Автор: Deep Value Memetics, переклад: Золота економіка xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їх технічних відмінностях.
1. Вступ
Ми досліджували та тестували чотири основні крипто X AI фреймворки: ELIZA, GAME, ARC, ZEREPY протягом минулого тижня, і наші висновки такі.
Ми віримо, що AI16Z продовжить домінувати. Цінність Eliza (частка ринку приблизно 60%, ринкова капіталізація понад 1 мільярд доларів) полягає в її перевазі першопрохідця (ефект Лінді) та зростаючому використанні з боку розробників; 193 учасники, 1800 форків та понад 6000 зірок підтверджують це, що робить її однією з найпопулярніших кодових баз на Github.
На даний момент розвиток GAME (частка на ринку приблизно 20%, капіталізація приблизно 300 мільйонів доларів) проходить дуже успішно, він швидко набирає популярності, як тільки оголосила VIRTUAL, на платформі є понад 200 проєктів, 150 тисяч щоденних запитів і 200% тижневого зростання. GAME продовжить отримувати вигоду від зростання VIRTUAL і стане одним з найбільших переможців в її екосистемі.
Rig（ARC，частка ринку близько 15%, ринкова капіталізація близько 160 мільйонів доларів США）дуже привертає увагу, оскільки його модульний дизайн надзвичайно простий у використанні і може зайняти провідну позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, ринкова капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально розробленим для захопленої спільноти ZEREBRO, і нещодавня співпраця з спільнотою ai16z може створити синергію.
Ми звернули увагу, що наші розрахунки частки ринку охоплюють ринкову капіталізацію, записи розробки та ринок терміналів основної операційної системи.
Ми вважаємо, що в цьому ринковому циклі сегмент ринку рамок буде найшвидше зростаючою галуззю, загальна капіталізація в 1,7 мільярда доларів може легко зрости до 20 мільярдів доларів, що все ще є відносно консервативним у порівнянні з піковою оцінкою L1 у 2021 році, коли багато L1 оцінювалися більше 20 мільярдів доларів. Хоча ці рамки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що ця сфера перебуває на постійно зростаючому тренді, метод капіталізації зваженої на ринкову вартість може бути найобережнішим підходом.
2. Чотири основні рамки
У наведеній таблиці ми перерахували ключові технології, компоненти та переваги основних фреймворків.
У перетині AI та Crypto існує кілька фреймворків, які сприяють розвитку AI. Це ELIZA від AI16Z, RIG від ARC, ZEREBRO від ZEREPY та VIRTUAL від GAME. Кожен фреймворк відповідає різним потребам та концепціям у процесі розробки AI-агентів, від проектів з відкритим вихідним кодом до корпоративних рішень, орієнтованих на продуктивність.
У цій статті спочатку представлено фреймворки, розповідається, що це таке, які мови програмування, технологічні архітектури та алгоритми використовуються, які унікальні функції вони мають, а також які потенційні випадки використання можуть бути для фреймворків. Потім ми порівняємо кожен фреймворк з точки зору зручності використання, масштабованості, адаптивності та продуктивності, вивчаючи їхні переваги та обмеження.
ELIZA (розроблений ai16z)
Eliza - це відкритий фреймворк для моделювання з багатьма агентами, призначений для створення, розгортання та управління автономними AI-агентами. Він розроблений мовою програмування TypeScript і забезпечує гнучку масштабовану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на різних платформах, зберігаючи при цьому послідовну особистість і знання.
Основні функції цієї платформи включають архітектуру з багатьма агентами, яка підтримує одночасне розгортання та управління кількома унікальними AI особистостями, а також систему ролей, що використовує файли ролей для створення різних агентів, а також функції управління пам'яттю на основі довготривалої пам'яті та контекстуального усвідомлення через систему покращеного генерації з високим рівнем пошуку (RAG). Крім того, платформа Eliza забезпечує плавну інтеграцію з платформами, такими як Discord, X та інші соціальні медіа, що забезпечує надійне з'єднання.
З точки зору комунікаційних та медійних функцій AI-агента, Eliza є відмінним вибором. У сфері комунікацій ця рамкова система підтримує інтеграцію з функціями голосових каналів Discord, X-функції, Telegram, а також прямий доступ до API для налаштованих випадків використання. З іншого боку, медійні функції цієї системи можуть бути розширені для читання та аналізу PDF-документів, вилучення та підсумовування змісту з посилань, транскрипції аудіо, обробки відео, аналізу зображень та підсумовування діалогів, що дозволяє ефективно обробляти різноманітні медійні входи та виходи.
Фреймворк Eliza забезпечує гнучку підтримку AI-моделей через локальну інференцію відкритих моделей, інференцію в хмарі OpenAI та стандартні налаштування (такі як Nous Hermes Llama 3.1B), а також інтегрує підтримку Claude для обробки складних завдань. Eliza використовує модульну архітектуру, має широкий спектр підтримуваних операційних систем, настроюваних клієнтів та повний API, що забезпечує масштабованість і адаптивність між додатками.
Використання Eliza охоплює численні сфери, такі як: AI-асистенти для підтримки клієнтів, модерації спільнот та особистих завдань, а також ролі в соціальних мережах, такі як автоматичні творці контенту, інтерактивні роботи та представники брендів. Вона також може виконувати функції знаннєвого працівника, виступаючи в ролі асистента з досліджень, аналітика контенту та обробника документів, а також підтримувати інтерактивні ролі, такі як роботи для рольових ігор, освітні наставники та агенти.
Архітектура Eliza побудована навколо агентного виконання (agent runtime), яке безшовно інтегрується з її системою ролей (підтримується постачальниками моделей), менеджером пам'яті (підключеним до бази даних) та операційною системою (яка пов'язана з клієнтом платформи). Унікальні функції цього фреймворку включають систему плагінів для підтримки модульного розширення функціональності, підтримку мультимодальної взаємодії, такої як голос, текст і медіа, а також сумісність з провідними AI моделями (такими як Llama, GPT-4 та Claude). Завдяки своїм різноманітним функціям і потужному дизайну, Eliza вирізняється як потужний інструмент для розробки AI додатків у різних сферах.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутність (G.A.M.E) має на меті надати розробникам доступ до API та SDK для експериментів з AI-агентами. Ця структура забезпечує структурований підхід до управління поведінкою, прийняттям рішень та процесом навчання AI-агентів.
