Tiếp tục nói về phương pháp luận mới để xây dựng các tác nhân AI trong Nền kinh tế tác nhân, tôi đã dành thời gian chiều nay để nghiên cứu kiến ​​trúc thiết kế của Deep Agents mã nguồn mở của LangChain. Khái niệm thiết kế của nó dựa trên Claude Code và tương tự như kiến ​​trúc mạng cộng tác ROMA (siêu tác nhân mã nguồn mở đệ quy) + tác nhân GRID mới nhất của @SentientAGI. Tất cả đều có một siêu tác nhân được điều khiển bởi một LLM thương mại hàng đầu (Claude Sonnet4 là lựa chọn đầu tiên) chịu trách nhiệm tạo, lập kế hoạch và quản lý Nhiệm vụ sách Việc cần làm. Sau đó, một nút định tuyến sẽ phân phối nhiệm vụ cho các tác nhân phụ để xử lý. Các tác nhân phụ cũng kế thừa các tính năng của siêu tác nhân và có thể phân rã đệ quy nhiệm vụ và phân phối nhiệm vụ cho các tác nhân phụ ở cấp lần. Deep Agent có trạng thái rõ ràng, với một hệ thống tệp ảo quản lý việc thu thập, lưu trữ và cộng tác dữ liệu từ MCP. Thiết kế này tương tự như thiết kế hệ thống Agent của @ReiNetwork0x, nhưng không phức tạp bằng hệ thống quản lý trạng thái Agent của ReiNetwork0x. Hiện vẫn chưa rõ Sentient có quản lý trạng thái hay không. Theo trải nghiệm cá nhân của tôi, các kiến ​​trúc AI x Crypto Agent như Sentient và REI về cơ bản ngang bằng với các kiến ​​trúc tiên tiến nhất. Không giống như các nền tảng AI Agent trước đây như AI16Z và Swarm, chúng mang lại một sản phẩm AI Agent thực sự hữu ích, chứ không chỉ là một con robot "dán poster" nhảm nhí. Các tác nhân AI đang chuyển dịch vượt qua tự động hóa (mô hình chuẩn: LLM+Bộ nhớ+Công cụ) sang giai đoạn đầu của tính tự chủ (mô hình chuẩn: siêu tác nhân+hệ thống quản lý trạng thái+công cụ tích hợp+tác nhân phụ). Việc học AI sẽ diễn ra không chỉ ở cấp độ mã thông báo mà còn ở cấp độ tác nhân.