Автор: Deep Value Memetics, перевод Голден Финанс сяоцзоу
В этой статье мы рассмотрим перспективы фреймворка Crypto X AI. Мы сосредоточимся на четырех основных текущих фреймворках (ELIZA, GAME, ARC, ZEREPY) и их технических различиях.
1. Введение
На прошлой неделе мы провели исследование и тестирование четырех основных крипто-ИИ фреймворков: ELIZA, GAME, ARC и ZEREPY. Вот наши выводы.
Мы верим, что AI16Z продолжит занимать ведущие позиции. Ценность Eliza (доля рынка около 60%, рыночная капитализация более 1 миллиарда долларов) заключается в ее первоочередном преимуществе (эффект Линди) и в том, что она получает все большее количество пользователей среди разработчиков. Данные о 193 контрибьюторах, 1800 форках и более 6000 звезд подтверждают это, делая ее одной из самых популярных кодовых баз на Github.
На данный момент развитие GAME (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов) проходит очень успешно, и она быстро внедряется, как только VIRTUAL только что объявила, что на платформе более 200 проектов, 150000 ежедневных запросов и 200% недельный рост. GAME продолжит извлекать выгоду из роста VIRTUAL и станет одним из крупнейших победителей в ее экосистеме.
Rig (ARC, доля рынка около 15%, рыночная капитализация около 160 миллионов долларов) очень привлекателен, поскольку его модульный дизайн очень прост в использовании и может занять доминирующее положение в экосистеме Solana (RUST) как "pure-play".
Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов) является относительно нишевым приложением, ориентированным на преданных членов сообщества ZEREBRO, и его недавнее сотрудничество с сообществом ai16z может привести к синергии.
Мы отметили, что наш расчет доли рынка охватывает рыночную капитализацию, историю разработки и рынок терминалов операционных систем.
Мы считаем, что в этом рыночном цикле сегмент фреймов будет самой быстрорастущей областью, и общая капитализация в 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, что по-прежнему относительно консервативно по сравнению с пиковыми оценками L1 в 2021 году, когда многие оценки L1 превышали 20 миллиардов долларов. Хотя эти фреймы обслуживают разные конечные рынки (цепи/экосистемы), учитывая, что мы считаем, что эта область находится в постоянном восходящем тренде, метод взвешивания по капитализации может быть самым осторожным подходом.
2、Четыре основные рамки
В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества основных рамок.
В области пересечения AI и криптовалюты существует несколько рамок, способствующих развитию AI. Это ELIZA от AI16Z, RIG от ARC, ZEREBRO от ZEREPY и VIRTUAL от GAME. Каждая рамка удовлетворяет различным требованиям и идеям в процессе разработки AI-агентов, от проектов открытого кода до корпоративных решений, ориентированных на производительность.
В этой статье сначала будет представлен фреймворк, расскажется, что это такое, какие языки программирования, технологические архитектуры и алгоритмы используются, какие уникальные функции он имеет и какие потенциальные случаи использования доступны для фреймворка. Затем мы сравним каждый фреймворк с точки зрения удобства использования, масштабируемости, адаптивности и производительности, исследуя их преимущества и ограничения.
ELIZA (разработано ai16z)
Eliza - это многоагентная симуляция, основанная на открытом исходном коде, предназначенная для создания, развертывания и управления автономными AI-агентами. Она разработана на языке программирования TypeScript и предоставляет гибкую и масштабируемую платформу для создания интеллектуальных агентов, которые могут взаимодействовать с людьми на нескольких платформах, сохраняя при этом постоянство личности и знаний.
Основные функции этой платформы включают в себя многопользовательскую архитектуру, поддерживающую одновременное развертывание и управление несколькими уникальными AI-личностями, а также систему ролей для создания различных агентов с использованием файлов ролей, и функции управления памятью с долгосрочной памятью и контекстной осведомленностью через систему улучшенного генеративного поиска (RAG). Кроме того, платформа Eliza предлагает плавную интеграцию, обеспечивая надежное подключение к Discord, X и другим социальным медиа-платформам.
С точки зрения коммуникационных и медийных функций AI-агента, Eliza является отличным выбором. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функциями X, Telegram, а также прямой доступ к API для кастомизированных случаев использования. С другой стороны, медийные функции этого фреймворка могут быть расширены для чтения и анализа PDF-документов, извлечения и резюмирования содержимого ссылок, транскрипции аудио, обработки видео-контента, анализа изображений и резюмирования диалогов, что позволяет эффективно обрабатывать различные медиа-входы и выходы.
Фреймворк Eliza предоставляет гибкую поддержку AI-моделей через локальное выведение на основе открытых моделей, облачное выведение OpenAI и конфигурацию по умолчанию (например, Nous Hermes Llama 3.1B) и интегрирует поддержку Claude для обработки сложных задач. Eliza использует модульную архитектуру, имеет широкую поддержку операционных систем, пользовательских клиентов и полнофункциональный API, что обеспечивает масштабируемость и адаптивность между приложениями.
Применение Eliza охватывает несколько областей, например: AI-ассистент для поддержки клиентов, модерации сообществ и личных задач, а также роли в социальных сетях, такие как автоматический создатель контента, интерактивный робот и представитель бренда. Он также может выступать в роли знания работника, исполняя роли исследовательского помощника, аналитика контента и процессора документов, а также поддерживать интерактивные роли, такие как ролевые роботы, образовательные наставники и агенты.
Архитектура Eliza построена вокруг времени выполнения агента (agent runtime), которое бесшовно интегрируется с ее системой ролей (поддерживаемой поставщиками моделей), менеджером памяти (подключенным к базе данных) и операционной системой (связанной с клиентом платформы). Уникальные функции этой структуры включают систему плагинов, поддерживающую модульное расширение функциональности, поддержку мультимодального взаимодействия, включая голос, текст и медиа, а также совместимость с передовыми AI моделями (такими как Llama, GPT-4 и Claude). Благодаря своему разнообразному функционалу и мощному дизайну, Eliza выделяется как мощный инструмент для разработки AI приложений 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 агент для доступа к поведению агента. Подсистема восприятия (Perception Subsystem) запускает сеанс, указывая параметры, такие как идентификатор сеанса, идентификатор агента, пользователь и другие соответствующие детали.
