia como en la industria, como TensorFlow de Google, Pytorch de Meta, PaddlePaddle de Baidu, MagicAnimate de Byte, entre otros, que tienen sus ventajas en diferentes escenarios.
Actualmente, los proyectos de marco que están surgiendo en el ámbito de las criptomonedas se desarrollan en función de la gran demanda de agentes en medio de la actual ola de IA, y se extienden hacia otros campos de las criptomonedas, formando finalmente marcos de IA en diferentes segmentos. A continuación se presenta una breve introducción a algunos marcos principales:
1.1 Eliza
Eliza es un marco de simulación de múltiples agentes, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Está desarrollado en TypeScript, con buena compatibilidad y capacidad de integración de API. Eliza se centra principalmente en escenarios de redes sociales, soportando integración multiplataforma, incluyendo Discord, X/Twitter, Telegram, entre otros. En cuanto al procesamiento de contenido multimedia, soporta la lectura y análisis de documentos PDF, extracción y resumen de contenido de enlaces, transcripción de audio, procesamiento de contenido de video, análisis y descripción de imágenes, así como resumen de conversaciones.
Los casos de uso que Eliza actualmente admite incluyen principalmente aplicaciones de asistente de IA, personajes de redes sociales, trabajadores del conocimiento y personajes interactivos, entre otros. En términos de soporte del modelo, Eliza puede utilizar modelos de código abierto para la inferencia local, así como utilizar la API de OpenAI para la inferencia en la nube, con la configuración predeterminada de Nous Hermes Llama 3.1B, y se integra con Claude para consultas complejas.
1.2 G.A.M.E
G.A.M.E es un marco de IA multimodal de generación y gestión automática lanzado por Virtual, dirigido principalmente al diseño de NPCs inteligentes en juegos. Las características de este marco permiten que usuarios con poca o ninguna experiencia en codificación puedan utilizarlo, simplemente modificando parámetros para participar en el diseño de Agentes.
El diseño central de G.A.M.E es un diseño modular que trabaja en colaboración a través de múltiples subsistemas, que incluye la interfaz de提示 del Agente, el subsistema de percepción, el motor de planificación estratégica, el contexto del mundo, el módulo de procesamiento de diálogos, el operador de billetera en cadena, el módulo de aprendizaje, la memoria de trabajo, el procesador de memoria a largo plazo, el almacén de Agentes, el planificador de acciones y el ejecutor de planes.
Desde la perspectiva de la arquitectura técnica, este marco se centra principalmente en la toma de decisiones, la retroalimentación, la percepción y la personalidad de los agentes en un entorno virtual, y es aplicable no solo a escenarios de juegos, sino también a aplicaciones del metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en Rust, diseñada para simplificar el desarrollo de aplicaciones de grandes modelos de lenguaje (LLM). Proporciona una interfaz de operación unificada que permite a los desarrolladores interactuar fácilmente con múltiples proveedores de servicios LLM ( como OpenAI y Anthropic ), así como con varias bases de datos vectoriales ( como MongoDB y Neo4j ).
Las características clave de Rig incluyen una interfaz unificada, una arquitectura modular, seguridad de tipos y un rendimiento eficiente. Soporta un modo de programación asíncrona, optimiza la capacidad de procesamiento concurrente y cuenta con funciones integradas de registro y monitoreo.
Rig no solo es adecuado para construir sistemas de respuesta a preguntas que requieren respuestas rápidas y precisas, sino que también se puede utilizar para crear herramientas de búsqueda de documentos eficientes, chatbots o asistentes virtuales con capacidad de percepción contextual, e incluso apoyar la creación de contenido, generando automáticamente texto u otras formas de contenido según los patrones de datos existentes.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python, diseñado para simplificar el proceso de implementación y gestión de agentes de IA en la plataforma Twitter( antes de X). Hereda las funcionalidades clave del proyecto Zerebro, pero adopta un diseño más modular y fácil de extender.
