Tác giả: Deep Value Memetics, dịch: Jinse Finance xiaozou
Trong bài viết này, chúng ta sẽ khám phá triển vọng của khung Crypto X AI. Chúng ta sẽ tập trung vào bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và sự khác biệt công nghệ của từng khung.
1, Lời mở đầu
Chúng tôi đã nghiên cứu và thử nghiệm bốn khung AI Crypto X chính là ELIZA, GAME, ARC, ZEREPY trong tuần qua, và chúng tôi đưa ra kết luận như sau.
Chúng tôi tin rằng AI16Z sẽ tiếp tục chiếm ưu thế. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường hơn 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy) và việc nó nhận được ngày càng nhiều sự sử dụng từ các nhà phát triển, với 193 người đóng góp, 1800 nhánh và hơn 6000 sao đã chứng minh điều này, khiến nó trở thành một trong những kho mã được yêu thích nhất trên Github.
Cho đến nay, sự phát triển của GAME (chiếm khoảng 20% thị phần, giá trị thị trường khoảng 300 triệu đô la) rất suôn sẻ, đang đạt được sự chấp nhận nhanh chóng, như VIRTUAL vừa mới công bố, nền tảng này có hơn 200 dự án, 150.000 yêu cầu hàng ngày và tỷ lệ tăng trưởng hàng tuần 200%. GAME sẽ tiếp tục hưởng lợi từ sự trỗi dậy của VIRTUAL và sẽ trở thành một trong những người chiến thắng lớn nhất trong hệ sinh thái của nó.
Rig (ARC, thị phần khoảng 15%, giá trị thị trường khoảng 1.6 triệu USD) rất nổi bật, vì thiết kế mô-đun của nó rất dễ sử dụng và có thể chiếm ưu thế như một "pure-play" trong hệ sinh thái Solana (RUST).
Zerepy (thị phần khoảng 5%, giá trị thị trường khoảng 300 triệu USD) là một ứng dụng tương đối nhỏ, đặc biệt hướng đến cộng đồng ZEREBRO đam mê, và sự hợp tác gần đây với cộng đồng ai16z có thể tạo ra hiệu ứng cộng hưởng.
Chúng tôi nhận thấy rằng việc tính toán thị phần của chúng tôi bao gồm giá trị thị trường, hồ sơ phát triển và thị trường hệ điều hành nền tảng.
Chúng tôi cho rằng, trong chu kỳ thị trường này, phân khúc khung sẽ là lĩnh vực phát triển nhanh nhất, với tổng giá trị thị trường 1,7 tỷ đô la có thể dễ dàng tăng lên 20 tỷ đô la, điều này vẫn tương đối bảo thủ so với mức định giá đỉnh điểm của L1 vào năm 2021, khi nhiều L1 có định giá vượt quá 20 tỷ đô la. Mặc dù các khung này phục vụ cho các thị trường đầu cuối khác nhau (chuỗi/hệ sinh thái), nhưng vì chúng tôi cho rằng lĩnh vực này đang ở trong xu hướng tăng liên tục, phương pháp trọng số theo giá trị thị trường có thể là cách thận trọng nhất.
2、Bốn khung chính
Trong bảng dưới đây, chúng tôi đã liệt kê các công nghệ chính, thành phần và lợi thế của các khung chính.
(1) Tóm tắt khung
Trong lĩnh vực giao thoa giữa AI và Crypto, có một số khung phát triển AI. Chúng là ELIZA của AI16Z, RIG của ARC, ZEREBRO của ZEREPY, và VIRTUAL của GAME. Mỗi khung đáp ứng các nhu cầu và triết lý khác nhau trong quá trình phát triển AI agent, từ các dự án cộng đồng mã nguồn mở đến các giải pháp doanh nghiệp tập trung vào hiệu suất.
Bài viết này trước tiên sẽ giới thiệu về các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán ra sao, có những chức năng độc đáo nào, và các trường hợp sử dụng tiềm năng của framework là gì. Sau đó, chúng ta sẽ so sánh từng framework từ góc độ khả năng sử dụng, khả năng mở rộng, tính thích ứng và hiệu suất, khám phá những ưu điểm và hạn chế của chúng.
ELIZA (được phát triển bởi ai16z)
Eliza là một khung mã nguồn mở mô phỏng đa đại lý, nhằm tạo ra, triển khai và quản lý các đại lý AI tự chủ. Nó được phát triển bằng ngôn ngữ lập trình TypeScript, cung cấp một nền tảng linh hoạt và có thể mở rộng để xây dựng các đại lý thông minh, những đại lý này có khả năng tương tác với con người trên nhiều nền tảng và duy trì tính cách và kiến thức nhất quán.
Khung này có các chức năng cốt lõi bao gồm một kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều cá tính AI độc đáo, cũng như một hệ thống vai trò tạo ra các tác nhân khác nhau bằng cách sử dụng khung tệp vai trò, và chức năng quản lý bộ nhớ có nhận thức về ngữ cảnh và bộ nhớ dài hạn thông qua hệ thống Tăng cường Tìm kiếm Tạo (RAG). Thêm vào đó, khung Eliza còn cung cấp tích hợp nền tảng mượt mà, cho phép kết nối đáng tin cậy với Discord, X và các nền tảng truyền thông xã hội khác.
Xét về khả năng giao tiếp và chức năng truyền thông của AI Agent, Eliza là một lựa chọn tuyệt vời. Về giao tiếp, khung này hỗ trợ tích hợp với chức năng kênh giọng nói của Discord, chức năng X, Telegram và truy cập API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung này có thể mở rộng để đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, chuyển đổi âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc hội thoại, có thể xử lý hiệu quả các loại đầu vào và đầu ra phương tiện.
Khung Eliza cung cấp hỗ trợ mô hình AI linh hoạt thông qua suy diễn cục bộ của các mô hình mã nguồn mở, suy diễn đám mây của OpenAI và cấu hình mặc định (như Nous Hermes Llama 3.1B), đồng thời tích hợp hỗ trợ cho Claude trong việc xử lý các nhiệm vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ hệ điều hành rộng rãi, khách hàng tùy chỉnh và API toàn diện, đảm bảo khả năng mở rộng và thích ứng giữa các ứng dụng.
Các trường hợp sử dụng của Eliza trải rộng qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, đánh giá cộng đồng và nhiệm vụ cá nhân, cũng như vai trò trên mạng xã hội như người tạo nội dung tự động, robot tương tác và đại diện thương hiệu. Nó cũng có thể đóng vai trò là người lao động tri thức, đảm nhận các vai trò như trợ lý nghiên cứu, nhà phân tích nội dung và xử lý tài liệu, đồng thời hỗ trợ các dạng vai trò tương tác như robot nhập vai, người hướng dẫn giáo dục và đại lý.
Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy đại lý (agent runtime), thời gian chạy đại lý tích hợp liền mạch với hệ thống vai trò của nó (được hỗ trợ bởi nhà cung cấp mô hình), bộ quản lý bộ nhớ (kết nối với cơ sở dữ liệu) và hệ điều hành (liên kết với khách hàng nền tảng). Các tính năng độc đáo của khung này bao gồm hệ thống plugin hỗ trợ mở rộng chức năng mô-đun, hỗ trợ tương tác đa mô thức như giọng nói, văn bản và phương tiện, và tương thích với các mô hình AI hàng đầu (như Llama, GPT-4 và Claude). Với thiết kế đa dạng và mạnh mẽ, Eliza nổi bật như một công cụ mạnh mẽ để phát triển các ứng dụng AI đa lĩnh vực.
G.A.M.E (được phát triển bởi Virtuals Protocol)
Khung thực thể đa mô hình tự trị sinh (G.A.M.E) nhằm mục đích cung cấp cho các nhà phát triển quyền truy cập API và SDK để thực hiện các thí nghiệm với AI đại lý. Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quyết định và quá trình học tập của AI đại lý.
Các thành phần chính như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà các nhà phát triển tích hợp GAME vào đại lý để truy cập hành vi của đại lý. Hệ thống cảm nhận (Perception Subsystem) khởi động phiên thông qua các tham số như ID phiên, ID đại lý, người dùng và các chi tiết liên quan khác.
