Автор: Deep Value Memetics, перевод Голден Финанс сяоцзоу
В этой статье мы рассмотрим перспективы фреймворка Crypto X AI. Мы сосредоточимся на четырех основных фреймворках (ELIZA, GAME, ARC, ZEREPY) и их технических различиях.
1. Введение
На прошлой неделе мы провели исследование и тестирование четырех основных крипто X AI фреймворков: ELIZA, GAME, ARC, ZEREPY, и наши выводы следующие.
Мы считаем, что AI16Z продолжит доминировать. Ценность Eliza (около 60% доли рынка, рыночная капитализация более 1 миллиарда долларов) заключается в ее преимуществе первопроходца (эффект Линди) и ее растущем использовании разработчиками, о чем свидетельствуют такие данные, как 193 участника, 1800 форков и более 6000 звезд, что делает его одним из самых популярных репозиториев на Github.
На данный момент развитие GAME (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов) проходит очень успешно, и она быстро набирает популярность. Как только VIRTUAL только что объявил, на этой платформе более 200 проектов, 150000 ежедневных запросов и 200% недельный темп роста. GAME продолжит получать выгоду от роста VIRTUAL и станет одним из крупнейших победителей в его экосистеме.
Rig (ARC, рыночная доля около 15%, рыночная капитализация около 160 миллионов долларов) очень привлекателен, поскольку его модульный дизайн очень прост в использовании и может занять доминирующую позицию в экосистеме Solana (RUST) как "pure-play".
Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов) — это относительно нишевое приложение, ориентированное на преданное сообщество ZEREBRO, которое недавно сотрудничало с сообществом ai16z, что может привести к синергетическому эффекту.
Мы обратили внимание на то, что наш расчет доли рынка охватывает рыночную капитализацию, записи разработки и рынок конечных операционных систем.
Мы считаем, что в этом рыночном цикле сегмент фреймворков будет самым быстрорастущим направлением, и общая рыночная капитализация в 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, что все еще относительно консервативно по сравнению с пиковыми оценками L1 в 2021 году, когда многие L1 оценивались более чем в 20 миллиардов долларов. Хотя эти фреймворки обслуживают разные конечные рынки (цепи/экосистемы), учитывая, что мы считаем, что эта область находится в постоянном восходящем тренде, подход с взвешенной по капитализации методикой может быть самым осторожным.
2、Четыре основных рамки
В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества основных рамок.
В перекрестной области AI и криптовалюты существует несколько фреймворков, способствующих развитию ИИ. Это ELIZA от AI16Z, RIG от ARC, ZEREBRO от ZEREPY и VIRTUAL от GAME. Каждый фреймворк удовлетворяет различным потребностям и концепциям в процессе разработки ИИ-агентов, от проектов с открытым исходным кодом до корпоративных решений, ориентированных на производительность.
В этой статье сначала представлена структура, рассказывается, что это такое, на каком языке программирования, с какой технологической архитектурой и алгоритмами они работают, какие уникальные функции имеют, а также какие потенциальные случаи использования могут быть у структуры. Затем мы сравниваем каждую структуру с точки зрения удобства, масштабируемости, адаптивности и производительности, исследуя их преимущества и ограничения.
ЭЛИЗА (разработано ai16z)
Eliza — это открытый фреймворк для многопользовательского моделирования, разработанный для создания, развертывания и управления автономными AI-агентами. Он разработан на языке программирования TypeScript и предоставляет гибкую и масштабируемую платформу для создания умных агентов, которые могут взаимодействовать с людьми на нескольких платформах, сохраняя при этом согласованную личность и знания.
Основные функции этой платформы включают архитектуру многопользовательских агентов, поддерживающую одновременное развертывание и управление несколькими уникальными AI-личностями, а также систему ролей, использующую файловую структуру ролей для создания различных агентов, и функции управления памятью с долгосрочной памятью и контекстным восприятием через систему улучшенного генеративного поиска (RAG). Кроме того, Eliza Framework предлагает плавную интеграцию с платформами, обеспечивая надежное подключение к Discord, X и другим социальным медиа.
С точки зрения коммуникационных и медийных функций AI-агента, Eliza является отличным выбором. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функцией X, Telegram и API для прямого доступа к настраиваемым случаям. С другой стороны, медийные функции этого фреймворка могут быть расширены до чтения и анализа PDF-документов, извлечения и резюмирования контента из ссылок, транскрипции аудио, обработки видеоконтента, анализа изображений и резюмирования диалогов, эффективно обрабатывая различные медийные входные и выходные данные.
Фреймворк Eliza предоставляет гибкую поддержку AI-моделей через локальное вывод модели с открытым исходным кодом, облачный вывод OpenAI и настройки по умолчанию (такие как Nous Hermes Llama 3.1B), а также интегрирует поддержку Claude для обработки сложных задач. Eliza использует модульную архитектуру, обладает широкой поддержкой операционных систем, поддержкой пользовательских клиентов и полным API, что обеспечивает масштабируемость и адаптивность между приложениями.
Использование Eliza охватывает несколько областей, таких как: AI-ассистент для поддержки клиентов, модерации сообществ и личных задач, а также роли в социальных сетях, такие как автоматические создатели контента, интерактивные боты и представители бренда. Он также может выступать в качестве интеллектуального работника, исполняя роли исследовательского помощника, аналитика контента и обработчика документов, а также поддерживать взаимодействие в форме ролевых игр, образовательных наставников и агентов.
Архитектура Eliza построена вокруг среды выполнения агента, которая легко интегрируется со своей системой ролей (поддерживаемой поставщиком модели), менеджером памяти (подключенным к базе данных) и операционной системой (связанной с клиентом платформы). Уникальные особенности фреймворка включают в себя систему подключаемых модулей, которая поддерживает модульные расширения функций, поддерживает мультимодальные взаимодействия, такие как голос, текст и мультимедиа, и совместима с ведущими моделями искусственного интеллекта, такими как Llama, GPT-4 и Claude. Благодаря своей универсальности и прочной конструкции Eliza выделяется как мощный инструмент для разработки приложений искусственного интеллекта в различных областях.
G.A.M.E (разработано Virtuals Protocol)
Генеративная автономная мультимодальная сущностная структура (G.A.M.E) предназначена для предоставления разработчикам доступа к API и SDK для экспериментов с AI-агентами. Эта структура предлагает структурированный подход к управлению поведением, принятием решений и процессом обучения AI-агентов.