ZerePy ofrece una interfaz de línea de comandos (CLI), que facilita a los usuarios gestionar y controlar su implementación de AI Agent. Su arquitectura central se basa en un diseño modular, soporta grandes modelos de lenguaje (LLM) de OpenAI y Anthropic, se integra directamente con la API de la plataforma X y planea integrar un sistema de memoria en el futuro.
Aunque ZerePy y Eliza están dedicados a construir y gestionar Agentes de IA, ambos difieren ligeramente en su arquitectura y objetivos. Eliza se centra más en la simulación de múltiples agentes y la investigación amplia de IA, mientras que ZerePy se enfoca en simplificar el proceso de implementación de Agentes de IA en la plataforma social específica (X), inclinándose más hacia la simplificación en aplicaciones prácticas.
II. Ruta de desarrollo de AI Agent y comparación con el ecosistema BTC
El camino de desarrollo de los Agentes de IA tiene muchas similitudes con el ecosistema BTC de finales de 2023 a principios de 2024. El desarrollo del ecosistema BTC se puede resumir como: competencia de múltiples protocolos como BRC20-Atomical/Rune - BTC L2 - BTCFi centrado en Babylon. Por otro lado, el Agente de IA se desarrolla más rápidamente sobre la base de un stack de tecnología de IA tradicional maduro, y su camino se puede resumir como: GOAT/ACT - Agentes sociales - Agentes de IA analíticos - competencia de marcos. En el futuro, los proyectos de infraestructura desarrollados en torno a la Descentralización de los Agentes y la seguridad podrían convertirse en la melodía principal de la siguiente etapa.
Sin embargo, es poco probable que la pista de AI Agent se dirija hacia la homogeneización y burbujización como lo hizo el ecosistema BTC. La narrativa de AI Agent no busca reproducir la historia de la cadena de contratos inteligentes, los proyectos de marco de AI existentes, independientemente de su capacidad técnica, al menos ofrecen una nueva perspectiva sobre el desarrollo de la infraestructura. En lugar de comparar el marco de AI con una plataforma de emisión de activos, y a los Agentes como activos, el autor considera que el marco de AI se asemeja más a una futura cadena pública, y los Agentes a futuros Dapp.
En el actual ecosistema de criptomonedas, tenemos miles de cadenas públicas y decenas de miles de Dapps. Las cadenas generales incluyen BTC, Ethereum y varias cadenas heterogéneas, mientras que las cadenas de aplicación son aún más diversas, como las cadenas de juegos, cadenas de almacenamiento, cadenas Dex, etc. Las cadenas públicas y los marcos de IA son esencialmente muy similares, y los Dapps también pueden corresponder bien a los Agentes.
En el campo de las criptomonedas en la era de la IA, es muy probable que se desarrolle en esta forma. El debate futuro podría cambiar de la controversia entre EVM y cadenas heterogéneas a una disputa sobre marcos. La cuestión ahora se centra más en cómo lograr la Descentralización o la cadena, y cuál es el significado de desarrollar marcos de IA en blockchain. Los proyectos de infraestructura de IA posteriores podrían explorar sobre estas bases.
Tres, el significado de la cadena de bloques
Cuando la blockchain se combina con cualquier campo, siempre hay que enfrentar un problema central: ¿tiene sentido esta combinación? En artículos anteriores, el autor ha criticado la inversión de prioridades en GameFi, así como el problema del desarrollo excesivo de la infraestructura. En cuanto a la combinación de IA y criptomonedas, el autor también ha expresado su escepticismo sobre la combinación de IA x Crypto en los campos prácticos actuales.