Основні компоненти такі: по-перше, інтерфейс підказок агента (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати GAME в агента для доступу до поведінки агента. Підсистема сприйняття (Perception Subsystem) запускає сесію, задаючи параметри, такі як ідентифікатор сесії, ідентифікатор агента, користувач та інші відповідні деталі.
Він об'єднує вхідну інформацію в формат, придатний для механізму вводу відчуттів AI-агента для стратегічного планування (Strategic Planning Engine), незалежно від того, у формі діалогу чи реакції. Його основою є модуль обробки діалогу, що використовується для обробки повідомлень та відповідей від агента, а також для співпраці з підсистемою сприйняття, щоб ефективно тлумачити та реагувати на вхідні дані.
Стратегічний планувальний двигун працює разом із модулем обробки діалогів і оператором гаманця в ланцюзі, генеруючи відповіді та плани. Цей двигун має два рівні функцій: як високорівневий планувальник, який створює широкі стратегії на основі контексту або цілей; як низькорівнева стратегія, яка перетворює ці стратегії на дієві стратегії, яка далі ділиться на планувальник дій для зазначених завдань і виконавця планів для виконання завдань.
Ще одним незалежним, але важливим компонентом є World Context (світовий контекст), який посилається на середовище, глобальну інформацію та стан гри, забезпечуючи необхідний контекст для ухвалення рішень агентом. Крім того, Agent Repository (репозиторій агентів) використовується для зберігання довгострокових атрибутів, таких як цілі, рефлексія, досвід та особистість, які разом формують поведінку та процес ухвалення рішень агента.
Ця структура використовує процесори короткочасної та довгострокової пам'яті. Короткочасна пам'ять зберігає інформацію про попередню поведінку, результати та релевантну інформацію про поточні плани. На відміну від цього, процесор довгострокової пам'яті витягує ключову інформацію на основі таких критеріїв, як важливість, актуальність та релевантність. Довгострокова пам'ять зберігає знання агента про досвід, роздуми, динамічну особистість, контекст світу та робочу пам'ять, щоб покращити прийняття рішень і забезпечити основу для навчання.
Модуль навчання використовує дані з підсистеми сприйняття для генерації загальних знань, які зворотно повертаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс відгуки про дії, стан гри та дані відчуттів, щоб підвищити здатність навчання AI-агента, поліпшити його планування та прийняття рішень.
Процес роботи починається з того, що розробники взаємодіють через інтерфейс підказок агента. Введені дані обробляються підсистемою сприйняття та передаються до модуля обробки діалогів, який відповідає за управління логікою взаємодії. Потім стратегічний планувальний двигун розробляє та виконує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні дії.
Дані з контексту світу та репозиторіїв агентів сповіщають ці процеси, одночасно відстежуючи миттєві завдання в оперативній пам'яті. Тим часом, процесор довготривалої пам'яті зберігає та витягує довгострокові знання. Модуль навчання аналізує результати та інтегрує нові знання в систему, дозволяючи поведінці та взаємодії агентів постійно покращуватися.
RIG (розроблений ARC)
Rig є відкритим фреймворком на Rust, призначеним для спрощення розробки додатків на основі великих мовних моделей. Він забезпечує єдиний інтерфейс для взаємодії з кількома постачальниками LLM (такими як OpenAI та Anthropic) та підтримує різні векторні сховища, включаючи MongoDB та Neo4j. Унікальність модульної архітектури цього фреймворку полягає в його основних компонентах, таких як абстракція постачальників (Provider Abstraction Layer), інтеграція векторних сховищ та система агентів для забезпечення безперешкодної взаємодії LLM.
Основна аудиторія Rig включає розробників, які використовують Rust для створення AI/ML додатків, а також організації, які прагнуть інтегрувати кілька постачальників LLM та векторних сховищ у свої програми на Rust. Сховище використовує архітектуру робочого простору з кількома crate, що підтримує масштабованість і ефективне управління проектами. Його ключовими функціями є абстрактний рівень постачальників, який забезпечує стандартизовану реалізацію та вбудований API між різними постачальниками LLM з послідовною обробкою помилок. Компонент інтеграції векторних сховищ забезпечує абстрактний інтерфейс для кількох бекендів і підтримує пошук векторної подібності. Система проксі спрощує взаємодію з LLM, підтримуючи генерацію з покращенням пошуку (RAG) та інтеграцію інструментів. Крім того, фреймворк вбудовування також надає функції пакетної обробки та безпечні в типі операції вбудовування.
Rig використовує кілька технологічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний виконуючий час Rust для ефективної обробки великої кількості одночасних запитів. Вбудований механізм обробки помилок у фреймворку підвищує здатність відновлення після невдач постачальників штучного інтелекту або операцій з базами даних. Типова безпека може запобігти помилкам під час компіляції, тим самим підвищуючи підтримуваність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання служб AI. Докладне ведення журналів і виявлення додатково допомагають налагодженню та моніторингу програм.
Робочий процес Rig починається, коли запит ініціюється на клієнтському боці, цей запит взаємодіє з відповідною моделлю LLM через абстрактний рівень постачальника. Потім дані обробляються на основному рівні, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища контексту. Відповідь генерується та уточнюється через складний робочий процес (такий як RAG) перед поверненням клієнту, процес включає в себе пошук документів та розуміння контексту. Ця система інтегрує кількох постачальників LLM та векторне сховище, адаптуючись до доступності моделей або оновлень продуктивності.
Використання Rig різноманітне, включаючи системи запитань і відповідей, що забезпечують точні відповіді шляхом пошуку відповідних документів, системи пошуку та отримання документів для ефективного виявлення контенту, а також чат-ботів або віртуальних помічників, що забезпечують контекстно-залежну взаємодію для обслуговування клієнтів або навчання. Він також підтримує генерацію контенту, що дозволяє створювати текст та інші матеріали на основі навчальних моделей, що робить його універсальним інструментом для розробників та організацій.
