【Sentient 新基礎設施 ROMA 評測】 大家好，我是 Nyangburger。 Sentient 最近舉辦了一場精彩的活動，所以我決定第一時間參與。 我將撰寫一篇關於 Sentient 新基礎設施項目 ROMA（遞歸開放元代理）的深度評測。 我將深入探討細節，並在構建虛擬測試環境的過程中分享我的想法。 簡而言之，ROMA 不僅僅是一個簡單的代理；它有潛力成為解決 AI 推理“信任”問題的關鍵基礎設施。 讓我們分析一下 ROMA 在此時此刻為何如此重要，以及它與現有模型有何不同。 黑盒 AI 的終結與“遞歸推理”的開端 常用的 LLM 和代理最大的問題是什麼？它們在“長週期任務”中表現不佳。雖然它擅長總結以太坊白皮書，但如果你讓它“分析過去三年排名前十的 DeFi 協議的表現，並將其與宏觀經濟指標進行比較”，它就會迷失方向，甚至出現幻覺。這是因為在人工智能的運行過程中，錯誤會逐步累積。 然而，由 Sentient 開發的 ROMA 憑藉其“遞歸結構”和“透明性”正面解決了這個問題。 {1. ROMA 的核心架構：像 CEO 一樣工作的 AI} 為了便於理解 ROMA，可以想象一個“高效的組織架構圖”。 傳統的智能體就像一個獨自敲鼓的自由職業者，而 ROMA 則是一個“元智能體”，它會不斷地將任務分解成子任務並進行分配。 ROMA 通過以下四階段無限循環來解決複雜問題： 第一階段：原子化器：評估傳入的任務。您可以獨立判斷一項任務是否能夠獨立完成，或者是否需要將其分解成更小的部分。 步驟 2：規劃器：如果需要分解，它會將任務分解成子任務，就像項目經理將任務分解成開發、設計和規劃階段一樣。 步驟 3：執行器：利用搜索工具、數據分析工具或其他專用 AI 模型執行分解後的任務。 步驟 4：聚合器：收集並驗證每次執行的結果，並將它們彙總成最終報告。 ROMA 的遞歸特性就體現在這個過程中。如果子任務很複雜，則會重複這四個步驟，深入挖掘樹狀結構。 {2. 超強性能：數據說話} 在 Web3 領域，規則是“不要輕信，要驗證”。ROMA 的性能已通過基準測試數據得到驗證。Seal-0 基準測試結果令人震驚，該測試旨在檢驗其複雜的搜索和推理能力。 ROMA 搜索：45.6%（遙遙領先，位居榜首） Kimi Researcher：36% Gemini 2.5 Pro：19.8% Open Deep Search：8.9% ROMA 的準確率是 Google Gemini 的兩倍以上。這有力地證明了 ROMA 並非簡單地抓取信息，而是在保持上下文的情況下進行邏輯推理。 {3. 為什麼 Web3 和開發者需要 ROMA？（實用性和清晰度）} 我被這個框架吸引，不僅是因為它的性能，還因為 ROMA 的理念基於開源和透明。 打破黑箱（階段追蹤）： 現有的商業代理程序只是提供結果，卻無法解釋結果背後的原因。然而，ROMA 提供了“階段追蹤”功能。從輸入到輸出的整個推理過程，都通過 Pydantic 架構透明地呈現。調試是可能的，並且可以通過人為干預（人機交互）來識別錯誤。 這在信任至關重要的領域（例如鏈上數據分析和財務報告）尤為重要。 模塊化： ROMA 就像樂高積木。您可以自由地將所需的 LLM（GPT-4、Claude、Llama 等）或工具插入到每個節點（階段）中。 利用模塊化的一個策略示例是成本效益策略：將規劃階段外包給智能的 GPT-4 模型，將簡單的搜索外包給輕量級的 Llama 模型。 並行性： 獨立的子任務並行運行。這極大地加速了需要處理海量數據的研究任務。 {4. 結語：Sentient 的宏偉願景 Sentient 相信，ROMA 開啟了一個“任何人都可以使用最佳技術構建自己的代理”的世界。 這不僅僅是一個工具；它更像是一個完整的協議。 儘管當前的人工智能領域以封閉模型為主導，但 ROMA 提供了一個堅實的基礎，開源社區可以在此基礎上構建針對金融、法律和創意寫作等領域的專業“專家代理”。 基於此，我相信 Sentient 將進一步鞏固其在人工智能領域的地位。