Gần đây, xung quanh tôi có rất nhiều người đang ca ngợi các dự án AI,

Một cái PPT đẹp hơn cái khác, nhưng khi chạy thực sự, không phải dựa vào sức mạnh tính toán tập trung thì cũng là thuật toán mã nguồn đóng.

Công thành sư đã xem rất nhiều, chỉ có @Talus_Labs khiến tôi cảm thấy ấn tượng.
Nó không phải là làm "công cụ AI", mà là xây dựng một hệ thống cho phép AI chơi, xác minh và kiếm tiền trên chuỗi.

Mỗi agent đều có thể tự quyết định, chiến đấu, thậm chí bị kiểm toán.
Người khác vẫn đang nói rằng AI có thể "giúp bạn", Talus đã cho AI học cách "tự sống".

Gần đây tôi thấy một chi tiết từ @Talus_Labs khiến tôi phải suy nghĩ: Nhóm Walrus đã phát biểu rằng sẽ đảm nhận trách nhiệm "ký ức lịch sử / dữ liệu trạng thái / lưu trữ ngữ cảnh" của Talus, trong khi để lớp Sui chịu trách nhiệm thực hiện và phối hợp các agent. Đây không chỉ là sự phân công vai trò đơn giản, mà là một triết lý kiến trúc: tách biệt lớp dữ liệu & lớp thực thi.

Người tấn công thành hiểu như thế này:

Nếu bạn nhồi nhét mọi thứ vào chuỗi: suy luận, lưu trữ, quản lý trạng thái... thì chi phí và độ trễ gần như không thể chịu đựng được. Thiết kế của Talus là: cho phép agent có trí nhớ dài hạn, nhưng trí nhớ không nằm trên chuỗi chính, chuỗi chính chỉ chịu trách nhiệm điều phối + xác minh. Chỉ như vậy mới có thể hỗ trợ một hệ sinh thái AI agent quy mô thực sự.

Điều quan trọng tiếp theo không phải là "ai là người đầu tiên xây dựng mô hình", mà là "ai có thể làm cho quy trình làm việc, gọi công cụ và tiến trình trạng thái của agent trở thành các module có thể kết hợp". Kiến trúc Nexus của Talus đã chỉ ra hướng đi: plugin công cụ, quy trình có thể tách rời, agent có thể gọi giao diện bên ngoài. Điều này có nghĩa là agent không còn là một hộp đen cô lập, mà đã có "giao diện sinh thái".

Vì vậy, bây giờ tôi muốn nói: Để viết về Talus, không cần phải bắt đầu từ những điểm chung như tài trợ / Testnet, mà hãy kể câu chuyện từ "tầng dữ liệu tách rời + mô-đun agent". Đó là một góc nhìn mà người khác ít chú ý đến, nhưng đủ chất lượng.