0% read
最后更新:
ActionModel
ActionModel 是一个去中心化人工智能项目，旨在开发一个社区拥有的动作大模型（Large Action Model，简称 LAM）。该平台旨在通过与图形用户界面（GUI）交互来执行数字化任务，其目标是通过浏览器扩展程序向贡献训练数据的用户提供补偿。[2]
概述
ActionModel 被开发为受大型科技公司控制的中心化 AI 系统的去中心化替代方案。该项目的核心理念是：提供用于训练 AI 模型的数据的个人，应该分享该模型所创造的价值。该系统旨在通过其浏览器扩展程序观察页面结构，从而学习如何执行基于计算机的任务。这种方法允许模型在各种网站和应用程序中自动执行任务，而无需访问其应用程序编程接口（API）。
该生态系统的三个核心产品是浏览器扩展程序、Actionist 和 ActionFi。ActionFi 为在合作伙伴平台上完成在线任务提供奖励，包括发现、测试和参与数字产品。[12] 该项目指出，该模型由 Foundation 所有，而 Foundation 由 $LAM 代币持有者所有。它还向贡献者展示了通过训练赚取 $LAM 并增加其在系统中权益的方式。[12]
该项目的长期愿景是创建一个由其贡献者和用户社区拥有并治理的“互联网自动化层”。该代币旨在作为访问生态系统内服务的实用工具和治理工具，允许持有者参与有关平台发展和未来方向的关键决策。该生态系统的结构旨在创建一个循环：用户贡献改进 AI，AI 进而实现更强大的自动化工具，供社区使用。
产品
ActionModel 生态系统围绕三个核心产品构建，旨在进行数据贡献、任务自动化和奖励在线任务。[12]
ActionModel Browser Extension
ActionModel 浏览器扩展程序是贡献训练动作大模型（LAM）的工具。其数据贡献有两种模式：被动训练（自动支持训练）和主动训练（允许用户有意识地记录特定的工作流或任务，为复杂的、多步骤的过程生成更高质量的标注数据）。参与者因其贡献而获得代币，体现了社区驱动的 AI 训练方法。ActionModel 声明绝不收集或存储个人数据，训练是从页面结构而非个人内容中学习。
用户可以选择训练设置、阻止网站或流量类型，并随时暂停训练。[12] 该扩展程序设计用于简单安装和后台运行。[2][9]
Actionist
Actionist 是 ActionModel 的旗舰桌面应用程序，旨在无需编程知识即可实现计算机任务自动化。它通过控制用户的鼠标、键盘和屏幕来运行，使其能够执行类似于人类用户的数字活动。该平台允许创建 AI 智能体，这些智能体在记忆、历史追踪和外部工具集成的支持下，按计划执行工作流。[10]
ActionFi
ActionFi 奖励在合作伙伴平台上完成在线任务的用户。任务包括发现、测试和参与数字产品，该项目将 ActionFi 描述为在用户为数字产品和公司完成任务的同时，帮助训练动作大模型。[12]
Core Features
- 日历： 安排自动化在指定时间运行，功能类似于班次管理。[5]
- 记忆： 智能体记忆（Agent Memory）是 ActionModel 中的一项功能，使 AI 智能体能够随时间保留信息和上下文。它作为一个持久的知识库，允许自动化根据先前的交互、用户偏好和跨平台关系进行调整。这种能力使智能体从执行孤立的任务转变为执行由累积知识告知的上下文感知过程。[6]
- 历史： 智能体历史（Agent History）是 ActionModel 中的一项监控和透明度功能，记录并追踪 AI 智能体采取的每一项行动。它提供完整的审计轨迹，允许用户审查、分析和验证自动化工作流。该系统提供对决策过程的详细可见性，支持调试、性能评估和合规管理。[7]
- 工具集成： ActionModel 中的工具集成允许 AI 智能体访问并利用广泛的数字工具来执行复杂的自动化任务。这些能力包括网页抓取、API 交互、文件管理和计算机视觉。通过将智能体与外部工具和系统连接，该功能可在不同平台上实现更通用、更高效的任务执行。[8]
使用场景
- 个人用途： 该平台旨在帮助个人自动化日常任务，如通过安排帖子管理社交媒体账户、规划和预订旅行安排、自动填写在线职位申请、监控电子商务网站的价格变化以及整理电子邮件收件箱。
- 商业用途： 对于商业应用，ActionModel 旨在处理数据录入等重复性任务，执行跨越不同软件平台且无需 API 的复杂多步流程，并安排定期运营任务以提高效率。
- 企业用途： 在企业层面，该平台的云 VPC 模式旨在允许部署整个 AI 智能体集群，这些智能体可以持续运行以执行大规模自动化，如数据处理、系统监控和质量保证测试。
架构
ActionModel 的技术架构基于两个专有概念，这些概念管理 AI 如何学习和执行任务。
Action Loop
Action Loop（动作循环）是 LAM 用于执行任何给定任务的基础循环过程。该过程由四个不同的步骤组成，不断重复直到实现最终目标：
- 查看屏幕： AI 首先捕获并分析屏幕的当前状态，以理解上下文，识别可用的交互元素（如按钮和表单字段），并评估应用程序的整体布局。
- 决策： 基于其训练数据和当前目标，模型确定下一步要采取的最佳行动。这可能是点击特定按钮、在字段中输入文本或滚动页面。
- 行动： AI 通过直接控制鼠标光标或键盘来执行选定的 GUI 动作。
- 循环： 执行动作后，系统通过观察屏幕上的变化来验证结果，然后从“查看屏幕”步骤重新开始循环，持续此过程直到任务完成。[10]
Action Tree
Action Tree（动作树）是一个概念框架，代表了跨越网站和应用程序数字景观的所有可能用户操作和工作流的综合地图。这张“地图”是通过从用户贡献（被称为“动作分支”）中收集的数据构建并不断扩展的。
每一次贡献都会在树中添加一条新路径或完善现有路径。随着更多用户从各种应用程序中贡献数据，Action Tree 会变得更大、更详细，这反过来又使 LAM 能够以更高的精度和可靠性导航并执行日益多样化的复杂任务。[11][1]
代币经济学
ActionModel 生态系统的原生实用和治理代币被命名为 $LAM。该代币旨在成为平台经济模型、价值分配和去中心化治理结构中不可或缺的一部分。
Allocation
- 创建者分配： 33%
- 销毁： 34%
- 生态系统： 33%[3]
代币用途
- 动作燃料： LAM 通过 Actionist 应用程序执行的每一项操作都旨在消耗少量 $LAM 代币，从而创造与平台使用挂钩的持续需求源。
- 训练奖励： 通过运行浏览器扩展程序贡献数据以训练模型的用户，将因其参与而获得 $LAM 代币奖励。
- 市场收入： 在平台的 Marketplace（市场）上构建并销售自动化工作流的创建者将以 $LAM 代币赚取收入。
- 治理权利： 持有 $LAM 旨在授予用户对与平台发展、国库管理和整体治理相关的关键提案的投票权。
- 销毁机制： 代币经济学模型包括通缩销毁机制。作为“动作燃料”使用的 $LAM 代币的一部分计划被永久从流通中移除，旨在随着时间的推移减少总供应量。[1][11]
治理
该项目的目标是实施去中心化治理模型，使 $LAM 代币的持有者能够积极参与决策过程。这种结构旨在让用户和数据贡献者社区对 ActionModel 平台的未来方向（包括协议升级和功能开发）产生直接影响。
发现错误了吗？