Он будет консолидировать входящую информацию в формат, подходящий для двигателя стратегического планирования (Strategic Planning Engine), служа механизмом ввода для AI-агента, как в форме диалога, так и в форме реакций. Его ядро — это модуль обработки диалога, предназначенный для обработки сообщений и ответов от агента и для взаимодействия с подсистемой восприятия с целью эффективной интерпретации и реакции на входные данные.
Стратегический планировочный движок работает совместно с модулем обработки диалогов и оператором кошелька на блокчейне, создавая ответы и планы. Этот движок имеет два уровня функциональности: как верхний планировщик, который создает обширные стратегии на основе контекста или целей; и как нижний уровень стратегии, который переводит эти стратегии в осуществимые планы, разделенные на планировщиков действий, предназначенных для выполнения конкретных задач, и исполнителей плана, осуществляющих выполнение задач.
Еще одним независимым, но важным компонентом является World Context (мировой контекст), который ссылается на окружение, глобальную информацию и состояние игры, предоставляя необходимый контекст для принятия решений агентом. Кроме того, Agent Repository (репозиторий агентов) используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личность, которые вместе формируют поведение и процесс принятия решений агента.
Эта структура использует процессоры краткосрочной и долгосрочной памяти. Краткосрочная память сохраняет информацию о предыдущем поведении, результатах и текущих планах. В отличие от этого, процессор долгосрочной памяти извлекает ключевую информацию на основе таких критериев, как важность, актуальность и значимость. Долгосрочная память хранит знания агента о его опыте, размышлениях, динамической личности, контексте мира и рабочей памяти, чтобы улучшить принятие решений и обеспечить основу для обучения.
Модуль обучения использует данные из системы восприятия для генерации общих знаний, которые возвращаются в систему для улучшения будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и данных о восприятии через интерфейс, чтобы улучшить учебные способности AI-агента и повысить его возможности планирования и принятия 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 выполняет планы на основе этой информации, используя высокоуровневую стратегию и детализированные планы действий.
Данные из контекста мира и репозитория агентов уведомляют эти процессы, в то время как оперативная память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает долгосрочные знания. Модуль обучения анализирует результаты и интегрирует 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 унифицированный 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 ее основных компонентах, таких как уровень абстракции поставщика (Provider Abstraction Layer), интеграция векторного хранилища и система прокси для обеспечения бесшовного взаимодействия LLM.
Основная аудитория Rig включает разработчиков, создающих AI/ML приложения с использованием Rust, а также организации, стремящиеся интегрировать нескольких поставщиков LLM и векторное хранилище в свои приложения на Rust. Репозиторий использует архитектуру рабочего пространства с несколькими crate, что поддерживает масштабируемость и эффективное управление проектом. Ключевые функции включают уровень абстракции поставщиков, который обеспечивает стандартизацию для выполнения и внедрения API между различными поставщиками LLM, с согласованной обработкой ошибок. Компонент интеграции векторного хранилища (Vector Store Integration) предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает векторный поиск по сходству. Система прокси упрощает взаимодействие с LLM, поддерживая извлечение, улучшенное генерацией (RAG) и интеграцию инструментов. Кроме того, фреймворк внедрения также предлагает функции пакетной обработки и безопасные по типу операции внедрения.
Rig использует множество технических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронное время выполнения Rust для эффективной обработки большого количества параллельных запросов. Встроенный механизм обработки ошибок фреймворка повышает способность восстанавливаться после неудач со стороны поставщиков ИИ или операций с базами данных. Безопасность типов может предотвратить ошибки во время компиляции, что усиливает поддерживаемость кода. Эффективные процессы сериализации и десериализации поддерживают обработку данных в таких форматах, как JSON, что имеет решающее значение для связи и хранения AI-сервисов. Подробная регистрация и мониторинг дополнительно помогают в отладке и мониторинге приложений.
Рабочий процесс Rig начинается с запроса, инициированного на клиенте, который взаимодействует с соответствующей моделью LLM через абстрактный уровень провайдера. Затем данные обрабатываются на уровне ядра, где агент может использовать инструменты или получать доступ к векторному хранилищу контекста. Ответ генерируется и уточняется через сложный рабочий процесс (например, RAG) перед его возвратом клиенту; процесс включает в себя извлечение документов и понимание контекста. Эта система интегрирует несколько провайдеров LLM и векторные хранилища, адаптируясь к обновлениям доступности или производительности моделей.
Применения Rig разнообразны, включая системы вопросов и ответов, которые извлекают соответствующие документы для предоставления точных ответов, системы поиска и извлечения документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, предоставляющих контекстуально осознанное взаимодействие для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать тексты и другие материалы на основе обучающих моделей, что делает его универсальным инструментом для разработчиков и организаций.
Zerepy (разработанный ZEREPY и blorm)
ZerePy — это открытая платформа, написанная на языке Python, предназначенная для развертывания агентов на X с использованием OpenAI или Anthropic LLM. Являясь модульной версией бэкэнда Zerebro, ZerePy позволяет разработчикам запускать агентов с функциональностью, аналогичной основной функциональности Zerebro. Хотя эта платформа предоставляет базу для развертывания агентов, для получения креативных результатов тонкая настройка модели необходима. ZerePy упрощает разработку и развертывание персонализированных AI-агентов, особенно для создания контента на социальных платформах, способствуя созданию AI-управляемой креативной экосистемы, ориентированной на искусство и децентрализованные приложения.
