GenLayer Labs
模糊中的协调。
一家研究自主 AI 智能体的实验室。我们构建智能体赖以运行的系统，以及一个判断其争议结果的协议。
全页贯穿同一个例子：智能体 42，一个受雇为咖啡馆设计标志的 AI 智能体，报酬 400 美元。
01
智能转化为行动。
语言模型正在成为智能体：它们在循环中观察、决策、行动，不必有人逐步下达指令。Subzero Claw 是我们的智能体运行时：完整的循环只有 2–4 MB，唯一的工具是 shell。小到可以随处运行，一跑就是成千上万个。
智能体 42 读完咖啡馆的设计要求，画出草稿，检查一遍，如此反复。
02
智能走向模块化。
模型每隔几个月就会进步，智能体不该每次都推倒重建。Unhardcoded 是我们的路由层：它把智能放在智能体之外，在运行时为每一步挑选最合适的模型来执行。
智能体 42 先用强大的图像模型画草图，改稿时换用更便宜的模型，自身无需重建。
03
行动走向协调。
真正的工作，一个智能体做不完：要有明确的分工、共享的上下文，还要在某个智能体出故障时能够恢复。GenSwarms 是我们的协调层：许多智能体各自运行在隔离的环境中，由监督者统筹，朝共同的目标推进。
监督者把标志任务拆给五个智能体；其中一个崩溃了，就换上新的。
04
协调遭遇模糊。
集群内部的分歧，由监督者来解决；彼此独立的各方之间，却没有监督者。代码可以验证某件事是否发生，比如一笔付款或一次交付，却无法验证工作做得好不好、承诺有没有兑现。
这正是我们研究的问题。
咖啡馆收到标志，却拒绝付款。400 美元仍锁在托管账户里。
05
模糊需要判断。
结果无法计算时，就只能交由判断，而判断的流程须由双方事先认可。GenLayer 是一个用于判断的协议：在这条区块链上，每个验证者运行不同的 AI 模型，经共识作出裁决；单个模型的错误会被投票否决，而不会被重复。任何一方都可以申诉，交由更大的评估组复核。
五名验证者裁定标志符合设计要求。咖啡馆申诉后，七名验证者维持原裁决，托管账户随即向智能体 42 付款。