Zerepy (розроблений ZEREPY та blorm)
ZerePy – це відкритий фреймворк, написаний мовою Python, призначений для розгортання агентів на X за допомогою OpenAI або Anthropic LLM. Це модульна версія, яка походить від бекенду Zerebro, ZerePy дозволяє розробникам запускати агентів з функціями, подібними до основних можливостей Zerebro. Хоча фреймворк забезпечує основу для розгортання агентів, для генерації креативних виходів налаштування моделі є обов'язковим. ZerePy спрощує розробку та розгортання персоналізованих AI-агентів, особливо для створення контенту на соціальних платформах, сприяючи розвитку AI-орієнтованої креативної екосистеми, спрямованої на мистецтво та децентралізовані додатки.
Ця структура розроблена на Python, акцентує увагу на автономії агентів, зосереджуючись на генерації креативного контенту, відповідно до архітектури ELIZA та її співпраці з ELIZA. Її модульний дизайн підтримує інтеграцію системи пам'яті, дозволяє розгортати агентів на соціальних платформах. Основні функції включають командний інтерфейс для управління агентами, інтеграцію з Twitter, підтримку OpenAI та Anthropic LLM, а також модульну систему підключення для покращення функціональності.
Використання ZerePy охоплює сферу автоматизації соціальних медіа, користувачі можуть розгортати штучних агентів для публікацій, відповідей, лайків та репостів, що підвищує залученість на платформах. Крім того, він також відповідає потребам творчості контенту в таких сферах, як музика, меми та NFT, що робить його важливим інструментом для цифрового мистецтва та платформ на базі блокчейну.
(2) Порівняння чотирьох основних рамок
На нашу думку, кожна структура надає унікальний підхід до розробки штучного інтелекту, відповідно до конкретних потреб та середовища, ми зосереджуємо увагу не на конкуренції між цими структурами, а на їхній унікальності.
ELIZA вирізняється своїм зручним інтерфейсом, особливо для розробників, які знайомі з середовищем JavaScript і Node.js. Його всебічна документація допомагає налаштувати штучних агентів на різних платформах, хоча його широкий набір функцій може призвести до певної навчальної кривої. Розроблений за допомогою TypeScript, Eliza є ідеальним вибором для створення агентів, вбудованих у веб, оскільки більшість веб-інфраструктури розробляється на TypeScript. Ця структура відома своєю багатосторонньою архітектурою, що дозволяє розгортати різні штучні особистості на платформах, таких як Discord, X та Telegram. Його передова система управління пам'яттю RAG робить його особливо ефективним для штучних помічників у службах підтримки клієнтів або соціальних медіа. Хоча вона пропонує гнучкість, потужну підтримку спільноти та послідовну крос-платформену продуктивність, вона все ще перебуває на ранній стадії, що може створити навчальну криву для розробників.
GAME спеціально розроблений для розробників ігор, надаючи API з низьким або безкодовим інтерфейсом, що дозволяє користувачам з низьким рівнем технічних знань у сфері ігор також користуватися ним. Однак він зосереджується на розробці ігор та інтеграції з блокчейном, що може створити круту криву навчання для тих, хто не має відповідного досвіду. Він виділяється в генерації програмного контенту та поведінці NPC, але обмежений складністю, що виникає через його спеціалізацію та інтеграцію з блокчейном.
Оскільки використовується мова Rust, враховуючи складність цієї мови, Rig може бути не надто зручним, що створює серйозні виклики для навчання, але для тих, хто добре знає системне програмування, вона має інтуїтивно зрозумілий інтерфейс. У порівнянні з typescript, ця мова програмування славиться своєю продуктивністю та безпекою пам'яті. Вона має сувору перевірку під час компіляції та нульові витрати на абстракцію, що необхідно для виконання складних алгоритмів ШІ. Ця мова є дуже ефективною, а її низькорівневий контроль робить її ідеальним вибором для ресурсомістких додатків штучного інтелекту. Ця структура забезпечує високопродуктивні рішення з модульним і масштабованим дизайном, що робить її ідеальним вибором для корпоративних додатків. Однак для розробників, які не знайомі з Rust, використання Rust неминуче супроводжується крутою кривою навчання.
ZerePy використовує Python, щоб забезпечити високу доступність для завдань творчого ШІ. Крива навчання для розробників Python є нижчою, особливо для тих, хто має досвід в AI/ML, і завдяки крипто-спільноті Zerebro користується потужною підтримкою спільноти. ZerePy спеціалізується на застосуваннях творчого штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає в креативності, його обсяг є відносно вузьким у порівнянні з іншими фреймворками.
У плані масштабованості ELIZA досягла значного прогресу в своєму оновленні V2, яке впровадило єдиний канал повідомлень та масштабовану основну структуру, що підтримує ефективне управління на кількох платформах. Однак без оптимізації таке управління між платформами може створити виклики в плані масштабованості.
GAME відзначається відмінною продуктивністю в реальному часі, необхідною для ігор, а масштабованість забезпечується ефективними алгоритмами та потенційною дистрибутивною системою блокчейн, хоча вона може бути обмежена певними ігровими движками або блокчейн-мережами.
Фреймворк Rig використовує продуктивність розширюваності Rust, розроблений для додатків з високою пропускною спроможністю, що є особливо ефективним для корпоративного розгортання, хоча це може означати, що реалізація справжньої розширюваності потребує складних налаштувань.
Масштабованість Zerepy орієнтована на творчий вихід, підтримується внесками спільноти, але її фокус може обмежити її використання в більш широкому середовищі штучного інтелекту, масштабованість може бути випробувана різноманітністю творчих завдань, а не кількістю користувачів.
У плані адаптивності ELIZA лідирує завдяки своїй плагінній системі та кросплатформеній сумісності, а її ігрове середовище GAME і обробка складних AI-завдань Rig також відзначаються високими показниками. ZerePy демонструє високу адаптивність у творчій сфері, але менш підходить для більш широких застосувань штучного інтелекту.
