DWF Ventures nhấn mạnh Hermes AI Agent cho giải pháp bộ nhớ bền vững

Hầu hết các tác nhân AI ngày nay đều bị lỗi nghiêm trọng theo một cách cơ bản—chúng quên mọi thứ. Sau mỗi phiên làm việc, ngữ cảnh, hành vi đã học và các điều chỉnh cụ thể cho người dùng đều biến mất, buộc chúng phải bắt đầu lại từ đầu mỗi lần. Tính không trạng thái này là một điểm nghẽn lặng lẽ trong cuộc đua xây dựng các trợ lý tự chủ, hữu ích trên chuỗi. DWF Ventures hiện đã tập trung vào một giải pháp, nhấn mạnh khung mã nguồn mở Hermes từ Nous Research, trực tiếp giải quyết vấn đề bộ nhớ, theo báo cáo gốc từ WuBlockchain.

Ghi chú của DWF cho rằng Hermes nổi bật vì nó không chỉ là một công cụ tự động hóa dùng một lần. Khung này giới thiệu bộ nhớ bền vững, lưu giữ các tương tác, phiên làm việc và sở thích đã học được của người dùng theo thời gian. Điều này được kết hợp với hệ thống Kỹ năng tự động mở rộng khả năng của tác nhân một cách tự nhiên, cùng các hồ sơ người dùng gắn bộ nhớ với một danh tính nhất quán. Một vòng lặp tự cải thiện liên tục tinh chỉnh những gì tác nhân biết, tích lũy dần tiện ích thay vì đặt lại mọi chu kỳ. Đối với một lĩnh vực đã tràn ngập thị trường bằng các bao bọc chatbot và tác nhân API mỏng, thiết kế này đánh dấu một sự thay đổi cấu trúc hướng tới trí tuệ bền vững và tích lũy.

Các kiến trúc không trạng thái rẻ và dễ dàng. Chúng được thiết kế để mở rộng và tránh lưu trữ dữ liệu người dùng nhạy cảm. Điều này có ý nghĩa đối với các bot giao dịch tiền điện tử giai đoạn đầu và các trợ lý Discord đơn giản chỉ cần gửi cảnh báo hoặc xử lý một lệnh duy nhất. Khi các tác nhân AI bắt đầu quản lý các nhiệm vụ phức tạp hơn—giải thích vị thế DeFi, xử lý các thao tác đa bước xuyên chuỗi, hoặc học hỏi từ các nguồn dữ liệu trên chuỗi—sự vắng mặt của bộ nhớ trở thành một nhược điểm. Sự lặp lại giết chết hiệu quả, và sự thiếu cá nhân hóa làm suy giảm niềm tin. Cách tiếp cận của DWF cho thấy họ đang nhìn xa hơn những lời đồn đại, hướng tới cơ sở hạ tầng có thể tồn tại lâu dài với sự tham gia liên tục của người dùng, chứ không chỉ trình diễn tốt trong bản demo.

Sự thúc đẩy hướng tới các tác nhân có trạng thái và nhận thức bộ nhớ phù hợp với xu hướng rộng lớn hơn hướng tới cơ sở hạ tầng AI phi tập trung. Các dự án đã bắt đầu kết nối các lớp tính toán, lưu trữ và huấn luyện để cho phép các tác nhân AI chạy mà không phụ thuộc vào các đám mây tập trung. Ví dụ, các đối tác tính toán phân tán như UXLINK và công việc của Origins Network về các ứng dụng Web3 được thúc đẩy bởi AI cho thấy cách các nền tảng cơ sở đang được xây dựng cho các tác nhân cần tính toán liên tục. Hermes góp phần vào điều này bằng cách dựa vào mạng huấn luyện Psyche phi tập trung của Nous, một lớp phân phối công việc nặng nề trong việc tinh chỉnh mô hình.