Nó sẽ tổng hợp thông tin đầu vào thành định dạng phù hợp cho động cơ lập kế hoạch chiến lược (Strategic Planning Engine), đóng vai trò như một cơ chế đầu vào cảm giác của AI agent, dưới dạng cuộc đối thoại hoặc phản ứng. Cốt lõi của nó là mô-đun xử lý đối thoại, dùng để xử lý tin nhắn và phản hồi từ agent, đồng thời hợp tác với hệ thống cảm nhận để giải thích và phản hồi đầu vào một cách hiệu quả.
Động cơ lập kế hoạch chiến lược làm việc cùng với mô-đun xử lý đối thoại và nhà điều hành ví trên chuỗi để tạo ra phản hồi và kế hoạch. Chức năng của động cơ này có hai cấp độ: như một người lập kế hoạch cấp cao, tạo ra các chiến lược rộng rãi dựa trên ngữ cảnh hoặc mục tiêu; như một chiến lược cấp thấp chuyển đổi những chiến lược này thành các chiến lược có thể hành động, mà chiến lược đó được chia thành các lập trình viên hành động dành cho nhiệm vụ xác định và các trình thực hiện kế hoạch dành cho việc thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng khác là World Context (Ngữ cảnh thế giới), nó tham chiếu đến môi trường, thông tin toàn cầu và tình trạng trò chơi, cung cấp ngữ cảnh cần thiết cho quyết định của đại lý. Ngoài ra, Agent Repository (Kho lưu trữ đại lý) được sử dụng để lưu trữ các thuộc tính dài hạn như mục tiêu, suy ngẫm, kinh nghiệm và tính cách, chúng cùng nhau hình thành hành vi và quá trình ra quyết định của đại lý.
Khung này sử dụng bộ nhớ làm việc ngắn hạn và bộ nhớ làm việc dài hạn. Bộ nhớ ngắn hạn giữ lại thông tin liên quan về hành vi trước đó, kết quả và kế hoạch hiện tại. Ngược lại, bộ xử lý bộ nhớ dài hạn trích xuất thông tin quan trọng dựa trên các tiêu chí như tầm quan trọng, tính gần gũi và sự liên quan. Bộ nhớ dài hạn lưu trữ kinh nghiệm, sự phản ánh, nhân cách động, bối cảnh thế giới và các kiến thức về bộ nhớ làm việc của tác nhân để tăng cường quyết định và cung cấp cơ sở học tập.
Mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, những kiến thức này được phản hồi vào hệ thống để cải thiện các tương tác trong tương lai. Các nhà phát triển có thể nhập phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm giác thông qua giao diện, nhằm tăng cường khả năng học hỏi của AI và cải thiện khả năng lập kế hoạch và ra quyết định của nó.
Quy trình làm việc bắt đầu khi các nhà phát triển tương tác thông qua giao diện nhắc nhở đại lý. Dữ liệu đầu vào được xử lý bởi hệ thống cảm nhận và được chuyển tiếp đến mô-đun xử lý đối thoại, mô-đun xử lý đối thoại chịu trách nhiệm quản lý logic tương tác. Sau đó, động cơ lập kế hoạch chiến lược xây dựng và thực hiện kế hoạch dựa trên những thông tin này, sử dụng chiến lược cấp cao và kế hoạch hành động chi tiết.
Dữ liệu từ ngữ cảnh toàn cầu và kho lưu trữ đại lý thông báo cho các quy trình này, trong khi bộ nhớ làm việc theo dõi các nhiệm vụ ngay lập tức. Trong khi đó, bộ xử lý bộ nhớ dài hạn lưu trữ và truy xuất kiến thức dài hạn. Các mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, giúp hành vi và tương tác của đại lý có thể được cải tiến liên tục.
RIG (được phát triển bởi ARC)
Rig là một framework Rust mã nguồn mở, nhằm đơn giản hóa việc phát triển ứng dụng mô hình ngôn ngữ lớn. Nó cung cấp một giao diện thống nhất để tương tác với nhiều nhà cung cấp LLM (như OpenAI và Anthropic), hỗ trợ nhiều loại lưu trữ vector, bao gồm MongoDB và Neo4j. Điểm độc đáo trong kiến trúc mô-đun của framework này là các thành phần cốt lõi của nó, như lớp trừu tượng nhà cung cấp (Provider Abstraction Layer), tích hợp lưu trữ vector và hệ thống proxy, nhằm thúc đẩy sự tương tác liền mạch với LLM.
Đối tượng chính của Rig bao gồm các nhà phát triển xây dựng ứng dụng AI/ML bằng Rust, tiếp theo là các tổ chức đang tìm kiếm cách tích hợp nhiều nhà cung cấp LLM và lưu trữ vector vào ứng dụng Rust của riêng họ. Kho lưu trữ sử dụng kiến trúc không gian làm việc, với nhiều crate, hỗ trợ khả năng mở rộng và quản lý dự án hiệu quả. Các tính năng chính của nó bao gồm lớp trừu tượng nhà cung cấp, cung cấp tiêu chuẩn hóa cho việc hoàn thành và nhúng API giữa các nhà cung cấp LLM khác nhau, với xử lý lỗi nhất quán. Thành phần tích hợp lưu trữ vector cung cấp một giao diện trừu tượng cho nhiều backend và hỗ trợ tìm kiếm tương tự vector. Hệ thống đại lý đơn giản hóa tương tác LLM, hỗ trợ tạo ra nâng cao thông tin truy vấn (RAG) và tích hợp công cụ. Ngoài ra, khung nhúng cũng cung cấp chức năng xử lý theo lô và các thao tác nhúng an toàn kiểu.
Rig sử dụng nhiều lợi thế công nghệ để đảm bảo độ tin cậy và hiệu suất. Các thao tác bất đồng bộ sử dụng runtime bất đồng bộ của Rust để xử lý hiệu quả một lượng lớn yêu cầu đồng thời. Cơ chế xử lý lỗi vốn có của khung cải thiện khả năng phục hồi khi nhà cung cấp trí tuệ nhân tạo hoặc các hoạt động cơ sở dữ liệu gặp lỗi. An toàn kiểu có thể ngăn chặn các lỗi trong quá trình biên dịch, từ đó nâng cao khả năng bảo trì của mã. Quy trình tuần tự hóa và giải tuần tự hóa hiệu quả hỗ trợ xử lý dữ liệu trong các định dạng như JSON, điều này rất quan trọng cho việc giao tiếp và lưu trữ dịch vụ AI. Việc ghi lại và phát hiện chi tiết hơn nữa giúp gỡ lỗi và giám sát ứng dụng.
Luồng công việc của Rig bắt đầu khi khách hàng gửi yêu cầu, yêu cầu này tương tác với mô hình LLM thích hợp thông qua lớp trừu tượng nhà cung cấp. Sau đó, dữ liệu được xử lý bởi lớp lõi, tại lớp lõi, các tác nhân có thể sử dụng công cụ hoặc truy cập kho lưu trữ vector của ngữ cảnh. Phản hồi được tạo ra và tinh chỉnh thông qua một quy trình phức tạp (như RAG) trước khi trả lại cho khách hàng, quy trình này liên quan đến việc truy xuất tài liệu và hiểu biết về ngữ cảnh. Hệ thống tích hợp nhiều nhà cung cấp LLM và kho lưu trữ vector, có khả năng thích ứng với các cập nhật về khả năng sử dụng hoặc hiệu suất của mô hình.
Các trường hợp sử dụng của Rig rất đa dạng, bao gồm hệ thống hỏi đáp để truy xuất tài liệu liên quan nhằm cung cấp phản hồi chính xác, hệ thống tìm kiếm và truy xuất tài liệu cho việc phát hiện nội dung hiệu quả, cũng như chatbot hoặc trợ lý ảo cung cấp tương tác nhạy cảm với ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, hỗ trợ việc tạo văn bản và tài liệu khác dựa trên mô hình học tập, làm cho nó trở thành một công cụ đa năng cho các nhà phát triển và tổ chức.