У плані продуктивності ELIZA оптимізовано для швидкої взаємодії в соціальних мережах, швидкий час відгуку є ключовим, але під час обробки більш складних обчислювальних завдань її продуктивність може бути іншою.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальній взаємодії в ігрових сценах, використовуючи ефективний процес прийняття рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig, заснований на мові Rust, забезпечує відмінну продуктивність для завдань високопродуктивних обчислень і підходить для корпоративних програм, де важлива обчислювальна ефективність.
Виступ Zerepy розроблений для створення креативного контенту, його показники зосереджені на ефективності та якості генерування контенту, що може бути не зовсім універсальним за межами креативної сфери.
Перевагою ELIZA є її гнучкість і масштабованість, що забезпечується системою плагінів та налаштуваннями ролей, що робить її дуже адаптивною і корисною для міжплатформених соціальних AI-взаємодій.
GAME надає унікальні функції реального часу в грі, покращені новітнім штучним інтелектом через інтеграцію з блокчейном.
Переваги Rig полягають у його продуктивності та масштабованості для корпоративних завдань штучного інтелекту, зосереджуючись на наданні чистого модульного коду для здоров'я довгострокових проектів.
Zerepy спеціалізується на розвитку творчості, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві та підтримуючи динамічну модель розвитку, керовану спільнотою.
Кожна структура має свої обмеження, ELIZA все ще на ранній стадії, є потенційні проблеми зі стабільністю та кривою навчання для нових розробників, нішеві ігри можуть обмежити більш широке застосування, а блокчейн також додає складності. Rig через круту криву навчання Rust може відлякати частину розробників, а Zerepy з його обмеженою увагою до креативного виходу може обмежити його використання в інших сферах ШІ.
(3) Порівняння рамок
Риг (ARC)：
Мова: Rust, з акцентом на безпеку та продуктивність.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не дуже керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь спільноти.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатокористувацькі системи.
Спільнота: високоактивна спільнота з широкою участю на GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для ширшої бази розробників ШІ.
Використання: підходить для автоматизації соціальних мереж та простіших завдань AI-агентів.
Спільнота: відносно нова, але завдяки популярності Python та підтримці учасників AI16Z, має перспективи зростання.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні, адаптивні агенти штучного інтелекту, які можуть еволюціонувати в залежності від взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценаріях, як ігри чи віртуальні світи.
Спільнота: інноваційна спільнота, але ще визначає своє місце в конкуренції.
На малюнку представлені дані про зірки GitHub, отримані з моменту випуску цих фреймворків. Варто зазначити, що зірки GitHub є показником інтересу спільноти, популярності проекту та сприйманої цінності проекту.
ELIZA (Червона лінія):
Починаючи з низької бази в липні, а потім до значного збільшення кількості зірок наприкінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу людей, що привернуло увагу розробників. Це експоненціальне зростання вказує на те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням та участі спільноти. Її популярність значно перевищує інші конкуренти, що свідчить про потужну підтримку спільноти та ширшу застосовність або інтерес у спільноті штучного інтелекту.
RIG（блакитна лінія）：
Rig є найстарішим серед чотирьох великих фреймворків, його кількість зірок помірна, але постійно зростає, і протягом наступного місяця вона, ймовірно, істотно збільшиться. Він вже досяг 1700 зірок, але все ще продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами постійного накопичення інтересу користувачів. Це може вказувати на те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy кілька днів тому тільки-но запустили, вже накопичивши 181 зірку. Варто підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та рівня прийняття. Співпраця з AI16Z може залучити більше розробників коду.
ГРА (зелена лінія):
Ця кількість зірок проєкту є найменшою, варто зазначити, що ця структура може бути безпосередньо застосована до агентів у віртуальній екосистемі через API, що усуває потребу в видимості на Github. Однак ця структура була відкритою для будівельників лише трохи більше місяця тому, і зараз понад 200 проєктів використовують GAME для створення.
4, Причини для оптимізму щодо рамки
Версія V2 Eliza інтегрує набір агентів Coinbase. Усі проекти, що використовують Eliza, в майбутньому підтримуватимуть рідний TEE, що дозволить агентам працювати в безпечному середовищі. Однією з майбутніх функцій Eliza є реєстр плагінів (Plugin Registry), який дозволяє розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизовану анонімну міжплатформену передачу повідомлень. Білий папір токеноміки має бути опублікований 1 січня 2025 року, і очікується, що він матиме позитивний вплив на основний токен AI16Z фреймворку Eliza. AI16Z планує продовжувати підвищувати корисність фреймворку, залучаючи висококваліфіковані кадри, зусилля основних учасників вже довели, що він має таку здатність.
GAME фреймворк надає агентам безкодову інтеграцію, що дозволяє використовувати GAME та ELIZA одночасно в одному проекті, кожен з яких служить своїй конкретній меті. Цей підхід обіцяє залучити будівельників, які зосереджуються на бізнес-логіці, а не на технічній складності. Хоча цей фреймворк був публічно випущений лише 30 днів тому, він досяг суттєвого прогресу завдяки зусиллям команди залучити більше підтримки від контрибуторів. Очікується, що всі проекти, запущені на VIRTUAL, будуть використовувати GAME.
Риг, що представляється токеном ARC, має величезний потенціал, хоча його структура ще знаходиться на етапі початкового зростання, і плани з впровадження проекту тільки-но запущені кілька днів тому. Однак очікується, що високоякісні проекти, що використовують ARC, з’являться найближчим часом, подібно до Virtual, але з акцентом на Solana. Команда оптимістично налаштована щодо співпраці з Solana, порівнюючи зв’язок ARC з Solana з Virtual у відношенні до Base. Варто зазначити, що команда не тільки заохочує нові проекти використовувати Rig для запуску, але й закликає розробників покращувати саму структуру Rig.
Zerepy є новим запущеним фреймворком, який здобуває все більше уваги завдяки співпраці з Eliza. Цей фреймворк привернув увагу контриб'юторів Eliza, які активно працюють над його вдосконаленням. Під впливом фанатів ZEREBRO він має групу запальних прихильників і надає нові можливості для розробників Python, які раніше були недостатньо представлені в конкуренції інфраструктури штучного інтелекту. Цей фреймворк відіграє важливу роль у креативності AI.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Порівняння чотирьох основних крипто X AI фреймворків: ELIZA, GAME, ARC та ZEREPY
Автор: Deep Value Memetics, переклад: Золота економіка xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їх технічних відмінностях.
