Yazar: Deep Value Memetics, Çeviri: Altın Finansxiaozou
Bu yazıda Crypto X AI çerçevesinin geleceğini tartışacağız. Mevcut dört ana çerçeveye (ELIZA, GAME, ARC, ZEREPY) ve bunların teknik farklılıklarına odaklanacağız.
1. Giriş
Geçtiğimiz hafta ELIZA, GAME, ARC ve ZEREPY adlı dört büyük Crypto X AI çerçevesini araştırıp test ettik, sonuçlarımız aşağıdaki gibidir.
AI16Z'nin liderliğini sürdürmeye devam edeceğine inanıyoruz. Eliza'nın değeri (pazar payı yaklaşık %60, piyasa değeri 1 milyar dolardan fazla) ilk hareket avantajında (Lindy etkisi) ve giderek daha fazla geliştirici tarafından kullanılmasıyla ortaya çıkmaktadır; 193 katkıda bulunan, 1800'den fazla çatal ve 6000'den fazla yıldız gibi veriler bunu kanıtlıyor ve onu Github'daki en popüler kod havuzlarından biri haline getiriyor.
Şu ana kadar, GAME'in (piyasa payı yaklaşık %20, piyasa değeri yaklaşık 300 milyon dolar) gelişimi oldukça başarılı geçti, hızlı bir benimseme sağlıyor. VIRTUAL'un yeni duyurusuna göre, bu platformda 200'den fazla proje, günlük 150.000 talep ve %200'lük bir haftalık büyüme oranı var. GAME, VIRTUAL'un yükselişinden faydalanmaya devam edecek ve ekosistemindeki en büyük kazananlardan biri olacak.
Rig (ARC, pazar payı yaklaşık %15, piyasa değeri yaklaşık 160 milyon USD) oldukça dikkat çekici, çünkü modüler tasarımı çok kolay kullanılıyor ve Solana ekosisteminde (RUST) "pure-play" olarak baskın bir konumda yer alabiliyor.
Zerepy (pazar payı yaklaşık %5, piyasa değeri yaklaşık 300 milyon dolar) ZEREBRO topluluğuna yönelik, nispeten niş bir uygulamadır ve son zamanlarda ai16z topluluğu ile yaptığı işbirliği sinerji yaratabilir.
Pazar payı hesaplamamızın piyasa değeri, geliştirme kayıtları ve alt sistem işletim sistemi terminal pazarını kapsadığını fark ettik.
Bu piyasa döngüsünde, çerçeve alt pazarının en hızlı büyüyen alan olacağını düşünüyoruz, 1.7 milyar dolarlık toplam piyasa değeri kolayca 20 milyar dolara çıkabilir; bu, 2021'de L1'in zirve değerlemesi ile karşılaştırıldığında hala görece temkinli. O zaman birçok L1'in değerlemesi 20 milyar doların üzerine çıktı. Bu çerçeveler farklı son pazarları (zincir/ekosistem) hizmet etse de, bu alanın sürekli bir yükseliş trendinde olduğunu düşündüğümüz için, piyasa değeri ağırlıklı yöntem en temkinli yaklaşım olabilir.
2, Dört Ana Çerçeve
Aşağıdaki tabloda, ana çerçevelerin temel teknolojilerini, bileşenlerini ve avantajlarını sıraladık.
(1) Çerçeve Genel Bakış
AI X Crypto kesişim alanında, AI gelişimini teşvik eden birkaç çerçeve bulunmaktadır. Bunlar AI16Z'nin ELIZA'sı, ARC'nin RIG'i, ZEREPY'nin ZEREBRO'su ve GAME'in VIRTUAL'ıdır. Her bir çerçeve, açık kaynak topluluk projelerinden performansa odaklanan kurumsal çözümlere kadar, AI ajanı geliştirme sürecindeki farklı ihtiyaç ve idealleri karşılamaktadır.
Bu yazıda öncelikle çerçeveleri tanıtacağız, bunların ne olduğunu, hangi programlama dillerini, teknik mimarileri ve algoritmaları kullandıklarını, ne gibi benzersiz özelliklere sahip olduklarını ve çerçevenin potansiyel kullanım durumlarının neler olabileceğini açıklayacağız. Ardından, her çerçeveyi kullanılabilirlik, ölçeklenebilirlik, uyumluluk ve performans açısından karşılaştırarak, kendi avantajlarını ve sınırlamalarını keşfedeceğiz.
ELIZA (ai16z tarafından geliştirildi)
Eliza, özerk AI ajanları oluşturmak, dağıtmak ve yönetmek amacıyla tasarlanmış çoklu ajan simülasyonu açık kaynak çerçevesidir. TypeScript programlama dili kullanılarak geliştirilmiştir ve akıllı ajanlar inşa etmek için esnek ve ölçeklenebilir bir platform sunar. Bu akıllı ajanlar, birden fazla platformda insanlarla etkileşimde bulunabilir ve tutarlı bir kişilik ve bilgiye sahip olabilir.
Bu çerçevenin temel işlevleri, birden fazla benzersiz AI kişiliğini aynı anda dağıtma ve yönetme desteği sunan çoklu ajan mimarisi, farklı ajanlar oluşturmak için rol dosyası çerçevesi kullanan bir rol sistemi ve uzun vadeli bellek ve bağlam farkındalığına sahip bellek yönetim işlevleri sağlayan Gelişmiş Arama Artırma (RAG) sistemi içerir. Ayrıca, Eliza çerçevesi, Discord, X ve diğer sosyal medya platformlarıyla güvenilir bağlantılar kurarak sorunsuz bir platform entegrasyonu sağlar.
AI aracılarının iletişim ve medya işlevleri açısından Eliza mükemmel bir seçimdir. İletişim açısından, bu çerçeve Discord'un sesli kanal işlevi, X işlevi, Telegram ve özelleştirilmiş kullanım durumları için API doğrudan erişimi entegrasyonunu desteklemektedir. Öte yandan, bu çerçevenin medya işleme yetenekleri PDF belgelerini okuma ve analiz etme, bağlantı içeriği çıkarma ve özetleme, ses transkripti, video içerik işleme, görüntü analizi ve diyalog özetleme gibi işlevlerle genişletilebilir ve farklı medya giriş ve çıkışlarını etkili bir şekilde işleyebilir.
Eliza çerçevesi, açık kaynaklı modellerin yerel çıkarımı, OpenAI'nin bulut çıkarımı ve varsayılan yapılandırmalar (örneğin, Nous Hermes Llama 3.1B) aracılığıyla esnek AI model desteği sağlar ve Claude'un karmaşık görevleri işleme desteğini entegre etmiştir. Eliza, modüler bir mimari benimser, geniş bir işletim sistemi, özelleştirilmiş istemci desteği ve kapsamlı API'ler ile uygulamalar arasında ölçeklenebilirlik ve uyum sağlanmasını garanti eder.
Eliza'nın kullanım örnekleri birçok alana yayılmaktadır; örneğin, müşteri desteği, topluluk denetimi ve kişisel görevler için AI asistanı, içerik otomatik oluşturucu, etkileşimli robotlar ve marka temsilcisi gibi sosyal medya rolleri. Ayrıca, bilgi çalışanı olarak araştırma asistanı, içerik analisti ve belge işleyici gibi rolleri üstlenebilir ve rol yapma robotları, eğitim mentorları ve temsilci gibi etkileşimli rollerin destekçisi olabilir.