Al revisar el exitoso camino de DeFi, podemos encontrar que la razón por la cual DeFi ha podido obtener una parte del pastel de las finanzas tradicionales es porque posee una mayor accesibilidad, una mejor eficiencia y un menor costo, así como la seguridad de no depender de instituciones centralizadas de confianza. Siguiendo este razonamiento, las razones para apoyar la cadena de agentes pueden incluir:
¿Puede la cadena de Agent lograr un costo de uso más bajo, lo que a su vez alcanzaría una mayor accesibilidad y selectividad? Esto podría permitir que los derechos de "alquiler" de IA, que anteriormente pertenecían exclusivamente a las grandes empresas de Web2, sean accesibles también para los usuarios comunes.
En términos de seguridad, si el Agente puede intervenir en billeteras reales o virtuales, entonces las soluciones de seguridad basadas en blockchain podrían convertirse en una necesidad.
¿Puede Agent implementar un conjunto de juegos financieros únicos en la blockchain? Por ejemplo, similar a los LP en AMM, permitir que las personas comunes también participen en la creación de mercado automática; o basándose en la potencia de cálculo necesaria para Agent, recursos de etiquetado de datos, etc., los usuarios pueden invertir en el protocolo en forma de stablecoins.
En la actualidad, en ausencia de una perfecta interoperabilidad en DeFi, un agente basado en blockchain que pueda lograr un razonamiento transparente y rastreable podría ser más atractivo que los navegadores de agentes ofrecidos por los gigantes de Internet tradicionales.
Cuatro, nuevas oportunidades en la economía creativa
Los proyectos de tipo marco pueden ofrecer en el futuro una oportunidad de emprendimiento similar a GPT Store. Aunque actualmente publicar agentes a través de un marco sigue siendo bastante complejo para los usuarios comunes, simplificar el proceso de construcción de agentes y proporcionar un marco para combinaciones de funciones complejas podría tener ventajas en el futuro, creando así una economía creativa de Web3 más interesante que GPT Store.
Actualmente, el GPT Store se inclina hacia la utilidad en campos tradicionales, y la mayoría de las aplicaciones populares son creadas por empresas tradicionales de Web2, cuyos ingresos son monopolizados por los creadores. En comparación, Web3 aún presenta muchas áreas por cubrir en términos de demanda, y en el sistema económico podría hacer que las políticas injustas de los gigantes de Web2 sean más equitativas. Además, la introducción de la economía comunitaria podría hacer que los Agentes sean aún más completos.
La economía creativa de Agent ofrecerá oportunidades de participación a las personas comunes. Los futuros memes de IA podrían ser más inteligentes y divertidos que los Agents emitidos en las plataformas existentes. Esto abre una nueva dirección de desarrollo para el ecosistema Web3, con la esperanza de estimular más innovación y participación.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
8 me gusta
Recompensa
8
4
Compartir
Comentar
0/400
SellLowExpert
· hace17h
Reducir pérdidas y reposición de márgen de la 58ª vez... aún puedo levantarme
Ver originalesResponder0
ShibaOnTheRun
· hace17h
¿Ser engañados con un nuevo truco?
Ver originalesResponder0
LiquidatorFlash
· hace17h
El indicador de riesgo del mercado de agentes frenéticos ha encendido la luz roja, el desvío de la posición de préstamo ha alcanzado el 4.2%, ¡la paleta está a punto de llegar!
Nuevas tendencias en marcos de IA: de agentes inteligentes a la economía creativa de Web3
Análisis del marco AI: de agentes inteligentes a la Descentralización
Introducción
El ritmo de desarrollo de la pista de Agentes de IA es asombroso. Desde que el "Terminal de Verdad" desató la ola de Agentes, la narrativa de la combinación de IA y criptomonedas ha tenido cambios casi semanales. Recientemente, el enfoque del mercado se ha desplazado hacia proyectos "de tipo marco" dominados por la tecnología, y este subcampo ha producido varios proyectos con una capitalización de mercado de más de cien millones e incluso mil millones en solo unas semanas. Este tipo de proyectos también ha dado lugar a un nuevo modelo de emisión de activos, es decir, los proyectos emiten monedas a través de repositorios de código de Github, y los Agentes desarrollados sobre el marco también pueden emitir monedas nuevamente. Basado en un marco, los Agentes como aplicaciones de nivel superior forman un modelo similar a una plataforma de emisión de activos, y de hecho, está surgiendo un modelo de infraestructura exclusivo para la era de la IA. Este artículo comenzará desde el concepto básico del marco y, combinando reflexiones personales, interpretará el impacto potencial del marco de IA en el campo de las criptomonedas.