Эта структура разработана на Python, подчеркивая автономность агентов и сосредотачиваясь на генерации креативного контента, что соответствует архитектуре ELIZA и ее сотрудничеству с ELIZA. Модульный дизайн поддерживает интеграцию с системами памяти и развертывание агентов на социальных платформах. Основные функции включают интерфейс командной строки для управления агентами, интеграцию с Twitter, поддержку LLM OpenAI и Anthropic, а также модульную систему подключения для расширения функциональности.
Использование ZerePy охватывает область автоматизации социальных медиа, позволяя пользователям развертывать искусственные интеллектуальные агенты для публикации, ответов, лайков и ретвитов, что способствует повышению вовлеченности на платформе. Кроме того, он также удовлетворяет потребности в создании контента в таких областях, как музыка, мемы и NFT, что делает его важным инструментом для цифрового искусства и контентных платформ на основе блокчейна.
(2) Сравнение четырех крупных рамок
На наш взгляд, каждая структура предлагает уникальный подход к разработке искусственного интеллекта, соответствующий конкретным требованиям и условиям, и мы смещаем внимание с конкурентных отношений между этими структурами на их уникальность.
ELIZA выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с средой JavaScript и Node.js. Его обширная документация помогает настраивать искусственные агенты на различных платформах, хотя его широкий набор функций может привести к определенной кривой обучения. Разработанный с использованием TypeScript, Eliza становится идеальным выбором для создания агентов, встроенных в веб, поскольку большинство веб-инфраструктуры на фронтенде разрабатывается с использованием TypeScript. Этот фреймворк известен своей многопользовательской архитектурой, позволяя развертывать различные искусственные личности на таких платформах, как Discord, X и Telegram. Его продвинутая система управления памятью RAG делает его особенно эффективным для ИИ-ассистентов в службах поддержки клиентов или приложениях для социальных сетей. Хотя он предлагает гибкость, мощную поддержку сообщества и согласованную кросс-платформенную производительность, он все еще находится на начальной стадии и может представлять собой кривую обучения для разработчиков.
GAME предназначен для разработчиков игр и предоставляет интерфейс с низким или отсутствующим кодом через API, позволяя пользователям с низким уровнем технической подготовки в игровой сфере также использовать его. Тем не менее, он сосредоточен на разработке игр и интеграции с блокчейном, что может создать крутой кривую обучения для тех, кто не имеет соответствующего опыта. Он выделяется в генерации контента программ и поведении NPC, но ограничен сложностью, добавленной его узкой специализацией и интеграцией с блокчейном.
Из-за использования языка Rust, учитывая его сложность, Rig может быть не очень дружелюбным, что создает серьезные учебные вызовы, но для тех, кто хорошо разбирается в системном программировании, он обладает интуитивным взаимодействием. По сравнению с typescripe, этот язык программирования сам по себе известен своей производительностью и безопасностью памяти. Он имеет строгую проверку на этапе компиляции и нулевую стоимость абстракции, что необходимо для выполнения сложных алгоритмов ИИ. Этот язык очень эффективен, а его низкоуровневый контроль делает его идеальным выбором для ресурсоемких приложений ИИ. Этот фреймворк предлагает высокопроизводительные решения с модульным и масштабируемым дизайном, что делает его идеальным выбором для корпоративных приложений. Тем не менее, для разработчиков, незнакомых с Rust, использование Rust неизбежно связано с крутой кривой обучения.
ZerePy использует Python, чтобы обеспечить высокую доступность для творческих задач ИИ, кривая обучения для разработчиков Python невысока, особенно для тех, кто имеет опыт в AI/ML, и благодаря криптосообществу Zerebro есть мощная поддержка сообщества. ZerePy хорошо подходит для творческих приложений ИИ, таких как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. Хотя он процветает в области креативности, его охват относительно узок по сравнению с другими фреймворками.
В области масштабируемости ELIZA достигла значительного прогресса в своем обновлении V2, введя унифицированную линию сообщений и масштабируемую основную структуру, поддерживающую эффективное управление на нескольких платформах. Тем не менее, если не оптимизировать, такое управление многоплатформенным взаимодействием может привести к проблемам с масштабируемостью.
GAME демонстрирует отличные результаты в области реального времени обработки, необходимой для игр, а масштабируемость управляется с помощью эффективных алгоритмов и потенциальной распределенной системы блокчейн, хотя она может быть ограничена конкретным игровым движком или блокчейн-сетью.
Фреймворк Rig использует производительность расширяемости Rust и предназначен для приложений с высокой пропускной способностью, что особенно эффективно для развертывания на уровне предприятий, хотя это может означать, что для достижения истинной масштабируемости потребуется сложная настройка.
Расширяемость Zerepy ориентирована на творческий выход с поддержкой общественных вкладов, но ее сосредоточенность может ограничить ее применение в более широком окружении искусственного интеллекта; расширяемость может быть поставлена под вопрос разнообразием творческих задач, а не количеством пользователей.
В плане адаптивности ELIZA опережает благодаря своей системе плагинов и кроссплатформенной совместимости, а её игровые среды GAME и Rig, способные обрабатывать сложные задачи ИИ, также впечатляют. ZerePy демонстрирует высокую адаптивность в креативной области, но менее подходит для более широких приложений искусственного интеллекта.
В отношении производительности ELIZA оптимизирована для быстрого взаимодействия в социальных сетях, быстрота ответа является ключевым моментом, но при выполнении более сложных вычислительных задач её производительность может отличаться.
GAME, разработанный Virtual Protocol, сосредоточен на высокопроизводительном взаимодействии в реальном времени в игровом контексте, используя эффективные процессы принятия решений и потенциальную блокчейн-технологию для децентрализованных операций с искусственным интеллектом.
Рамка Rig основана на языке Rust и обеспечивает отличную производительность для задач высокопроизводительных вычислений, что делает её подходящей для корпоративных приложений, где критически важна вычислительная эффективность.