Основные компоненты следующие: во-первых, интерфейс подсказок агента (Agent Prompting Interface) является точкой доступа для разработчиков, чтобы интегрировать GAME в агента и получить доступ к поведению агента. Подсистема восприятия (Perception Subsystem) запускает сессию, указывая параметры, такие как идентификатор сессии, идентификатор агента, пользователь и другие соответствующие детали.
Он будет синтезировать входящую информацию в формат, подходящий для движка стратегического планирования (Strategic Planning Engine), выступая в качестве механизма ввода для ИИ-агента, как в форме диалога, так и в форме реакции. В его основе лежит модуль обработки диалога, который предназначен для обработки сообщений и ответов от агента и сотрудничает с подсистемой восприятия для эффективной интерпретации и реагирования на ввод.
Стратегический планировщик работает совместно с модулем обработки диалогов и оператором кошелька на блокчейне, генерируя ответы и планы. Этот движок имеет два уровня функциональности: как высокоуровневый планировщик, создающий обширные стратегии на основе контекста или целей; и как низкоуровневый план, который преобразует эти стратегии в операционные стратегии, которые далее делятся на планировщик действий для конкретных задач и исполнительный механизм для выполнения задач.
Еще одним отдельным, но важным компонентом является мировой контекст, который ссылается на окружающую среду, глобальную информацию и состояние игры, чтобы обеспечить необходимый контекст для принятия решений агентом. Кроме того, репозиторий агентов используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личности, которые в совокупности формируют поведение агента и процесс принятия решений.
Эта структура использует процессоры краткосрочной и долгосрочной памяти. Краткосрочная память хранит информацию о предыдущем поведении, результатах и текущих планах. В отличие от этого, процессор долгосрочной памяти извлекает ключевую информацию на основе таких критериев, как важность, недавность и уместность. Долгосрочная память хранит знания агента о опыте, размышлениях, динамической личности, контексте мира и рабочей памяти, чтобы улучшить принятие решений и обеспечить основу для обучения.
Модуль обучения использует данные, полученные от подсистемы восприятия, для генерации общих знаний, которые возвращаются в систему для улучшения будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и сенсорных данных через интерфейс, чтобы улучшить возможности обучения AI-агента и повысить его способности к планированию и принятию решений.
Рабочий процесс начинается с взаимодействия разработчиков через интерфейс подсказок агента. Ввод обрабатывается подсистемой восприятия и передается модулю обработки диалогов, который отвечает за управление логикой взаимодействия. Затем движок стратегического планирования разрабатывает и исполняет планы на основе этой информации, используя высокоуровневые стратегии и детализированные планы действий.
Данные из контекста мира и репозитория агентов уведомляют эти процессы, в то время как рабочая память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает долгосрочные знания. Модули обучения анализируют результаты и интегрируют новые знания в систему, что позволяет постоянно улучшать поведение и взаимодействие агентов.
RIG (разработан ARC)
Rig — это открытая Rust-библиотека, предназначенная для упрощения разработки приложений на основе больших языковых моделей. Она предоставляет единый интерфейс для взаимодействия с несколькими поставщиками LLM, такими как OpenAI и Anthropic, и поддерживает различные векторные хранилища, включая MongoDB и Neo4j. Уникальность модульной архитектуры этой библиотеки заключается в её основных компонентах, таких как уровень абстракции поставщика (Provider Abstraction Layer), интеграция векторного хранилища и система агентов, что способствует бесшовному взаимодействию с LLM.
Основная аудитория Rig включает разработчиков, использующих Rust для создания приложений AI/ML, а также организации, стремящиеся интегрировать нескольких поставщиков LLM и векторные хранилища в свои приложения на Rust. Репозиторий использует архитектуру рабочих пространств с несколькими crate, что поддерживает масштабируемость и эффективное управление проектами. Ключевыми функциями являются абстракция поставщика, которая обеспечивает стандартизацию для завершения и встраивания API между различными поставщиками LLM с единообразной обработкой ошибок. Компонент интеграции векторного хранилища (Vector Store Integration) предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает поиск по векторной схожести. Система агентов упрощает взаимодействие с LLM, поддерживает извлечение повышенной генерации (RAG) и интеграцию инструментов. Кроме того, фреймворк для встраивания также предоставляет функции пакетной обработки и операции встраивания с типобезопасностью.
Буровая установка использует ряд технических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют преимущества асинхронного времени выполнения Rust для эффективной обработки большого количества одновременных запросов. Встроенный в кадр механизм обработки ошибок повышает устойчивость к сбоям поставщика ИИ или операций базы данных. Безопасность типов может предотвратить ошибки в процессе компиляции, тем самым повышая удобство сопровождения кода. Эффективные процессы сериализации и десериализации поддерживают обработку данных в таких форматах, как JSON, что имеет важное значение для обмена данными и хранения сервисов ИИ. Подробное ведение журналов и инструментирование дополнительно помогают в отладке и мониторинге приложений.
Рабочий процесс Rig начинается, когда клиент инициирует запрос, который взаимодействует с соответствующей моделью LLM через уровень абстракции поставщика. Затем данные обрабатываются основным уровнем, где агент может использовать инструменты или доступ к векторному хранилищу контекста. Ответы генерируются и уточняются с помощью сложных рабочих процессов, таких как RAG, прежде чем возвращаться клиенту, что включает в себя извлечение документов и контекстуальное понимание. Система интегрируется с несколькими поставщиками LLM и векторным хранилищем, что делает ее адаптируемой к доступности модели или обновлениям производительности.
Применение Rig разнообразно, включая системы вопросов и ответов, которые ищут соответствующие документы для предоставления точных ответов, системы поиска и извлечения документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, которые обеспечивают контекстно-осознанное взаимодействие для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать текст и другие материалы на основе обучающих моделей, что делает его универсальным инструментом для разработчиков и организаций.
Zerepy (разработанный ZEREPY и blorm)
ZerePy — это фреймворк с открытым исходным кодом, написанный на языке Python и предназначенный для развертывания агентов на X с использованием OpenAI или Anthropic LLM. Созданный на основе модульной версии бэкенда Zerebro, ZerePy позволяет разработчикам запускать агентов с основной функциональностью, аналогичной Zerebro. Хотя платформа обеспечивает основу для развертывания агентов, тонкая настройка модели имеет важное значение для создания творческих результатов. ZerePy упрощает разработку и развертывание персонализированных агентов ИИ, особенно для создания контента на социальных платформах, способствуя созданию творческой экосистемы на основе ИИ для искусства и децентрализованных приложений.
