過去一個月我與$CODEC團隊一起工作的內容： - 與@unmoyai一起從鳥瞰的角度研究整個機器人行業和技術架構（最新發展、最佳實踐等） - 理解Codec的產品在每一個領域中的定位（解決痛點） - 這解鎖了哪些具體的使用案例和敘事 - 工具的最大價值層以及主要資本流向的地方 - 比較web2工具以及導致AI szn成功的因素（Virtuals & ai16z）- 促進開發者活動的核心組件是什麼？ - 代幣經濟飛輪和實用性 團隊在技術文章方面做得很好，儘管我仍然認為他們只是觸及了工具真正重要性的表面。 我的目標是幫助建立框架和流程，以更簡潔地捕捉敘事，同時突顯SDK解鎖的真正特徵。 目前為止，甚至在web2中也沒有提供Codec所追求的同類抽象。 開源貢獻是未來的方向，像Nvidia的Issac Gr00t這樣的領先基礎模型已經在考慮這一點，因為數據和任務訓練仍然處於早期階段。你不能使用AI文本字符串來訓練機器人，沒有“機器人互聯網”。 你所看到的每一個人形機器人和機器人都是用全棧單體架構構建的，沒有任務訓練的延續性或添加新組件（在頭部後面增加額外的傳感器或相機）的方法，否則就必須重寫整個代碼庫。 與其為單一的單體架構構建數據管道和模擬，他們採取了一種模塊化的方法，將機器人的每個部分分解為核心組件（馬達、傳感器、執行器、眼睛等），這意味著它可以輕鬆地插入任何類型的機器人/人形機器人，無論其系統如何，並根據各個部分的要求指示它執行任務。 類似於我們在Eliza和Virtuals中看到的，開發者不需要編寫整個框架，並且擁有所有插件（twitter、新聞源、dexscreener API等）的GPT模型隨手可得。他們所需要的只是Agents輸入的個人上下文，然後純粹是微調的問題。 Codec的目標非常相似，建立一個開發者中心，開發者不需要擔心構建自己的“遊戲引擎”，SDK工具包就像Unreal Engine/Unity對遊戲開發的意義。 ...