Производительность Zerepy была специально разработана для создания креативного контента, а её показатели сосредоточены на эффективности и качестве генерации контента, что может быть менее универсально за пределами креативной области.
Преимуществом ELIZA является предоставление гибкости и масштабируемости, благодаря своей системе плагинов и настройке ролей, что придает ей высокую адаптивность и способствует взаимодействию социального ИИ на различных платформах.
GAME предлагает уникальные функции реального времени в игре, которые были усилены новаторским участием AI через интеграцию блокчейна.
Преимущества Rig заключаются в его производительности и масштабируемости для задач искусственного интеллекта в бизнесе, 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 система 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 сложности. Rig может отпугнуть часть разработчиков из-за крутой кривой обучения, связанной с Rust, а ограниченное внимание Zerepy к креативным выводам может ограничить его использование в других областях ИИ.
(3) Сравнительный итог рамок
** Оснастка (ARC):**
Язык: Rust, сосредоточенный на безопасности и производительности.
Пример: идеальный выбор для корпоративных AI приложений, так как он акцентирует внимание на эффективности и масштабируемости.
Сообщество: меньше зависит от сообщества, больше внимания уделяется разработчикам технологий.
Элиза (AI16Z)：
Язык: TypeScript, подчеркивающий гибкость web3 и участие сообщества.
Пример использования: разработан для социального взаимодействия, DAO и торговли, с особым акцентом на многоагентные системы.
Сообщество: высоко ориентированное на сообщество, с широким участием на GitHub.
ZerePy (ZEREBRO):
Язык: Python, чтобы он был доступен для более широкой базы разработчиков ИИ.
Пример использования: подходит для автоматизации социальных сетей и более простых задач с ИИ-агентами.
Сообщество: относительно новое, но благодаря популярности Python и поддержке участников AI16Z ожидается рост.
ИГРА (ВИРТУАЛЬНАЯ):
Фокус: автономные и самонастраивающиеся искусственные интеллектуальные агенты, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.
Примеры: наилучшие сценарии для обучения и адаптации AI-агентов, такие как игры или виртуальные миры.
Сообщество: инновационное сообщество, но все еще определяет свое место в конкуренции.
На изображении представлены данные о звездах GitHub с момента публикации этих фреймворков. Стоит отметить, что звезды GitHub являются показателем интереса сообщества, популярности проектов и воспринимаемой ценности проектов.
ELIZA (Красная линия):
С начала июля, когда наблюдался низкий базовый уровень, и до значительного увеличения количества звёзд в конце ноября (достигнув 61 000 звёзд), это указывает на быстрое нарастание интереса со стороны людей, привлекая внимание разработчиков. Этот экспоненциальный рост свидетельствует о том, что ELIZA приобрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества. Её популярность значительно превышает популярность других конкурентов, что указывает на мощную поддержку 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 вполне может значительно увеличиться. Он уже достиг 1700 звезд, но продолжает расти. Постоянная разработка, обновления и постоянно растущее число пользователей — это причины, по которым интерес пользователей продолжает накапливаться. Это может отражать то, что пользователи этого фрейма являются нишевыми или все еще накапливают репутацию.
ZEREPY (желтая линия):
ZerePy только что был запущен несколько дней назад и уже накопил 181 звезду. Следует подчеркнуть, что ZerePy требует дополнительных разработок для повышения своей видимости и уровня принятия. Сотрудничество с AI16Z может привлечь больше кодеров.
ИГРА (зеленая линия):
У этого проекта наименьшее количество звезд, стоит отметить, что этот фреймворк может быть напрямую применен к агентам в виртуальной экосистеме через API, что устраняет необходимость в видимости Github. Однако этот фреймворк был открыт для строителей всего лишь месяц назад, и более 200 проектов используют GAME для строительства.
4. Причины для оптимизма по отношению к рамке
Версия V2 Eliza будет интегрирована с пакетом代理 Coinbase. Все проекты, использующие Eliza, в будущем будут поддерживать нативные TEE, что позволит агентам работать в безопасной среде. Одной из предстоящих функций Eliza является реестр плагинов (Plugin Registry), который позволит разработчикам без труда регистрировать и интегрировать плагины.
Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Белая книга токеномики планируется к выпуску 1 января 2025 года и ожидается, что она окажет положительное влияние на основной токен AI16Z рамки Eliza. AI16Z планирует продолжать улучшать полезность рамки и привлекать высококачественные таланты, усилия которых, как главных участников, уже доказали, что она обладает такой способностью.
GAME-рамка предоставляет агентам возможность интеграции без кода, позволяя одновременно использовать GAME и ELIZA в одном проекте, каждая из которых служит своей специфической цели. Этот подход, как ожидается, привлечет внимание строителей, сосредоточенных на бизнес-логике, а не на технической сложности. Несмотря на то, что рамка была публично выпущена всего 30 дней назад, она достигла значительного прогресса благодаря усилиям команды по привлечению большего числа поддерживающих участников. Ожидается, что все проекты, запускаемые на VIRTUAL, будут использовать GAME.
Риг, представленный токеном ARC, имеет огромный потенциал, хотя его структура всё ещё находится на стадии раннего роста, и планы по внедрению проекта были запущены всего несколько дней назад. Ожидается, что высококачественные проекты, использующие ARC, вскоре появятся, похожие на Virtual Flywheel, но с акцентом на Solana. Команда настроена оптимистично относительно сотрудничества с Solana, сравнивая отношения ARC и Solana с отношениями Virtual и Base. Стоит отметить, что команда не только поощряет новые проекты использовать Rig для запуска, но также призывает разработчиков улучшать саму структуру Rig.
Zerepy — это новая запущенная платформа, которая получает все больше внимания благодаря сотрудничеству с Eliza. Эта платформа привлекла участников Eliza, которые активно улучшают её. Под влиянием фанатов ZEREBRO у неё есть группа преданных поклонников и она предоставляет новые возможности для разработчиков на Python, которые ранее были недостаточно представлены в конкуренции на рынке инфраструктуры искусственного интеллекта. Эта платформа сыграет важную роль в креативности ИИ.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
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 текущих фреймворках (ELIZA, GAME, ARC, ZEREPY) и их технических различиях.
