我剛剛推出了 🤖 - 一個活躍的去中心化 AI 項目的地圖。我希望看到這個生態系統增長 10 倍！ 隱私本身並不能推動採用。我們需要匹配並超越集中式大 AI 的用戶體驗。 數據源連接器和記憶是護城河。AI 應用的切換成本在接下來的兩年內將會飆升。 為什麼？更好的數據源 → 使用量增加 → 更豐富的歷史 → 更有價值的記憶，當切換提供者時完全丟失 → 更高的護城河。 這就是為什麼我們必須迅速行動。 今天在 @UCBerkeley 的 DeAI 峰會上，我提出了 "Bartender Stack" 來解決這個問題，同時保持用戶和開發者相同的用戶體驗： 推理抽象：開發者應該簡單地調用一個通用的推理函數，然後用戶的設備決定將其路由到哪個模型，無論是使用遠程 TEE 還是本地推理。目前，開發者必須為本地推理帶來自己的模型或提供自己的隱私保護 TEE，這是瘋狂的——這就是為什麼他們默認使用集中式推理 API。我所提議的實際上是我們在一般計算中已經做的事情：你只需請求內核進行計算，完全抽象處理器、內存等。這使開發者能夠專注於使他們的 AI 應用獨特的部分：界面和提示+上下文工程。 跨應用記憶：通過自動共享上下文來摧毀 "記憶護城河"，實現與 BigAI 相同的用戶體驗。抽象推理的本地路由器 "擴展" 上下文，新創公司從第一天起就能受益於你所有的記憶，而不是受到懲罰。 數據錢包：對工具和數據共享的細粒度、本地控制。一次配置，而不是每個應用。記憶由用戶擁有，並與 AI 應用共享，而不是由 AI 應用擁有。 無狀態 TEE：提示和上下文在本地生成，並在推理時共享。TEE 不存儲數據，解決了 TEE 的用戶體驗關鍵問題和信任假設。 代理的分佈式聲譽：代理網絡需要進入點以訪問無許可的聲譽，以決定信任哪些代理。沒有這個，人們總是會默認使用大 AI 或知名品牌。對於代理來說，信任就是護城河。 我希望 AI 像酒保一樣！本地的。可替換的。健忘的。 他們在我需要他們時傾聽，當我離開時消失，並且從不保留我的訂單歷史。太專業了，無法記住我在 🍹第二杯酒後說過的話！ 完整的設計和架構在這裡： cc @BerkeleyRDI, 🦊@MetaMask