Eliza'nın mimarisi, ajan çalışma zamanı (agent runtime) etrafında inşa edilmiştir; ajan çalışma zamanı, rol sistemi (model sağlayıcıları tarafından desteklenir), bellek yöneticisi (veritabanına bağlanır) ve işletim sistemi (platform istemcisi ile bağlantılı) ile sorunsuz bir şekilde entegre olur. Bu çerçevenin benzersiz özellikleri arasında, modüler işlevsellik genişletmeyi destekleyen eklenti sistemi, ses, metin ve medya gibi çok modlu etkileşimleri destekler ve Llama, GPT-4 ve Claude gibi önde gelen AI modelleri ile uyumludur. Çeşitli işlevselliği ve güçlü tasarımı sayesinde, Eliza, farklı alanlarda AI uygulamaları geliştirmek için güçlü bir araç olarak öne çıkmaktadır.
G.A.M.E (Virtuals Protocol tarafından geliştirilen)
Üretken Otonom Çok Modlu Varlık Çerçevesi (G.A.M.E), geliştiricilere AI ajan deneyleri için API ve SDK erişimi sağlamayı amaçlamaktadır. Bu çerçeve, AI ajanlarının davranışlarını, karar verme süreçlerini ve öğrenme süreçlerini yönetmek için yapılandırılmış bir yaklaşım sunar.
Temel bileşenleri aşağıdaki gibidir: Öncelikle, Ajan Promt Arayüzü (Agent Prompting Interface) geliştiricilerin GAME'i ajana entegre ederek ajanın davranışlarına erişim noktasıdır. Algılama Alt Sistemi (Perception Subsystem), oturum kimliği, ajan kimliği, kullanıcı ve diğer ilgili detaylar gibi parametreleri belirleyerek oturumu başlatır.
Bu, gelen bilgileri Stratejik Planlama Motoru (Strategic Planning Engine) için uygun bir formata dönüştürerek AI ajanı olarak hissetme giriş mekanizması olarak işlev görür; bu, ister diyalog ister tepki biçiminde olsun. Temelinde, ajandan gelen mesajları ve yanıtları işlemek için diyalog işleme modülü vardır ve girişleri etkili bir şekilde yorumlamak ve yanıt vermek için algılama alt sistemi ile işbirliği yapar.
Stratejik planlama motoru, diyalog işleme modülü ve blok zinciri üzerindeki cüzdan operatörü birlikte çalışarak yanıtlar ve planlar üretir. Bu motorun işlevi iki düzeye sahiptir: yüksek düzeyde planlayıcı olarak, bağlama veya hedefe göre geniş stratejiler oluşturmak; düşük düzeyde strateji olarak, bu stratejileri eyleme dönüştüren bir strateji belirleyicisi ve görevleri yerine getiren bir plan yürütücüsüne daha da ayırmaktır.
Ayrıca, bağımsız ama önemli bir bileşen olan Dünya Bağlamı, çevreyi, küresel bilgileri ve oyun durumunu referans alarak ajanların karar vermesi için gerekli olan bağlamı sağlar. Ayrıca, Ajan Deposu, hedefler, yansıma, deneyim ve kişilik gibi uzun vadeli özellikleri depolamak için kullanılır; bu özellikler ajanların davranışlarını ve karar verme süreçlerini şekillendirir.
Bu çerçeve, kısa vadeli çalışma belleği ve uzun vadeli bellek işleyicisi kullanır. Kısa vadeli bellek, önceki davranışların, sonuçların ve mevcut planların ilgili bilgilerini saklar. Buna karşılık, uzun vadeli bellek işleyicisi, önem, yakınlık ve alaka gibi kriterlere göre anahtar bilgileri çıkarır. Uzun vadeli bellek, temsilcinin deneyimlerini, yansımalarını, dinamik kişiliğini, dünya bağlamını ve çalışma belleği gibi bilgileri saklayarak karar verme süreçlerini güçlendirir ve öğrenme temeli sağlar.
Öğrenme modülü, algılama alt sisteminden gelen verileri kullanarak genel bilgi üretir; bu bilgiler, gelecekteki etkileşimlerin geliştirilmesi için sisteme geri bildirim olarak verilir. Geliştiriciler, AI ajanının öğrenme yeteneğini artırmak ve planlama ile karar verme yeteneklerini geliştirmek için arayüz aracılığıyla eylemler, oyun durumu ve duyusal veriler hakkındaki geri bildirimleri girebilirler.
Çalışma akışı, geliştiricilerin bir proxy istemci arayüzü aracılığıyla etkileşimde bulunmasıyla başlar. Girdi, algılama alt sistemi tarafından işlenir ve diyalog işleme modülüne iletilir, diyalog işleme modülü etkileşim mantığını yönetmekten sorumludur. Ardından, stratejik planlama motoru bu bilgilere dayanarak planlar oluşturur ve uygular, üst düzey stratejileri ve ayrıntılı eylem planlarını kullanır.
Dünya bağlamı ve aracılara ait depolama alanlarından gelen veriler, bu süreçleri bilgilendirirken, çalışma belleği anlık görevlerin izlenmesini sağlar. Bu arada, uzun süreli bellek işlemcisi, uzun süreli bilgileri depolar ve geri alır. Öğrenme modülü sonuçları analiz eder ve yeni bilgileri sisteme entegre eder, böylece aracının davranışları ve etkileşimleri sürekli olarak geliştirilebilir.
RIG (ARC tarafından geliştirildi)
Rig, büyük dil modelleri uygulamalarının geliştirilmesini basitleştirmek için tasarlanmış açık kaynaklı bir Rust çerçevesidir. OpenAI ve Anthropic gibi birçok LLM sağlayıcısıyla etkileşim kurmak için birleştirilmiş bir arayüz sağlar ve MongoDB ve Neo4j gibi çeşitli vektör depolarını destekler. Bu çerçevenin modüler mimarisinin benzersizliği, LLM'lerin kesintisiz etkileşimini kolaylaştırmak için sağlayıcı soyutlama katmanı (Provider Abstraction Layer), vektör depolama entegrasyonu ve ajan sistemleri gibi temel bileşenlerindedir.
Rig'in ana hedef kitlesi, Rust ile AI/ML uygulamaları geliştiren geliştiricilerdir. İkinci olarak, kendi Rust uygulamalarına birden fazla LLM sağlayıcısını ve vektör depolamayı entegre etmek isteyen çeşitli kuruluşları da içerir. Depo, ölçeklenebilirlik ve verimli proje yönetimini destekleyen birden fazla crate ile çalışma alanı mimarisini kullanır. Anahtar özellikleri arasında, farklı LLM sağlayıcıları arasında tamamlanma ve gömme API'sini standartlaştıran, tutarlı hata işleme ile sağlayıcı soyutlama katmanı bulunmaktadır. Vektör Depolama Entegrasyonu bileşeni, birden fazla arka uç için bir soyut arayüz sunar ve vektör benzerliği aramasını destekler. Ajan sistemi, LLM etkileşimini basitleştirir, bilgi artırımlı üretimi (RAG) ve araç entegrasyonunu destekler. Ayrıca, gömme çerçevesi toplu işleme işlevselliği ve tür güvenliği olan gömme işlemleri sağlar.