1. Введение
На прошлой неделе мы провели исследование и тестирование четырех основных крипто-ИИ фреймворков: ELIZA, GAME, ARC и ZEREPY. Вот наши выводы.
Мы верим, что AI16Z продолжит занимать ведущие позиции. Ценность Eliza (доля рынка около 60%, рыночная капитализация более 1 миллиарда долларов) заключается в ее первоочередном преимуществе (эффект Линди) и в том, что она получает все большее количество пользователей среди разработчиков. Данные о 193 контрибьюторах, 1800 форках и более 6000 звезд подтверждают это, делая ее одной из самых популярных кодовых баз на Github.
На данный момент развитие GAME (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов) проходит очень успешно, и она быстро внедряется, как только VIRTUAL только что объявила, что на платформе более 200 проектов, 150000 ежедневных запросов и 200% недельный рост. GAME продолжит извлекать выгоду из роста VIRTUAL и станет одним из крупнейших победителей в ее экосистеме.
Rig (ARC, доля рынка около 15%, рыночная капитализация около 160 миллионов долларов) очень привлекателен, поскольку его модульный дизайн очень прост в использовании и может занять доминирующее положение в экосистеме Solana (RUST) как "pure-play".
Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов) является относительно нишевым приложением, ориентированным на преданных членов сообщества ZEREBRO, и его недавнее сотрудничество с сообществом ai16z может привести к синергии.
Мы отметили, что наш расчет доли рынка охватывает рыночную капитализацию, историю разработки и рынок терминалов операционных систем.
Мы считаем, что в этом рыночном цикле сегмент фреймов будет самой быстрорастущей областью, и общая капитализация в 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, что по-прежнему относительно консервативно по сравнению с пиковыми оценками L1 в 2021 году, когда многие оценки L1 превышали 20 миллиардов долларов. Хотя эти фреймы обслуживают разные конечные рынки (цепи/экосистемы), учитывая, что мы считаем, что эта область находится в постоянном восходящем тренде, метод взвешивания по капитализации может быть самым осторожным подходом.
2、Четыре основные рамки
В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества основных рамок.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) Обзор рамки
В области пересечения AI и криптовалюты существует несколько рамок, способствующих развитию AI. Это ELIZA от AI16Z, RIG от ARC, ZEREBRO от ZEREPY и VIRTUAL от GAME. Каждая рамка удовлетворяет различным требованиям и идеям в процессе разработки AI-агентов, от проектов открытого кода до корпоративных решений, ориентированных на производительность.
В этой статье сначала будет представлен фреймворк, расскажется, что это такое, какие языки программирования, технологические архитектуры и алгоритмы используются, какие уникальные функции он имеет и какие потенциальные случаи использования доступны для фреймворка. Затем мы сравним каждый фреймворк с точки зрения удобства использования, масштабируемости, адаптивности и производительности, исследуя их преимущества и ограничения.
ELIZA (разработано ai16z)
Eliza - это многоагентная симуляция, основанная на открытом исходном коде, предназначенная для создания, развертывания и управления автономными AI-агентами. Она разработана на языке программирования TypeScript и предоставляет гибкую и масштабируемую платформу для создания интеллектуальных агентов, которые могут взаимодействовать с людьми на нескольких платформах, сохраняя при этом постоянство личности и знаний.
Основные функции этой платформы включают в себя многопользовательскую архитектуру, поддерживающую одновременное развертывание и управление несколькими уникальными AI-личностями, а также систему ролей для создания различных агентов с использованием файлов ролей, и функции управления памятью с долгосрочной памятью и контекстной осведомленностью через систему улучшенного генеративного поиска (RAG). Кроме того, платформа Eliza предлагает плавную интеграцию, обеспечивая надежное подключение к Discord, X и другим социальным медиа-платформам.
С точки зрения коммуникационных и медийных функций AI-агента, Eliza является отличным выбором. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функциями X, Telegram, а также прямой доступ к API для кастомизированных случаев использования. С другой стороны, медийные функции этого фреймворка могут быть расширены для чтения и анализа PDF-документов, извлечения и резюмирования содержимого ссылок, транскрипции аудио, обработки видео-контента, анализа изображений и резюмирования диалогов, что позволяет эффективно обрабатывать различные медиа-входы и выходы.
Фреймворк Eliza предоставляет гибкую поддержку AI-моделей через локальное выведение на основе открытых моделей, облачное выведение OpenAI и конфигурацию по умолчанию (например, Nous Hermes Llama 3.1B) и интегрирует поддержку Claude для обработки сложных задач. Eliza использует модульную архитектуру, имеет широкую поддержку операционных систем, пользовательских клиентов и полнофункциональный API, что обеспечивает масштабируемость и адаптивность между приложениями.
Применение Eliza охватывает несколько областей, например: AI-ассистент для поддержки клиентов, модерации сообществ и личных задач, а также роли в социальных сетях, такие как автоматический создатель контента, интерактивный робот и представитель бренда. Он также может выступать в роли знания работника, исполняя роли исследовательского помощника, аналитика контента и процессора документов, а также поддерживать интерактивные роли, такие как ролевые роботы, образовательные наставники и агенты.
Архитектура Eliza построена вокруг времени выполнения агента (agent runtime), которое бесшовно интегрируется с ее системой ролей (поддерживаемой поставщиками моделей), менеджером памяти (подключенным к базе данных) и операционной системой (связанной с клиентом платформы). Уникальные функции этой структуры включают систему плагинов, поддерживающую модульное расширение функциональности, поддержку мультимодального взаимодействия, включая голос, текст и медиа, а также совместимость с передовыми AI моделями (такими как Llama, GPT-4 и Claude). Благодаря своему разнообразному функционалу и мощному дизайну, Eliza выделяется как мощный инструмент для разработки AI приложений 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 агент для доступа к поведению агента. Подсистема восприятия (Perception Subsystem) запускает сеанс, указывая параметры, такие как идентификатор сеанса, идентификатор агента, пользователь и другие соответствующие детали.