Этот фреймворк разработан на Python, акцентируя внимание на автономии агентов и сосредотачиваясь на генерации креативного контента, в соответствии с архитектурой ELIZA и ее взаимодействием с ней. Его модульный дизайн поддерживает интеграцию систем памяти и развертывание агентов на социальных платформах. Основные функции включают командный интерфейс для управления агентами, интеграцию с Twitter, поддержку LLM от OpenAI и Anthropic, а также модульную систему подключения для расширения функциональности.
Применение ZerePy охватывает сферу автоматизации социальных медиа, позволяя пользователям развертывать искусственных агентов для публикации, ответов, лайков и репостов, тем самым увеличивая вовлеченность на платформе. Кроме того, он также ориентирован на создание контента в таких областях, как музыка, мемы и NFT, что делает его важным инструментом для цифрового искусства и контент-платформ на основе блокчейна.
(2) Сравнение четырех основных рамок
На наш взгляд, каждая структура предлагает уникальный подход к разработке искусственного интеллекта, соответствующий определенным требованиям и условиям. Мы смещаем акцент с конкурентных отношений между этими структурами на их уникальность.
ELIZA выделяется удобным интерфейсом, особенно для разработчиков, знакомых с JavaScript и Node.js средами. Его обширная документация помогает настроить агентов ИИ на различных платформах, хотя его обширный набор функций может потребовать определенного обучения. Разработанная с помощью TypeScript, Eliza идеально подходит для создания прокси-серверов, встроенных в Интернет, поскольку большая часть фронтенда веб-инфраструктуры разрабатывается с помощью TypeScript. Фреймворк известен своей многоагентной архитектурой, которая может развертывать различные личности ИИ на таких платформах, как Discord, X и Telegram. Его усовершенствованная система RAG с управлением памятью делает его особенно эффективным для поддержки клиентов или помощников с искусственным интеллектом в приложениях социальных сетей. Несмотря на то, что он предлагает гибкость, сильную поддержку сообщества и стабильную кроссплатформенную производительность, он все еще находится на ранних стадиях и может стать кривой обучения для разработчиков.
GAME разработан специально для разработчиков игр и предоставляет интерфейс с низким или отсутствующим кодом через API, что позволяет пользователям с низким уровнем технических знаний в области игр также им пользоваться. Однако он сосредоточен на разработке игр и интеграции с блокчейном, что может создать крутой кривой обучения для тех, кто не имеет соответствующего опыта. Он показывает выдающиеся результаты в генерации контента программ и поведении NPC, но ограничен сложностью своей нишевой области и интеграции с блокчейном.
Из-за использования языка Rust Rig может быть не очень удобным для пользователя, учитывая сложность языка, что представляет собой значительную проблему для обучения, но он имеет интуитивно понятное взаимодействие для тех, кто хорошо разбирается в системном программировании. В отличие от TypeScripe, сам язык программирования известен своей производительностью и безопасностью памяти. Он имеет строгие проверки во время компиляции и абстракции с нулевыми затратами, которые необходимы для запуска сложных алгоритмов искусственного интеллекта. Язык отличается высокой эффективностью, а низкая степень управления делает его идеальным для ресурсоемких приложений искусственного интеллекта. Платформа представляет собой высокопроизводительное решение с модульной и масштабируемой конструкцией, что делает ее идеальной для корпоративных приложений. Однако для разработчиков, которые не знакомы с Rust, использование Rust неизбежно приведет к крутой кривой обучения.
ZerePy, использующий Python, обеспечивает высокую доступность для творческих задач ИИ. Кривая обучения для разработчиков на Python относительно низка, особенно для тех, кто имеет опыт в AI/ML, и благодаря криптосообществу Zerebro он получает сильную поддержку сообщества. ZerePy идеально подходит для творческих приложений искусственного интеллекта, таких как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. Хотя он процветает в области креативности, его масштаб относительно узок по сравнению с другими фреймворками.
В области масштабируемости ELIZA добилась значительных успехов в своем обновлении V2, введя единый канал сообщений и масштабируемую основную структуру, которая поддерживает эффективное управление на нескольких платформах. Однако без оптимизации такое управление многоплатформенным взаимодействием может привести к проблемам с масштабируемостью.
GAME демонстрирует отличные результаты в области обработки в реальном времени, необходимой для игр, а масштабируемость управляется с помощью эффективных алгоритмов и потенциальной распределенной системы блокчейн, хотя она может быть ограничена конкретными игровыми движками или блокчейн-сетями.
Рамки Rig используют производительность расширяемости Rust и предназначены для приложений с высокой пропускной способностью, что особенно эффективно для развертывания на уровне предприятий, хотя это может означать, что для достижения настоящей расширяемости потребуется сложная настройка.
Масштабируемость Zerepy направлена на творческий выход с поддержкой сообщества, но ее фокус может ограничить применение в более широком контексте искусственного интеллекта; масштабируемость может быть поставлена под сомнение разнообразием творческих задач, а не количеством пользователей.
С точки зрения адаптивности, ELIZA лидирует благодаря своей системе плагинов и кроссплатформенной совместимости, а также GAME in the gaming и Rig для решения сложных задач AI. ZerePy показал высокую адаптивность в творческой сфере, но не очень хорошо подходит для более широкого спектра приложений искусственного интеллекта.
В плане производительности ELIZA оптимизирована для быстрого взаимодействия в социальных сетях, быстрота ответа является ключевым моментом, но при выполнении более сложных вычислительных задач ее производительность может различаться.
GAME, разработанный Virtual Protocol, сосредоточен на высокопроизводительном взаимодействии в реальном времени в игровых сценах, используя эффективный процесс принятия решений и потенциальную блокчейн для децентрализованных операций с искусственным интеллектом.
Рамка Rig основана на языке Rust и предлагает отличную производительность для задач высокопроизводительных вычислений, что делает ее подходящей для корпоративных приложений, где важна эффективность вычислений.
Производительность Zerepy специально разработана для создания творческого контента, и ее показатели сосредоточены на эффективности и качестве генерации контента, что может не быть особенно применимо за пределами творческой области.
Преимущества ELIZA заключаются в предоставлении гибкости и масштабируемости, благодаря её плагинной системе и конфигурации ролей, что делает её высоко адаптивной и способствует межплатформенному взаимодействию социального ИИ.