Cơ chế bên trong không chỉ liên quan đến bộ nhớ. Hermes tích hợp cách ly thông tin xác thực để các mã truy cập và khóa riêng không bị pha trộn với lớp suy luận cốt lõi của tác nhân. Tính năng xóa bỏ bí mật và quay vòng khóa tự động giúp nó có tư thế bảo mật gần với hệ thống lưu ký hơn là một bot thí nghiệm thông thường. Kiến trúc này quan trọng vì các tác nhân có trạng thái lưu trữ thông tin xác thực của người dùng trở thành mục tiêu có giá trị cao. Việc tích hợp các tính năng này với Psyche—một mạng đào tạo phi tập trung—có nghĩa là các mô hình chính được tinh chỉnh bởi cấu trúc nút mạng phân tán thay vì một máy chủ duy nhất, giúp giảm các điểm lỗi tập trung.

Nhu cầu lưu trữ cho các tác nhân bền vững và có khả năng học hỏi tuân theo một xu hướng dễ nhận biết. Khi các mô hình tích lũy kiến thức và lịch sử người dùng, nhu cầu về lưu trữ rẻ và có thể xác minh ngày càng tăng. Sự quan tâm ngày càng tăng đối với các lớp dữ liệu AI đã đưa các dự án như Filecoin vào cuộc thảo luận về giải pháp lưu trữ phi tập trung được thiết kế riêng cho các tải trọng AI. Hermes có thể không chạy lưu trữ trên chuỗi trực tiếp, nhưng vòng lặp tự cải thiện mà nó dựa vào sẽ không thể tránh khỏi việc tương tác với và đẩy dữ liệu đến các môi trường phi tập trung nếu nó mở rộng cho các trường hợp sử dụng Web3.

DWF so sánh trực tiếp Hermes với Claude Code và OpenAI Codex, cho rằng điểm mạnh của chúng trong việc tạo mã ngay lập tức không chuyển hóa thành khả năng tích lũy qua nhiều tuần sử dụng. Một tác nhân không có trạng thái có thể tạo ra một bản kiểm toán hợp đồng thông minh hoàn hảo vào một ngày và quên toàn bộ bối cảnh dự án vào ngày hôm sau. Điểm khác biệt của Hermes là khả năng tích lũy kinh nghiệm. Đó là một rào cản thực sự nếu thực thi được sạch sẽ, nhưng điều này cũng đòi hỏi người dùng phải cam kết với một môi trường tác nhân duy nhất, kéo dài, điều mà thị trường vẫn còn chậm chạp trong việc thực hiện ngoài các hoạt động tài chính đặc thù.

Tính chất mã nguồn mở của Hermes mang lại cả hai mặt. Nó tạo điều kiện cho việc kiểm toán rộng rãi và sự điều chỉnh của cộng đồng, có thể thúc đẩy sự áp dụng trong các công cụ DeFi, hoạt động DAO và phân tích NFT. Đồng thời, duy trì mã nguồn mở trong khi vẫn giữ được lợi thế bảo mật so với các đối thủ đóng mã nguồn được đầu tư mạnh là một sự cân bằng tinh tế. Liệu Hermes có thu hút đủ sự chú ý của các nhà phát triển để trở thành nền tảng mặc định cho các tác nhân Web3 có trạng thái vẫn còn là điều chưa rõ ràng. Bộ nhớ đơn thuần không đảm bảo tính hữu dụng nếu chất lượng lập luận nền tảng còn kém hoặc việc tích hợp với các ví và dapp hiện có vẫn còn lúng túng. Spotlight của DWF là tín hiệu cho thấy vốn đầu tư đang chú ý đến kiến trúc, chứ không chỉ là số lượng người dùng. Đối với các nhóm đang xây dựng trong lĩnh vực tác nhân AI, bản thiết kế Hermes hiện nay trở thành chuẩn mực tham chiếu cho những gì sẽ đến sau thời kỳ chatbot.