Zerepy (do ZEREPY và blorm phát triển)
ZerePy là một framework mã nguồn mở được viết bằng ngôn ngữ Python, nhằm mục đích triển khai các đại lý trên X bằng cách sử dụng OpenAI hoặc Anthropic LLM. Là một phiên bản mô-đun xuất phát từ backend Zerebro, ZerePy cho phép các nhà phát triển khởi động các đại lý có chức năng tương tự như chức năng cốt lõi của Zerebro. Mặc dù framework này cung cấp nền tảng cho việc triển khai đại lý, nhưng việc tinh chỉnh mô hình là điều cần thiết để tạo ra các đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai các đại lý AI cá nhân hóa, đặc biệt là cho việc tạo nội dung trên các nền tảng xã hội, nuôi dưỡng một hệ sinh thái sáng tạo do AI điều khiển hướng tới nghệ thuật và các ứng dụng phi tập trung.
Khung này được phát triển bằng Python, nhấn mạnh tính tự chủ của đại lý, tập trung vào việc tạo ra đầu ra sáng tạo, phù hợp với kiến trúc của ELIZA và mối quan hệ hợp tác với ELIZA. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống bộ nhớ, hỗ trợ triển khai đại lý trên các nền tảng xã hội. Các tính năng chính bao gồm giao diện dòng lệnh để quản lý đại lý, tích hợp với Twitter, hỗ trợ cho OpenAI và Anthropic LLM, cũng như hệ thống kết nối mô-đun để tăng cường chức năng.
Các trường hợp sử dụng của ZerePy bao gồm lĩnh vực tự động hóa mạng xã hội, người dùng có thể triển khai các đại lý trí tuệ nhân tạo để thực hiện việc đăng bài, trả lời, thích và chia sẻ, từ đó tăng cường sự tham gia của người dùng trên nền tảng. Hơn nữa, nó còn phục vụ cho việc sáng tạo nội dung trong các lĩnh vực như âm nhạc, meme và NFT, khiến nó trở thành một công cụ quan trọng cho nghệ thuật kỹ thuật số và nền tảng nội dung dựa trên blockchain.
（2）So sánh bốn khung
Theo chúng tôi, mỗi khung đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với nhu cầu và môi trường cụ thể, chúng tôi chuyển trọng tâm từ mối quan hệ cạnh tranh giữa các khung sang sự độc đáo của từng khung.
ELIZA nổi bật với giao diện thân thiện với người dùng, đặc biệt là đối với các nhà phát triển quen thuộc với môi trường JavaScript và Node.js. Tài liệu toàn diện của nó giúp thiết lập các đại lý trí tuệ nhân tạo trên nhiều nền tảng khác nhau, mặc dù bộ chức năng rộng lớn của nó có thể mang lại một số đường cong học tập. Được phát triển bằng TypeScript, Eliza là lựa chọn lý tưởng để xây dựng các đại lý nhúng vào web, vì hầu hết cơ sở hạ tầng web đều được phát triển bằng TypeScript ở phía trước. Khung này nổi tiếng với kiến trúc đa đại lý, cho phép triển khai nhiều cá tính trí tuệ nhân tạo trên các nền tảng như Discord, X và Telegram. Hệ thống quản lý bộ nhớ tiên tiến RAG của nó khiến nó đặc biệt hiệu quả trong vai trò trợ lý trí tuệ nhân tạo trong các ứng dụng hỗ trợ khách hàng hoặc truyền thông xã hội. Mặc dù nó cung cấp tính linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất nhất quán trên nhiều nền tảng, nhưng nó vẫn ở giai đoạn đầu và có thể mang lại đường cong học tập cho các nhà phát triển.
GAME được thiết kế đặc biệt cho các nhà phát triển trò chơi, cung cấp giao diện mã thấp hoặc không mã thông qua API, cho phép những người dùng có hiểu biết kỹ thuật thấp trong lĩnh vực trò chơi cũng có thể sử dụng. Tuy nhiên, nó tập trung vào phát triển trò chơi và tích hợp blockchain, có thể tạo ra một đường cong học tập dốc cho những người không có kinh nghiệm liên quan. Nó nổi bật trong việc tạo nội dung chương trình và hành vi NPC, nhưng bị giới hạn bởi sự phức tạp gia tăng do lĩnh vực chuyên biệt và tích hợp blockchain.
Do việc sử dụng ngôn ngữ Rust, với độ phức tạp của ngôn ngữ này, Rig có thể không thân thiện lắm, điều này mang lại những thách thức học tập lớn, nhưng đối với những người thành thạo lập trình hệ thống, nó có giao diện tương tác trực quan. So với typescript, ngôn ngữ lập trình này nổi tiếng về hiệu suất và an toàn bộ nhớ (memory safety). Nó có kiểm tra nghiêm ngặt tại thời điểm biên dịch và trừu tượng không tốn chi phí, điều này là cần thiết để chạy các thuật toán AI phức tạp. Ngôn ngữ này rất hiệu quả, và việc kiểm soát mức độ thấp của nó khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng AI tốn tài nguyên. Khung này cung cấp các giải pháp hiệu suất cao với thiết kế mô-đun và mở rộng, khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với những nhà phát triển không quen thuộc với Rust, việc sử dụng Rust không thể tránh khỏi việc phải đối mặt với đường cong học tập dốc.
ZerePy sử dụng Python, cung cấp tính khả dụng cao cho các nhiệm vụ AI sáng tạo, đường cong học tập của các nhà phát triển Python thấp hơn, đặc biệt đối với những nhà phát triển có nền tảng AI/ML, và được hưởng lợi từ sự hỗ trợ cộng đồng mạnh mẽ nhờ cộng đồng tiền mã hóa Zerebro. ZerePy nổi bật trong các ứng dụng AI sáng tạo như NFT, định vị mình là một công cụ mạnh mẽ cho truyền thông và nghệ thuật kỹ thuật số. Mặc dù nó phát triển mạnh mẽ trong sự sáng tạo, nhưng phạm vi của nó tương đối hẹp so với các khung khác.
Về khả năng mở rộng, ELIZA đã đạt được những bước tiến đáng kể trong bản cập nhật V2 của mình, khi giới thiệu một dòng tin nhắn thống nhất và khung lõi có thể mở rộng, hỗ trợ quản lý hiệu quả trên nhiều nền tảng. Tuy nhiên, nếu không được tối ưu hóa, việc quản lý tương tác đa nền tảng này có thể mang lại những thách thức về khả năng mở rộng.
GAME thể hiện xuất sắc trong việc xử lý thời gian thực cần thiết cho trò chơi, khả năng mở rộng được quản lý thông qua các thuật toán hiệu quả và hệ thống phân phối blockchain tiềm năng, mặc dù nó có thể bị hạn chế bởi các công cụ phát triển trò chơi cụ thể hoặc mạng blockchain.
Khung Rig tận dụng khả năng mở rộng của Rust, được thiết kế cho các ứng dụng có lưu lượng cao, điều này đặc biệt hiệu quả cho các triển khai doanh nghiệp, mặc dù điều này có thể có nghĩa là việc đạt được khả năng mở rộng thực sự cần một cấu hình phức tạp.
Tính mở rộng của Zerepy hướng đến đầu ra sáng tạo, được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế ứng dụng của nó trong môi trường trí tuệ nhân tạo rộng lớn hơn, và tính mở rộng có thể bị thử thách bởi sự đa dạng của các nhiệm vụ sáng tạo chứ không phải số lượng người dùng.
Về mặt thích ứng, ELIZA dẫn đầu với hệ thống plugin và khả năng tương thích đa nền tảng, môi trường game GAME của nó và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện tính thích ứng cao trong lĩnh vực sáng tạo, nhưng không phù hợp lắm cho các ứng dụng trí tuệ nhân tạo rộng rãi hơn.
Về hiệu suất, ELIZA đã được tối ưu hóa cho các tương tác truyền thông xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các tác vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác.
GAME do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong các tình huống game, sử dụng quá trình quyết định hiệu quả và blockchain tiềm năng để thực hiện các hoạt động trí tuệ nhân tạo phi tập trung.
Khung Rig dựa trên ngôn ngữ Rust, cung cấp hiệu suất xuất sắc cho các tác vụ tính toán hiệu năng cao, phù hợp với các ứng dụng doanh nghiệp mà hiệu quả tính toán là rất quan trọng.
Hiệu suất của Zerepy được thiết kế đặc biệt cho việc tạo ra nội dung sáng tạo, với các chỉ số tập trung vào hiệu suất và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Ưu điểm của ELIZA là cung cấp sự linh hoạt và khả năng mở rộng, thông qua hệ thống plugin và cấu hình vai trò giúp nó có khả năng thích ứng cao, thuận lợi cho việc tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp tính năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi sự tích hợp blockchain và sự tham gia mới mẻ của AI.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng đối với các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, tập trung vào việc cung cấp mã sạch và mô-đun cho sức khỏe của các dự án dài hạn.