Он будет консолидировать входящую информацию в формат, подходящий для двигателя стратегического планирования (Strategic Planning Engine), служа механизмом ввода для AI-агента, как в форме диалога, так и в форме реакций. Его ядро — это модуль обработки диалога, предназначенный для обработки сообщений и ответов от агента и для взаимодействия с подсистемой восприятия с целью эффективной интерпретации и реакции на входные данные.
Стратегический планировочный движок работает совместно с модулем обработки диалогов и оператором кошелька на блокчейне, создавая ответы и планы. Этот движок имеет два уровня функциональности: как верхний планировщик, который создает обширные стратегии на основе контекста или целей; и как нижний уровень стратегии, который переводит эти стратегии в осуществимые планы, разделенные на планировщиков действий, предназначенных для выполнения конкретных задач, и исполнителей плана, осуществляющих выполнение задач.
Еще одним независимым, но важным компонентом является World Context (мировой контекст), который ссылается на окружение, глобальную информацию и состояние игры, предоставляя необходимый контекст для принятия решений агентом. Кроме того, Agent Repository (репозиторий агентов) используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личность, которые вместе формируют поведение и процесс принятия решений агента.
Эта структура использует процессоры краткосрочной и долгосрочной памяти. Краткосрочная память сохраняет информацию о предыдущем поведении, результатах и текущих планах. В отличие от этого, процессор долгосрочной памяти извлекает ключевую информацию на основе таких критериев, как важность, актуальность и значимость. Долгосрочная память хранит знания агента о его опыте, размышлениях, динамической личности, контексте мира и рабочей памяти, чтобы улучшить принятие решений и обеспечить основу для обучения.
Модуль обучения использует данные из системы восприятия для генерации общих знаний, которые возвращаются в систему для улучшения будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и данных о восприятии через интерфейс, чтобы улучшить учебные способности AI-агента и повысить его возможности планирования и принятия 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 выполняет планы на основе этой информации, используя высокоуровневую стратегию и детализированные планы действий.
Данные из контекста мира и репозитория агентов уведомляют эти процессы, в то время как оперативная память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает долгосрочные знания. Модуль обучения анализирует результаты и интегрирует 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 унифицированный 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 ее основных компонентах, таких как уровень абстракции поставщика (Provider Abstraction Layer), интеграция векторного хранилища и система прокси для обеспечения бесшовного взаимодействия LLM.
Основная аудитория Rig включает разработчиков, создающих AI/ML приложения с использованием Rust, а также организации, стремящиеся интегрировать нескольких поставщиков LLM и векторное хранилище в свои приложения на Rust. Репозиторий использует архитектуру рабочего пространства с несколькими crate, что поддерживает масштабируемость и эффективное управление проектом. Ключевые функции включают уровень абстракции поставщиков, который обеспечивает стандартизацию для выполнения и внедрения API между различными поставщиками LLM, с согласованной обработкой ошибок. Компонент интеграции векторного хранилища (Vector Store Integration) предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает векторный поиск по сходству. Система прокси упрощает взаимодействие с LLM, поддерживая извлечение, улучшенное генерацией (RAG) и интеграцию инструментов. Кроме того, фреймворк внедрения также предлагает функции пакетной обработки и безопасные по типу операции внедрения.
Rig использует множество технических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронное время выполнения Rust для эффективной обработки большого количества параллельных запросов. Встроенный механизм обработки ошибок фреймворка повышает способность восстанавливаться после неудач со стороны поставщиков ИИ или операций с базами данных. Безопасность типов может предотвратить ошибки во время компиляции, что усиливает поддерживаемость кода. Эффективные процессы сериализации и десериализации поддерживают обработку данных в таких форматах, как JSON, что имеет решающее значение для связи и хранения AI-сервисов. Подробная регистрация и мониторинг дополнительно помогают в отладке и мониторинге приложений.
Рабочий процесс Rig начинается с запроса, инициированного на клиенте, который взаимодействует с соответствующей моделью LLM через абстрактный уровень провайдера. Затем данные обрабатываются на уровне ядра, где агент может использовать инструменты или получать доступ к векторному хранилищу контекста. Ответ генерируется и уточняется через сложный рабочий процесс (например, RAG) перед его возвратом клиенту; процесс включает в себя извлечение документов и понимание контекста. Эта система интегрирует несколько провайдеров LLM и векторные хранилища, адаптируясь к обновлениям доступности или производительности моделей.
Применения Rig разнообразны, включая системы вопросов и ответов, которые извлекают соответствующие документы для предоставления точных ответов, системы поиска и извлечения документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, предоставляющих контекстуально осознанное взаимодействие для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать тексты и другие материалы на основе обучающих моделей, что делает его универсальным инструментом для разработчиков и организаций.
Zerepy (разработанный ZEREPY и blorm)
ZerePy — это открытая платформа, написанная на языке Python, предназначенная для развертывания агентов на X с использованием OpenAI или Anthropic LLM. Являясь модульной версией бэкэнда Zerebro, ZerePy позволяет разработчикам запускать агентов с функциональностью, аналогичной основной функциональности Zerebro. Хотя эта платформа предоставляет базу для развертывания агентов, для получения креативных результатов тонкая настройка модели необходима. ZerePy упрощает разработку и развертывание персонализированных AI-агентов, особенно для создания контента на социальных платформах, способствуя созданию AI-управляемой креативной экосистемы, ориентированной на искусство и децентрализованные приложения.