1. Вступ
Ми досліджували та тестували чотири основні крипто X AI фреймворки: ELIZA, GAME, ARC, ZEREPY протягом минулого тижня, і наші висновки такі.
Ми віримо, що AI16Z продовжить домінувати. Цінність Eliza (частка ринку приблизно 60%, ринкова капіталізація понад 1 мільярд доларів) полягає в її перевазі першопрохідця (ефект Лінді) та зростаючому використанні з боку розробників; 193 учасники, 1800 форків та понад 6000 зірок підтверджують це, що робить її однією з найпопулярніших кодових баз на Github.
На даний момент розвиток GAME (частка на ринку приблизно 20%, капіталізація приблизно 300 мільйонів доларів) проходить дуже успішно, він швидко набирає популярності, як тільки оголосила VIRTUAL, на платформі є понад 200 проєктів, 150 тисяч щоденних запитів і 200% тижневого зростання. GAME продовжить отримувати вигоду від зростання VIRTUAL і стане одним з найбільших переможців в її екосистемі.
Rig（ARC，частка ринку близько 15%, ринкова капіталізація близько 160 мільйонів доларів США）дуже привертає увагу, оскільки його модульний дизайн надзвичайно простий у використанні і може зайняти провідну позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, ринкова капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально розробленим для захопленої спільноти ZEREBRO, і нещодавня співпраця з спільнотою ai16z може створити синергію.
Ми звернули увагу, що наші розрахунки частки ринку охоплюють ринкову капіталізацію, записи розробки та ринок терміналів основної операційної системи.
Ми вважаємо, що в цьому ринковому циклі сегмент ринку рамок буде найшвидше зростаючою галуззю, загальна капіталізація в 1,7 мільярда доларів може легко зрости до 20 мільярдів доларів, що все ще є відносно консервативним у порівнянні з піковою оцінкою L1 у 2021 році, коли багато L1 оцінювалися більше 20 мільярдів доларів. Хоча ці рамки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що ця сфера перебуває на постійно зростаючому тренді, метод капіталізації зваженої на ринкову вартість може бути найобережнішим підходом.
2. Чотири основні рамки
У наведеній таблиці ми перерахували ключові технології, компоненти та переваги основних фреймворків.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
（1）Огляд рамки
У перетині AI та Crypto існує кілька фреймворків, які сприяють розвитку AI. Це ELIZA від AI16Z, RIG від ARC, ZEREBRO від ZEREPY та VIRTUAL від GAME. Кожен фреймворк відповідає різним потребам та концепціям у процесі розробки AI-агентів, від проектів з відкритим вихідним кодом до корпоративних рішень, орієнтованих на продуктивність.
У цій статті спочатку представлено фреймворки, розповідається, що це таке, які мови програмування, технологічні архітектури та алгоритми використовуються, які унікальні функції вони мають, а також які потенційні випадки використання можуть бути для фреймворків. Потім ми порівняємо кожен фреймворк з точки зору зручності використання, масштабованості, адаптивності та продуктивності, вивчаючи їхні переваги та обмеження.
ELIZA (розроблений ai16z)
Eliza - це відкритий фреймворк для моделювання з багатьма агентами, призначений для створення, розгортання та управління автономними AI-агентами. Він розроблений мовою програмування TypeScript і забезпечує гнучку масштабовану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на різних платформах, зберігаючи при цьому послідовну особистість і знання.
Основні функції цієї платформи включають архітектуру з багатьма агентами, яка підтримує одночасне розгортання та управління кількома унікальними AI особистостями, а також систему ролей, що використовує файли ролей для створення різних агентів, а також функції управління пам'яттю на основі довготривалої пам'яті та контекстуального усвідомлення через систему покращеного генерації з високим рівнем пошуку (RAG). Крім того, платформа Eliza забезпечує плавну інтеграцію з платформами, такими як Discord, X та інші соціальні медіа, що забезпечує надійне з'єднання.
З точки зору комунікаційних та медійних функцій AI-агента, Eliza є відмінним вибором. У сфері комунікацій ця рамкова система підтримує інтеграцію з функціями голосових каналів Discord, X-функції, Telegram, а також прямий доступ до API для налаштованих випадків використання. З іншого боку, медійні функції цієї системи можуть бути розширені для читання та аналізу PDF-документів, вилучення та підсумовування змісту з посилань, транскрипції аудіо, обробки відео, аналізу зображень та підсумовування діалогів, що дозволяє ефективно обробляти різноманітні медійні входи та виходи.
Фреймворк Eliza забезпечує гнучку підтримку AI-моделей через локальну інференцію відкритих моделей, інференцію в хмарі OpenAI та стандартні налаштування (такі як Nous Hermes Llama 3.1B), а також інтегрує підтримку Claude для обробки складних завдань. Eliza використовує модульну архітектуру, має широкий спектр підтримуваних операційних систем, настроюваних клієнтів та повний API, що забезпечує масштабованість і адаптивність між додатками.
Використання Eliza охоплює численні сфери, такі як: AI-асистенти для підтримки клієнтів, модерації спільнот та особистих завдань, а також ролі в соціальних мережах, такі як автоматичні творці контенту, інтерактивні роботи та представники брендів. Вона також може виконувати функції знаннєвого працівника, виступаючи в ролі асистента з досліджень, аналітика контенту та обробника документів, а також підтримувати інтерактивні ролі, такі як роботи для рольових ігор, освітні наставники та агенти.
Архітектура Eliza побудована навколо агентного виконання (agent runtime), яке безшовно інтегрується з її системою ролей (підтримується постачальниками моделей), менеджером пам'яті (підключеним до бази даних) та операційною системою (яка пов'язана з клієнтом платформи). Унікальні функції цього фреймворку включають систему плагінів для підтримки модульного розширення функціональності, підтримку мультимодальної взаємодії, такої як голос, текст і медіа, а також сумісність з провідними AI моделями (такими як Llama, GPT-4 та Claude). Завдяки своїм різноманітним функціям і потужному дизайну, Eliza вирізняється як потужний інструмент для розробки AI додатків у різних сферах.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутність (G.A.M.E) має на меті надати розробникам доступ до API та SDK для експериментів з AI-агентами. Ця структура забезпечує структурований підхід до управління поведінкою, прийняттям рішень та процесом навчання AI-агентів.
