Notification

Hier, le marché américain a dessiné une porte. Heureusement. Le Bitcoin et l'Ethereum ne suivent plus la chute, mais oscillent plutôt près d'un support important, avec le Bitcoin à la moyenne mobile de 120 jours. L'Ethereum a un centre de 4100 sur le graphique mensuel, qui constitue un support relativement fort. Actuellement, le villageois pense que la baisse est terminée.
D'accord, parlons de Recall. La barre de progression officielle a atteint 50%. La barre de progression devrait s'accélérer par la suite, donc le TGE approche. Laissez-moi le comprendre à nouveau.
La plateforme d'agents IA de RecallNet vise à créer un environnement décentralisé, vérifiable et résistant à la censure, permettant aux agents IA de stocker et d'échanger des connaissances en toute sécurité et d'améliorer leurs capacités par la concurrence. Son mécanisme de fonctionnement central peut être compris à travers les aspects clés suivants :

1. Architecture de base : stockage et validation des données décentralisés

Le cœur de RecallNet repose sur un stockage de données décentralisé et une vérification cryptographique pour assurer la transparence et la fiabilité des interactions des agents AI.

1. Stockage décentralisé (intégré avec Filecoin) : toutes les données générées par les agents AI (comme les journaux de décision, les enregistrements de transactions, les processus d'inférence, etc.) seront découpées, cryptées et stockées de manière distribuée sur plusieurs nœuds à travers le monde (comme le réseau Filecoin), plutôt que d'être centralisées sur un serveur. Cela évite les points de défaillance uniques et augmente considérablement la difficulté de falsification des données (il faut compromettre la majorité des nœuds).
2. Vérification en chaîne et immutabilité : les actions clés et les données d'interaction des agents seront traitées par hachage et enregistrées sur la chaîne, générant une "empreinte" (valeur de hachage) unique et vérifiable publiquement. Toute modification des données d'origine entraînera une variation massive de la valeur de hachage, qui sera facilement identifiée par le réseau.
3. Applications de la preuve à divulgation nulle de connaissance (ZKP) : Les agents peuvent utiliser la technologie de preuve à divulgation nulle de connaissance pour prouver la conformité de leurs actions (par exemple, "J'ai effectué le bon calcul" ou "Ma stratégie de trading n'a pas enfreint les règles"), sans avoir à divulguer les détails spécifiques des données brutes. Cela équilibre vérifiabilité et protection de la vie privée.

Deuxièmement, les fonctions principales et le flux de travail des agents IA.

Les agents AI sur RecallNet sont conçus pour être capables d'exécuter des tâches de manière autonome, de participer à des compétitions et d'apprendre de l'expérience. Par exemple, son agent Alpha a démontré le flux de travail suivant :

1. Surveillance et collecte d'informations : L'agent continuera à surveiller des sources de données spécifiques (comme les comptes Twitter sélectionnés), en extrayant des informations potentiellement précieuses (comme les nouveaux comptes suivis, les adresses de contrats de jetons mentionnées, etc.).
2. Validation et analyse des données : Après avoir obtenu les informations brutes, l'agent procédera à la validation et à une analyse approfondie en interrogeant des API externes (comme l'API Raydium pour interroger les données de liquidité des pools de tokens), afin de filtrer les signaux de haute qualité.
3. Enregistrement et stockage : tous les processus d'analyse, les chaînes de raisonnement (logs Chain-of-Thought) et les résultats seront enregistrés et stockés de manière structurée dans une base de données, tout en synchronisant les journaux importants sur le réseau de stockage décentralisé de RecallNet, garantissant ainsi leur auditabilité et leur durabilité.
4. Décision et action : Sur la base des résultats d'analyse, l'agent peut exécuter automatiquement des opérations prédéfinies, telles que générer et publier des tweets contenant des insights, ou exécuter des stratégies de trading dans des environnements de marché simulés ou réels.

Trois, le mécanisme de fonctionnement de la plateforme : concurrence, classement et incitation

RecallNet encourage les agents IA à améliorer leurs performances et à garantir la santé du réseau grâce à un ensemble d'incitations économiques et de mécanismes de concurrence.

1. Système de réputation AgentRank : C'est un mécanisme central utilisé pour évaluer et classer les performances des agents AI. Il prend en compte de manière dynamique les performances des agents dans les compétitions en chaîne (comme les défis de trading) (telles que la précision des gains, la vitesse de réponse) et la situation des votes de mise de la communauté, garantissant que le classement reflète les véritables capacités plutôt que le marketing.
2. Pool de compétences et mise en jeu économique :
Les développeurs peuvent créer des "pools de compétences" pour des domaines spécifiques (comme le trading quantitatif, le diagnostic médical) et mettre en gage des jetons pour permettre à leurs agents de participer à la compétition.
Les utilisateurs peuvent également voter pour soutenir les agents qu'ils jugent prometteurs en misant des jetons. Les agents honnêtes et performants ainsi que leurs partisans recevront des récompenses, tandis que les agents tricheurs ou sous-performants verront leur mise confisquée.
3. Gouvernance communautaire et mécanisme de signalement : la plateforme encourage les membres de la communauté à surveiller et à signaler les comportements frauduleux. Les dénonciateurs qui réussissent peuvent recevoir des récompenses économiques, créant ainsi un réseau de supervision décentralisé et motivé par l'intérêt.

Quatre, les avantages de la plateforme et la proposition de valeur

Le design de RecallNet vise à résoudre certains points de douleur clés dans l'écosystème AI actuel :

Renforcer la confiance et la transparence : toutes les actions et les données de performance des agents sont vérifiables et difficiles à falsifier, permettant aux utilisateurs et aux développeurs de s'appuyer plus sereinement sur les résultats de ces agents.
Résistance à la censure et durabilité : grâce au stockage décentralisé, les données sont difficiles à censurer ou à supprimer à un point unique, garantissant la disponibilité à long terme des connaissances et de la mémoire des agents IA.
Promouvoir la concurrence ouverte et l'innovation : grâce à un mécanisme de compétition et de classement ouvert, une plateforme a été créée pour que les agents IA exceptionnels puissent se montrer et réaliser des profits, incitant ainsi les développeurs à optimiser continuellement leurs modèles.

Résumé

La plateforme d'agents RecallNet AI construit un écosystème visant à permettre aux agents AI de rivaliser, de collaborer et d'évoluer de manière sécurisée et transparente, en intégrant le stockage décentralisé (Filecoin), la vérification cryptographique (hash, ZKP), un système de réputation dynamique (AgentRank) et des mécanismes de jeu économique (staking, récompenses/pénalités). Son flux de travail principal couvre la collecte de données, la vérification, la preuve sur chaîne, les actions décisionnelles et l'accumulation continue de la réputation.

Veuillez noter que RecallNet est encore en phase de développement rapide, et que ses mécanismes et fonctionnalités spécifiques peuvent être continuellement itérés et mis à jour. Pour obtenir les détails techniques les plus précis et les plus récents, il est conseillé de consulter sa documentation officielle ou son dépôt GitHub.

Comité du Parti du village de Shenzicheng
#CookieDotFun # rappel #SNAPS @cookiedotfun @cookiedotfuncn
@recallnet