Эта структура разработана на Python, подчеркивая автономность агентов и сосредотачиваясь на генерации креативного контента, что соответствует архитектуре ELIZA и ее сотрудничеству с ELIZA. Модульный дизайн поддерживает интеграцию с системами памяти и развертывание агентов на социальных платформах. Основные функции включают интерфейс командной строки для управления агентами, интеграцию с Twitter, поддержку LLM OpenAI и Anthropic, а также модульную систему подключения для расширения функциональности.
Использование ZerePy охватывает область автоматизации социальных медиа, позволяя пользователям развертывать искусственные интеллектуальные агенты для публикации, ответов, лайков и ретвитов, что способствует повышению вовлеченности на платформе. Кроме того, он также удовлетворяет потребности в создании контента в таких областях, как музыка, мемы и NFT, что делает его важным инструментом для цифрового искусства и контентных платформ на основе блокчейна.
(2) Сравнение четырех крупных рамок
На наш взгляд, каждая структура предлагает уникальный подход к разработке искусственного интеллекта, соответствующий конкретным требованиям и условиям, и мы смещаем внимание с конкурентных отношений между этими структурами на их уникальность.
ELIZA выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с средой JavaScript и Node.js. Его обширная документация помогает настраивать искусственные агенты на различных платформах, хотя его широкий набор функций может привести к определенной кривой обучения. Разработанный с использованием TypeScript, Eliza становится идеальным выбором для создания агентов, встроенных в веб, поскольку большинство веб-инфраструктуры на фронтенде разрабатывается с использованием TypeScript. Этот фреймворк известен своей многопользовательской архитектурой, позволяя развертывать различные искусственные личности на таких платформах, как Discord, X и Telegram. Его продвинутая система управления памятью RAG делает его особенно эффективным для ИИ-ассистентов в службах поддержки клиентов или приложениях для социальных сетей. Хотя он предлагает гибкость, мощную поддержку сообщества и согласованную кросс-платформенную производительность, он все еще находится на начальной стадии и может представлять собой кривую обучения для разработчиков.
GAME предназначен для разработчиков игр и предоставляет интерфейс с низким или отсутствующим кодом через API, позволяя пользователям с низким уровнем технической подготовки в игровой сфере также использовать его. Тем не менее, он сосредоточен на разработке игр и интеграции с блокчейном, что может создать крутой кривую обучения для тех, кто не имеет соответствующего опыта. Он выделяется в генерации контента программ и поведении NPC, но ограничен сложностью, добавленной его узкой специализацией и интеграцией с блокчейном.
Из-за использования языка Rust, учитывая его сложность, Rig может быть не очень дружелюбным, что создает серьезные учебные вызовы, но для тех, кто хорошо разбирается в системном программировании, он обладает интуитивным взаимодействием. По сравнению с typescripe, этот язык программирования сам по себе известен своей производительностью и безопасностью памяти. Он имеет строгую проверку на этапе компиляции и нулевую стоимость абстракции, что необходимо для выполнения сложных алгоритмов ИИ. Этот язык очень эффективен, а его низкоуровневый контроль делает его идеальным выбором для ресурсоемких приложений ИИ. Этот фреймворк предлагает высокопроизводительные решения с модульным и масштабируемым дизайном, что делает его идеальным выбором для корпоративных приложений. Тем не менее, для разработчиков, незнакомых с Rust, использование Rust неизбежно связано с крутой кривой обучения.
ZerePy использует Python, чтобы обеспечить высокую доступность для творческих задач ИИ, кривая обучения для разработчиков Python невысока, особенно для тех, кто имеет опыт в AI/ML, и благодаря криптосообществу Zerebro есть мощная поддержка сообщества. ZerePy хорошо подходит для творческих приложений ИИ, таких как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. Хотя он процветает в области креативности, его охват относительно узок по сравнению с другими фреймворками.
В области масштабируемости ELIZA достигла значительного прогресса в своем обновлении V2, введя унифицированную линию сообщений и масштабируемую основную структуру, поддерживающую эффективное управление на нескольких платформах. Тем не менее, если не оптимизировать, такое управление многоплатформенным взаимодействием может привести к проблемам с масштабируемостью.
GAME демонстрирует отличные результаты в области реального времени обработки, необходимой для игр, а масштабируемость управляется с помощью эффективных алгоритмов и потенциальной распределенной системы блокчейн, хотя она может быть ограничена конкретным игровым движком или блокчейн-сетью.
Фреймворк Rig использует производительность расширяемости Rust и предназначен для приложений с высокой пропускной способностью, что особенно эффективно для развертывания на уровне предприятий, хотя это может означать, что для достижения истинной масштабируемости потребуется сложная настройка.
Расширяемость Zerepy ориентирована на творческий выход с поддержкой общественных вкладов, но ее сосредоточенность может ограничить ее применение в более широком окружении искусственного интеллекта; расширяемость может быть поставлена под вопрос разнообразием творческих задач, а не количеством пользователей.
В плане адаптивности ELIZA опережает благодаря своей системе плагинов и кроссплатформенной совместимости, а её игровые среды GAME и Rig, способные обрабатывать сложные задачи ИИ, также впечатляют. ZerePy демонстрирует высокую адаптивность в креативной области, но менее подходит для более широких приложений искусственного интеллекта.
В отношении производительности ELIZA оптимизирована для быстрого взаимодействия в социальных сетях, быстрота ответа является ключевым моментом, но при выполнении более сложных вычислительных задач её производительность может отличаться.
GAME, разработанный Virtual Protocol, сосредоточен на высокопроизводительном взаимодействии в реальном времени в игровом контексте, используя эффективные процессы принятия решений и потенциальную блокчейн-технологию для децентрализованных операций с искусственным интеллектом.
Рамка Rig основана на языке Rust и обеспечивает отличную производительность для задач высокопроизводительных вычислений, что делает её подходящей для корпоративных приложений, где критически важна вычислительная эффективность.