Основні компоненти такі: по-перше, інтерфейс підказок агента (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати GAME в агента для доступу до поведінки агента. Підсистема сприйняття (Perception Subsystem) запускає сесію, задаючи параметри, такі як ідентифікатор сесії, ідентифікатор агента, користувач та інші відповідні деталі.
Він об'єднує вхідну інформацію в формат, придатний для механізму вводу відчуттів AI-агента для стратегічного планування (Strategic Planning Engine), незалежно від того, у формі діалогу чи реакції. Його основою є модуль обробки діалогу, що використовується для обробки повідомлень та відповідей від агента, а також для співпраці з підсистемою сприйняття, щоб ефективно тлумачити та реагувати на вхідні дані.
Стратегічний планувальний двигун працює разом із модулем обробки діалогів і оператором гаманця в ланцюзі, генеруючи відповіді та плани. Цей двигун має два рівні функцій: як високорівневий планувальник, який створює широкі стратегії на основі контексту або цілей; як низькорівнева стратегія, яка перетворює ці стратегії на дієві стратегії, яка далі ділиться на планувальник дій для зазначених завдань і виконавця планів для виконання завдань.
Ще одним незалежним, але важливим компонентом є World Context (світовий контекст), який посилається на середовище, глобальну інформацію та стан гри, забезпечуючи необхідний контекст для ухвалення рішень агентом. Крім того, Agent Repository (репозиторій агентів) використовується для зберігання довгострокових атрибутів, таких як цілі, рефлексія, досвід та особистість, які разом формують поведінку та процес ухвалення рішень агента.
Ця структура використовує процесори короткочасної та довгострокової пам'яті. Короткочасна пам'ять зберігає інформацію про попередню поведінку, результати та релевантну інформацію про поточні плани. На відміну від цього, процесор довгострокової пам'яті витягує ключову інформацію на основі таких критеріїв, як важливість, актуальність та релевантність. Довгострокова пам'ять зберігає знання агента про досвід, роздуми, динамічну особистість, контекст світу та робочу пам'ять, щоб покращити прийняття рішень і забезпечити основу для навчання.
Модуль навчання використовує дані з підсистеми сприйняття для генерації загальних знань, які зворотно повертаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс відгуки про дії, стан гри та дані відчуттів, щоб підвищити здатність навчання AI-агента, поліпшити його планування та прийняття рішень.
Процес роботи починається з того, що розробники взаємодіють через інтерфейс підказок агента. Введені дані обробляються підсистемою сприйняття та передаються до модуля обробки діалогів, який відповідає за управління логікою взаємодії. Потім стратегічний планувальний двигун розробляє та виконує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні дії.
Дані з контексту світу та репозиторіїв агентів сповіщають ці процеси, одночасно відстежуючи миттєві завдання в оперативній пам'яті. Тим часом, процесор довготривалої пам'яті зберігає та витягує довгострокові знання. Модуль навчання аналізує результати та інтегрує нові знання в систему, дозволяючи поведінці та взаємодії агентів постійно покращуватися.
RIG (розроблений ARC)
Rig є відкритим фреймворком на Rust, призначеним для спрощення розробки додатків на основі великих мовних моделей. Він забезпечує єдиний інтерфейс для взаємодії з кількома постачальниками LLM (такими як OpenAI та Anthropic) та підтримує різні векторні сховища, включаючи MongoDB та Neo4j. Унікальність модульної архітектури цього фреймворку полягає в його основних компонентах, таких як абстракція постачальників (Provider Abstraction Layer), інтеграція векторних сховищ та система агентів для забезпечення безперешкодної взаємодії LLM.
Основна аудиторія Rig включає розробників, які використовують Rust для створення AI/ML додатків, а також організації, які прагнуть інтегрувати кілька постачальників LLM та векторних сховищ у свої програми на Rust. Сховище використовує архітектуру робочого простору з кількома crate, що підтримує масштабованість і ефективне управління проектами. Його ключовими функціями є абстрактний рівень постачальників, який забезпечує стандартизовану реалізацію та вбудований API між різними постачальниками LLM з послідовною обробкою помилок. Компонент інтеграції векторних сховищ забезпечує абстрактний інтерфейс для кількох бекендів і підтримує пошук векторної подібності. Система проксі спрощує взаємодію з LLM, підтримуючи генерацію з покращенням пошуку (RAG) та інтеграцію інструментів. Крім того, фреймворк вбудовування також надає функції пакетної обробки та безпечні в типі операції вбудовування.
Rig використовує кілька технологічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний виконуючий час Rust для ефективної обробки великої кількості одночасних запитів. Вбудований механізм обробки помилок у фреймворку підвищує здатність відновлення після невдач постачальників штучного інтелекту або операцій з базами даних. Типова безпека може запобігти помилкам під час компіляції, тим самим підвищуючи підтримуваність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання служб AI. Докладне ведення журналів і виявлення додатково допомагають налагодженню та моніторингу програм.
Робочий процес Rig починається, коли запит ініціюється на клієнтському боці, цей запит взаємодіє з відповідною моделлю LLM через абстрактний рівень постачальника. Потім дані обробляються на основному рівні, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища контексту. Відповідь генерується та уточнюється через складний робочий процес (такий як RAG) перед поверненням клієнту, процес включає в себе пошук документів та розуміння контексту. Ця система інтегрує кількох постачальників LLM та векторне сховище, адаптуючись до доступності моделей або оновлень продуктивності.
Використання Rig різноманітне, включаючи системи запитань і відповідей, що забезпечують точні відповіді шляхом пошуку відповідних документів, системи пошуку та отримання документів для ефективного виявлення контенту, а також чат-ботів або віртуальних помічників, що забезпечують контекстно-залежну взаємодію для обслуговування клієнтів або навчання. Він також підтримує генерацію контенту, що дозволяє створювати текст та інші матеріали на основі навчальних моделей, що робить його універсальним інструментом для розробників та організацій.