GAME предоставляет уникальную функцию интерактивного взаимодействия в игре, которая улучшена за счет интеграции блокчейна и нового участия ИИ.
Преимущества Rig заключаются в его производительности и масштабируемости для корпоративных задач искусственного интеллекта, с акцентом на предоставление чистого модульного кода для здоровья долгосрочных проектов.
Zerepy специализируется на развитии креативности, занимает лидирующие позиции в области применения искусственного интеллекта в цифровом искусстве и поддерживается динамичной моделью развития, основанной на сообществе.
Каждая платформа имеет свои ограничения, ELIZA все еще находится на ранней стадии, существует потенциальная проблема стабильности и кривая обучения для новых разработчиков. Нишевые игры могут ограничить более широкое применение, а блокчейн добавляет сложность. Rig может отпугнуть часть разработчиков из-за крутого кривой обучения Rust, в то время как ограниченное внимание Zerepy к креативным выходам может ограничить его использование в других областях ИИ.
(3) Сравнительная сводка рамок
** Оснастка (ARC):**
Язык: Rust, внимание к безопасности и производительности.
Пример использования: идеальный выбор для корпоративных AI-приложений, так как он акцентирует внимание на эффективности и масштабируемости.
Сообщество: не слишком ориентировано на сообщество, больше внимания уделяется разработчикам технологий.
Элиза (AI16Z)：
Язык: TypeScript, подчеркивающий гибкость web3 и участие сообщества.
Примеры использования: разработаны для социального взаимодействия, DAO и торговли, с особым акцентом на многопользовательские системы.
Сообщество: высоко ориентированное на сообщество с широким участием на GitHub.
ZerePy (ZEREBRO):
Язык: Python, чтобы сделать его доступным для более широкой базы разработчиков ИИ.
Пример использования: подходит для автоматизации социальных сетей и более простых задач AI-агента.
Сообщество: относительно новое, но благодаря популярности Python и поддержке участников AI16Z ожидается рост.
ИГРА (ВИРТУАЛЬНАЯ):
Фокус: автономные, самоадаптирующиеся агенты искусственного интеллекта, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.
Примеры использования: наилучшим образом подходят для обучения и адаптации AI-агентов в таких сценариях, как игры или виртуальные миры.
Сообщество: инновационное сообщество, но все еще определяет свое место в конкуренции.
На рисунке представлены данные о звездах GitHub с момента публикации этих фреймов. Стоит отметить, что звезды GitHub являются показателем интереса сообщества, популярности проекта и воспринимаемой ценности проекта.
ELIZA (красная линия):
Начиная с низкой базы в июле и до значительного увеличения количества звезд в конце ноября (достигнув 61 000 звезд), это указывает на быстрое нарастание интереса, которое привлекло внимание разработчиков. Этот экспоненциальный рост свидетельствует о том, что ELIZA приобрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества. Ее популярность значительно превышает другие конкуренты, что указывает на наличие у нее мощной поддержки сообщества и более широкую применимость или интерес в сообществе искусственного интеллекта.
RIG (синяя линия) :
Rig является самым старым из четырех основных фреймов, его количество звезд умеренное, но постоянно растет, и в следующем месяце оно, вероятно, значительно увеличится. Он уже достиг 1700 звезд, но все еще продолжает расти. Непрерывная разработка, обновления и постоянно растущее количество пользователей являются причинами накопления интереса пользователей. Это может отражать то, что пользователи этого фрейма являются нишевыми или все еще накапливают репутацию.
ZEREPY (жёлтая линия):
ZerePy только что вышел несколько дней назад и уже накопил 181 звезду. Стоит подчеркнуть, что ZerePy нуждается в дополнительной разработке для повышения своей видимости и уровня принятия. Сотрудничество с AI16Z может привлечь больше участников для внесения кода.
ИГРА (зелёная линия):
У этого проекта наименьшее количество звезд, стоит отметить, что этот фреймворк может быть непосредственно применен к агентам в виртуальной экосистеме через API, что устраняет необходимость в видимости на Github. Однако этот фреймворк был открыт для строителей всего лишь чуть больше месяца назад, и более 200 проектов уже используют GAME для разработки.
4. Причины для оптимизма по поводу фрейма
Версия V2 Eliza интегрирует набор агентов Coinbase. Все проекты, использующие Eliza, в будущем будут поддерживать нативный TEE, что позволит агентам работать в безопасной среде. Одной из функций, которая скоро появится в Eliza, является реестр плагинов (Plugin Registry), который позволит разработчикам бесшовно регистрировать и интегрировать плагины.
Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Белая книга токеномики запланирована к выпуску 1 января 2025 года и ожидается, что она окажет положительное влияние на базовый AI16Z токен рамки Eliza. AI16Z планирует продолжать улучшать полезность рамки и привлекать высококвалифицированные кадры, усилия основных участников уже доказали, что это возможно.
GAME框架 предоставляет агентам безкодовую интеграцию, позволяя одновременно использовать GAME и ELIZA в одном проекте, каждый из которых служит своей конкретной цели. Этот подход, как ожидается, привлечет внимание строителей, сосредоточившихся на бизнес-логике, а не на технической сложности. Хотя этот фреймворк был публично представлен всего 30 дней назад, он уже добился значительного прогресса благодаря усилиям команды по привлечению большего числа участников. Ожидается, что все проекты, запущенные на VIRTUAL, будут использовать GAME.
Риг, представляющий токен ARC, имеет огромный потенциал, несмотря на то, что его структура все еще находится на ранней стадии роста, и планы по внедрению проекта были запущены всего несколько дней назад. Ожидается, что высококачественные проекты, использующие ARC, вскоре появятся, аналогично Virtual, но с акцентом на Solana. Команда оптимистично относится к сотрудничеству с Solana, сравнивая связь ARC с Solana с тем, как Virtual соотносится с Base. Стоит отметить, что команда не только поощряет новые проекты использовать Rig для запуска, но и призывает разработчиков улучшать саму структуру Rig.
Zerepy — это новая рамка, которая получает все большее внимание благодаря сотрудничеству с Eliza. Эта рамка привлекает участников Eliza, которые активно работают над ее улучшением. Под влиянием фанатов ZEREBRO у нее есть группа преданных последователей, и она предоставляет новые возможности для разработчиков Python, которые ранее не имели достаточного представительства в конкуренции за инфраструктуру искусственного интеллекта. Эта рамка сыграет важную роль в творчестве ИИ.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Сравнение четырех основных Crypto X AI фреймов: ELIZA, GAME, ARC и ZEREPY
Автор: Deep Value Memetics, перевод Голден Финанс сяоцзоу
В этой статье мы рассмотрим перспективы фреймворка Crypto X AI. Мы сосредоточимся на четырех основных фреймворках (ELIZA, GAME, ARC, ZEREPY) и их технических различиях.
