The Graph如何扩展为AI驱动的Web3基础设施？

2022 年，OpenAI 推出了 GPT-3.5 模型驱动的 ChatGPT，自此开启了一波又一波的 AI叙事浪潮。然而，尽管 ChatGPT 在多数情况下能能有效处理问题，但其在需要特定领域知识或实时数据时的表现仍可能受限。例如，当询问关于 Vitalik Buterin 过去 18 个月内的代币交易记录时，它无法提供可靠且详尽的信息。为此，The Graph 核心开发团队 Semiotic Labs 结合 The Graph 索引软件栈和 OpenAI 推出了Agentc的项目，能够为用户提供加密货币市场趋势分析和交易数据查询服务。

在询问 Agentc 关于 Vitalik Buterin 过去18个月内的代币交易记录时，它提供了更为详尽的答案。然而，The Graph 的 AI 布局并不仅限于此，其在发布的「The Graph as AI Infrastructure」白皮书中表示，目标并不是推出某个特定应用程序，而是充分利用其作为去中心化数据索引协议的优势，为***提供构建 Web3 原生 AI 应用的工具。为了支持该目标， Semiotic Labs 也会开源 Agentc 的代码库，让***可以创建功能类似于 Agentc 的 AI dapp，如 NFT 市场趋势分析代理及 DeFi 交易助理代理等。

The Graph 去中心化 AI 路线图

The Graph 于 2018 年 7 月推出，是一个用于索引和查询区块链数据的去中心化的协议。通过该协议，***可以使用开放 API 创建和发布名为子图（Subgraph）的数据索引，使应用程序能够高效检索链上数据。截***目前，The Graph 已经支持超 50 条链、托管了超 7.5 万个项目，并处理了超过 1.26 万亿次查询。

The Graph 能够处理如此庞大数据，离不开其背后的核心团队的支持，包括 Edge & Node、Streamingfast、Semiotic、The Guild、GraphOps、Messari 和 Pinax。其中 Streamingfast 主要提供区块链数据流的跨链架构技术，Semiotic AI 则专注于将 AI 和密码学应用于 The Graph 中。The Guild、GraphOps、Messari 和 Pinax 则各自专注于 GraphQL 开发、索引服务、子图开发和数据流解决方案等领域。

The Graph 布局 AI 并非新想法。早在去年 3 月，The Graph Blog 就发布了一篇文章，概述了利用其数据索引功能进行人工智能应用的潜力。去年 12 月，The Graph 发布了名为「New Era」的新路线图，计划添加大型语言模型的 AI 辅助查询。随着近期白皮书的发布，其 AI 路线图进一步清晰。白皮书中介绍了两项 AI 服务：Inference（推理）和 Agent（代理）Service，允许***直接将 AI 功能集成到应用前端，整个过程均由 The Graph 支持。

Inference Service：支持多种开源 AI 模型

在传统推理服务中，模型通过中心化的云计算资源对输入数据进行预测。例如，当你向 ChatGPT 提出问题时，它会进行推理并返回答案。然而，这种中心化的方式不仅增加了成本，还存在审查风险。The Graph 希望通过构建一个去中心化的模型托管市场来解决这个问题，使得 dApp ***在部署和托管 AI 模型时更加灵活。

The Graph 在白皮书中举了一个例子，展示了如何通过其创建一个应用程序来帮助 Farcaster 用户了解其帖子是否会获得大量点赞。首先，使用 The Graph 的子图数据服务，对 Farcaster 帖子的评论和点赞数量进行索引。接着，训练神经网络预测新的 Farcaster 评论是否会被点赞，并将神经网络部署*** The Graph 的推理服务中。***终开发的 dApp 可以帮助用户撰写能够获得更多点赞的帖子。

这种方式使***能够轻松利用 The Graph 的基础设施，将预训练的模型托管在 The Graph 网络上，并通过 API 接口集成到应用中，从而用户在使用 dApp 时就能直接体验这些功能。

而为了给***提供更多选择和灵活性，The Graph 的 Inference Service 支持大部分现有的流行模型。其在白皮书中写到，「在 MVP 阶段，The Graph 的 Inference Service 将支持一组经过筛选的流行开源 AI 模型，包括 Stable Diffusion、Stable Video Diffusion、LLaMA、Mixtral、Grok 和 Whisper 等。」未来，任何经过足够测试和索引器操作的开放模型都可以在 The Graph Inference Service 中部署。此外，为了减少部署 AI 模型的技术复杂性，The Graph 提供了用户友好的接口，简化了整个过程，使***可以轻松上传和管理他们的 AI 模型，无需担心基础设施维护。

(WEEX交易所官网：www.weex.com)