Zerepy chuyên phát triển sự sáng tạo, đứng ở vị trí tiên phong trong ứng dụng trí tuệ nhân tạo nghệ thuật số, và được hỗ trợ bởi mô hình phát triển cộng đồng năng động.
Mỗi khung đều có những hạn chế riêng, ELIZA vẫn ở giai đoạn đầu, có những vấn đề tiềm ẩn về tính ổn định và đường cong học tập của các nhà phát triển mới. Các trò chơi ngách có thể hạn chế ứng dụng rộng rãi hơn, và blockchain còn làm tăng thêm sự phức tạp. Rig với đường cong học tập dốc do Rust tạo ra có thể làm một số nhà phát triển cảm thấy e ngại, trong khi sự chú ý hạn chế của Zerepy đối với đầu ra sáng tạo có thể hạn chế việc sử dụng của nó trong các lĩnh vực AI khác.
（3）Tóm tắt so sánh khung
Rig (ARC)：
Ngôn ngữ: Rust, chú trọng vào an toàn và hiệu suất.
Trường hợp sử dụng: Lựa chọn lý tưởng cho ứng dụng AI cấp doanh nghiệp, vì nó chú trọng vào hiệu suất và khả năng mở rộng.
Cộng đồng: Không quá tập trung vào cộng đồng, chủ yếu chú trọng vào các nhà phát triển công nghệ.
Eliza (AI16Z)：
Ngôn ngữ: TypeScript, nhấn mạnh tính linh hoạt của web3 và sự tham gia của cộng đồng.
Trường hợp sử dụng: Được thiết kế cho tương tác xã hội, DAO và giao dịch, đặc biệt nhấn mạnh hệ thống đa đại lý.
Cộng đồng: Cộng đồng được thúc đẩy mạnh mẽ, có sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, để nó có thể được sử dụng cho một cơ sở phát triển AI rộng rãi hơn.
Trường hợp sử dụng: Thích hợp cho tự động hóa mạng xã hội và các nhiệm vụ đại lý AI đơn giản hơn.
Cộng đồng: Tương đối mới, nhưng do sự phổ biến của Python và sự hỗ trợ từ các nhà đóng góp AI16Z, có triển vọng phát triển.
TRÒ CHƠI (HỆ THỐNG ẢO):
Trọng điểm: Các đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên sự tương tác trong môi trường ảo.
Trường hợp sử dụng: Thích hợp nhất cho việc học và thích ứng của AI trong các tình huống, chẳng hạn như trò chơi hoặc thế giới ảo.
Cộng đồng: Cộng đồng đổi mới, nhưng vẫn đang xác định vị trí của mình trong cạnh tranh.
3、Xu hướng dữ liệu Star trên Github
Hình trên là dữ liệu theo dõi sao GitHub kể từ khi các khung này được phát hành. Đáng chú ý là, sao GitHub là một chỉ số về sự quan tâm của cộng đồng, mức độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức thấp vào tháng 7 và tăng mạnh vào cuối tháng 11 với số lượng star tăng đáng kể (đạt 61.000 sao), điều này cho thấy sự quan tâm của mọi người tăng nhanh, thu hút sự chú ý của các nhà phát triển. Sự tăng trưởng theo cấp số nhân này cho thấy, nhờ vào các tính năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sự chú ý lớn. Độ phổ biến của nó vượt xa các đối thủ khác, cho thấy nó có sự hỗ trợ mạnh mẽ từ cộng đồng, với sự ứng dụng hoặc quan tâm rộng rãi hơn trong cộng đồng trí tuệ nhân tạo.
RIG（线 màu xanh）：
Rig là một trong bốn khung lâu đời nhất, có số lượng sao vừa phải nhưng luôn duy trì sự tăng trưởng, rất có khả năng sẽ tăng mạnh trong tháng tới. Nó đã đạt được 1700 sao nhưng vẫn đang tiếp tục tăng. Sự phát triển liên tục, cập nhật và số lượng người dùng ngày càng tăng là lý do cho sự tích lũy quan tâm của người dùng. Điều này có thể phản ánh rằng người dùng của khung này là một nhóm nhỏ hoặc vẫn đang tích lũy danh tiếng.
ZEREPY（黄线）：
ZerePy vừa mới ra mắt cách đây vài ngày và đã tích lũy được 181 sao. Cần nhấn mạnh rằng, ZerePy cần nhiều phát triển hơn để tăng cường khả năng hiển thị và tỷ lệ chấp nhận. Sự hợp tác với AI16Z có thể thu hút nhiều người đóng góp mã hơn.
GAME（绿线）：
Số lượng sao của dự án này là ít nhất, điều đáng chú ý là khung này có thể được áp dụng trực tiếp cho các đại lý trong hệ sinh thái ảo thông qua API, do đó loại bỏ nhu cầu về khả năng hiển thị trên Github. Tuy nhiên, khung này chỉ được công khai cho các nhà xây dựng cách đây hơn một tháng, có hơn 200 dự án đang sử dụng GAME để xây dựng.
4、Lý do tăng giá khung
Phiên bản V2 của Eliza sẽ tích hợp bộ công cụ đại lý Coinbase. Tất cả các dự án sử dụng Eliza trong tương lai sẽ hỗ trợ TEE gốc, cho phép các đại lý hoạt động trong môi trường an toàn. Một tính năng sắp ra mắt của Eliza là đăng ký plugin (Plugin Registry), cho phép các nhà phát triển đăng ký và tích hợp plugin một cách liền mạch.
Ngoài ra, Eliza V2 sẽ hỗ trợ việc gửi tin nhắn tự động ẩn danh trên nhiều nền tảng. Sách trắng về kinh tế token dự kiến sẽ được phát hành vào ngày 1 tháng 1 năm 2025, dự đoán sẽ có tác động tích cực đến token AI16Z nền tảng của khung Eliza. AI16Z dự định tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, nỗ lực của các nhà đóng góp chính đã chứng minh rằng nó có khả năng như vậy.
Khung GAME cung cấp tích hợp không mã cho các đại lý, cho phép sử dụng GAME và ELIZA trong cùng một dự án, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn thu hút sự chú ý của những người xây dựng tập trung vào logic kinh doanh thay vì sự phức tạp về kỹ thuật. Mặc dù khung này chỉ được phát hành công khai trong khoảng 30 ngày, nhưng với nỗ lực của đội ngũ nhằm thu hút nhiều người đóng góp hơn, nó đã đạt được tiến bộ đáng kể. Dự kiến tất cả các dự án khởi động trên VIRTUAL sẽ sử dụng GAME.
Rig được đại diện bởi token ARC có tiềm năng lớn, mặc dù khung của nó vẫn đang ở giai đoạn tăng trưởng sớm và kế hoạch thúc đẩy việc áp dụng dự án chỉ mới được triển khai vài ngày. Tuy nhiên, các dự án chất lượng cao áp dụng ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual flywheel, nhưng tập trung vào Solana. Đội ngũ tỏ ra lạc quan về việc hợp tác với Solana, so sánh mối quan hệ giữa ARC và Solana giống như Virtual đối với Base. Đáng chú ý là, đội ngũ không chỉ khuyến khích các dự án mới sử dụng Rig để khởi động mà còn khuyến khích các nhà phát triển tăng cường khung Rig bản thân.
Zerepy là một khung mới được ra mắt, nhờ vào mối quan hệ hợp tác với Eliza, nó đang nhận được ngày càng nhiều sự chú ý. Khung này thu hút các nhà đóng góp từ Eliza, những người đang tích cực cải tiến nó. Dưới sự thúc đẩy của những người hâm mộ ZEREBRO, nó có một nhóm người theo dõi nhiệt tình và cung cấp cơ hội mới cho các lập trình viên Python, những người trước đây thiếu đại diện trong cuộc cạnh tranh hạ tầng trí tuệ nhân tạo. Khung này sẽ đóng vai trò quan trọng trong khía cạnh sáng tạo của AI.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
So sánh bốn khung Crypto X AI: ELIZA, GAME, ARC và ZEREPY
Tác giả: Deep Value Memetics, dịch: Jinse Finance xiaozou
Trong bài viết này, chúng ta sẽ khám phá triển vọng của khung Crypto X AI. Chúng ta sẽ tập trung vào bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và sự khác biệt công nghệ của từng khung.
