آج کے زیادہ تر AI ایجنسز بنیادی طور پر ایک اہم طریقے سے خراب ہیں—وہ سب کچھ بھول جاتے ہیں۔ ہر سیشن کے بعد ان کا کنٹیکس، سیکھا گیا رویہ اور صارف-خصوصی ایڈجسٹمنٹس غائب ہو جاتے ہیں، جس سے انہیں ہر بار شروع سے شروع کرنا پڑتا ہے۔ یہ اسٹیٹ لیس نیز اپنے آپ کو آن-چین مددگار بنانے کے مقابلے میں ایک خاموش رکاوٹ ہے۔ DWF Ventures نے اب ایک جواب پر توجہ مرکوز کر دی ہے، جس میں Nous Research کا اوپن سورس Hermes فریم ورک شامل ہے، جو میموری کے مسئلے پر ب без تفصیل کام کرتا ہے، جیسا کہ اصل رپورٹ سے WuBlockchain نے بتایا ہے۔
DWF کی نوٹ میں دلائل دیے گئے ہیں کہ ہرمس اس لیے الگ ہے کیونکہ یہ صرف ایک اور ایک بار کا آٹومیشن ٹول نہیں ہے۔ یہ فریم ورک مستقل میموری پیش کرتا ہے جو صارف کے تعاملات، سیشنز اور سیکھے گئے ترجیحات کو وقت کے ساتھ برقرار رکھتا ہے۔ اس کے ساتھ ایک خودکار مہارت سسٹم شامل ہے جو ایجنٹ کی صلاحیتوں کو جذبی طور پر بڑھاتا ہے، اور صارف پروفائلز جو میموری کو ایک مستقل شناخت سے جوڑتے ہیں۔ ایک خود بہتری کا حلقو بار بار ایجنٹ کے جانے کو بہتر بناتا رہتا ہے، جس سے اس کا فائدہ جمع ہوتا رہتا ہے اور ہر سائکل میں ری سیٹ نہیں ہوتا۔ اس شعبے کے لیے جس نے مارکیٹ میں چیٹ باتوں کے واپر اور پتلا API ایجنٹس کا بھرپور اضافہ کر دیا ہے، یہ ڈیزائن مستقل، جمع ہونے والی ذہانت کی طرف ایک ساختی تبدیلی کو ظاہر کرتا ہے۔
کیوں بے رکھتہ ایجینٹس عام ہو گئے
بے حالت ارکٹیکچر سستے اور آسان ہوتے ہیں۔ وہ ڈیزائن کے مطابق سکیل ہوتے ہیں اور حساس صارفین کے ڈیٹا کو محفوظ نہیں کرتے۔ اس وجہ سے ابتدائی کرپٹو ٹریڈنگ بوٹس اور آسان ڈسکورڈ اسسٹنٹس کے لیے یہ مناسب تھا جنہیں صرف ایلرٹس بھیجنے یا ایک منفرد حکم کو پروسیس کرنے کی ضرورت تھی۔ جب AI ایجنس زیادہ پیچیدہ کاموں کو منیج کرنے لگتے ہیں—جیسے DeFi پوزیشنز کو سمجھنا، متعدد مراحل والے کراس چین آپریشنز کو ہینڈل کرنا، یا آن چین ڈیٹا فیڈز سے سیکھنا—تو میموری کی عدم موجودگی ایک مسئلہ بن جاتی ہے۔ دہرائی جانے والی کارروائیاں کارکردگی کو ختم کر دیتی ہیں، اور شخصی تفصیلات کی کمی اعتماد کو کمزور کر دیتی ہے۔ DWF کا فریم ورک یہ ظاہر کرتا ہے کہ وہ صرف ڈیمو پر اچھا لگنے والے، بلکہ مستقل صارفین کے تعاون کو برقرار رکھنے والی انفراسٹرکچر کی طرف دیکھ رہے ہیں۔
یہ ریاستی، میموری ایوار ایجنٹس کی طرف جانے کا رجحان غیر مرکزی AI بنیادی ڈھانچے کی طرف بڑھنے والے وسیع تر رجحان کے مطابق ہے۔ منصوبوں نے کمپیوٹ، اسٹوریج اور ٹریننگ لیئرز کو جوڑنا شروع کر دیا ہے جو AI ایجنٹس کو مرکزی بادل پر انحصار کیے بغیر چلنے دیتے ہیں۔ مثال کے طور پر، UXLINK اور Origins Network کا بڑھتے ہوئے AI ڈرائیون Web3 ایپلیکیشنز پر کام ایجنٹس کے لیے مستقل کمپوٹیشن کے لیے بنیاد رکھنے کے طریقے دکھاتا ہے۔ ہرمیس Nous کے غیر مرکزی Psyche ٹریننگ نیٹ ورک پر انحصار کرتا ہے، جو ماڈل کے ترقی کا بوجھ تقسیم کرتا ہے۔
سیکورٹی، سیل کی کلیدیں، اور سائک نیٹ ورک