Rig, güvenilirlik ve performansı sağlamak için çok sayıda teknik avantaj kullanmaktadır. Asenkron işlemler, çok sayıda eşzamanlı isteği etkili bir şekilde işlemek için Rust'ın asenkron çalışma zamanını kullanır. Çerçevenin doğasında bulunan hata işleme mekanizması, yapay zeka sağlayıcıları veya veritabanı işlemlerinin başarısızlıklarına karşı kurtarma yeteneğini artırır. Tip güvenliği, derleme sürecindeki hataları önleyerek kodun bakımını artırır. Verimli seri hale getirme ve tersine çevirme süreçleri, JSON gibi formatlardaki veri işleme desteği sağlar ki bu da AI hizmetleri iletişimi ve depolama için kritik öneme sahiptir. Ayrıntılı günlük kaydı ve izleme, uygulamaların hata ayıklaması ve izlenmesine daha fazla yardımcı olur.
Rig'in çalışma akışı, istemcide bir isteğin başlatılmasıyla başlar; bu istek, sağlayıcı soyutlama katmanı aracılığıyla uygun LLM modeli ile etkileşimde bulunur. Ardından, veriler çekirdek katman tarafından işlenir; bu katmanda, ajanlar araçlar kullanabilir veya bağlamın vektör deposuna erişebilir. Yanıt, istemciye geri gönderilmeden önce karmaşık bir iş akışı (örneğin RAG) aracılığıyla üretilir ve rafine edilir; bu süreç, belge alımı ve bağlam anlayışını içerir. Sistem, birden fazla LLM sağlayıcısını ve vektör deposunu entegre eder ve modelin kullanılabilirliği veya performans güncellemelerine uyum sağlar.
Rig'in kullanım durumları çok çeşitlidir; bunlar arasında ilgili belgeleri sorgulayarak doğru yanıtlar sağlayan soru-cevap sistemleri, etkili içerik keşfi için belge arama ve alma sistemleri ile müşteri hizmetleri veya eğitim için bağlamdan haberdar etkileşim sunan sohbet robotları veya sanal asistanlar bulunmaktadır. Ayrıca, öğrenme modlarına dayalı metin ve diğer materyaller oluşturmayı destekleyerek içerik üretimini de destekler, bu da onu geliştiriciler ve organizasyonlar için evrensel bir araç haline getirir.
Zerepy (ZEREPY ve blorm tarafından geliştirildi)
ZerePy, OpenAI veya Anthropic LLM'yi X üzerinde dağıtmak için tasarlanmış, Python dilinde yazılmış açık kaynaklı bir çerçevedir. Zerebro arka ucundan kaynaklanan modüler bir versiyon olan ZerePy, geliştiricilerin Zerebro'nun temel işlevlerine benzer özelliklere sahip ajanlar başlatmasına olanak tanır. Bu çerçeve, ajan dağıtımı için bir temel sağlarken, yaratıcı çıktılar üretmek için modeli ince ayar yapmak şarttır. ZerePy, özellikle sosyal platformlarda içerik yaratımı için kişiselleştirilmiş AI ajanlarının geliştirilmesi ve dağıtımını kolaylaştırarak, sanat ve merkeziyetsiz uygulamalara yönelik AI destekli yaratıcı bir ekosistem geliştirmiştir.
Bu çerçeve Python ile geliştirilmiştir ve ajanların özerkliğine vurgu yaparak yaratıcı çıktı üretimine odaklanmaktadır. ELIZA'nın mimarisiyle ve ELIZA ile olan işbirliği ile tutarlıdır. Modüler tasarımı bellek sistemi entegrasyonunu destekler ve sosyal platformlarda ajanların dağıtımını mümkün kılar. Ana işlevler arasında ajan yönetimi için bir komut satırı arayüzü, Twitter ile entegrasyon, OpenAI ve Anthropic LLM desteği ve işlevselliği artırmak için modüler bağlantı sistemi bulunmaktadır.
ZerePy'nin kullanım alanları sosyal medya otomasyonu alanını kapsamaktadır, kullanıcılar yayın yapmak, yanıt vermek, beğenmek ve paylaşmak için yapay zeka ajanlarını kullanarak platform etkileşimini artırabilirler. Ayrıca müzik, meme ve NFT gibi alanlarda içerik oluşturmayı da destekleyerek, dijital sanat ve blok zinciri tabanlı içerik platformları için önemli bir araç haline gelmektedir.
(2) Dört Büyük Çerçeve Karşılaştırması
Bizim görüşümüze göre, her çerçeve yapay zeka geliştirme için belirli ihtiyaçlara ve ortamlara uygun benzersiz bir yaklaşım sunmaktadır. Bu nedenle, bu çerçeveler arasındaki rekabetten ziyade, her bir çerçevenin benzersizliğine odaklanıyoruz.
ELIZA, kullanıcı dostu arayüzü ile öne çıkıyor, özellikle JavaScript ve Node.js ortamına aşina olan geliştiriciler için. Kapsamlı belgeleri, yapay zeka ajanlarını çeşitli platformlarda kurmaya yardımcı olur, ancak geniş özellik seti belirli bir öğrenme eğrisi getirebilir. TypeScript ile geliştirilmiş olan Eliza, web'e entegre ajanlar inşa etmek için ideal bir seçimdir, çünkü çoğu web altyapısının ön yüzü TypeScript ile geliştirilmiştir. Bu çerçeve, Discord, X ve Telegram gibi platformlarda farklı yapay zeka kişiliklerinin dağıtılabilmesi ile tanınan çoklu ajan mimarisi ile bilinir. Gelişmiş bellek yönetimi RAG sistemi, müşteri destek veya sosyal medya uygulamalarındaki yapay zeka asistanları için özellikle etkilidir. Esneklik, güçlü bir topluluk desteği ve tutarlı bir çapraz platform performansı sağlasa da, hala erken aşamalardadır ve geliştiriciler için bir öğrenme eğrisi oluşturabilir.
GAME, oyun geliştiricileri için tasarlanmış bir platformdur ve API aracılığıyla düşük kod veya kodsuz bir arayüz sunarak oyun alanındaki teknik bilgi seviyesi düşük kullanıcıların da kullanımına olanak tanır. Ancak, oyun geliştirme ve blok zinciri entegrasyonuna odaklanması nedeniyle, ilgili deneyimi olmayan kişiler için dik bir öğrenme eğrisi oluşturabilir. Program içerik üretimi ve NPC davranışları konusunda öne çıkmasına rağmen, belirli bir alt alan ve blok zinciri entegrasyonunun getirdiği karmaşıklıklarla sınırlıdır.
Rust dilinin kullanılması nedeniyle, bu dilin karmaşıklığı göz önüne alındığında, Rig pek dostane olmayabilir; bu da önemli öğrenme zorlukları getirmektedir. Ancak sistem programlamasında yetkin olanlar için sezgisel bir etkileşim sunmaktadır. TypeScript ile karşılaştırıldığında, bu programlama dili kendisi performans ve bellek güvenliği (memory safety) ile tanınmaktadır. Karmaşık AI algoritmalarını çalıştırmak için gerekli olan katı derleme zamanı kontrolleri ve sıfır maliyetli soyutlamalar sunmaktadır. Bu dil son derece verimlidir ve düşük düzey kontrolü, onu kaynak yoğun yapay zeka uygulamaları için ideal bir seçenek haline getirmektedir. Bu çerçeve, modüler ve ölçeklenebilir tasarıma sahip yüksek performanslı çözümler sunarak, kurumsal uygulamalar için ideal bir seçim haline gelmektedir. Ancak Rust ile tanışık olmayan geliştiriciler için Rust kullanmak kaçınılmaz olarak dik bir öğrenme eğrisi ile karşılaşmalarını gerektirmektedir.