1, Lời mở đầu
Chúng tôi đã nghiên cứu và thử nghiệm bốn khung AI Crypto X chính là ELIZA, GAME, ARC, ZEREPY trong tuần qua, và chúng tôi đưa ra kết luận như sau.
Chúng tôi tin rằng AI16Z sẽ tiếp tục chiếm ưu thế. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường hơn 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy) và việc nó nhận được ngày càng nhiều sự sử dụng từ các nhà phát triển, với 193 người đóng góp, 1800 nhánh và hơn 6000 sao đã chứng minh điều này, khiến nó trở thành một trong những kho mã được yêu thích nhất trên Github.
Cho đến nay, sự phát triển của GAME (chiếm khoảng 20% thị phần, giá trị thị trường khoảng 300 triệu đô la) rất suôn sẻ, đang đạt được sự chấp nhận nhanh chóng, như VIRTUAL vừa mới công bố, nền tảng này có hơn 200 dự án, 150.000 yêu cầu hàng ngày và tỷ lệ tăng trưởng hàng tuần 200%. GAME sẽ tiếp tục hưởng lợi từ sự trỗi dậy của VIRTUAL và sẽ trở thành một trong những người chiến thắng lớn nhất trong hệ sinh thái của nó.
Rig (ARC, thị phần khoảng 15%, giá trị thị trường khoảng 1.6 triệu USD) rất nổi bật, vì thiết kế mô-đun của nó rất dễ sử dụng và có thể chiếm ưu thế như một "pure-play" trong hệ sinh thái Solana (RUST).
Zerepy (thị phần khoảng 5%, giá trị thị trường khoảng 300 triệu USD) là một ứng dụng tương đối nhỏ, đặc biệt hướng đến cộng đồng ZEREBRO đam mê, và sự hợp tác gần đây với cộng đồng ai16z có thể tạo ra hiệu ứng cộng hưởng.
Chúng tôi nhận thấy rằng việc tính toán thị phần của chúng tôi bao gồm giá trị thị trường, hồ sơ phát triển và thị trường hệ điều hành nền tảng.
Chúng tôi cho rằng, trong chu kỳ thị trường này, phân khúc khung sẽ là lĩnh vực phát triển nhanh nhất, với tổng giá trị thị trường 1,7 tỷ đô la có thể dễ dàng tăng lên 20 tỷ đô la, điều này vẫn tương đối bảo thủ so với mức định giá đỉnh điểm của L1 vào năm 2021, khi nhiều L1 có định giá vượt quá 20 tỷ đô la. Mặc dù các khung này phục vụ cho các thị trường đầu cuối khác nhau (chuỗi/hệ sinh thái), nhưng vì chúng tôi cho rằng lĩnh vực này đang ở trong xu hướng tăng liên tục, phương pháp trọng số theo giá trị thị trường có thể là cách thận trọng nhất.
2、Bốn khung chính
Trong bảng dưới đây, chúng tôi đã liệt kê các công nghệ chính, thành phần và lợi thế của các khung chính.
(1) Tóm tắt khung
Trong lĩnh vực giao thoa giữa AI và Crypto, có một số khung phát triển AI. Chúng là ELIZA của AI16Z, RIG của ARC, ZEREBRO của ZEREPY, và VIRTUAL của GAME. Mỗi khung đáp ứng các nhu cầu và triết lý khác nhau trong quá trình phát triển AI agent, từ các dự án cộng đồng mã nguồn mở đến các giải pháp doanh nghiệp tập trung vào hiệu suất.
Bài viết này trước tiên sẽ giới thiệu về các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán ra sao, có những chức năng độc đáo nào, và các trường hợp sử dụng tiềm năng của framework là gì. Sau đó, chúng ta sẽ so sánh từng framework từ góc độ khả năng sử dụng, khả năng mở rộng, tính thích ứng và hiệu suất, khám phá những ưu điểm và hạn chế của chúng.
ELIZA (được phát triển bởi ai16z)
Eliza là một khung mã nguồn mở mô phỏng đa đại lý, nhằm tạo ra, triển khai và quản lý các đại lý AI tự chủ. Nó được phát triển bằng ngôn ngữ lập trình TypeScript, cung cấp một nền tảng linh hoạt và có thể mở rộng để xây dựng các đại lý thông minh, những đại lý này có khả năng tương tác với con người trên nhiều nền tảng và duy trì tính cách và kiến thức nhất quán.
Khung này có các chức năng cốt lõi bao gồm một kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều cá tính AI độc đáo, cũng như một hệ thống vai trò tạo ra các tác nhân khác nhau bằng cách sử dụng khung tệp vai trò, và chức năng quản lý bộ nhớ có nhận thức về ngữ cảnh và bộ nhớ dài hạn thông qua hệ thống Tăng cường Tìm kiếm Tạo (RAG). Thêm vào đó, khung Eliza còn cung cấp tích hợp nền tảng mượt mà, cho phép kết nối đáng tin cậy với Discord, X và các nền tảng truyền thông xã hội khác.
Xét về khả năng giao tiếp và chức năng truyền thông của AI Agent, Eliza là một lựa chọn tuyệt vời. Về giao tiếp, khung này hỗ trợ tích hợp với chức năng kênh giọng nói của Discord, chức năng X, Telegram và truy cập API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung này có thể mở rộng để đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, chuyển đổi âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc hội thoại, có thể xử lý hiệu quả các loại đầu vào và đầu ra phương tiện.
Khung Eliza cung cấp hỗ trợ mô hình AI linh hoạt thông qua suy diễn cục bộ của các mô hình mã nguồn mở, suy diễn đám mây của OpenAI và cấu hình mặc định (như Nous Hermes Llama 3.1B), đồng thời tích hợp hỗ trợ cho Claude trong việc xử lý các nhiệm vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ hệ điều hành rộng rãi, khách hàng tùy chỉnh và API toàn diện, đảm bảo khả năng mở rộng và thích ứng giữa các ứng dụng.
Các trường hợp sử dụng của Eliza trải rộng qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, đánh giá cộng đồng và nhiệm vụ cá nhân, cũng như vai trò trên mạng xã hội như người tạo nội dung tự động, robot tương tác và đại diện thương hiệu. Nó cũng có thể đóng vai trò là người lao động tri thức, đảm nhận các vai trò như trợ lý nghiên cứu, nhà phân tích nội dung và xử lý tài liệu, đồng thời hỗ trợ các dạng vai trò tương tác như robot nhập vai, người hướng dẫn giáo dục và đại lý.
Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy đại lý (agent runtime), thời gian chạy đại lý tích hợp liền mạch với hệ thống vai trò của nó (được hỗ trợ bởi nhà cung cấp mô hình), bộ quản lý bộ nhớ (kết nối với cơ sở dữ liệu) và hệ điều hành (liên kết với khách hàng nền tảng). Các tính năng độc đáo của khung này bao gồm hệ thống plugin hỗ trợ mở rộng chức năng mô-đun, hỗ trợ tương tác đa mô thức như giọng nói, văn bản và phương tiện, và tương thích với các mô hình AI hàng đầu (như Llama, GPT-4 và Claude). Với thiết kế đa dạng và mạnh mẽ, Eliza nổi bật như một công cụ mạnh mẽ để phát triển các ứng dụng AI đa lĩnh vực.
G.A.M.E (được phát triển bởi Virtuals Protocol)
Khung thực thể đa mô hình tự trị sinh (G.A.M.E) nhằm mục đích cung cấp cho các nhà phát triển quyền truy cập API và SDK để thực hiện các thí nghiệm với AI đại lý. Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quyết định và quá trình học tập của AI đại lý.
Các thành phần chính như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà các nhà phát triển tích hợp GAME vào đại lý để truy cập hành vi của đại lý. Hệ thống cảm nhận (Perception Subsystem) khởi động phiên thông qua các tham số như ID phiên, ID đại lý, người dùng và các chi tiết liên quan khác.