Производительность Zerepy была специально разработана для создания креативного контента, а её показатели сосредоточены на эффективности и качестве генерации контента, что может быть менее универсально за пределами креативной области.
Преимуществом ELIZA является предоставление гибкости и масштабируемости, благодаря своей системе плагинов и настройке ролей, что придает ей высокую адаптивность и способствует взаимодействию социального ИИ на различных платформах.
GAME предлагает уникальные функции реального времени в игре, которые были усилены новаторским участием AI через интеграцию блокчейна.
Преимущества Rig заключаются в его производительности и масштабируемости для задач искусственного интеллекта в бизнесе, 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 система 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 сложности. Rig может отпугнуть часть разработчиков из-за крутой кривой обучения, связанной с Rust, а ограниченное внимание Zerepy к креативным выводам может ограничить его использование в других областях ИИ.
(3) Сравнительный итог рамок
** Оснастка (ARC):**
Язык: Rust, сосредоточенный на безопасности и производительности.
Пример: идеальный выбор для корпоративных AI приложений, так как он акцентирует внимание на эффективности и масштабируемости.
Сообщество: меньше зависит от сообщества, больше внимания уделяется разработчикам технологий.
Элиза (AI16Z)：
Язык: TypeScript, подчеркивающий гибкость web3 и участие сообщества.
Пример использования: разработан для социального взаимодействия, DAO и торговли, с особым акцентом на многоагентные системы.
Сообщество: высоко ориентированное на сообщество, с широким участием на GitHub.
ZerePy (ZEREBRO):
Язык: Python, чтобы он был доступен для более широкой базы разработчиков ИИ.
Пример использования: подходит для автоматизации социальных сетей и более простых задач с ИИ-агентами.
Сообщество: относительно новое, но благодаря популярности Python и поддержке участников AI16Z ожидается рост.
ИГРА (ВИРТУАЛЬНАЯ):
Фокус: автономные и самонастраивающиеся искусственные интеллектуальные агенты, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.
Примеры: наилучшие сценарии для обучения и адаптации AI-агентов, такие 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 изображении представлены данные о звездах GitHub с момента публикации этих фреймворков. Стоит отметить, что звезды GitHub являются показателем интереса сообщества, популярности проектов и воспринимаемой ценности проектов.
ELIZA (Красная линия):
С начала июля, когда наблюдался низкий базовый уровень, и до значительного увеличения количества звёзд в конце ноября (достигнув 61 000 звёзд), это указывает на быстрое нарастание интереса со стороны людей, привлекая внимание разработчиков. Этот экспоненциальный рост свидетельствует о том, что ELIZA приобрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества. Её популярность значительно превышает популярность других конкурентов, что указывает на мощную поддержку 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 вполне может значительно увеличиться. Он уже достиг 1700 звезд, но продолжает расти. Постоянная разработка, обновления и постоянно растущее число пользователей — это причины, по которым интерес пользователей продолжает накапливаться. Это может отражать то, что пользователи этого фрейма являются нишевыми или все еще накапливают репутацию.
ZEREPY (желтая линия):
ZerePy только что был запущен несколько дней назад и уже накопил 181 звезду. Следует подчеркнуть, что ZerePy требует дополнительных разработок для повышения своей видимости и уровня принятия. Сотрудничество с AI16Z может привлечь больше кодеров.
ИГРА (зеленая линия):
У этого проекта наименьшее количество звезд, стоит отметить, что этот фреймворк может быть напрямую применен к агентам в виртуальной экосистеме через API, что устраняет необходимость в видимости Github. Однако этот фреймворк был открыт для строителей всего лишь месяц назад, и более 200 проектов используют GAME для строительства.
4. Причины для оптимизма по отношению к рамке
Версия V2 Eliza будет интегрирована с пакетом代理 Coinbase. Все проекты, использующие Eliza, в будущем будут поддерживать нативные TEE, что позволит агентам работать в безопасной среде. Одной из предстоящих функций Eliza является реестр плагинов (Plugin Registry), который позволит разработчикам без труда регистрировать и интегрировать плагины.
Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Белая книга токеномики планируется к выпуску 1 января 2025 года и ожидается, что она окажет положительное влияние на основной токен AI16Z рамки Eliza. AI16Z планирует продолжать улучшать полезность рамки и привлекать высококачественные таланты, усилия которых, как главных участников, уже доказали, что она обладает такой способностью.
GAME-рамка предоставляет агентам возможность интеграции без кода, позволяя одновременно использовать GAME и ELIZA в одном проекте, каждая из которых служит своей специфической цели. Этот подход, как ожидается, привлечет внимание строителей, сосредоточенных на бизнес-логике, а не на технической сложности. Несмотря на то, что рамка была публично выпущена всего 30 дней назад, она достигла значительного прогресса благодаря усилиям команды по привлечению большего числа поддерживающих участников. Ожидается, что все проекты, запускаемые на VIRTUAL, будут использовать GAME.
Риг, представленный токеном ARC, имеет огромный потенциал, хотя его структура всё ещё находится на стадии раннего роста, и планы по внедрению проекта были запущены всего несколько дней назад. Ожидается, что высококачественные проекты, использующие ARC, вскоре появятся, похожие на Virtual Flywheel, но с акцентом на Solana. Команда настроена оптимистично относительно сотрудничества с Solana, сравнивая отношения ARC и Solana с отношениями Virtual и Base. Стоит отметить, что команда не только поощряет новые проекты использовать Rig для запуска, но также призывает разработчиков улучшать саму структуру Rig.
Zerepy — это новая запущенная платформа, которая получает все больше внимания благодаря сотрудничеству с Eliza. Эта платформа привлекла участников Eliza, которые активно улучшают её. Под влиянием фанатов ZEREBRO у неё есть группа преданных поклонников и она предоставляет новые возможности для разработчиков на Python, которые ранее были недостаточно представлены в конкуренции на рынке инфраструктуры искусственного интеллекта. Эта платформа сыграет важную роль в креативности ИИ.