ZerePy, Python kullanarak yaratıcı AI görevleri için yüksek kullanılabilirlik sağlar. Python geliştiricileri için öğrenme eğrisi daha düşüktür, özellikle AI/ML geçmişine sahip olan geliştiriciler için ve Zerebro'nun kripto topluluğu sayesinde güçlü bir topluluk desteğinden faydalanır. ZerePy, NFT gibi yaratıcı yapay zeka uygulamalarında uzmanlaşmıştır ve kendisini dijital medya ve sanat için güçlü bir araç olarak konumlandırmaktadır. Yaratıcılık açısından büyümesine rağmen, diğer çerçevelerle karşılaştırıldığında kapsamı nispeten dardır.
Ölçeklenebilirlik açısından, ELIZA V2 güncellemesinde önemli ilerlemeler kaydetti; birleşik bir mesaj hattı ve çoklu platformlarda etkili yönetimi destekleyen ölçeklenebilir bir çekirdek çerçeve getirdi. Ancak, optimizasyon yapılmadığı takdirde, bu çoklu platform etkileşiminin yönetimi ölçeklenebilirlik açısından zorluklar yaratabilir.
GAME, oyunların gerektirdiği gerçek zamanlı işlem açısından mükemmel bir performans sergilemektedir, ölçeklenebilirlik ise verimli algoritmalar ve potansiyel blok zinciri dağıtık sistemler aracılığıyla yönetilmektedir, ancak belirli oyun motorları veya blok zinciri ağlarının sınırlamalarına tabi olabilir.
Rig çerçevesi, yüksek verimlilikteki uygulamalar için tasarlanmış Rust'ın ölçeklenebilirlik özelliklerini kullanır; bu durum kurumsal düzeyde dağıtımlar için özellikle etkilidir, ancak bu, gerçek ölçeklenebilirliğin sağlanmasının karmaşık bir yapılandırma gerektirebileceği anlamına gelebilir.
Zerepy'nin ölçeklenebilirliği yaratıcı çıktılara yöneliktir, topluluk katkıları ile desteklenmektedir, ancak odak noktası daha geniş bir yapay zeka ortamındaki uygulamalarını sınırlayabilir; ölçeklenebilirlik, kullanıcı sayısından ziyade yaratıcı görevlerin çeşitliliği tarafından test edilebilir.
Uyum açısından, ELIZA eklenti sistemi ve çoklu platform uyumluluğu ile öne çıkıyor, oyun ortamındaki GAME ve karmaşık AI görevlerini işleyen Rig de oldukça başarılı. ZerePy yaratıcılık alanında yüksek bir uyum sergiliyor, ancak daha geniş yapay zeka uygulamaları için pek uygun değil.
Performans açısından, ELIZA hızlı sosyal medya etkileşimleri için optimize edilmiştir, hızlı yanıt süresi kritik öneme sahiptir, ancak daha karmaşık hesaplama görevlerini işlerken performansı farklılık gösterebilir.
Virtual Protocol tarafından geliştirilen GAME, oyun sahnelerindeki yüksek performanslı gerçek zamanlı etkileşime odaklanmakta, verimli karar alma süreçleri ve potansiyel blok zinciri kullanarak merkeziyetsiz yapay zeka operasyonları gerçekleştirmektedir.
Rig çerçevesi Rust diline dayanmaktadır ve yüksek performanslı hesaplama görevleri için mükemmel bir performans sunar, hesaplama verimliliğinin kritik önemde olduğu kurumsal uygulamalar için uygundur.
Zerepy'nin performansı, yaratıcı içerik oluşturma için özel olarak tasarlanmıştır ve göstergeleri içerik üretiminin verimliliği ve kalitesine odaklanmaktadır, bu nedenle yaratıcı alanın dışında pek genel olmayabilir.
ELIZA'nın avantajı, eklenti sistemi ve rol yapılandırması sayesinde yüksek bir uyum sağlamak için esneklik ve ölçeklenebilirlik sunmasıdır; bu da çoklu platform sosyal AI etkileşimlerine olanak tanır.
GAME, oyunda benzersiz bir gerçek zamanlı etkileşim özelliği sunmakta ve blok zinciri entegrasyonu ile yenilikçi AI katılımını artırmaktadır.
Rig'in avantajları, uzun vadeli projelerin sağlığı için temiz, modüler kod sağlamaya odaklanarak, işletmelere yönelik yapay zeka görevlerindeki performans ve ölçeklenebilirliktir.
Zerepy, yaratıcılığı geliştirme konusunda uzmandır ve dijital sanat yapay zeka uygulamalarında lider konumdadır. Ayrıca, dinamik bir topluluk destekli gelişim modeli ile hareket etmektedir.
Her çerçevenin kendi sınırlamaları vardır, ELIZA hala erken aşamadır ve potansiyel kararlılık sorunları ile yeni geliştiricilerin öğrenme eğrisi vardır, niş Game daha geniş bir uygulamayı kısıtlayabilir ve blok zinciri karmaşıklığı artırır, Rig'in Rust'tan oluşan dik öğrenme eğrisi bazı geliştiricileri korkutabilir, Zerepy'nin yaratıcı çıktıya olan dar odaklanması ise diğer AI alanlarındaki kullanımını kısıtlayabilir.
(3) Çerçeve Karşılaştırma Özeti
Rig (ARC)：
Dil: Rust, güvenlik ve performansa odaklanır.
Kullanım durumu: Verimlilik ve ölçeklenebilirliğe odaklandığı için kurumsal AI uygulamaları için ideal bir seçim.
Topluluk: Topluluk tarafından pek yönlendirilmemekte, daha çok teknik geliştiricilere odaklanılmakta.
Eliza (AI16Z)：
Dil: TypeScript, web3'ün esnekliği ve topluluk katılımını vurgular.
Kullanım durumu: Sosyal etkileşim, DAO ve ticaret için tasarlanmış, çoklu ajan sistemlerine özellikle vurgu yapmaktadır.
Topluluk: Yüksek derecede topluluk odaklı, geniş bir GitHub katılımına sahip.
ZerePy (ZEREBRO)：
Dil: Python, daha geniş bir AI geliştirici tabanı için kullanılabilir hale getirmek.
Kullanım Durumu: Sosyal medya otomasyonu ve daha basit AI ajanı görevleri için uygundur.
Topluluk: Göreceli olarak yeni, ancak Python'un popülaritesi ve AI16Z katkıcılarının desteği sayesinde büyümesi bekleniyor.
OYUN (SANAL):
Odak: Otonom, kendi kendine uyum sağlayan yapay zeka ajanları, sanal ortamdaki etkileşimlere göre evrilebilir.
Kullanım Durumu: AI ajanlarının öğrenme ve uyum sağlama için en uygun senaryolar, örneğin oyun veya sanal dünya.
Topluluk: Yenilikçi bir topluluk, ancak hala rekabetteki konumunu belirlemeye çalışıyor.