1. Введение
На прошлой неделе мы провели исследование и тестирование четырех основных крипто X AI фреймворков: ELIZA, GAME, ARC, ZEREPY, и наши выводы следующие.
Мы считаем, что AI16Z продолжит доминировать. Ценность Eliza (около 60% доли рынка, рыночная капитализация более 1 миллиарда долларов) заключается в ее преимуществе первопроходца (эффект Линди) и ее растущем использовании разработчиками, о чем свидетельствуют такие данные, как 193 участника, 1800 форков и более 6000 звезд, что делает его одним из самых популярных репозиториев на Github.
На данный момент развитие GAME (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов) проходит очень успешно, и она быстро набирает популярность. Как только VIRTUAL только что объявил, на этой платформе более 200 проектов, 150000 ежедневных запросов и 200% недельный темп роста. GAME продолжит получать выгоду от роста VIRTUAL и станет одним из крупнейших победителей в его экосистеме.
Rig (ARC, рыночная доля около 15%, рыночная капитализация около 160 миллионов долларов) очень привлекателен, поскольку его модульный дизайн очень прост в использовании и может занять доминирующую позицию в экосистеме Solana (RUST) как "pure-play".
Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов) — это относительно нишевое приложение, ориентированное на преданное сообщество ZEREBRO, которое недавно сотрудничало с сообществом ai16z, что может привести к синергетическому эффекту.
Мы обратили внимание на то, что наш расчет доли рынка охватывает рыночную капитализацию, записи разработки и рынок конечных операционных систем.
Мы считаем, что в этом рыночном цикле сегмент фреймворков будет самым быстрорастущим направлением, и общая рыночная капитализация в 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, что все еще относительно консервативно по сравнению с пиковыми оценками L1 в 2021 году, когда многие L1 оценивались более чем в 20 миллиардов долларов. Хотя эти фреймворки обслуживают разные конечные рынки (цепи/экосистемы), учитывая, что мы считаем, что эта область находится в постоянном восходящем тренде, подход с взвешенной по капитализации методикой может быть самым осторожным.
2、Четыре основных рамки
В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества основных рамок.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) Обзор структуры
В перекрестной области AI и криптовалюты существует несколько фреймворков, способствующих развитию ИИ. Это ELIZA от AI16Z, RIG от ARC, ZEREBRO от ZEREPY и VIRTUAL от GAME. Каждый фреймворк удовлетворяет различным потребностям и концепциям в процессе разработки ИИ-агентов, от проектов с открытым исходным кодом до корпоративных решений, ориентированных на производительность.
В этой статье сначала представлена структура, рассказывается, что это такое, на каком языке программирования, с какой технологической архитектурой и алгоритмами они работают, какие уникальные функции имеют, а также какие потенциальные случаи использования могут быть у структуры. Затем мы сравниваем каждую структуру с точки зрения удобства, масштабируемости, адаптивности и производительности, исследуя их преимущества и ограничения.
ЭЛИЗА (разработано ai16z)
Eliza — это открытый фреймворк для многопользовательского моделирования, разработанный для создания, развертывания и управления автономными AI-агентами. Он разработан на языке программирования TypeScript и предоставляет гибкую и масштабируемую платформу для создания умных агентов, которые могут взаимодействовать с людьми на нескольких платформах, сохраняя при этом согласованную личность и знания.
Основные функции этой платформы включают архитектуру многопользовательских агентов, поддерживающую одновременное развертывание и управление несколькими уникальными AI-личностями, а также систему ролей, использующую файловую структуру ролей для создания различных агентов, и функции управления памятью с долгосрочной памятью и контекстным восприятием через систему улучшенного генеративного поиска (RAG). Кроме того, Eliza Framework предлагает плавную интеграцию с платформами, обеспечивая надежное подключение к Discord, X и другим социальным медиа.
С точки зрения коммуникационных и медийных функций AI-агента, Eliza является отличным выбором. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функцией X, Telegram и API для прямого доступа к настраиваемым случаям. С другой стороны, медийные функции этого фреймворка могут быть расширены до чтения и анализа PDF-документов, извлечения и резюмирования контента из ссылок, транскрипции аудио, обработки видеоконтента, анализа изображений и резюмирования диалогов, эффективно обрабатывая различные медийные входные и выходные данные.
Фреймворк Eliza предоставляет гибкую поддержку AI-моделей через локальное вывод модели с открытым исходным кодом, облачный вывод OpenAI и настройки по умолчанию (такие как Nous Hermes Llama 3.1B), а также интегрирует поддержку Claude для обработки сложных задач. Eliza использует модульную архитектуру, обладает широкой поддержкой операционных систем, поддержкой пользовательских клиентов и полным API, что обеспечивает масштабируемость и адаптивность между приложениями.
Использование Eliza охватывает несколько областей, таких как: AI-ассистент для поддержки клиентов, модерации сообществ и личных задач, а также роли в социальных сетях, такие как автоматические создатели контента, интерактивные боты и представители бренда. Он также может выступать в качестве интеллектуального работника, исполняя роли исследовательского помощника, аналитика контента и обработчика документов, а также поддерживать взаимодействие в форме ролевых игр, образовательных наставников и агентов.
Архитектура Eliza построена вокруг среды выполнения агента, которая легко интегрируется со своей системой ролей (поддерживаемой поставщиком модели), менеджером памяти (подключенным к базе данных) и операционной системой (связанной с клиентом платформы). Уникальные особенности фреймворка включают в себя систему подключаемых модулей, которая поддерживает модульные расширения функций, поддерживает мультимодальные взаимодействия, такие как голос, текст и мультимедиа, и совместима с ведущими моделями искусственного интеллекта, такими как Llama, GPT-4 и Claude. Благодаря своей универсальности и прочной конструкции Eliza выделяется как мощный инструмент для разработки приложений искусственного интеллекта в различных областях.
G.A.M.E (разработано Virtuals Protocol)
Генеративная автономная мультимодальная сущностная структура (G.A.M.E) предназначена для предоставления разработчикам доступа к API и SDK для экспериментов с AI-агентами. Эта структура предлагает структурированный подход к управлению поведением, принятием решений и процессом обучения AI-агентов.