Nó sẽ tổng hợp thông tin đầu vào thành định dạng phù hợp cho động cơ lập kế hoạch chiến lược (Strategic Planning Engine), đóng vai trò như một cơ chế đầu vào cảm giác của AI agent, dưới dạng cuộc đối thoại hoặc phản ứng. Cốt lõi của nó là mô-đun xử lý đối thoại, dùng để xử lý tin nhắn và phản hồi từ agent, đồng thời hợp tác với hệ thống cảm nhận để giải thích và phản hồi đầu vào một cách hiệu quả.
Động cơ lập kế hoạch chiến lược làm việc cùng với mô-đun xử lý đối thoại và nhà điều hành ví trên chuỗi để tạo ra phản hồi và kế hoạch. Chức năng của động cơ này có hai cấp độ: như một người lập kế hoạch cấp cao, tạo ra các chiến lược rộng rãi dựa trên ngữ cảnh hoặc mục tiêu; như một chiến lược cấp thấp chuyển đổi những chiến lược này thành các chiến lược có thể hành động, mà chiến lược đó được chia thành các lập trình viên hành động dành cho nhiệm vụ xác định và các trình thực hiện kế hoạch dành cho việc thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng khác là World Context (Ngữ cảnh thế giới), nó tham chiếu đến môi trường, thông tin toàn cầu và tình trạng trò chơi, cung cấp ngữ cảnh cần thiết cho quyết định của đại lý. Ngoài ra, Agent Repository (Kho lưu trữ đại lý) được sử dụng để lưu trữ các thuộc tính dài hạn như mục tiêu, suy ngẫm, kinh nghiệm và tính cách, chúng cùng nhau hình thành hành vi và quá trình ra quyết định của đại lý.
Khung này sử dụng bộ nhớ làm việc ngắn hạn và bộ nhớ làm việc dài hạn. Bộ nhớ ngắn hạn giữ lại thông tin liên quan về hành vi trước đó, kết quả và kế hoạch hiện tại. Ngược lại, bộ xử lý bộ nhớ dài hạn trích xuất thông tin quan trọng dựa trên các tiêu chí như tầm quan trọng, tính gần gũi và sự liên quan. Bộ nhớ dài hạn lưu trữ kinh nghiệm, sự phản ánh, nhân cách động, bối cảnh thế giới và các kiến thức về bộ nhớ làm việc của tác nhân để tăng cường quyết định và cung cấp cơ sở học tập.
Mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, những kiến thức này được phản hồi vào hệ thống để cải thiện các tương tác trong tương lai. Các nhà phát triển có thể nhập phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm giác thông qua giao diện, nhằm tăng cường khả năng học hỏi của AI và cải thiện khả năng lập kế hoạch và ra quyết định của nó.
Quy trình làm việc bắt đầu khi các nhà phát triển tương tác thông qua giao diện nhắc nhở đại lý. Dữ liệu đầu vào được xử lý bởi hệ thống cảm nhận và được chuyển tiếp đến mô-đun xử lý đối thoại, mô-đun xử lý đối thoại chịu trách nhiệm quản lý logic tương tác. Sau đó, động cơ lập kế hoạch chiến lược xây dựng và thực hiện kế hoạch dựa trên những thông tin này, sử dụng chiến lược cấp cao và kế hoạch hành động chi tiết.
Dữ liệu từ ngữ cảnh toàn cầu và kho lưu trữ đại lý thông báo cho các quy trình này, trong khi bộ nhớ làm việc theo dõi các nhiệm vụ ngay lập tức. Trong khi đó, bộ xử lý bộ nhớ dài hạn lưu trữ và truy xuất kiến thức dài hạn. Các mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, giúp hành vi và tương tác của đại lý có thể được cải tiến liên tục.
RIG (được phát triển bởi ARC)
Rig là một framework Rust mã nguồn mở, nhằm đơn giản hóa việc phát triển ứng dụng mô hình ngôn ngữ lớn. Nó cung cấp một giao diện thống nhất để tương tác với nhiều nhà cung cấp LLM (như OpenAI và Anthropic), hỗ trợ nhiều loại lưu trữ vector, bao gồm MongoDB và Neo4j. Điểm độc đáo trong kiến trúc mô-đun của framework này là các thành phần cốt lõi của nó, như lớp trừu tượng nhà cung cấp (Provider Abstraction Layer), tích hợp lưu trữ vector và hệ thống proxy, nhằm thúc đẩy sự tương tác liền mạch với LLM.
Đối tượng chính của Rig bao gồm các nhà phát triển xây dựng ứng dụng AI/ML bằng Rust, tiếp theo là các tổ chức đang tìm kiếm cách tích hợp nhiều nhà cung cấp LLM và lưu trữ vector vào ứng dụng Rust của riêng họ. Kho lưu trữ sử dụng kiến trúc không gian làm việc, với nhiều crate, hỗ trợ khả năng mở rộng và quản lý dự án hiệu quả. Các tính năng chính của nó bao gồm lớp trừu tượng nhà cung cấp, cung cấp tiêu chuẩn hóa cho việc hoàn thành và nhúng API giữa các nhà cung cấp LLM khác nhau, với xử lý lỗi nhất quán. Thành phần tích hợp lưu trữ vector cung cấp một giao diện trừu tượng cho nhiều backend và hỗ trợ tìm kiếm tương tự vector. Hệ thống đại lý đơn giản hóa tương tác LLM, hỗ trợ tạo ra nâng cao thông tin truy vấn (RAG) và tích hợp công cụ. Ngoài ra, khung nhúng cũng cung cấp chức năng xử lý theo lô và các thao tác nhúng an toàn kiểu.
Rig sử dụng nhiều lợi thế công nghệ để đảm bảo độ tin cậy và hiệu suất. Các thao tác bất đồng bộ sử dụng runtime bất đồng bộ của Rust để xử lý hiệu quả một lượng lớn yêu cầu đồng thời. Cơ chế xử lý lỗi vốn có của khung cải thiện khả năng phục hồi khi nhà cung cấp trí tuệ nhân tạo hoặc các hoạt động cơ sở dữ liệu gặp lỗi. An toàn kiểu có thể ngăn chặn các lỗi trong quá trình biên dịch, từ đó nâng cao khả năng bảo trì của mã. Quy trình tuần tự hóa và giải tuần tự hóa hiệu quả hỗ trợ xử lý dữ liệu trong các định dạng như JSON, điều này rất quan trọng cho việc giao tiếp và lưu trữ dịch vụ AI. Việc ghi lại và phát hiện chi tiết hơn nữa giúp gỡ lỗi và giám sát ứng dụng.
Luồng công việc của Rig bắt đầu khi khách hàng gửi yêu cầu, yêu cầu này tương tác với mô hình LLM thích hợp thông qua lớp trừu tượng nhà cung cấp. Sau đó, dữ liệu được xử lý bởi lớp lõi, tại lớp lõi, các tác nhân có thể sử dụng công cụ hoặc truy cập kho lưu trữ vector của ngữ cảnh. Phản hồi được tạo ra và tinh chỉnh thông qua một quy trình phức tạp (như RAG) trước khi trả lại cho khách hàng, quy trình này liên quan đến việc truy xuất tài liệu và hiểu biết về ngữ cảnh. Hệ thống tích hợp nhiều nhà cung cấp LLM và kho lưu trữ vector, có khả năng thích ứng với các cập nhật về khả năng sử dụng hoặc hiệu suất của mô hình.
Các trường hợp sử dụng của Rig rất đa dạng, bao gồm hệ thống hỏi đáp để truy xuất tài liệu liên quan nhằm cung cấp phản hồi chính xác, hệ thống tìm kiếm và truy xuất tài liệu cho việc phát hiện nội dung hiệu quả, cũng như chatbot hoặc trợ lý ảo cung cấp tương tác nhạy cảm với ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, hỗ trợ việc tạo văn bản và tài liệu khác dựa trên mô hình học tập, làm cho nó trở thành một công cụ đa năng cho các nhà phát triển và tổ chức.