3. Github Üzerindeki Star Veri Eğilimleri
Yukarıdaki grafik, bu çerçevelerin yayımlanmasından bu yana GitHub star takip verilerini göstermektedir. GitHub star'larının, topluluk ilgisi, proje popülaritesi ve projenin algılanan değeri açısından bir gösterge olduğu unutulmamalıdır.
ELIZA (Kırmızı Hat):
Temmuz ayındaki düşük bazdan başlayarak, Kasım ayının sonlarına doğru star sayısındaki büyük artışla (61,000 yıldıza ulaştı) insanların ilgisinin hızla arttığını ve geliştiricilerin dikkatini çektiğini gösteriyor. Bu üssel büyüme, ELIZA'nın işlevselliği, güncellemeleri ve topluluk katılımı sayesinde büyük bir çekim kazandığını göstermektedir. Popülaritesi diğer rakiplerinin çok ötesinde ve bu, güçlü bir topluluk desteğine sahip olduğunu ve yapay zeka topluluğunda daha geniş bir uygulanabilirlik veya ilgiye sahip olduğunu gösteriyor.
RIG (mavi hat):
Rig, dört büyük çerçeveden en eski olanıdır, yıldız sayısı makul düzeydedir ancak sürekli olarak artmaktadır, önümüzdeki ay içinde büyük ölçüde artması muhtemeldir. Şu anda 1700 yıldız seviyesine ulaşmıştır, ancak hala yükselmeye devam etmektedir. Sürekli geliştirme, güncellemeler ve artan kullanıcı sayısı, kullanıcı ilgisinin sürekli birikmesinin nedenidir. Bu, çerçevenin kullanıcılarının niş olabileceğini veya hala itibar biriktiriyor olabileceğini yansıtıyor olabilir.
ZEREPY (Sarı Hat):
ZerePy birkaç gün önce piyasaya sürüldü ve 181 yıldız topladı. ZerePy'nin görünürlüğünü ve benimsenme oranını artırmak için daha fazla geliştirmeye ihtiyaç duyduğunu vurgulamak önemlidir. AI16Z ile işbirliği, daha fazla kod katkıcısı çekebilir.
OYUN (Yeşil Hat):
Bu projenin yıldız sayısı en az, dikkat edilmesi gereken nokta, bu çerçevenin API aracılığıyla sanal ekosistemdeki aracılara doğrudan uygulanabilmesidir, böylece Github görünürlüğüne olan ihtiyaç ortadan kalkmaktadır. Ancak, bu çerçeve yalnızca bir aydan biraz daha önce inşaatçılara açık hale geldi ve 200'den fazla proje GAME ile inşa edilmektedir.
4. Çerçeve Yükseliş Nedenleri
Eliza'nın V2 versiyonu, Coinbase proxy paketini entegre edecek. Eliza'yı kullanan tüm projeler gelecekte yerel TEE'yi destekleyecek, böylece proxy'ler güvenli bir ortamda çalışabilecektir. Eliza'nın çok yakında sunacağı bir özellik, geliştiricilerin eklentileri sorunsuz bir şekilde kaydedip entegre edebileceği eklenti kaydı (Plugin Registry) olacak.
Ayrıca, Eliza V2 otomatik anonim çapraz platform mesajlaşmasını destekleyecek. Token ekonomisi beyaz kitabının 1 Ocak 2025'te yayımlanması planlanıyor ve bu, Eliza çerçevesinin temel AI16Z tokeni üzerinde olumlu bir etki yaratması bekleniyor. AI16Z, çerçevenin işlevselliğini artırmaya devam etmeyi ve yüksek kaliteli yetenekleri çekmeye devam etmeyi planlıyor; ana katkı sağlayıcılarının çabaları, bunun mümkün olduğunu kanıtladı.
GAME çerçevesi, aracıların kodsuz entegrasyon sağlamasına olanak tanır ve hem GAME hem de ELIZA'nın belirli amaçlara hizmet ettiği tek bir projede aynı anda kullanılmasına izin verir. Bu yaklaşım, teknik karmaşıklıktan ziyade iş mantığına odaklanan inşaatçıları çekme umudunu taşımaktadır. Çerçeve sadece 30 gün önce kamuya açık bir şekilde yayınlanmasına rağmen, ekibin daha fazla katkı sağlayıcıyı çekme çabalarıyla önemli ilerlemeler kaydedilmiştir. VIRTUAL üzerinde başlatılan tüm projelerin GAME kullanması beklenmektedir.
ARC tokenunu temsil eden Rig, büyük bir potansiyele sahip olmasına rağmen, çerçevesi hala erken büyüme aşamasındadır ve projeyi benimseme planları da yalnızca birkaç gün önce çevrimiçi olmuştur. ARC'yi benimseyen yüksek kaliteli projelerin yakında ortaya çıkması beklenmektedir, tıpkı Virtual döner tekerleği gibi, ancak odak noktası Solana'dadır. Ekip, Solana ile işbirliği konusunda iyimserdir ve ARC'nin Solana ile olan ilişkisini Virtual'ın Base ile olan ilişkisine benzetmektedir. Dikkate değer olan, ekibin yalnızca yeni projelerin Rig ile başlamasını teşvik etmekle kalmayıp, aynı zamanda geliştiricilerin Rig çerçevesinin kendisini güçlendirmesini de teşvik etmesidir.
Zerepy, Eliza ile iş birliği sayesinde giderek daha fazla ilgi gören yeni bir çerçevedir. Bu çerçeve, onu aktif bir şekilde geliştiren Eliza katkı sağlayıcılarını kendine çekmektedir. ZEREBRO hayranlarının teşvikiyle, tutkulu bir takipçi kitlesine sahip olup, daha önce yapay zeka altyapısı rekabetinde temsil edilmeyen Python geliştiricilerine yeni fırsatlar sunmaktadır. Bu çerçeve, AI yaratıcılığı alanında önemli bir rol oynayacaktır.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
ELIZA, GAME, ARC ve ZEREPY dört büyük Crypto X AI çerçevesinin karşılaştırması
Yazar: Deep Value Memetics, Çeviri: Altın Finansxiaozou
Bu yazıda Crypto X AI çerçevesinin geleceğini tartışacağız. Mevcut dört ana çerçeveye (ELIZA, GAME, ARC, ZEREPY) ve bunların teknik farklılıklarına odaklanacağız.
1. Giriş
Geçtiğimiz hafta ELIZA, GAME, ARC ve ZEREPY adlı dört büyük Crypto X AI çerçevesini araştırıp test ettik, sonuçlarımız aşağıdaki gibidir.
AI16Z'nin liderliğini sürdürmeye devam edeceğine inanıyoruz. Eliza'nın değeri (pazar payı yaklaşık %60, piyasa değeri 1 milyar dolardan fazla) ilk hareket avantajında (Lindy etkisi) ve giderek daha fazla geliştirici tarafından kullanılmasıyla ortaya çıkmaktadır; 193 katkıda bulunan, 1800'den fazla çatal ve 6000'den fazla yıldız gibi veriler bunu kanıtlıyor ve onu Github'daki en popüler kod havuzlarından biri haline getiriyor.
Şu ana kadar, GAME'in (piyasa payı yaklaşık %20, piyasa değeri yaklaşık 300 milyon dolar) gelişimi oldukça başarılı geçti, hızlı bir benimseme sağlıyor. VIRTUAL'un yeni duyurusuna göre, bu platformda 200'den fazla proje, günlük 150.000 talep ve %200'lük bir haftalık büyüme oranı var. GAME, VIRTUAL'un yükselişinden faydalanmaya devam edecek ve ekosistemindeki en büyük kazananlardan biri olacak.
