AMA | 第1集 - 人工智能代理的接管：区分炒作与现实（Featuring AG2）

在这次 AMA 中，我们通过解决一个在 AI 领域至关重要的问题来启动 AI 代理接管系列：在 AI 代理方面，什么是炒作，什么是真实的？由我们的市场负责人 Joules Barragan 主持，并由 Sahara AI 首席执行官兼联合创始人 Sean Ren 以及 Chi Wang，AG2 的创始人和 Google DeepMind 的研究员共同参与，我们深入探讨了开源代理框架的未来、去中心化 AI 在所有权和归属中的作用，以及构建真正自主系统的挑战。无论您是早期开发者还是塑造前沿的研究人员，本次会议将探讨突破、障碍和塑造代理 AI 生态系统的机遇。 

链接: https://x.com/i/spaces/1eaKbWYmEOYGX

逐字稿

Joules: 大家好。我是 Joules，来自 Sahara AI。今天将由我来主持。我们为大家准备了一场精彩的 AMA，邀请了两位在 AI 领域的杰出人才。我们的 Sean Ren，他是 Sahara AI 的首席执行官和联合创始人。大家或许都听过他讲很多次演讲。很高兴他能回来。我们还有我们的特别嘉宾，Chi Wang。现在，Chi，这是你第一次参加我们的 AMA。

Chi: 欢迎。

Joules: 对于那些不认识他的人来说，他是 AG2 的创始人，曾被称为 AutoGen，一种支持自主 AI 的开源代理操作系统及其母体开源项目 FLAML，一个快速的 AutoML 和调参库。他在计算机科学领域拥有超过 15 年的研究经验，曾在 Google DeepMind、Microsoft Research、Meta、UIUC 和清华工作。我的发音正确吗，Chi？

Chi: 清华。 

Joules: 他在他的领域获得了多项奖项。非常感谢你今天的加入，Chi。

Chi: 非常感谢。很高兴来到这里。

Joules: 太棒了。如果你在听，如果在这次 AMA 中有任何问题，请在下面的评论中留言，我们将在最后处理它们。哦，谢谢，Sean。我没有让你说话，我有点过于热情了。

Sean: 我没有发言。请继续。

Chi: 抱歉。谢谢你。

Joules: Chi。AG2 开始时是为了简化 AI 代理开发。我很好奇，你在 AI 领域看到的是什么问题，让你觉得这个需要存在？

Chi: 是的，谢谢你的提问。我正在研究 AutoML 和超参数调优，正如你刚才提到的。在我为 AI 代理开发 AutoGen 之前，我曾从事 AutoML，看到语言模型的强大，我尝试将 AutoML 的思路应用于调优这些语言模型的推断参数，以查看在我们改变应用程序中使用模型的方式时差异有多大。事实证明，这确实存在很大差异，这是一个全新的问题，尤其是如何在更大的系统中使用模型。因此，对于这些新型的模型来说，这提出了一个全新的问题，因为与上一个时代的机器模型相比，它们不仅可以进行预测，还可以在开放空间中进行开放生成。它们甚至可以成为新的大脑，成为系统如何运作的一种新的控制层，而不仅仅是一个小组件在一个系统中。因此，这为设计打开了一个非常大的空间。然而，我看到没有好的框架。当我大约两年前开始解决这个问题时，我并没看到好的解决方案，也没有好的操作系统围绕这些新型模型展开，以促进开发者在此基础上构建我们的开源应用。因此，我们确实需要一种新的操作系统，针对这些新型模型进行了优化，使所有不同的应用程序能够在其上运行。所以这就是我所看到的缺失之处，这也是我的起点。

Joules: 这真是太棒了。Sean，您在 AI 领域也已经待了大约 10 年了，对吧？而现在您正处于 Web3 和 AI 的交汇点上，这令人惊叹。您认为今天 AI 代理技术中最令人兴奋的突破是什么？