اندرونی مکینیکس صرف یادداشت کے بارے میں نہیں ہیں۔ ہرمیس میں اعتماد کی علیحدگی ڈالی گئی ہے تاکہ ایکسیس ٹوکن اور پرائیویٹ کلیدیں ایجنٹ کے مرکزی استدلال لیئر کے ساتھ ملی نہ جائیں۔ راز کی خفیہ کاری اور خودکار کلید کا تبدیل ہونا اسے ایک عام تجرباتی بٹ سے زیادہ ایک کسٹوڈیال سسٹم جیسا سیکورٹی پوزیشن فراہم کرتا ہے۔ اس تعمیر کا اہم ہونا اس لیے ہے کہ صارف کے اعتماد کو برقرار رکھنے والے سٹیٹ فل ایجنٹس اعلیٰ قدر کے ٹارگٹ بن جاتے ہیں۔ ان خصوصیات کو سائک — ایک ڈی سینٹرلائزڈ ٹریننگ نیٹ ورک — کے ساتھ ادغام کرنا اس بات کا مطلب ہے کہ ماڈل خود ایک منفرد سرور کے بجائے ایک تقسیم شدہ نوڈ ساخت کے ذریعے بہتر بنائے جاتے ہیں، جس سے مرکزی خرابی کے نقاط کم ہوتے ہیں۔
ایسے مستقل، سیکھنے والے ایجنسز کے لیے محفوظ کرنے کی مانگ ایک قابل پہچان رجحان کا تعاقب کرتی ہے۔ جیسے جیسے ماڈلز علم اور صارفین کی تاریخ جمع کرتے ہیں، سستے، تصدیق شدہ محفوظ کرنے کی ضرورت بڑھتی جاتی ہے۔ AI ڈیٹا لیئرز میں بڑھتی ہوئی دلچسپی نے پہلے ہی فائلکوین جیسے منصوبوں کو AI ورک لوڈز کے لیے ڈی سینٹرلائزڈ محفوظ کرنے کے حل کی بات چیت میں شامل کر دیا ہے۔ ہرمس شاید آن-چین محفوظ کرنے پر عمل نہ کرے، لیکن اس پر منحصر خود بہتر بننے والا حل اگر ویب3 استعمال کے لیے بڑھے تو بے شک ڈی سینٹرلائزڈ ماحول سے ڈیٹا کھینچے گا اور اس میں ڈالے گا۔
جہاں فائدہ ضمانت نہیں ہے
DWF نے ہرمس کا موازنہ کلود کوڈ اور اوپن اے آئی کوڈیکس کے ساتھ کیا ہے، اور دلیل دی ہے کہ ان کی فوری کوڈ جنریٹ کرنے کی صلاحیت ہفتہ وار استعمال کے دوران تکمیلی صلاحیت میں تبدیل نہیں ہوتی۔ ایک سٹیٹ لیس ایجینٹ ایک دن مثال کے طور پر ایک مثالی اسمارٹ کنٹریکٹ آڈٹ پیدا کر سکتا ہے اور اگلے دن پروجیکٹ کے مکمل ماحول کو بھول سکتا ہے۔ ہرمس کا فرق اس کی تجربات کو جمع کرنے کی صلاحیت ہے۔ اگر اجراء صاف ہو تو یہ اصل مزیدہ ہے، لیکن اس کا مطلب یہ بھی ہے کہ صارفین ایک واحد، لمبے عرصے تک جاری رہنے والے ایجینٹ ماحول میں مکمل طور پر مصروف ہوں، جس کے لیے بازار نے نشہ فنانشل آپریشنز کے باہر آہستہ آہستہ راغب ہونا شروع کیا ہے۔
ہرمس کی اوپن سورس ماهیت دونوں طرف سے کام کرتی ہے۔ یہ وسیع آڈٹ اور کمیونٹی کی تطبیق کو متاثر کرتی ہے، جو DeFi ٹولنگ، DAO آپریشنز اور NFT تجزیہ میں اپنائی کو تیز کر سکتی ہے۔ اسی وقت، اچھی طرح سے فنڈڈ، بند سورس مقابلہ کرنے والوں کے مقابلے میں سیکورٹی کا فرق برقرار رکھتے ہوئے اوپن سورس رہنا ایک تنگ راستہ ہے۔ یہ ممکنہ نہیں کہ ہرمس کافی ڈویلپر مینڈ شیئر حاصل کرے تاکہ اسے سٹیٹ فول ویب3 ایجنٹس کے لیے ڈیفالٹ سکافولڈنگ بنایا جا سکے۔ صرف میموری کافی نہیں ہے اگر بنیادی دلیل کی معیار کم ہو یا موجودہ والٹس اور dApps کے ساتھ انٹیگریشن پرچھڑا رہے۔ DWF کا اسپاٹ لائٹ ایک سگنل ہے کہ وینچر مال مفادات صرف صارفین کی تعداد پر نہیں بلکہ آرکٹیکچر پر بھی توجہ دے رہے ہیں۔ AI ایجنٹ فیلڈ میں تعمیر کرنے والے ٹیمز کے لیے، اب ہرمس کا بلو پرینٹ چیٹ بات کے دور کے بعد آنے والے چیزوں کا حوالہ بن جاتا ہے۔