Основные компоненты следующие: во-первых, интерфейс подсказок агента (Agent Prompting Interface) является точкой доступа для разработчиков, чтобы интегрировать GAME в агента и получить доступ к поведению агента. Подсистема восприятия (Perception Subsystem) запускает сессию, указывая параметры, такие как идентификатор сессии, идентификатор агента, пользователь и другие соответствующие детали.
Он будет синтезировать входящую информацию в формат, подходящий для движка стратегического планирования (Strategic Planning Engine), выступая в качестве механизма ввода для ИИ-агента, как в форме диалога, так и в форме реакции. В его основе лежит модуль обработки диалога, который предназначен для обработки сообщений и ответов от агента и сотрудничает с подсистемой восприятия для эффективной интерпретации и реагирования на ввод.
Стратегический планировщик работает совместно с модулем обработки диалогов и оператором кошелька на блокчейне, генерируя ответы и планы. Этот движок имеет два уровня функциональности: как высокоуровневый планировщик, создающий обширные стратегии на основе контекста или целей; и как низкоуровневый план, который преобразует эти стратегии в операционные стратегии, которые далее делятся на планировщик действий для конкретных задач и исполнительный механизм для выполнения задач.
Еще одним отдельным, но важным компонентом является мировой контекст, который ссылается на окружающую среду, глобальную информацию и состояние игры, чтобы обеспечить необходимый контекст для принятия решений агентом. Кроме того, репозиторий агентов используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личности, которые в совокупности формируют поведение агента и процесс принятия решений.
Эта структура использует процессоры краткосрочной и долгосрочной памяти. Краткосрочная память хранит информацию о предыдущем поведении, результатах и текущих планах. В отличие от этого, процессор долгосрочной памяти извлекает ключевую информацию на основе таких критериев, как важность, недавность и уместность. Долгосрочная память хранит знания агента о опыте, размышлениях, динамической личности, контексте мира и рабочей памяти, чтобы улучшить принятие решений и обеспечить основу для обучения.
Модуль обучения использует данные, полученные от подсистемы восприятия, для генерации общих знаний, которые возвращаются в систему для улучшения будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и сенсорных данных через интерфейс, чтобы улучшить возможности обучения AI-агента и повысить его способности к планированию и принятию решений.
Рабочий процесс начинается с взаимодействия разработчиков через интерфейс подсказок агента. Ввод обрабатывается подсистемой восприятия и передается модулю обработки диалогов, который отвечает за управление логикой взаимодействия. Затем движок стратегического планирования разрабатывает и исполняет планы на основе этой информации, используя высокоуровневые стратегии и детализированные планы действий.
Данные из контекста мира и репозитория агентов уведомляют эти процессы, в то время как рабочая память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает долгосрочные знания. Модули обучения анализируют результаты и интегрируют новые знания в систему, что позволяет постоянно улучшать поведение и взаимодействие агентов.
RIG (разработан ARC)
Rig — это открытая Rust-библиотека, предназначенная для упрощения разработки приложений на основе больших языковых моделей. Она предоставляет единый интерфейс для взаимодействия с несколькими поставщиками LLM, такими как OpenAI и Anthropic, и поддерживает различные векторные хранилища, включая MongoDB и Neo4j. Уникальность модульной архитектуры этой библиотеки заключается в её основных компонентах, таких как уровень абстракции поставщика (Provider Abstraction Layer), интеграция векторного хранилища и система агентов, что способствует бесшовному взаимодействию с LLM.
Основная аудитория Rig включает разработчиков, использующих Rust для создания приложений AI/ML, а также организации, стремящиеся интегрировать нескольких поставщиков LLM и векторные хранилища в свои приложения на Rust. Репозиторий использует архитектуру рабочих пространств с несколькими crate, что поддерживает масштабируемость и эффективное управление проектами. Ключевыми функциями являются абстракция поставщика, которая обеспечивает стандартизацию для завершения и встраивания API между различными поставщиками LLM с единообразной обработкой ошибок. Компонент интеграции векторного хранилища (Vector Store Integration) предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает поиск по векторной схожести. Система агентов упрощает взаимодействие с LLM, поддерживает извлечение повышенной генерации (RAG) и интеграцию инструментов. Кроме того, фреймворк для встраивания также предоставляет функции пакетной обработки и операции встраивания с типобезопасностью.
Буровая установка использует ряд технических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют преимущества асинхронного времени выполнения Rust для эффективной обработки большого количества одновременных запросов. Встроенный в кадр механизм обработки ошибок повышает устойчивость к сбоям поставщика ИИ или операций базы данных. Безопасность типов может предотвратить ошибки в процессе компиляции, тем самым повышая удобство сопровождения кода. Эффективные процессы сериализации и десериализации поддерживают обработку данных в таких форматах, как JSON, что имеет важное значение для обмена данными и хранения сервисов ИИ. Подробное ведение журналов и инструментирование дополнительно помогают в отладке и мониторинге приложений.
Рабочий процесс Rig начинается, когда клиент инициирует запрос, который взаимодействует с соответствующей моделью LLM через уровень абстракции поставщика. Затем данные обрабатываются основным уровнем, где агент может использовать инструменты или доступ к векторному хранилищу контекста. Ответы генерируются и уточняются с помощью сложных рабочих процессов, таких как RAG, прежде чем возвращаться клиенту, что включает в себя извлечение документов и контекстуальное понимание. Система интегрируется с несколькими поставщиками LLM и векторным хранилищем, что делает ее адаптируемой к доступности модели или обновлениям производительности.
Применение Rig разнообразно, включая системы вопросов и ответов, которые ищут соответствующие документы для предоставления точных ответов, системы поиска и извлечения документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, которые обеспечивают контекстно-осознанное взаимодействие для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать текст и другие материалы на основе обучающих моделей, что делает его универсальным инструментом для разработчиков и организаций.
Zerepy (разработанный ZEREPY и blorm)
ZerePy — это фреймворк с открытым исходным кодом, написанный на языке Python и предназначенный для развертывания агентов на X с использованием OpenAI или Anthropic LLM. Созданный на основе модульной версии бэкенда Zerebro, ZerePy позволяет разработчикам запускать агентов с основной функциональностью, аналогичной Zerebro. Хотя платформа обеспечивает основу для развертывания агентов, тонкая настройка модели имеет важное значение для создания творческих результатов. ZerePy упрощает разработку и развертывание персонализированных агентов ИИ, особенно для создания контента на социальных платформах, способствуя созданию творческой экосистемы на основе ИИ для искусства и децентрализованных приложений.