Rig (ARC, pazar payı yaklaşık %15, piyasa değeri yaklaşık 160 milyon USD) oldukça dikkat çekici, çünkü modüler tasarımı çok kolay kullanılıyor ve Solana ekosisteminde (RUST) "pure-play" olarak baskın bir konumda yer alabiliyor.
Zerepy (pazar payı yaklaşık %5, piyasa değeri yaklaşık 300 milyon dolar) ZEREBRO topluluğuna yönelik, nispeten niş bir uygulamadır ve son zamanlarda ai16z topluluğu ile yaptığı işbirliği sinerji yaratabilir.
Pazar payı hesaplamamızın piyasa değeri, geliştirme kayıtları ve alt sistem işletim sistemi terminal pazarını kapsadığını fark ettik.
Bu piyasa döngüsünde, çerçeve alt pazarının en hızlı büyüyen alan olacağını düşünüyoruz, 1.7 milyar dolarlık toplam piyasa değeri kolayca 20 milyar dolara çıkabilir; bu, 2021'de L1'in zirve değerlemesi ile karşılaştırıldığında hala görece temkinli. O zaman birçok L1'in değerlemesi 20 milyar doların üzerine çıktı. Bu çerçeveler farklı son pazarları (zincir/ekosistem) hizmet etse de, bu alanın sürekli bir yükseliş trendinde olduğunu düşündüğümüz için, piyasa değeri ağırlıklı yöntem en temkinli yaklaşım olabilir.
2, Dört Ana Çerçeve
Aşağıdaki tabloda, ana çerçevelerin temel teknolojilerini, bileşenlerini ve avantajlarını sıraladık.
(1) Çerçeve Genel Bakış
AI X Crypto kesişim alanında, AI gelişimini teşvik eden birkaç çerçeve bulunmaktadır. Bunlar AI16Z'nin ELIZA'sı, ARC'nin RIG'i, ZEREPY'nin ZEREBRO'su ve GAME'in VIRTUAL'ıdır. Her bir çerçeve, açık kaynak topluluk projelerinden performansa odaklanan kurumsal çözümlere kadar, AI ajanı geliştirme sürecindeki farklı ihtiyaç ve idealleri karşılamaktadır.
Bu yazıda öncelikle çerçeveleri tanıtacağız, bunların ne olduğunu, hangi programlama dillerini, teknik mimarileri ve algoritmaları kullandıklarını, ne gibi benzersiz özelliklere sahip olduklarını ve çerçevenin potansiyel kullanım durumlarının neler olabileceğini açıklayacağız. Ardından, her çerçeveyi kullanılabilirlik, ölçeklenebilirlik, uyumluluk ve performans açısından karşılaştırarak, kendi avantajlarını ve sınırlamalarını keşfedeceğiz.
ELIZA (ai16z tarafından geliştirildi)
Eliza, özerk AI ajanları oluşturmak, dağıtmak ve yönetmek amacıyla tasarlanmış çoklu ajan simülasyonu açık kaynak çerçevesidir. TypeScript programlama dili kullanılarak geliştirilmiştir ve akıllı ajanlar inşa etmek için esnek ve ölçeklenebilir bir platform sunar. Bu akıllı ajanlar, birden fazla platformda insanlarla etkileşimde bulunabilir ve tutarlı bir kişilik ve bilgiye sahip olabilir.
Bu çerçevenin temel işlevleri, birden fazla benzersiz AI kişiliğini aynı anda dağıtma ve yönetme desteği sunan çoklu ajan mimarisi, farklı ajanlar oluşturmak için rol dosyası çerçevesi kullanan bir rol sistemi ve uzun vadeli bellek ve bağlam farkındalığına sahip bellek yönetim işlevleri sağlayan Gelişmiş Arama Artırma (RAG) sistemi içerir. Ayrıca, Eliza çerçevesi, Discord, X ve diğer sosyal medya platformlarıyla güvenilir bağlantılar kurarak sorunsuz bir platform entegrasyonu sağlar.
AI aracılarının iletişim ve medya işlevleri açısından Eliza mükemmel bir seçimdir. İletişim açısından, bu çerçeve Discord'un sesli kanal işlevi, X işlevi, Telegram ve özelleştirilmiş kullanım durumları için API doğrudan erişimi entegrasyonunu desteklemektedir. Öte yandan, bu çerçevenin medya işleme yetenekleri PDF belgelerini okuma ve analiz etme, bağlantı içeriği çıkarma ve özetleme, ses transkripti, video içerik işleme, görüntü analizi ve diyalog özetleme gibi işlevlerle genişletilebilir ve farklı medya giriş ve çıkışlarını etkili bir şekilde işleyebilir.
Eliza çerçevesi, açık kaynaklı modellerin yerel çıkarımı, OpenAI'nin bulut çıkarımı ve varsayılan yapılandırmalar (örneğin, Nous Hermes Llama 3.1B) aracılığıyla esnek AI model desteği sağlar ve Claude'un karmaşık görevleri işleme desteğini entegre etmiştir. Eliza, modüler bir mimari benimser, geniş bir işletim sistemi, özelleştirilmiş istemci desteği ve kapsamlı API'ler ile uygulamalar arasında ölçeklenebilirlik ve uyum sağlanmasını garanti eder.
Eliza'nın kullanım örnekleri birçok alana yayılmaktadır; örneğin, müşteri desteği, topluluk denetimi ve kişisel görevler için AI asistanı, içerik otomatik oluşturucu, etkileşimli robotlar ve marka temsilcisi gibi sosyal medya rolleri. Ayrıca, bilgi çalışanı olarak araştırma asistanı, içerik analisti ve belge işleyici gibi rolleri üstlenebilir ve rol yapma robotları, eğitim mentorları ve temsilci gibi etkileşimli rollerin destekçisi olabilir.
Eliza'nın mimarisi, ajan çalışma zamanı (agent runtime) etrafında inşa edilmiştir; ajan çalışma zamanı, rol sistemi (model sağlayıcıları tarafından desteklenir), bellek yöneticisi (veritabanına bağlanır) ve işletim sistemi (platform istemcisi ile bağlantılı) ile sorunsuz bir şekilde entegre olur. Bu çerçevenin benzersiz özellikleri arasında, modüler işlevsellik genişletmeyi destekleyen eklenti sistemi, ses, metin ve medya gibi çok modlu etkileşimleri destekler ve Llama, GPT-4 ve Claude gibi önde gelen AI modelleri ile uyumludur. Çeşitli işlevselliği ve güçlü tasarımı sayesinde, Eliza, farklı alanlarda AI uygulamaları geliştirmek için güçlü bir araç olarak öne çıkmaktadır.
G.A.M.E (Virtuals Protocol tarafından geliştirilen)
Üretken Otonom Çok Modlu Varlık Çerçevesi (G.A.M.E), geliştiricilere AI ajan deneyleri için API ve SDK erişimi sağlamayı amaçlamaktadır. Bu çerçeve, AI ajanlarının davranışlarını, karar verme süreçlerini ve öğrenme süreçlerini yönetmek için yapılandırılmış bir yaklaşım sunar.