I. Definición y clasificación del marco
El marco de IA es una herramienta de desarrollo o plataforma de bajo nivel que integra un conjunto de módulos, bibliotecas y herramientas preconstruidas, simplificando el proceso de construcción de modelos de IA complejos. Estos marcos suelen incluir funciones para procesar datos, entrenar modelos y hacer predicciones. En términos simples, un marco se puede entender como el sistema operativo de la era de la IA, similar a Windows, Linux en sistemas operativos de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades específicas.
Aunque el "marco de IA" es un concepto emergente en el campo de las criptomonedas, desde su origen, el desarrollo de marcos de IA ha estado cerca de 14 años, comenzando con Theano, que nació en 2010. En el campo de la IA tradicional, ya hay marcos muy maduros disponibles tanto en la academia como en la industria, como TensorFlow de Google, Pytorch de Meta, PaddlePaddle de Baidu, MagicAnimate de Byte, entre otros, que tienen sus ventajas en diferentes escenarios.
Actualmente, los proyectos de marco que están surgiendo en el ámbito de las criptomonedas se desarrollan en función de la gran demanda de agentes en medio de la actual ola de IA, y se extienden hacia otros campos de las criptomonedas, formando finalmente marcos de IA en diferentes segmentos. A continuación se presenta una breve introducción a algunos marcos principales:
1.1 Eliza
Eliza es un marco de simulación de múltiples agentes, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Está desarrollado en TypeScript, con buena compatibilidad y capacidad de integración de API. Eliza se centra principalmente en escenarios de redes sociales, soportando integración multiplataforma, incluyendo Discord, X/Twitter, Telegram, entre otros. En cuanto al procesamiento de contenido multimedia, soporta la lectura y análisis de documentos PDF, extracción y resumen de contenido de enlaces, transcripción de audio, procesamiento de contenido de video, análisis y descripción de imágenes, así como resumen de conversaciones.
Los casos de uso que Eliza actualmente admite incluyen principalmente aplicaciones de asistente de IA, personajes de redes sociales, trabajadores del conocimiento y personajes interactivos, entre otros. En términos de soporte del modelo, Eliza puede utilizar modelos de código abierto para la inferencia local, así como utilizar la API de OpenAI para la inferencia en la nube, con la configuración predeterminada de Nous Hermes Llama 3.1B, y se integra con Claude para consultas complejas.
1.2 G.A.M.E
G.A.M.E es un marco de IA multimodal de generación y gestión automática lanzado por Virtual, dirigido principalmente al diseño de NPCs inteligentes en juegos. Las características de este marco permiten que usuarios con poca o ninguna experiencia en codificación puedan utilizarlo, simplemente modificando parámetros para participar en el diseño de Agentes.
El diseño central de G.A.M.E es un diseño modular que trabaja en colaboración a través de múltiples subsistemas, que incluye la interfaz de提示 del Agente, el subsistema de percepción, el motor de planificación estratégica, el contexto del mundo, el módulo de procesamiento de diálogos, el operador de billetera en cadena, el módulo de aprendizaje, la memoria de trabajo, el procesador de memoria a largo plazo, el almacén de Agentes, el planificador de acciones y el ejecutor de planes.