Zerepy (розроблений ZEREPY та blorm)
ZerePy – це відкритий фреймворк, написаний мовою Python, призначений для розгортання агентів на X за допомогою OpenAI або Anthropic LLM. Це модульна версія, яка походить від бекенду Zerebro, ZerePy дозволяє розробникам запускати агентів з функціями, подібними до основних можливостей Zerebro. Хоча фреймворк забезпечує основу для розгортання агентів, для генерації креативних виходів налаштування моделі є обов'язковим. ZerePy спрощує розробку та розгортання персоналізованих AI-агентів, особливо для створення контенту на соціальних платформах, сприяючи розвитку AI-орієнтованої креативної екосистеми, спрямованої на мистецтво та децентралізовані додатки.
Ця структура розроблена на Python, акцентує увагу на автономії агентів, зосереджуючись на генерації креативного контенту, відповідно до архітектури ELIZA та її співпраці з ELIZA. Її модульний дизайн підтримує інтеграцію системи пам'яті, дозволяє розгортати агентів на соціальних платформах. Основні функції включають командний інтерфейс для управління агентами, інтеграцію з Twitter, підтримку OpenAI та Anthropic LLM, а також модульну систему підключення для покращення функціональності.
Використання ZerePy охоплює сферу автоматизації соціальних медіа, користувачі можуть розгортати штучних агентів для публікацій, відповідей, лайків та репостів, що підвищує залученість на платформах. Крім того, він також відповідає потребам творчості контенту в таких сферах, як музика, меми та NFT, що робить його важливим інструментом для цифрового мистецтва та платформ на базі блокчейну.
(2) Порівняння чотирьох основних рамок
На нашу думку, кожна структура надає унікальний підхід до розробки штучного інтелекту, відповідно до конкретних потреб та середовища, ми зосереджуємо увагу не на конкуренції між цими структурами, а на їхній унікальності.
ELIZA вирізняється своїм зручним інтерфейсом, особливо для розробників, які знайомі з середовищем JavaScript і Node.js. Його всебічна документація допомагає налаштувати штучних агентів на різних платформах, хоча його широкий набір функцій може призвести до певної навчальної кривої. Розроблений за допомогою TypeScript, Eliza є ідеальним вибором для створення агентів, вбудованих у веб, оскільки більшість веб-інфраструктури розробляється на TypeScript. Ця структура відома своєю багатосторонньою архітектурою, що дозволяє розгортати різні штучні особистості на платформах, таких як Discord, X та Telegram. Його передова система управління пам'яттю RAG робить його особливо ефективним для штучних помічників у службах підтримки клієнтів або соціальних медіа. Хоча вона пропонує гнучкість, потужну підтримку спільноти та послідовну крос-платформену продуктивність, вона все ще перебуває на ранній стадії, що може створити навчальну криву для розробників.
GAME спеціально розроблений для розробників ігор, надаючи API з низьким або безкодовим інтерфейсом, що дозволяє користувачам з низьким рівнем технічних знань у сфері ігор також користуватися ним. Однак він зосереджується на розробці ігор та інтеграції з блокчейном, що може створити круту криву навчання для тих, хто не має відповідного досвіду. Він виділяється в генерації програмного контенту та поведінці NPC, але обмежений складністю, що виникає через його спеціалізацію та інтеграцію з блокчейном.
Оскільки використовується мова Rust, враховуючи складність цієї мови, Rig може бути не надто зручним, що створює серйозні виклики для навчання, але для тих, хто добре знає системне програмування, вона має інтуїтивно зрозумілий інтерфейс. У порівнянні з typescript, ця мова програмування славиться своєю продуктивністю та безпекою пам'яті. Вона має сувору перевірку під час компіляції та нульові витрати на абстракцію, що необхідно для виконання складних алгоритмів ШІ. Ця мова є дуже ефективною, а її низькорівневий контроль робить її ідеальним вибором для ресурсомістких додатків штучного інтелекту. Ця структура забезпечує високопродуктивні рішення з модульним і масштабованим дизайном, що робить її ідеальним вибором для корпоративних додатків. Однак для розробників, які не знайомі з Rust, використання Rust неминуче супроводжується крутою кривою навчання.
ZerePy використовує Python, щоб забезпечити високу доступність для завдань творчого ШІ. Крива навчання для розробників Python є нижчою, особливо для тих, хто має досвід в AI/ML, і завдяки крипто-спільноті Zerebro користується потужною підтримкою спільноти. ZerePy спеціалізується на застосуваннях творчого штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає в креативності, його обсяг є відносно вузьким у порівнянні з іншими фреймворками.
У плані масштабованості ELIZA досягла значного прогресу в своєму оновленні V2, яке впровадило єдиний канал повідомлень та масштабовану основну структуру, що підтримує ефективне управління на кількох платформах. Однак без оптимізації таке управління між платформами може створити виклики в плані масштабованості.
GAME відзначається відмінною продуктивністю в реальному часі, необхідною для ігор, а масштабованість забезпечується ефективними алгоритмами та потенційною дистрибутивною системою блокчейн, хоча вона може бути обмежена певними ігровими движками або блокчейн-мережами.
Фреймворк Rig використовує продуктивність розширюваності Rust, розроблений для додатків з високою пропускною спроможністю, що є особливо ефективним для корпоративного розгортання, хоча це може означати, що реалізація справжньої розширюваності потребує складних налаштувань.
Масштабованість Zerepy орієнтована на творчий вихід, підтримується внесками спільноти, але її фокус може обмежити її використання в більш широкому середовищі штучного інтелекту, масштабованість може бути випробувана різноманітністю творчих завдань, а не кількістю користувачів.
У плані адаптивності ELIZA лідирує завдяки своїй плагінній системі та кросплатформеній сумісності, а її ігрове середовище GAME і обробка складних AI-завдань Rig також відзначаються високими показниками. ZerePy демонструє високу адаптивність у творчій сфері, але менш підходить для більш широких застосувань штучного інтелекту.