Temel bileşenleri aşağıdaki gibidir: Öncelikle, Ajan Promt Arayüzü (Agent Prompting Interface) geliştiricilerin GAME'i ajana entegre ederek ajanın davranışlarına erişim noktasıdır. Algılama Alt Sistemi (Perception Subsystem), oturum kimliği, ajan kimliği, kullanıcı ve diğer ilgili detaylar gibi parametreleri belirleyerek oturumu başlatır.
Bu, gelen bilgileri Stratejik Planlama Motoru (Strategic Planning Engine) için uygun bir formata dönüştürerek AI ajanı olarak hissetme giriş mekanizması olarak işlev görür; bu, ister diyalog ister tepki biçiminde olsun. Temelinde, ajandan gelen mesajları ve yanıtları işlemek için diyalog işleme modülü vardır ve girişleri etkili bir şekilde yorumlamak ve yanıt vermek için algılama alt sistemi ile işbirliği yapar.
Stratejik planlama motoru, diyalog işleme modülü ve blok zinciri üzerindeki cüzdan operatörü birlikte çalışarak yanıtlar ve planlar üretir. Bu motorun işlevi iki düzeye sahiptir: yüksek düzeyde planlayıcı olarak, bağlama veya hedefe göre geniş stratejiler oluşturmak; düşük düzeyde strateji olarak, bu stratejileri eyleme dönüştüren bir strateji belirleyicisi ve görevleri yerine getiren bir plan yürütücüsüne daha da ayırmaktır.
Ayrıca, bağımsız ama önemli bir bileşen olan Dünya Bağlamı, çevreyi, küresel bilgileri ve oyun durumunu referans alarak ajanların karar vermesi için gerekli olan bağlamı sağlar. Ayrıca, Ajan Deposu, hedefler, yansıma, deneyim ve kişilik gibi uzun vadeli özellikleri depolamak için kullanılır; bu özellikler ajanların davranışlarını ve karar verme süreçlerini şekillendirir.
Bu çerçeve, kısa vadeli çalışma belleği ve uzun vadeli bellek işleyicisi kullanır. Kısa vadeli bellek, önceki davranışların, sonuçların ve mevcut planların ilgili bilgilerini saklar. Buna karşılık, uzun vadeli bellek işleyicisi, önem, yakınlık ve alaka gibi kriterlere göre anahtar bilgileri çıkarır. Uzun vadeli bellek, temsilcinin deneyimlerini, yansımalarını, dinamik kişiliğini, dünya bağlamını ve çalışma belleği gibi bilgileri saklayarak karar verme süreçlerini güçlendirir ve öğrenme temeli sağlar.
Öğrenme modülü, algılama alt sisteminden gelen verileri kullanarak genel bilgi üretir; bu bilgiler, gelecekteki etkileşimlerin geliştirilmesi için sisteme geri bildirim olarak verilir. Geliştiriciler, AI ajanının öğrenme yeteneğini artırmak ve planlama ile karar verme yeteneklerini geliştirmek için arayüz aracılığıyla eylemler, oyun durumu ve duyusal veriler hakkındaki geri bildirimleri girebilirler.
Çalışma akışı, geliştiricilerin bir proxy istemci arayüzü aracılığıyla etkileşimde bulunmasıyla başlar. Girdi, algılama alt sistemi tarafından işlenir ve diyalog işleme modülüne iletilir, diyalog işleme modülü etkileşim mantığını yönetmekten sorumludur. Ardından, stratejik planlama motoru bu bilgilere dayanarak planlar oluşturur ve uygular, üst düzey stratejileri ve ayrıntılı eylem planlarını kullanır.
Dünya bağlamı ve aracılara ait depolama alanlarından gelen veriler, bu süreçleri bilgilendirirken, çalışma belleği anlık görevlerin izlenmesini sağlar. Bu arada, uzun süreli bellek işlemcisi, uzun süreli bilgileri depolar ve geri alır. Öğrenme modülü sonuçları analiz eder ve yeni bilgileri sisteme entegre eder, böylece aracının davranışları ve etkileşimleri sürekli olarak geliştirilebilir.
RIG (ARC tarafından geliştirildi)
Rig, büyük dil modelleri uygulamalarının geliştirilmesini basitleştirmek için tasarlanmış açık kaynaklı bir Rust çerçevesidir. OpenAI ve Anthropic gibi birçok LLM sağlayıcısıyla etkileşim kurmak için birleştirilmiş bir arayüz sağlar ve MongoDB ve Neo4j gibi çeşitli vektör depolarını destekler. Bu çerçevenin modüler mimarisinin benzersizliği, LLM'lerin kesintisiz etkileşimini kolaylaştırmak için sağlayıcı soyutlama katmanı (Provider Abstraction Layer), vektör depolama entegrasyonu ve ajan sistemleri gibi temel bileşenlerindedir.
Rig'in ana hedef kitlesi, Rust ile AI/ML uygulamaları geliştiren geliştiricilerdir. İkinci olarak, kendi Rust uygulamalarına birden fazla LLM sağlayıcısını ve vektör depolamayı entegre etmek isteyen çeşitli kuruluşları da içerir. Depo, ölçeklenebilirlik ve verimli proje yönetimini destekleyen birden fazla crate ile çalışma alanı mimarisini kullanır. Anahtar özellikleri arasında, farklı LLM sağlayıcıları arasında tamamlanma ve gömme API'sini standartlaştıran, tutarlı hata işleme ile sağlayıcı soyutlama katmanı bulunmaktadır. Vektör Depolama Entegrasyonu bileşeni, birden fazla arka uç için bir soyut arayüz sunar ve vektör benzerliği aramasını destekler. Ajan sistemi, LLM etkileşimini basitleştirir, bilgi artırımlı üretimi (RAG) ve araç entegrasyonunu destekler. Ayrıca, gömme çerçevesi toplu işleme işlevselliği ve tür güvenliği olan gömme işlemleri sağlar.
Rig, güvenilirlik ve performansı sağlamak için çok sayıda teknik avantaj kullanmaktadır. Asenkron işlemler, çok sayıda eşzamanlı isteği etkili bir şekilde işlemek için Rust'ın asenkron çalışma zamanını kullanır. Çerçevenin doğasında bulunan hata işleme mekanizması, yapay zeka sağlayıcıları veya veritabanı işlemlerinin başarısızlıklarına karşı kurtarma yeteneğini artırır. Tip güvenliği, derleme sürecindeki hataları önleyerek kodun bakımını artırır. Verimli seri hale getirme ve tersine çevirme süreçleri, JSON gibi formatlardaki veri işleme desteği sağlar ki bu da AI hizmetleri iletişimi ve depolama için kritik öneme sahiptir. Ayrıntılı günlük kaydı ve izleme, uygulamaların hata ayıklaması ve izlenmesine daha fazla yardımcı olur.
Rig'in çalışma akışı, istemcide bir isteğin başlatılmasıyla başlar; bu istek, sağlayıcı soyutlama katmanı aracılığıyla uygun LLM modeli ile etkileşimde bulunur. Ardından, veriler çekirdek katman tarafından işlenir; bu katmanda, ajanlar araçlar kullanabilir veya bağlamın vektör deposuna erişebilir. Yanıt, istemciye geri gönderilmeden önce karmaşık bir iş akışı (örneğin RAG) aracılığıyla üretilir ve rafine edilir; bu süreç, belge alımı ve bağlam anlayışını içerir. Sistem, birden fazla LLM sağlayıcısını ve vektör deposunu entegre eder ve modelin kullanılabilirliği veya performans güncellemelerine uyum sağlar.