而为了进一步增强模型在特定应用场景下的表现，The Graph 还支持模型进行特定数据集的微调（fine-tuning）。但需要注意的是，微调通常不在 The Graph 上进行。***需要在外部对模型进行微调，随后再利用 The Graph 的推理服务部署这些模型。而为了鼓励***公开微调后的模型，The Graph 正在开发激励机制，例如在模型创建者和提供模型的索引器之间合理分配查询费用。

在验证推理任务执行方面，The Graph 提供了多种方法，如可信权威、M-of-N 共识、交互式欺诈证明和 zk-SNARKs。这四种方式各有优缺点，其中可信权威依赖于可信实体；M-of-N 共识需要多个索引器验证，增加作弊难度的同时也增加了计算和协调成本；交互式欺诈证明安全性较强，但不适用于需要快速响应的应用；而 zk-SNARKs 则是技术实现较为复杂，不适合大型模型。

The Graph 认为***和用户应有权根据自己的需求选择合适的安全级别。因此，The Graph 计划在其推理服务中计划支持多种验证方法，以适应不同安全需求和应用场景。例如，在涉及到财务交易或重要业务逻辑的场合，可能需要使用更高安全性的验证方法，如 zk-SNARKs 或 M-of-N 共识。而对于一些低风险或以娱乐为目的的应用，则可以选择成本较低、实施较简单的验证方法，如可信权威或交互式欺诈证明。此外，The Graph 还计划探索隐私增强技术，以改善模型和用户隐私问题。

Agent Service：帮助***构建自主 AI 驱动应用

相较于 Inference Service 主要是运行训练好的 AI 模型进行推理，Agent Service 更为复杂，其需要多个组件协同工作，以使得这些 Agent 能够执行一系列复杂和自动化的任务。The Graph 的 Agent Service 价值主张是将 Agent 的构建、托管和执行都集成*** The Graph，并由索引器网络提供服务。

具体而言，The Graph 会提供一个去中心化的网络，支持 Agent 的构建和托管。当 Agent 被部署在 The Graph 网络上后，The Graph 索引器便会提供必要的执行支持，包括索引数据、响应链上事件等各种交互请求。

正如上文提到的，The Graph 核心开发团队 Semiotic Labs 已经推出了一个早期 Agent 实验产品Agentc，结合了 The Graph 的索引软件栈和 OpenAI ，其主要功能是将自然语言输入转换为 SQL 查询，方便用户直接查询区块链上的实时数据，并将查询结果以易于理解的形式呈现给用户。简单理解，Agentc 专注于为用户提供便捷的加密货币市场趋势分析和交易数据查询，其所有数据均来自以太坊上 Uniswap V2、Uniswap V3、Uniswap X及其分叉，价格每小时更新一次。

此外，The Graph 还表示 The Graph 使用的 LLM 模型准确率仅有 63.41%，因此存在错误响应的问题。为了解决这一问题，The Graph 正在开发一种名为 KGLLM（Knowledge Graph-enabled Large Language Models）的新型大语言模型。

KGLLM 通过使用 Geo 提供的结构化知识图谱数据，能够显著减少生成错误信息的概率。Geo 系统中每个声明都由链上时间戳和投票验证支持。集成 Geo 的知识图谱后，代理可以应用于多种场景，包括医疗法规、政治发展、市场分析等，从而提升代理服务的多样性和准确性。例如，KGLLM 可以利用政治数据为去中心化自治组织（DAO）提供政策变更建议，并确保基于当前且准确的信息。

KGLLM 优势还包括：

• 结构化数据的使用：KGLLM 使用的是结构化的外部知识库。信息在知识图谱中以图形形式建模，使得数据之间的关系一目了然，因此查询和理解数据也变的更加直观；

• 关系数据处理能力：KGLLM 尤其适合处理关系数据，例如它可以理解人和人之间的关系、人和事件之间的关系等。且其使用图遍历算法，通过在知识图谱中跳跃多个节点（类似于地图上移动）找到相关信息。通过这种方式，KGLLM 可以找到***相关的信息来回答问题；

• 高效的信息检索和生成：通过图遍历算法，KGLLM 提取的关系会以自然语言转换成模型可以理解的提示，通过这些清晰的指示，KGLLM 模型能够生成更加准确和相关的回答。

展望

The Graph 作为「Web3 的 Google」，利用其优势弥补了当前 AI 服务的数据短缺问题，并通过引入 AI 服务简化了***的项目开发流程。随着更多 AI 应用的开发和使用，用户体验将有望得到进一步提升。未来，The Graph 开发团队将继续探索人工智能与 Web3 结合的可能性。此外，其生态系统中的其他团队，如 Playgrounds Analytics 和 DappLooker，也在设计与代理服务相关的解决方案。