Sean: 是的，我认为这可能比仅仅是 AI 代理更具普遍性。在这个新时代，我们看到类似于互联网的上一个时代，人们可以开始在互联网上发布自己的内容，用户生成内容，并以非常高效的方式浏览彼此正在产生的内容，互相理解彼此的想法，瞬间进行沟通，而没有任何物理和时间上的限制。今天，当我们看到这种新的 AI 和 AI 代理时代时，我觉得它确实降低了人们创造有趣应用和内容的门槛，因为想想看一个 编码代理，这是非常有前景的，无论是对于外行人还是非技术人员来说，他们能够在短短几小时内而不是几天或几周内创建应用程序、前端以及这些用户交互的应用。我认为这进一步降低了我们沟通创造性想法的门槛，甚至在高效的方式中创造可获利的应用。因此，我预见到的是，由于人们创造和产生想法的方式更加容易、高效和简化，这也带来了新的挑战，即如何保护人们的创造性想法以及这些应用的所有权以及未来可能变现的内容。因此，依据 版权保护、可追溯的所有权 和 归属 的问题成为一个非常紧迫的问题。这就是我们开始 Sahara AI 的原因，以解决这个问题谱系，我认为这个问题与提升代理的能力及能力是并行的。

Joules: 很好，非常好的观点。您提到了一些有关降低门槛和开放获取大量 AI 工具以及这一切导致的创新增加的好观点。开放源代码运动是这一切的重要组成部分，而我知道 AG2 在这个领域中一直处于领先地位，发展了一个庞大的开源运动。你们团队中有超过 20,000 名来自 Google、IBM、Meta 和许多顶尖大学的建设者。开放源代码协作塑造 AG2 发展的最令人惊讶的方式之一是什么？

Chi: 是的，这是一个非常好的问题。我六年前开始从事开源项目，起初从 AutoML 库 FLAML 开始，AutoGen 实际上自一开始就已在 FLAML 中开发。所以每一行代码都从一开始就在公开源代码中编写，作为 FLAML 中的一个子包，几个月后，我们才将其移出到 GitHub 上的一个独立仓库，并仍保持开源。开源自一开始就不是闭门开发，而是开放开发的过程。例如，我的长期合作者 Professor Chung Yu 和我也是 AutoGen 的主要作者，当它发展到一定程度时，越来越多的用户来自社区和世界各地加入。此外，我认为最令人惊讶的事情是当我们建立 AutoGen 框架时，我们的目标是建立非常强大、能够强有力的代理。但我们很快意识到，这是一座巨大的壁垒。因此，这并不容易。即使这些记忆模型显示出非常强大的前景，仍然存在各种各样的问题需要解决。因此，和其使命只是自己向前发展相比，我迅速意识到我们可以先建立基本框架，构建一个通用基础设施，以便让其他人轻松上手并尝试他们的想法，这样我们就可以比以往更快达到目标。事实证明，这是一种更有效的方式，产品的发展也因此得到了提升。所以许多想法实际上是由社区推动的，我们吸收这些想法并对其进行迭代、精炼，并添加到框架中，使其更强大。因此，一个例子是这种 群聊对话模式，允许多个代理在同一组中进行对话，分享相同的背景，并一起解决问题。它实际上最初是由开源协作提出的，作为一种实验功能，以展示这个框架可以让您做什么。这不是唯一的事情，但作为一个示例添加了进去。但它已经成为一种非常受欢迎的功能，并得到了进一步的发展和精炼，变得更丰富多彩。但事实证明这是一个非常有用的模式，持续被用户所使用，还有许多这样的例子。因此，开源贡献的活跃程度以及库本身在此过程中所取得的非常有趣的发展，正是社区活跃的原因。而且，有如此多的人正在尝试他们的想法，有时甚至比一些主流的研究或工程团队更早参与，这是很令人惊讶的。 

例如，早期的许多高级探索对于许多高级功能，类似于今天看到的深度研究可能在一年前就已在开源社区中进行过。他们已经取得了非常强大的结果。因此，这些早期探索，许多先进特性也根本上改变了我从新想法中学习和工作的方式。因此，现在开源社区是我主要的灵感来源。因此，这不仅仅是偶尔我从他们那里学习，而是我不断地从他们身上学习。是的。并且，他们有时能在具有挑战性的基准上达到非常高的性能，比如在软件工程的套件基准上表现出色等等。所以，这就是我从这个旅程中学习到的重大教训。

Joules: 是的，这太令人惊讶了。开源开发总是让我感到惊讶，特别是在这个领域。Web3 已经在开放源代码方面持续了这么久，我自 2015 年以来一直深陷于 Web3 中，看到 AI 社区在开源领域发展如此之快，真的很了不起。Sean，我很好奇。开源 AI 和去中心化 AI，实际上是同一枚硬币的两面。两者都是旨在将权力交到社区手中，但它们的方式不同，并且触及不同的事物。您如何看待这两种方式相互补充或挑战？尤其是在解决您之前提到的所有权和版权问题的眼光中。