Zerepy (do ZEREPY và blorm phát triển)
ZerePy là một framework mã nguồn mở được viết bằng ngôn ngữ Python, nhằm mục đích triển khai các đại lý trên X bằng cách sử dụng OpenAI hoặc Anthropic LLM. Là một phiên bản mô-đun xuất phát từ backend Zerebro, ZerePy cho phép các nhà phát triển khởi động các đại lý có chức năng tương tự như chức năng cốt lõi của Zerebro. Mặc dù framework này cung cấp nền tảng cho việc triển khai đại lý, nhưng việc tinh chỉnh mô hình là điều cần thiết để tạo ra các đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai các đại lý AI cá nhân hóa, đặc biệt là cho việc tạo nội dung trên các nền tảng xã hội, nuôi dưỡng một hệ sinh thái sáng tạo do AI điều khiển hướng tới nghệ thuật và các ứng dụng phi tập trung.
Khung này được phát triển bằng Python, nhấn mạnh tính tự chủ của đại lý, tập trung vào việc tạo ra đầu ra sáng tạo, phù hợp với kiến trúc của ELIZA và mối quan hệ hợp tác với ELIZA. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống bộ nhớ, hỗ trợ triển khai đại lý trên các nền tảng xã hội. Các tính năng chính bao gồm giao diện dòng lệnh để quản lý đại lý, tích hợp với Twitter, hỗ trợ cho OpenAI và Anthropic LLM, cũng như hệ thống kết nối mô-đun để tăng cường chức năng.
Các trường hợp sử dụng của ZerePy bao gồm lĩnh vực tự động hóa mạng xã hội, người dùng có thể triển khai các đại lý trí tuệ nhân tạo để thực hiện việc đăng bài, trả lời, thích và chia sẻ, từ đó tăng cường sự tham gia của người dùng trên nền tảng. Hơn nữa, nó còn phục vụ cho việc sáng tạo nội dung trong các lĩnh vực như âm nhạc, meme và NFT, khiến nó trở thành một công cụ quan trọng cho nghệ thuật kỹ thuật số và nền tảng nội dung dựa trên blockchain.
（2）So sánh bốn khung
Theo chúng tôi, mỗi khung đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với nhu cầu và môi trường cụ thể, chúng tôi chuyển trọng tâm từ mối quan hệ cạnh tranh giữa các khung sang sự độc đáo của từng khung.
ELIZA nổi bật với giao diện thân thiện với người dùng, đặc biệt là đối với các nhà phát triển quen thuộc với môi trường JavaScript và Node.js. Tài liệu toàn diện của nó giúp thiết lập các đại lý trí tuệ nhân tạo trên nhiều nền tảng khác nhau, mặc dù bộ chức năng rộng lớn của nó có thể mang lại một số đường cong học tập. Được phát triển bằng TypeScript, Eliza là lựa chọn lý tưởng để xây dựng các đại lý nhúng vào web, vì hầu hết cơ sở hạ tầng web đều được phát triển bằng TypeScript ở phía trước. Khung này nổi tiếng với kiến trúc đa đại lý, cho phép triển khai nhiều cá tính trí tuệ nhân tạo trên các nền tảng như Discord, X và Telegram. Hệ thống quản lý bộ nhớ tiên tiến RAG của nó khiến nó đặc biệt hiệu quả trong vai trò trợ lý trí tuệ nhân tạo trong các ứng dụng hỗ trợ khách hàng hoặc truyền thông xã hội. Mặc dù nó cung cấp tính linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất nhất quán trên nhiều nền tảng, nhưng nó vẫn ở giai đoạn đầu và có thể mang lại đường cong học tập cho các nhà phát triển.
GAME được thiết kế đặc biệt cho các nhà phát triển trò chơi, cung cấp giao diện mã thấp hoặc không mã thông qua API, cho phép những người dùng có hiểu biết kỹ thuật thấp trong lĩnh vực trò chơi cũng có thể sử dụng. Tuy nhiên, nó tập trung vào phát triển trò chơi và tích hợp blockchain, có thể tạo ra một đường cong học tập dốc cho những người không có kinh nghiệm liên quan. Nó nổi bật trong việc tạo nội dung chương trình và hành vi NPC, nhưng bị giới hạn bởi sự phức tạp gia tăng do lĩnh vực chuyên biệt và tích hợp blockchain.
Do việc sử dụng ngôn ngữ Rust, với độ phức tạp của ngôn ngữ này, Rig có thể không thân thiện lắm, điều này mang lại những thách thức học tập lớn, nhưng đối với những người thành thạo lập trình hệ thống, nó có giao diện tương tác trực quan. So với typescript, ngôn ngữ lập trình này nổi tiếng về hiệu suất và an toàn bộ nhớ (memory safety). Nó có kiểm tra nghiêm ngặt tại thời điểm biên dịch và trừu tượng không tốn chi phí, điều này là cần thiết để chạy các thuật toán AI phức tạp. Ngôn ngữ này rất hiệu quả, và việc kiểm soát mức độ thấp của nó khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng AI tốn tài nguyên. Khung này cung cấp các giải pháp hiệu suất cao với thiết kế mô-đun và mở rộng, khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với những nhà phát triển không quen thuộc với Rust, việc sử dụng Rust không thể tránh khỏi việc phải đối mặt với đường cong học tập dốc.
ZerePy sử dụng Python, cung cấp tính khả dụng cao cho các nhiệm vụ AI sáng tạo, đường cong học tập của các nhà phát triển Python thấp hơn, đặc biệt đối với những nhà phát triển có nền tảng AI/ML, và được hưởng lợi từ sự hỗ trợ cộng đồng mạnh mẽ nhờ cộng đồng tiền mã hóa Zerebro. ZerePy nổi bật trong các ứng dụng AI sáng tạo như NFT, định vị mình là một công cụ mạnh mẽ cho truyền thông và nghệ thuật kỹ thuật số. Mặc dù nó phát triển mạnh mẽ trong sự sáng tạo, nhưng phạm vi của nó tương đối hẹp so với các khung khác.
Về khả năng mở rộng, ELIZA đã đạt được những bước tiến đáng kể trong bản cập nhật V2 của mình, khi giới thiệu một dòng tin nhắn thống nhất và khung lõi có thể mở rộng, hỗ trợ quản lý hiệu quả trên nhiều nền tảng. Tuy nhiên, nếu không được tối ưu hóa, việc quản lý tương tác đa nền tảng này có thể mang lại những thách thức về khả năng mở rộng.
GAME thể hiện xuất sắc trong việc xử lý thời gian thực cần thiết cho trò chơi, khả năng mở rộng được quản lý thông qua các thuật toán hiệu quả và hệ thống phân phối blockchain tiềm năng, mặc dù nó có thể bị hạn chế bởi các công cụ phát triển trò chơi cụ thể hoặc mạng blockchain.
Khung Rig tận dụng khả năng mở rộng của Rust, được thiết kế cho các ứng dụng có lưu lượng cao, điều này đặc biệt hiệu quả cho các triển khai doanh nghiệp, mặc dù điều này có thể có nghĩa là việc đạt được khả năng mở rộng thực sự cần một cấu hình phức tạp.
Tính mở rộng của Zerepy hướng đến đầu ra sáng tạo, được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế ứng dụng của nó trong môi trường trí tuệ nhân tạo rộng lớn hơn, và tính mở rộng có thể bị thử thách bởi sự đa dạng của các nhiệm vụ sáng tạo chứ không phải số lượng người dùng.
Về mặt thích ứng, ELIZA dẫn đầu với hệ thống plugin và khả năng tương thích đa nền tảng, môi trường game GAME của nó và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện tính thích ứng cao trong lĩnh vực sáng tạo, nhưng không phù hợp lắm cho các ứng dụng trí tuệ nhân tạo rộng rãi hơn.
Về hiệu suất, ELIZA đã được tối ưu hóa cho các tương tác truyền thông xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các tác vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác.
GAME do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong các tình huống game, sử dụng quá trình quyết định hiệu quả và blockchain tiềm năng để thực hiện các hoạt động trí tuệ nhân tạo phi tập trung.
Khung Rig dựa trên ngôn ngữ Rust, cung cấp hiệu suất xuất sắc cho các tác vụ tính toán hiệu năng cao, phù hợp với các ứng dụng doanh nghiệp mà hiệu quả tính toán là rất quan trọng.