Этот фреймворк разработан на Python, акцентируя внимание на автономии агентов и сосредотачиваясь на генерации креативного контента, в соответствии с архитектурой ELIZA и ее взаимодействием с ней. Его модульный дизайн поддерживает интеграцию систем памяти и развертывание агентов на социальных платформах. Основные функции включают командный интерфейс для управления агентами, интеграцию с Twitter, поддержку LLM от OpenAI и Anthropic, а также модульную систему подключения для расширения функциональности.
Применение ZerePy охватывает сферу автоматизации социальных медиа, позволяя пользователям развертывать искусственных агентов для публикации, ответов, лайков и репостов, тем самым увеличивая вовлеченность на платформе. Кроме того, он также ориентирован на создание контента в таких областях, как музыка, мемы и NFT, что делает его важным инструментом для цифрового искусства и контент-платформ на основе блокчейна.
(2) Сравнение четырех основных рамок
На наш взгляд, каждая структура предлагает уникальный подход к разработке искусственного интеллекта, соответствующий определенным требованиям и условиям. Мы смещаем акцент с конкурентных отношений между этими структурами на их уникальность.
ELIZA выделяется удобным интерфейсом, особенно для разработчиков, знакомых с JavaScript и Node.js средами. Его обширная документация помогает настроить агентов ИИ на различных платформах, хотя его обширный набор функций может потребовать определенного обучения. Разработанная с помощью TypeScript, Eliza идеально подходит для создания прокси-серверов, встроенных в Интернет, поскольку большая часть фронтенда веб-инфраструктуры разрабатывается с помощью TypeScript. Фреймворк известен своей многоагентной архитектурой, которая может развертывать различные личности ИИ на таких платформах, как Discord, X и Telegram. Его усовершенствованная система RAG с управлением памятью делает его особенно эффективным для поддержки клиентов или помощников с искусственным интеллектом в приложениях социальных сетей. Несмотря на то, что он предлагает гибкость, сильную поддержку сообщества и стабильную кроссплатформенную производительность, он все еще находится на ранних стадиях и может стать кривой обучения для разработчиков.
GAME разработан специально для разработчиков игр и предоставляет интерфейс с низким или отсутствующим кодом через API, что позволяет пользователям с низким уровнем технических знаний в области игр также им пользоваться. Однако он сосредоточен на разработке игр и интеграции с блокчейном, что может создать крутой кривой обучения для тех, кто не имеет соответствующего опыта. Он показывает выдающиеся результаты в генерации контента программ и поведении NPC, но ограничен сложностью своей нишевой области и интеграции с блокчейном.
Из-за использования языка Rust Rig может быть не очень удобным для пользователя, учитывая сложность языка, что представляет собой значительную проблему для обучения, но он имеет интуитивно понятное взаимодействие для тех, кто хорошо разбирается в системном программировании. В отличие от TypeScripe, сам язык программирования известен своей производительностью и безопасностью памяти. Он имеет строгие проверки во время компиляции и абстракции с нулевыми затратами, которые необходимы для запуска сложных алгоритмов искусственного интеллекта. Язык отличается высокой эффективностью, а низкая степень управления делает его идеальным для ресурсоемких приложений искусственного интеллекта. Платформа представляет собой высокопроизводительное решение с модульной и масштабируемой конструкцией, что делает ее идеальной для корпоративных приложений. Однако для разработчиков, которые не знакомы с Rust, использование Rust неизбежно приведет к крутой кривой обучения.
ZerePy, использующий Python, обеспечивает высокую доступность для творческих задач ИИ. Кривая обучения для разработчиков на Python относительно низка, особенно для тех, кто имеет опыт в AI/ML, и благодаря криптосообществу Zerebro он получает сильную поддержку сообщества. ZerePy идеально подходит для творческих приложений искусственного интеллекта, таких как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. Хотя он процветает в области креативности, его масштаб относительно узок по сравнению с другими фреймворками.
В области масштабируемости ELIZA добилась значительных успехов в своем обновлении V2, введя единый канал сообщений и масштабируемую основную структуру, которая поддерживает эффективное управление на нескольких платформах. Однако без оптимизации такое управление многоплатформенным взаимодействием может привести к проблемам с масштабируемостью.
GAME демонстрирует отличные результаты в области обработки в реальном времени, необходимой для игр, а масштабируемость управляется с помощью эффективных алгоритмов и потенциальной распределенной системы блокчейн, хотя она может быть ограничена конкретными игровыми движками или блокчейн-сетями.
Рамки Rig используют производительность расширяемости Rust и предназначены для приложений с высокой пропускной способностью, что особенно эффективно для развертывания на уровне предприятий, хотя это может означать, что для достижения настоящей расширяемости потребуется сложная настройка.
Масштабируемость Zerepy направлена на творческий выход с поддержкой сообщества, но ее фокус может ограничить применение в более широком контексте искусственного интеллекта; масштабируемость может быть поставлена под сомнение разнообразием творческих задач, а не количеством пользователей.
С точки зрения адаптивности, ELIZA лидирует благодаря своей системе плагинов и кроссплатформенной совместимости, а также GAME in the gaming и Rig для решения сложных задач AI. ZerePy показал высокую адаптивность в творческой сфере, но не очень хорошо подходит для более широкого спектра приложений искусственного интеллекта.
В плане производительности ELIZA оптимизирована для быстрого взаимодействия в социальных сетях, быстрота ответа является ключевым моментом, но при выполнении более сложных вычислительных задач ее производительность может различаться.
GAME, разработанный Virtual Protocol, сосредоточен на высокопроизводительном взаимодействии в реальном времени в игровых сценах, используя эффективный процесс принятия решений и потенциальную блокчейн для децентрализованных операций с искусственным интеллектом.
Рамка Rig основана на языке Rust и предлагает отличную производительность для задач высокопроизводительных вычислений, что делает ее подходящей для корпоративных приложений, где важна эффективность вычислений.
Производительность Zerepy специально разработана для создания творческого контента, и ее показатели сосредоточены на эффективности и качестве генерации контента, что может не быть особенно применимо за пределами творческой области.
Преимущества ELIZA заключаются в предоставлении гибкости и масштабируемости, благодаря её плагинной системе и конфигурации ролей, что делает её высоко адаптивной и способствует межплатформенному взаимодействию социального ИИ.