Sean: 是的，我觉得这是个好问题。实际上，让我进一步细分这个问题，因为我认为 去中心化的 AI 对许多人来说是一个相当繁重而模糊的术语。同样，对于开源 AI，被不同的公司理解，这也同样造成了混淆。例如，Llama，您会说 Llama 是一种开源模型吗？他们可能理解为开源权重，但显然没有完全公开其配方和全部过程。所以，我认为回到 Joules 的问题，我认为它们可以共存并互补。如果我戴上研究者的帽子，我热爱开源 AI，因为这基本上驱动了科学进步和开放科学。每个人都知道 DeepSeek 是如何从零到一创建的，包含所有的配方细节，而不仅仅是权重，我们也潜在希望看到在训练模型中使用的所有数据。

我认为另一个很好的例子是来自某个人工智能工具的 OMO 模型，该人工智能工具在人工智能研究所的开发过程中，他们实际上发布了在创建模型时使用的所有数据集，无论是在预训练阶段还是后期训练阶段。这使所有研究人员得以首先基于这些现有数据、模型和配方构建，以调查所有有趣的现象，从而激发他们为下一个迭代改进模型的新思想。其次，他们还可以为每个垂直领域和使用案例构建各种有趣的专业模型，并努力使这些模型提供支持的应用受益。因此，我认为 开源 AI 是科学的基础。没有它，我认为很简单地说，研究人员和博士生将非常难以跟上行业的当前进展。

另一方面，我认为去中心化 AI，我对此的定义实际上是为了将所有权、控制权归还给数据集和模型的所有者。如果您想象一下，今天的集中式 AI 范式，开发者、数据服务提供商都由 AI 公司雇用，来承担他们工作的一部分，所有最终产品、结果都将由公司控制并由公司进行货币化。所有收入通过应用程序网关流回公司，且公司控制着如何在不同的参与者之间分配这些款项和利益。而显然我们今天看到的分配非常不公平，模型开发者过上了相当不错的生活，获得了非常高的薪水。看看 OpenAI 和所有这些大型 AI 模型的薪资包。但大量为改善模型而贡献数据、提供反馈的人们，回报却很微薄。

因此，我认为存在一种对这些经济结果偏差的倾斜，这正是 去中心化 AI 要颠覆的。这种方法是从一开始，比如当数据集被创建时，我们确切知道谁是共同的所有者和股东，这种追踪将从头到尾延续到模型所有者、代理的所有者和应用程序的所有者。然后您可以使用这种追踪对上游贡献者进行 收益共享。这就是去中心化 AI 的希望所在。由于将所有权力归还给创造者和贡献者，这是更可持续的经济模式。对吧，因为每个人都可以获得自己的一部分。现在，我认为超越这个问题的技术挑战是如何以自主、公平和算法驱动的方式进行这种分配。我认为 Sahara 当前正在研究的许多问题也包括在内。

Joules: 谢谢你，Sean。说得很好。Chi，您在我们继续之前还有什么要补充的吗？

Chi: 不，那就更多了。

Joules: 太棒了。我想稍微转移一下焦点。我知道我们时间不多。我想谈谈一些 AI 代理在现实世界中的应用。我们已经看到一些人被称为独立创业者，利用 AG2 代理来实现从电子邮件、日历、YouTube 翻译到网络抓取等各种自动化。你稍早提到的一些额外示例是什么？是什么案例让你感到惊讶，让你想到：哇，真的很酷？

Chi: 是的。有很多这样的案例。但举一个例子，也许与这个社区关系最密切，我看到一个使用 AG2 构建的自主交易示例，他们利用代理来管理他们的 Web3 资产，并且进行自动交易。即使您睡觉，代理也不会休息，周而复始地管理所有资产，进行自动买卖以增加投资组合。这对我来说是个相当令人惊讶的用例。

Joules: 是的，我确实看到 DeFi 中有越来越多的 AI 参与。这真是太疯狂了。Sean，您想要对此添加什么吗？

Sean: 是的，我想补充一点观察到的情况。自主交易机器人或代理在 Web3 中已经成为热门，尽管我会反驳说它们还未完全成熟或可用。它们更像是一个原型或 MVP 概念，我们确实看到这个代理可以成功地将 100 美元的比特币兑换为 100 美元的 sol。例如，这个过程可以成功实现。但允许他们采取模糊的用户意图，假设我想花 10,000 美元购买某些类型的山寨币，并找到最佳方式投资这 10,000 美元，确定我想要做投资的时间。如果我这样下达指令，这仍然是非常模糊而高层次的。这样的交易代理能否接受并执行，实现高度可信的结果？我们距离这个目标仍然非常遥远。我的判断是我们还需要一年的时间左右。