У плані продуктивності ELIZA оптимізовано для швидкої взаємодії в соціальних мережах, швидкий час відгуку є ключовим, але під час обробки більш складних обчислювальних завдань її продуктивність може бути іншою.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальній взаємодії в ігрових сценах, використовуючи ефективний процес прийняття рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig, заснований на мові Rust, забезпечує відмінну продуктивність для завдань високопродуктивних обчислень і підходить для корпоративних програм, де важлива обчислювальна ефективність.
Виступ Zerepy розроблений для створення креативного контенту, його показники зосереджені на ефективності та якості генерування контенту, що може бути не зовсім універсальним за межами креативної сфери.
Перевагою ELIZA є її гнучкість і масштабованість, що забезпечується системою плагінів та налаштуваннями ролей, що робить її дуже адаптивною і корисною для міжплатформених соціальних AI-взаємодій.
GAME надає унікальні функції реального часу в грі, покращені новітнім штучним інтелектом через інтеграцію з блокчейном.
Переваги Rig полягають у його продуктивності та масштабованості для корпоративних завдань штучного інтелекту, зосереджуючись на наданні чистого модульного коду для здоров'я довгострокових проектів.
Zerepy спеціалізується на розвитку творчості, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві та підтримуючи динамічну модель розвитку, керовану спільнотою.
Кожна структура має свої обмеження, ELIZA все ще на ранній стадії, є потенційні проблеми зі стабільністю та кривою навчання для нових розробників, нішеві ігри можуть обмежити більш широке застосування, а блокчейн також додає складності. Rig через круту криву навчання Rust може відлякати частину розробників, а Zerepy з його обмеженою увагою до креативного виходу може обмежити його використання в інших сферах ШІ.
(3) Порівняння рамок
Риг (ARC)：
Мова: Rust, з акцентом на безпеку та продуктивність.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не дуже керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь спільноти.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатокористувацькі системи.
Спільнота: високоактивна спільнота з широкою участю на GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для ширшої бази розробників ШІ.
Використання: підходить для автоматизації соціальних мереж та простіших завдань AI-агентів.
Спільнота: відносно нова, але завдяки популярності Python та підтримці учасників AI16Z, має перспективи зростання.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні, адаптивні агенти штучного інтелекту, які можуть еволюціонувати в залежності від взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценаріях, як ігри чи віртуальні світи.
Спільнота: інноваційна спільнота, але ще визначає своє місце в конкуренції.
3. Динаміка даних зірок на Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
На малюнку представлені дані про зірки GitHub, отримані з моменту випуску цих фреймворків. Варто зазначити, що зірки GitHub є показником інтересу спільноти, популярності проекту та сприйманої цінності проекту.
ELIZA (Червона лінія):
Починаючи з низької бази в липні, а потім до значного збільшення кількості зірок наприкінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу людей, що привернуло увагу розробників. Це експоненціальне зростання вказує на те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням та участі спільноти. Її популярність значно перевищує інші конкуренти, що свідчить про потужну підтримку спільноти та ширшу застосовність або інтерес у спільноті штучного інтелекту.
RIG（блакитна лінія）：
Rig є найстарішим серед чотирьох великих фреймворків, його кількість зірок помірна, але постійно зростає, і протягом наступного місяця вона, ймовірно, істотно збільшиться. Він вже досяг 1700 зірок, але все ще продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами постійного накопичення інтересу користувачів. Це може вказувати на те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy кілька днів тому тільки-но запустили, вже накопичивши 181 зірку. Варто підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та рівня прийняття. Співпраця з AI16Z може залучити більше розробників коду.
ГРА (зелена лінія):
Ця кількість зірок проєкту є найменшою, варто зазначити, що ця структура може бути безпосередньо застосована до агентів у віртуальній екосистемі через API, що усуває потребу в видимості на Github. Однак ця структура була відкритою для будівельників лише трохи більше місяця тому, і зараз понад 200 проєктів використовують GAME для створення.
4, Причини для оптимізму щодо рамки
Версія V2 Eliza інтегрує набір агентів Coinbase. Усі проекти, що використовують Eliza, в майбутньому підтримуватимуть рідний TEE, що дозволить агентам працювати в безпечному середовищі. Однією з майбутніх функцій Eliza є реєстр плагінів (Plugin Registry), який дозволяє розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизовану анонімну міжплатформену передачу повідомлень. Білий папір токеноміки має бути опублікований 1 січня 2025 року, і очікується, що він матиме позитивний вплив на основний токен AI16Z фреймворку Eliza. AI16Z планує продовжувати підвищувати корисність фреймворку, залучаючи висококваліфіковані кадри, зусилля основних учасників вже довели, що він має таку здатність.
GAME фреймворк надає агентам безкодову інтеграцію, що дозволяє використовувати GAME та ELIZA одночасно в одному проекті, кожен з яких служить своїй конкретній меті. Цей підхід обіцяє залучити будівельників, які зосереджуються на бізнес-логіці, а не на технічній складності. Хоча цей фреймворк був публічно випущений лише 30 днів тому, він досяг суттєвого прогресу завдяки зусиллям команди залучити більше підтримки від контрибуторів. Очікується, що всі проекти, запущені на VIRTUAL, будуть використовувати GAME.
Риг, що представляється токеном ARC, має величезний потенціал, хоча його структура ще знаходиться на етапі початкового зростання, і плани з впровадження проекту тільки-но запущені кілька днів тому. Однак очікується, що високоякісні проекти, що використовують ARC, з’являться найближчим часом, подібно до Virtual, але з акцентом на Solana. Команда оптимістично налаштована щодо співпраці з Solana, порівнюючи зв’язок ARC з Solana з Virtual у відношенні до Base. Варто зазначити, що команда не тільки заохочує нові проекти використовувати Rig для запуску, але й закликає розробників покращувати саму структуру Rig.
Zerepy є новим запущеним фреймворком, який здобуває все більше уваги завдяки співпраці з Eliza. Цей фреймворк привернув увагу контриб'юторів Eliza, які активно працюють над його вдосконаленням. Під впливом фанатів ZEREBRO він має групу запальних прихильників і надає нові можливості для розробників Python, які раніше були недостатньо представлені в конкуренції інфраструктури штучного інтелекту. Цей фреймворк відіграє важливу роль у креативності AI.