Desde la perspectiva de la arquitectura técnica, este marco se centra principalmente en la toma de decisiones, la retroalimentación, la percepción y la personalidad de los agentes en un entorno virtual, y es aplicable no solo a escenarios de juegos, sino también a aplicaciones del metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en Rust, diseñada para simplificar el desarrollo de aplicaciones de grandes modelos de lenguaje (LLM). Proporciona una interfaz de operación unificada que permite a los desarrolladores interactuar fácilmente con múltiples proveedores de servicios LLM ( como OpenAI y Anthropic ), así como con varias bases de datos vectoriales ( como MongoDB y Neo4j ).
Las características clave de Rig incluyen una interfaz unificada, una arquitectura modular, seguridad de tipos y un rendimiento eficiente. Soporta un modo de programación asíncrona, optimiza la capacidad de procesamiento concurrente y cuenta con funciones integradas de registro y monitoreo.
Rig no solo es adecuado para construir sistemas de respuesta a preguntas que requieren respuestas rápidas y precisas, sino que también se puede utilizar para crear herramientas de búsqueda de documentos eficientes, chatbots o asistentes virtuales con capacidad de percepción contextual, e incluso apoyar la creación de contenido, generando automáticamente texto u otras formas de contenido según los patrones de datos existentes.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python, diseñado para simplificar el proceso de implementación y gestión de agentes de IA en la plataforma Twitter( antes de X). Hereda las funcionalidades clave del proyecto Zerebro, pero adopta un diseño más modular y fácil de extender.
ZerePy ofrece una interfaz de línea de comandos (CLI), que facilita a los usuarios gestionar y controlar su implementación de AI Agent. Su arquitectura central se basa en un diseño modular, soporta grandes modelos de lenguaje (LLM) de OpenAI y Anthropic, se integra directamente con la API de la plataforma X y planea integrar un sistema de memoria en el futuro.
Aunque ZerePy y Eliza están dedicados a construir y gestionar Agentes de IA, ambos difieren ligeramente en su arquitectura y objetivos. Eliza se centra más en la simulación de múltiples agentes y la investigación amplia de IA, mientras que ZerePy se enfoca en simplificar el proceso de implementación de Agentes de IA en la plataforma social específica (X), inclinándose más hacia la simplificación en aplicaciones prácticas.
II. Ruta de desarrollo de AI Agent y comparación con el ecosistema BTC
El camino de desarrollo de los Agentes de IA tiene muchas similitudes con el ecosistema BTC de finales de 2023 a principios de 2024. El desarrollo del ecosistema BTC se puede resumir como: competencia de múltiples protocolos como BRC20-Atomical/Rune - BTC L2 - BTCFi centrado en Babylon. Por otro lado, el Agente de IA se desarrolla más rápidamente sobre la base de un stack de tecnología de IA tradicional maduro, y su camino se puede resumir como: GOAT/ACT - Agentes sociales - Agentes de IA analíticos - competencia de marcos. En el futuro, los proyectos de infraestructura desarrollados en torno a la Descentralización de los Agentes y la seguridad podrían convertirse en la melodía principal de la siguiente etapa.
Sin embargo, es poco probable que la pista de AI Agent se dirija hacia la homogeneización y burbujización como lo hizo el ecosistema BTC. La narrativa de AI Agent no busca reproducir la historia de la cadena de contratos inteligentes, los proyectos de marco de AI existentes, independientemente de su capacidad técnica, al menos ofrecen una nueva perspectiva sobre el desarrollo de la infraestructura. En lugar de comparar el marco de AI con una plataforma de emisión de activos, y a los Agentes como activos, el autor considera que el marco de AI se asemeja más a una futura cadena pública, y los Agentes a futuros Dapp.
En el actual ecosistema de criptomonedas, tenemos miles de cadenas públicas y decenas de miles de Dapps. Las cadenas generales incluyen BTC, Ethereum y varias cadenas heterogéneas, mientras que las cadenas de aplicación son aún más diversas, como las cadenas de juegos, cadenas de almacenamiento, cadenas Dex, etc. Las cadenas públicas y los marcos de IA son esencialmente muy similares, y los Dapps también pueden corresponder bien a los Agentes.