GAME предоставляет уникальную функцию интерактивного взаимодействия в игре, которая улучшена за счет интеграции блокчейна и нового участия ИИ.
Преимущества Rig заключаются в его производительности и масштабируемости для корпоративных задач искусственного интеллекта, с акцентом на предоставление чистого модульного кода для здоровья долгосрочных проектов.
Zerepy специализируется на развитии креативности, занимает лидирующие позиции в области применения искусственного интеллекта в цифровом искусстве и поддерживается динамичной моделью развития, основанной на сообществе.
Каждая платформа имеет свои ограничения, ELIZA все еще находится на ранней стадии, существует потенциальная проблема стабильности и кривая обучения для новых разработчиков. Нишевые игры могут ограничить более широкое применение, а блокчейн добавляет сложность. Rig может отпугнуть часть разработчиков из-за крутого кривой обучения Rust, в то время как ограниченное внимание Zerepy к креативным выходам может ограничить его использование в других областях ИИ.
(3) Сравнительная сводка рамок
** Оснастка (ARC):**
Язык: Rust, внимание к безопасности и производительности.
Пример использования: идеальный выбор для корпоративных AI-приложений, так как он акцентирует внимание на эффективности и масштабируемости.
Сообщество: не слишком ориентировано на сообщество, больше внимания уделяется разработчикам технологий.
Элиза (AI16Z)：
Язык: TypeScript, подчеркивающий гибкость web3 и участие сообщества.
Примеры использования: разработаны для социального взаимодействия, DAO и торговли, с особым акцентом на многопользовательские системы.
Сообщество: высоко ориентированное на сообщество с широким участием на GitHub.
ZerePy (ZEREBRO):
Язык: Python, чтобы сделать его доступным для более широкой базы разработчиков ИИ.
Пример использования: подходит для автоматизации социальных сетей и более простых задач AI-агента.
Сообщество: относительно новое, но благодаря популярности Python и поддержке участников AI16Z ожидается рост.
ИГРА (ВИРТУАЛЬНАЯ):
Фокус: автономные, самоадаптирующиеся агенты искусственного интеллекта, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.
Примеры использования: наилучшим образом подходят для обучения и адаптации AI-агентов в таких сценариях, как игры или виртуальные миры.
Сообщество: инновационное сообщество, но все еще определяет свое место в конкуренции.
3. Динамика данных Star на Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
На рисунке представлены данные о звездах GitHub с момента публикации этих фреймов. Стоит отметить, что звезды GitHub являются показателем интереса сообщества, популярности проекта и воспринимаемой ценности проекта.
ELIZA (красная линия):
Начиная с низкой базы в июле и до значительного увеличения количества звезд в конце ноября (достигнув 61 000 звезд), это указывает на быстрое нарастание интереса, которое привлекло внимание разработчиков. Этот экспоненциальный рост свидетельствует о том, что ELIZA приобрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества. Ее популярность значительно превышает другие конкуренты, что указывает на наличие у нее мощной поддержки сообщества и более широкую применимость или интерес в сообществе искусственного интеллекта.
RIG (синяя линия) :
Rig является самым старым из четырех основных фреймов, его количество звезд умеренное, но постоянно растет, и в следующем месяце оно, вероятно, значительно увеличится. Он уже достиг 1700 звезд, но все еще продолжает расти. Непрерывная разработка, обновления и постоянно растущее количество пользователей являются причинами накопления интереса пользователей. Это может отражать то, что пользователи этого фрейма являются нишевыми или все еще накапливают репутацию.
ZEREPY (жёлтая линия):
ZerePy только что вышел несколько дней назад и уже накопил 181 звезду. Стоит подчеркнуть, что ZerePy нуждается в дополнительной разработке для повышения своей видимости и уровня принятия. Сотрудничество с AI16Z может привлечь больше участников для внесения кода.
ИГРА (зелёная линия):
У этого проекта наименьшее количество звезд, стоит отметить, что этот фреймворк может быть непосредственно применен к агентам в виртуальной экосистеме через API, что устраняет необходимость в видимости на Github. Однако этот фреймворк был открыт для строителей всего лишь чуть больше месяца назад, и более 200 проектов уже используют GAME для разработки.
4. Причины для оптимизма по поводу фрейма
Версия V2 Eliza интегрирует набор агентов Coinbase. Все проекты, использующие Eliza, в будущем будут поддерживать нативный TEE, что позволит агентам работать в безопасной среде. Одной из функций, которая скоро появится в Eliza, является реестр плагинов (Plugin Registry), который позволит разработчикам бесшовно регистрировать и интегрировать плагины.
Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Белая книга токеномики запланирована к выпуску 1 января 2025 года и ожидается, что она окажет положительное влияние на базовый AI16Z токен рамки Eliza. AI16Z планирует продолжать улучшать полезность рамки и привлекать высококвалифицированные кадры, усилия основных участников уже доказали, что это возможно.
GAME框架 предоставляет агентам безкодовую интеграцию, позволяя одновременно использовать GAME и ELIZA в одном проекте, каждый из которых служит своей конкретной цели. Этот подход, как ожидается, привлечет внимание строителей, сосредоточившихся на бизнес-логике, а не на технической сложности. Хотя этот фреймворк был публично представлен всего 30 дней назад, он уже добился значительного прогресса благодаря усилиям команды по привлечению большего числа участников. Ожидается, что все проекты, запущенные на VIRTUAL, будут использовать GAME.
Риг, представляющий токен ARC, имеет огромный потенциал, несмотря на то, что его структура все еще находится на ранней стадии роста, и планы по внедрению проекта были запущены всего несколько дней назад. Ожидается, что высококачественные проекты, использующие ARC, вскоре появятся, аналогично Virtual, но с акцентом на Solana. Команда оптимистично относится к сотрудничеству с Solana, сравнивая связь ARC с Solana с тем, как Virtual соотносится с Base. Стоит отметить, что команда не только поощряет новые проекты использовать Rig для запуска, но и призывает разработчиков улучшать саму структуру Rig.
Zerepy — это новая рамка, которая получает все большее внимание благодаря сотрудничеству с Eliza. Эта рамка привлекает участников Eliza, которые активно работают над ее улучшением. Под влиянием фанатов ZEREBRO у нее есть группа преданных последователей, и она предоставляет новые возможности для разработчиков Python, которые ранее не имели достаточного представительства в конкуренции за инфраструктуру искусственного интеллекта. Эта рамка сыграет важную роль в творчестве ИИ.