因此，这实际上引出了我想指出的问题，我们确实看到从上一个世代的 AI 向今天能够理解人们的自然语言评论的代理能力的巨大进步，这在许多情况下可能是模糊的，但是它们仍能够采取常识行动和合理的行动。我认为这是一个巨大的飞跃。我相信我们所有人都对这可能如何进一步降低我们完成事情的门槛感到非常兴奋。例如，我对市场上所有种类的钱包不是很熟悉。我可能只熟悉其中几个，也许对几个去中心化交易所有一定了解，但你能给我一个代理，可以让我在市场上访问所有的去中心化交易所，这样的功能真的能帮助到我们。最终，这一定能推动我们广泛采用。

Joules: 是的，您提出的一些观点真的很好，我实际上想为您和 Sean 提出一些后续问题。显然，我们看到这些代理在自动化任务和自主性方面变得越来越强，但完全的自主性显然仍然是一个非常大的挑战。从你们的观点来看，今天使 AI 代理真正自主的最大障碍是什么？我们究竟在等待什么？你刚刚提到的 DeFi 代理，比如 Sean，我们可能还要一年左右的时间才能见到这个。

Sean: 我可以让 Chi 先说。

Chi: 好的。如果你考虑一下，让代理自主运行并不难。但让他们独立做对的事情，并在合理的时间内具备自我纠正的能力是很困难的。因此，如果您只是想让他们正常运行，是的，您可以给他们指令，他们可以持续运行，但在某个时刻，他们可能会出错。当他们开始做错事时，可能会愈演愈烈。这与自主的人类有很大不同。我们每个人也会犯错误。我们不能保证始终走在正确的道路上，但有时我们会被提醒并意识到“好吧，我们做错了一些事，应该改变我们的行为”。我认为这是代理的一个重要缺失能力。如果我们可以做到这一点，那么我认为我们将朝着使其独立解决任务的方向迈出重大进展。但如果你更进一步考虑人类是否真的自主，通常也不是这样。如果你让某个同事为你处理某些事情，或许他们可以自动处理某些事情，但不一定是你一开始想要的。你仍然需要给予更多的指示、反馈，以促使他们做得更好。

因此，即使现在人类的自主性高于代理，他们也并不完全自主。因此，取决于您对完全自主性的定义，瓶颈可能会有所不同。因此，一旦我们达到人类级别的自主性，我们可能还想问这样的问题：我们是否能够做到更好？人类实际上可以做到更好，因为当某个人与你共同工作更长时间时，他们实际上会更加了解更多，了解你的习惯，能变得越来越自主。最终，几乎所有事情可以在没有你的亲自跟进的情况下完成，代理也可能需要这种能力。当我们解决当前的瓶颈时，我们希望他们能够随着时间的推移不断改善，变得更加自主，而不仅仅是在一开始就完全独立处理一切，而是随时间的推移，他们需要更少的人类干预。

Sean: 是的。只是快速补充我想说的，我非常认同他所说的。我认为我们正在从一种 程序化 AI 转变过来，我们需要非常具体地提及 AI 应该逐步执行什么任务，转变为更像 基于目标的 AI，让它们能够实现高层次目标，即使我们距离该谱系的终点仍然相当遥远。我认为我们取得的另一个重大进展是这种 代理能力，包括使用工具。这在上一代 AI 中是未见的，它能够使用您的浏览器、数据库，使用 Microsoft Office 以及访问 Twitter 等各种工具，执行组合任务以实现设定的目标。所以，我认为我们正处于这一系列新进展的起点，我认为每个人都非常兴奋。但我不想让人们对距离目标还有多远抱有过于乐观的想法。

Joules: 是的，你们都提出了一些非常好的观点。确实令人思考。特别是 Chi，你所说的关于人类及同事，像他们是否完全自主，这是非常有启发性的思考，并且为思考这一切提供了很好的视角。我想进一步讨论这个主题。当代理开始变得更好并重塑我们的工作方式时，有些人认为他们只会成为帮助我们的助手，而其他人则非常担心他们最终会替代许多人的工作。我很好奇，在您看来，我们实际上朝哪个方向发展？