Hiệu suất của Zerepy được thiết kế đặc biệt cho việc tạo ra nội dung sáng tạo, với các chỉ số tập trung vào hiệu suất và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Ưu điểm của ELIZA là cung cấp sự linh hoạt và khả năng mở rộng, thông qua hệ thống plugin và cấu hình vai trò giúp nó có khả năng thích ứng cao, thuận lợi cho việc tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp tính năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi sự tích hợp blockchain và sự tham gia mới mẻ của AI.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng đối với các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, tập trung vào việc cung cấp mã sạch và mô-đun cho sức khỏe của các dự án dài hạn.
Zerepy chuyên phát triển sự sáng tạo, đứng ở vị trí tiên phong trong ứng dụng trí tuệ nhân tạo nghệ thuật số, và được hỗ trợ bởi mô hình phát triển cộng đồng năng động.
Mỗi khung đều có những hạn chế riêng, ELIZA vẫn ở giai đoạn đầu, có những vấn đề tiềm ẩn về tính ổn định và đường cong học tập của các nhà phát triển mới. Các trò chơi ngách có thể hạn chế ứng dụng rộng rãi hơn, và blockchain còn làm tăng thêm sự phức tạp. Rig với đường cong học tập dốc do Rust tạo ra có thể làm một số nhà phát triển cảm thấy e ngại, trong khi sự chú ý hạn chế của Zerepy đối với đầu ra sáng tạo có thể hạn chế việc sử dụng của nó trong các lĩnh vực AI khác.
（3）Tóm tắt so sánh khung
Rig (ARC)：
Ngôn ngữ: Rust, chú trọng vào an toàn và hiệu suất.
Trường hợp sử dụng: Lựa chọn lý tưởng cho ứng dụng AI cấp doanh nghiệp, vì nó chú trọng vào hiệu suất và khả năng mở rộng.
Cộng đồng: Không quá tập trung vào cộng đồng, chủ yếu chú trọng vào các nhà phát triển công nghệ.
Eliza (AI16Z)：
Ngôn ngữ: TypeScript, nhấn mạnh tính linh hoạt của web3 và sự tham gia của cộng đồng.
Trường hợp sử dụng: Được thiết kế cho tương tác xã hội, DAO và giao dịch, đặc biệt nhấn mạnh hệ thống đa đại lý.
Cộng đồng: Cộng đồng được thúc đẩy mạnh mẽ, có sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, để nó có thể được sử dụng cho một cơ sở phát triển AI rộng rãi hơn.
Trường hợp sử dụng: Thích hợp cho tự động hóa mạng xã hội và các nhiệm vụ đại lý AI đơn giản hơn.
Cộng đồng: Tương đối mới, nhưng do sự phổ biến của Python và sự hỗ trợ từ các nhà đóng góp AI16Z, có triển vọng phát triển.
TRÒ CHƠI (HỆ THỐNG ẢO):
Trọng điểm: Các đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên sự tương tác trong môi trường ảo.
Trường hợp sử dụng: Thích hợp nhất cho việc học và thích ứng của AI trong các tình huống, chẳng hạn như trò chơi hoặc thế giới ảo.
Cộng đồng: Cộng đồng đổi mới, nhưng vẫn đang xác định vị trí của mình trong cạnh tranh.
3、Xu hướng dữ liệu Star trên Github
Hình trên là dữ liệu theo dõi sao GitHub kể từ khi các khung này được phát hành. Đáng chú ý là, sao GitHub là một chỉ số về sự quan tâm của cộng đồng, mức độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức thấp vào tháng 7 và tăng mạnh vào cuối tháng 11 với số lượng star tăng đáng kể (đạt 61.000 sao), điều này cho thấy sự quan tâm của mọi người tăng nhanh, thu hút sự chú ý của các nhà phát triển. Sự tăng trưởng theo cấp số nhân này cho thấy, nhờ vào các tính năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sự chú ý lớn. Độ phổ biến của nó vượt xa các đối thủ khác, cho thấy nó có sự hỗ trợ mạnh mẽ từ cộng đồng, với sự ứng dụng hoặc quan tâm rộng rãi hơn trong cộng đồng trí tuệ nhân tạo.
RIG（线 màu xanh）：
Rig là một trong bốn khung lâu đời nhất, có số lượng sao vừa phải nhưng luôn duy trì sự tăng trưởng, rất có khả năng sẽ tăng mạnh trong tháng tới. Nó đã đạt được 1700 sao nhưng vẫn đang tiếp tục tăng. Sự phát triển liên tục, cập nhật và số lượng người dùng ngày càng tăng là lý do cho sự tích lũy quan tâm của người dùng. Điều này có thể phản ánh rằng người dùng của khung này là một nhóm nhỏ hoặc vẫn đang tích lũy danh tiếng.
ZEREPY（黄线）：
ZerePy vừa mới ra mắt cách đây vài ngày và đã tích lũy được 181 sao. Cần nhấn mạnh rằng, ZerePy cần nhiều phát triển hơn để tăng cường khả năng hiển thị và tỷ lệ chấp nhận. Sự hợp tác với AI16Z có thể thu hút nhiều người đóng góp mã hơn.
GAME（绿线）：
Số lượng sao của dự án này là ít nhất, điều đáng chú ý là khung này có thể được áp dụng trực tiếp cho các đại lý trong hệ sinh thái ảo thông qua API, do đó loại bỏ nhu cầu về khả năng hiển thị trên Github. Tuy nhiên, khung này chỉ được công khai cho các nhà xây dựng cách đây hơn một tháng, có hơn 200 dự án đang sử dụng GAME để xây dựng.
4、Lý do tăng giá khung
Phiên bản V2 của Eliza sẽ tích hợp bộ công cụ đại lý Coinbase. Tất cả các dự án sử dụng Eliza trong tương lai sẽ hỗ trợ TEE gốc, cho phép các đại lý hoạt động trong môi trường an toàn. Một tính năng sắp ra mắt của Eliza là đăng ký plugin (Plugin Registry), cho phép các nhà phát triển đăng ký và tích hợp plugin một cách liền mạch.
Ngoài ra, Eliza V2 sẽ hỗ trợ việc gửi tin nhắn tự động ẩn danh trên nhiều nền tảng. Sách trắng về kinh tế token dự kiến sẽ được phát hành vào ngày 1 tháng 1 năm 2025, dự đoán sẽ có tác động tích cực đến token AI16Z nền tảng của khung Eliza. AI16Z dự định tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, nỗ lực của các nhà đóng góp chính đã chứng minh rằng nó có khả năng như vậy.
Khung GAME cung cấp tích hợp không mã cho các đại lý, cho phép sử dụng GAME và ELIZA trong cùng một dự án, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn thu hút sự chú ý của những người xây dựng tập trung vào logic kinh doanh thay vì sự phức tạp về kỹ thuật. Mặc dù khung này chỉ được phát hành công khai trong khoảng 30 ngày, nhưng với nỗ lực của đội ngũ nhằm thu hút nhiều người đóng góp hơn, nó đã đạt được tiến bộ đáng kể. Dự kiến tất cả các dự án khởi động trên VIRTUAL sẽ sử dụng GAME.
Rig được đại diện bởi token ARC có tiềm năng lớn, mặc dù khung của nó vẫn đang ở giai đoạn tăng trưởng sớm và kế hoạch thúc đẩy việc áp dụng dự án chỉ mới được triển khai vài ngày. Tuy nhiên, các dự án chất lượng cao áp dụng ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual flywheel, nhưng tập trung vào Solana. Đội ngũ tỏ ra lạc quan về việc hợp tác với Solana, so sánh mối quan hệ giữa ARC và Solana giống như Virtual đối với Base. Đáng chú ý là, đội ngũ không chỉ khuyến khích các dự án mới sử dụng Rig để khởi động mà còn khuyến khích các nhà phát triển tăng cường khung Rig bản thân.
Zerepy là một khung mới được ra mắt, nhờ vào mối quan hệ hợp tác với Eliza, nó đang nhận được ngày càng nhiều sự chú ý. Khung này thu hút các nhà đóng góp từ Eliza, những người đang tích cực cải tiến nó. Dưới sự thúc đẩy của những người hâm mộ ZEREBRO, nó có một nhóm người theo dõi nhiệt tình và cung cấp cơ hội mới cho các lập trình viên Python, những người trước đây thiếu đại diện trong cuộc cạnh tranh hạ tầng trí tuệ nhân tạo. Khung này sẽ đóng vai trò quan trọng trong khía cạnh sáng tạo của AI.