En el campo de las criptomonedas en la era de la IA, es muy probable que se desarrolle en esta forma. El debate futuro podría cambiar de la controversia entre EVM y cadenas heterogéneas a una disputa sobre marcos. La cuestión ahora se centra más en cómo lograr la Descentralización o la cadena, y cuál es el significado de desarrollar marcos de IA en blockchain. Los proyectos de infraestructura de IA posteriores podrían explorar sobre estas bases.
Tres, el significado de la cadena de bloques
Cuando la blockchain se combina con cualquier campo, siempre hay que enfrentar un problema central: ¿tiene sentido esta combinación? En artículos anteriores, el autor ha criticado la inversión de prioridades en GameFi, así como el problema del desarrollo excesivo de la infraestructura. En cuanto a la combinación de IA y criptomonedas, el autor también ha expresado su escepticismo sobre la combinación de IA x Crypto en los campos prácticos actuales.
Al revisar el exitoso camino de DeFi, podemos encontrar que la razón por la cual DeFi ha podido obtener una parte del pastel de las finanzas tradicionales es porque posee una mayor accesibilidad, una mejor eficiencia y un menor costo, así como la seguridad de no depender de instituciones centralizadas de confianza. Siguiendo este razonamiento, las razones para apoyar la cadena de agentes pueden incluir:
¿Puede la cadena de Agent lograr un costo de uso más bajo, lo que a su vez alcanzaría una mayor accesibilidad y selectividad? Esto podría permitir que los derechos de "alquiler" de IA, que anteriormente pertenecían exclusivamente a las grandes empresas de Web2, sean accesibles también para los usuarios comunes.
En términos de seguridad, si el Agente puede intervenir en billeteras reales o virtuales, entonces las soluciones de seguridad basadas en blockchain podrían convertirse en una necesidad.
¿Puede Agent implementar un conjunto de juegos financieros únicos en la blockchain? Por ejemplo, similar a los LP en AMM, permitir que las personas comunes también participen en la creación de mercado automática; o basándose en la potencia de cálculo necesaria para Agent, recursos de etiquetado de datos, etc., los usuarios pueden invertir en el protocolo en forma de stablecoins.
En la actualidad, en ausencia de una perfecta interoperabilidad en DeFi, un agente basado en blockchain que pueda lograr un razonamiento transparente y rastreable podría ser más atractivo que los navegadores de agentes ofrecidos por los gigantes de Internet tradicionales.
Cuatro, nuevas oportunidades en la economía creativa
Los proyectos de tipo marco pueden ofrecer en el futuro una oportunidad de emprendimiento similar a GPT Store. Aunque actualmente publicar agentes a través de un marco sigue siendo bastante complejo para los usuarios comunes, simplificar el proceso de construcción de agentes y proporcionar un marco para combinaciones de funciones complejas podría tener ventajas en el futuro, creando así una economía creativa de Web3 más interesante que GPT Store.
Actualmente, el GPT Store se inclina hacia la utilidad en campos tradicionales, y la mayoría de las aplicaciones populares son creadas por empresas tradicionales de Web2, cuyos ingresos son monopolizados por los creadores. En comparación, Web3 aún presenta muchas áreas por cubrir en términos de demanda, y en el sistema económico podría hacer que las políticas injustas de los gigantes de Web2 sean más equitativas. Además, la introducción de la economía comunitaria podría hacer que los Agentes sean aún más completos.
La economía creativa de Agent ofrecerá oportunidades de participación a las personas comunes. Los futuros memes de IA podrían ser más inteligentes y divertidos que los Agents emitidos en las plataformas existentes. Esto abre una nueva dirección de desarrollo para el ecosistema Web3, con la esperanza de estimular más innovación y participación.