Joules: 您想先说一下吗，Chi？

Chi: 哦，我可以简单地说一下。好的，去吧。是的，这是一个非常困难的问题。我认为他们很可能会改变工作分布。我们可以想象的变化有很多种。但我认为有一个趋势是，AI 代理会使个人或小团队能够取得更多成就。因此，我们可能会越来越多地看到小团队做出惊人的事情。因此，这可能改变未来的工作分布。此外，我想鼓励大家思考未来能创造出哪些新工作？是否会有一些新工作需要人类来解决 AI 不能解决的问题？如果我们关注这个问题的思考，或许会有很多创造的机会。

Sean: 是的，我认为我们已经构思出了一种新的工作类型，即 代理管理者，因为如果今天他们真的面临保持跟踪目标的挑战，我们就需要人类来关注他们。并且，由于将会有许多代理在线现场进行自主或半自主运行，我们需要人类管理者找出良好的 UX UI，以便管理它们，从而不让他们陷入麻烦。我认为这引出了我回答这个问题的方式。实际上，取决于工作类型，我们人类仍然是整个代理-人类社会的决策者。我认为未来的趋势就是让代理帮我们处理一些无聊的任务，而我们则创造一些新兴有趣的任务来与代理协作。这可能会持续一段时间，直到发生一些其他的颠覆性变化。那样我认为，代理将作为一个系统角色存在。尽管我试图分清援助性协助与自主运行之间的关系，因为您可以有自主运行的代理，该代理充当助手或副驾驶，它们之间并不冲突。因此，我认为这一趋势会是，我们会尽可能取代无聊的工作，但我们仍然看到了许多无聊的、独特的实体人类与现实世界的互动，今天是虚拟代理确实很难取代的。

Joules: 非常好。在我们接近这个未来时，我很好奇，每个 AI 开发人员，无论是正在 AG2、Sahara AI，还是其他任何 AI 项目工作，有一件事每个 AI 开发人员在设计 AI 和 AI 代理时特别应该记住的是什么？

Chi: 是的，对我来说，我认为一个重要的方面就是要时刻记住这些代理可能会犯错，可能会产生不理想的结果，可能会失败。因此，如果你从一开始就考虑到这种可能性，并尽量做到容错，或添加防护措施，您将增加成功的机会。

Sean: 是的，我认为再次呼应 Sahara AI 的价值观。我们需要将权力和所有权归还给贡献者。在构建代理时，不要忘记谁为构建块做出了贡献，比如数据集所有者、为代理训练提供计算资源的提供商以及代理的所有配方。他们都应该是实现持续盈利的参与方，与您一起工作来改善代理的下一版本。

Joules: 太好了，回应都非常出色。我希望确保我们留出一些时间给观众的问答。我们确实收到了一些问题，让我拉出一些问题。我们有一个问题：对于新的代理 AI 开发人员来说，学习曲线最陡峭的部分是什么？您有什么开始的建议吗？

Chi: 对于我来说，当我考虑代理 API 时，我是在思考几步之前的事情，保持前瞻性。这让我从根本上将 AI 代理软件与传统软件区别开来。这对那些习惯用传统软件思考功能编程或面向对象编程的人可能是一次重大的范式转变。许多人对此也可能是一个开放性问题：究竟如何才能对它们进行合理的思考，使其在未来可持续？因为当我们学习一些技能时，我们希望能够在一段时间内保持这些技能，而不仅仅是迅速变得过时。但这很有挑战性，因为 AI 技术如今发展得如此迅猛，您这个月学到的东西可能会很快在下个月变得不相关等等。因此，我倾向于以一种最具有前瞻性的方式思考代理，而不是将其视为具有强大能力和自然界面进行沟通的应用程序，而是将其视为一种新型软件架构的一部分。 

因此，未来，我们可能能够以 代理臂椅编程 的方式构建软件。这可能是最疯狂的事情。但一旦你习惯了这种思维范式，你会发现传统上需要构建的困难软件变得更加容易。因为现在，我们可以将很多事情委托给代理，我们只需要思考我需要解决我的问题的角色是什么，以及如何让他们一起合作。这非常不寻常，但我发现这种思维方式非常有益。它帮助我简化了许多设计过程或推理过程。当然，这要求有一个良好的框架来处理所有低级细节，而这就是 AG2 和其他框架所能帮助你做到的。因此，您可以更加静态地利用这种高水平的编程范式。您会发现，以这种方式来推理代理和 AI 系统要容易得多。

Sean: 是的，我可以快速添加到这里，我认为对我而言，构建一个代理与为 AI 开发传统类型的模型或编程传统软件的方式大相径庭，因为您可以使用相对一致甚至一种编程语言来完成整个工作。而对于代理，您需要使用不同的工具、不同的 API、数据、与不同的数据库交互。几乎可以说，您正在创建一个非常复杂的计划，其中包含多个数字轴相互影响，并且错误传播和错误累积比以前更加复杂。因此，我认为这需要您真正将代理开发视为一个系统，而不仅仅是一种典型计算机程序的角度，并考虑到所有风险评估和缓解。

Joules: 感谢你。您们两个的见解都非常深刻。我们在 SIWA 上还有一些问题。提醒大家，稍后本周在 Discord 上将有更多关于 SIWA 的 AMA。请注意。我们还有时间回答观众的最后一个问题。那么 Sean 和 Chi，您们认为目前 AI 领域初创企业最大机遇在哪里？是基础设施工具、垂直特定的代理？或者其他什么东西？

Chi: 是的，我认为 垂直代理 是目前初创企业的一个好领域，它们的进入门槛可能是最低的。构建垂直代理所需的主要元素是对某些深厚领域知识的掌握，您需要对此深刻了解并具有较好的专业知识。但我认为更多或多或少每个人都有这种知识。今天，我所看到的最成功的 AI 代理仍然是那些以聪明的方式深耕某个领域专长的代理。基础模型已经非常强大，并具有一些强大的基本能力，但仍然缺少实现特定应用的功能。存在很多机会可以弥补这个空白，并且有很大的多样性。您可以做的事情类型非常庞大。此外，由于每个人都有独特的经历和背景。如果您比其他人更深刻地理解某些领域，那么您具有很大可能性构建出可以更好地解决某个问题的独特 AI 代理。所以，是的，这就是一般的观点。但当然，如果您在基础设施或工具方面有特殊技能，那就利用自己的优势去做好。因此，我的答复就是这条。

Sean: 对于 Chi 说的内容进行补充，我认为生态系统中仍然缺乏一些基础设施工具。例如，我们缺少一个好的 代理评估 环境和 排行榜。就像我们在讨论 DeFi 交易代理时，也没有共识。我觉得我们在开发这些代理的早期阶段，但假设几个月后，某些成熟代理出现在市场上，我们该如何知道哪一个在特定用例中表现较好？我们确实需要基础设施，例如这些代理在交易用例上的战场，并能够理解它们在不同方面的优势和劣势。

Chi: 好吧。

Sean: 我们需要这样的基础设施工具，我认为建立这样的基础设施是个机会，因为这并不一定会被那些主要的 Web2 代理或基础模型公司重视。

Chi: 很好。

Joules: 谢谢你们两个。我们已经超时了。我希望确保时间充分。如果你们有任何最终想法，想要呼唤的想法，Sean，Chi，现在就是时候了。

Sean: 我想再次强调我的初步信息。我认为，提升这些代理的能力和能力与关注人们在构建更好代理过程中的贡献、追踪这些贡献同样重要，尤其这些垂直代理都有非常具体的变现机会。因此，包括 Sahara AI 在内的我们都希望壮大这个生态系统，确保这些方向得到更多关注，并创建基础设施和工具来帮助人们以公平的方式变现。

Chi: 这很有趣。因此，实际上我非常关心的一件事情是，开源贡献者在 AG2 的成长中扮演了极其重要的角色，任何能够帮助这些贡献者获得奖励、获得认可的想法都很好，保持这种贡献的循环，让更多的人加入。如果有好的想法能够解决这个问题，我愿意尝试。也许 Sahara 可以为我提供一些好的解决方案。我对你们的进展非常感兴趣，也想向你们学习。

Joules: 很好，谢谢你们。衷心感谢来自 AG2 和 Google DeepMind 的 Chi Wang，来自 Sahara AI 的 Sean。如果今天的对话激发了任何新思想，请确保查看 AG2 的最新更新，并随时关注 Sahara AI，以保持领先于 去中心化 AI 运动。谢谢大家参加，希望你们度过愉快的一天。

Sean: 感谢您的邀请。谢谢大家。

Chi: 非常感谢。我很感激。