Rig'in kullanım durumları çok çeşitlidir; bunlar arasında ilgili belgeleri sorgulayarak doğru yanıtlar sağlayan soru-cevap sistemleri, etkili içerik keşfi için belge arama ve alma sistemleri ile müşteri hizmetleri veya eğitim için bağlamdan haberdar etkileşim sunan sohbet robotları veya sanal asistanlar bulunmaktadır. Ayrıca, öğrenme modlarına dayalı metin ve diğer materyaller oluşturmayı destekleyerek içerik üretimini de destekler, bu da onu geliştiriciler ve organizasyonlar için evrensel bir araç haline getirir.
Zerepy (ZEREPY ve blorm tarafından geliştirildi)
ZerePy, OpenAI veya Anthropic LLM'yi X üzerinde dağıtmak için tasarlanmış, Python dilinde yazılmış açık kaynaklı bir çerçevedir. Zerebro arka ucundan kaynaklanan modüler bir versiyon olan ZerePy, geliştiricilerin Zerebro'nun temel işlevlerine benzer özelliklere sahip ajanlar başlatmasına olanak tanır. Bu çerçeve, ajan dağıtımı için bir temel sağlarken, yaratıcı çıktılar üretmek için modeli ince ayar yapmak şarttır. ZerePy, özellikle sosyal platformlarda içerik yaratımı için kişiselleştirilmiş AI ajanlarının geliştirilmesi ve dağıtımını kolaylaştırarak, sanat ve merkeziyetsiz uygulamalara yönelik AI destekli yaratıcı bir ekosistem geliştirmiştir.
Bu çerçeve Python ile geliştirilmiştir ve ajanların özerkliğine vurgu yaparak yaratıcı çıktı üretimine odaklanmaktadır. ELIZA'nın mimarisiyle ve ELIZA ile olan işbirliği ile tutarlıdır. Modüler tasarımı bellek sistemi entegrasyonunu destekler ve sosyal platformlarda ajanların dağıtımını mümkün kılar. Ana işlevler arasında ajan yönetimi için bir komut satırı arayüzü, Twitter ile entegrasyon, OpenAI ve Anthropic LLM desteği ve işlevselliği artırmak için modüler bağlantı sistemi bulunmaktadır.
ZerePy'nin kullanım alanları sosyal medya otomasyonu alanını kapsamaktadır, kullanıcılar yayın yapmak, yanıt vermek, beğenmek ve paylaşmak için yapay zeka ajanlarını kullanarak platform etkileşimini artırabilirler. Ayrıca müzik, meme ve NFT gibi alanlarda içerik oluşturmayı da destekleyerek, dijital sanat ve blok zinciri tabanlı içerik platformları için önemli bir araç haline gelmektedir.
(2) Dört Büyük Çerçeve Karşılaştırması
Bizim görüşümüze göre, her çerçeve yapay zeka geliştirme için belirli ihtiyaçlara ve ortamlara uygun benzersiz bir yaklaşım sunmaktadır. Bu nedenle, bu çerçeveler arasındaki rekabetten ziyade, her bir çerçevenin benzersizliğine odaklanıyoruz.
ELIZA, kullanıcı dostu arayüzü ile öne çıkıyor, özellikle JavaScript ve Node.js ortamına aşina olan geliştiriciler için. Kapsamlı belgeleri, yapay zeka ajanlarını çeşitli platformlarda kurmaya yardımcı olur, ancak geniş özellik seti belirli bir öğrenme eğrisi getirebilir. TypeScript ile geliştirilmiş olan Eliza, web'e entegre ajanlar inşa etmek için ideal bir seçimdir, çünkü çoğu web altyapısının ön yüzü TypeScript ile geliştirilmiştir. Bu çerçeve, Discord, X ve Telegram gibi platformlarda farklı yapay zeka kişiliklerinin dağıtılabilmesi ile tanınan çoklu ajan mimarisi ile bilinir. Gelişmiş bellek yönetimi RAG sistemi, müşteri destek veya sosyal medya uygulamalarındaki yapay zeka asistanları için özellikle etkilidir. Esneklik, güçlü bir topluluk desteği ve tutarlı bir çapraz platform performansı sağlasa da, hala erken aşamalardadır ve geliştiriciler için bir öğrenme eğrisi oluşturabilir.
GAME, oyun geliştiricileri için tasarlanmış bir platformdur ve API aracılığıyla düşük kod veya kodsuz bir arayüz sunarak oyun alanındaki teknik bilgi seviyesi düşük kullanıcıların da kullanımına olanak tanır. Ancak, oyun geliştirme ve blok zinciri entegrasyonuna odaklanması nedeniyle, ilgili deneyimi olmayan kişiler için dik bir öğrenme eğrisi oluşturabilir. Program içerik üretimi ve NPC davranışları konusunda öne çıkmasına rağmen, belirli bir alt alan ve blok zinciri entegrasyonunun getirdiği karmaşıklıklarla sınırlıdır.
Rust dilinin kullanılması nedeniyle, bu dilin karmaşıklığı göz önüne alındığında, Rig pek dostane olmayabilir; bu da önemli öğrenme zorlukları getirmektedir. Ancak sistem programlamasında yetkin olanlar için sezgisel bir etkileşim sunmaktadır. TypeScript ile karşılaştırıldığında, bu programlama dili kendisi performans ve bellek güvenliği (memory safety) ile tanınmaktadır. Karmaşık AI algoritmalarını çalıştırmak için gerekli olan katı derleme zamanı kontrolleri ve sıfır maliyetli soyutlamalar sunmaktadır. Bu dil son derece verimlidir ve düşük düzey kontrolü, onu kaynak yoğun yapay zeka uygulamaları için ideal bir seçenek haline getirmektedir. Bu çerçeve, modüler ve ölçeklenebilir tasarıma sahip yüksek performanslı çözümler sunarak, kurumsal uygulamalar için ideal bir seçim haline gelmektedir. Ancak Rust ile tanışık olmayan geliştiriciler için Rust kullanmak kaçınılmaz olarak dik bir öğrenme eğrisi ile karşılaşmalarını gerektirmektedir.
ZerePy, Python kullanarak yaratıcı AI görevleri için yüksek kullanılabilirlik sağlar. Python geliştiricileri için öğrenme eğrisi daha düşüktür, özellikle AI/ML geçmişine sahip olan geliştiriciler için ve Zerebro'nun kripto topluluğu sayesinde güçlü bir topluluk desteğinden faydalanır. ZerePy, NFT gibi yaratıcı yapay zeka uygulamalarında uzmanlaşmıştır ve kendisini dijital medya ve sanat için güçlü bir araç olarak konumlandırmaktadır. Yaratıcılık açısından büyümesine rağmen, diğer çerçevelerle karşılaştırıldığında kapsamı nispeten dardır.
Ölçeklenebilirlik açısından, ELIZA V2 güncellemesinde önemli ilerlemeler kaydetti; birleşik bir mesaj hattı ve çoklu platformlarda etkili yönetimi destekleyen ölçeklenebilir bir çekirdek çerçeve getirdi. Ancak, optimizasyon yapılmadığı takdirde, bu çoklu platform etkileşiminin yönetimi ölçeklenebilirlik açısından zorluklar yaratabilir.
GAME, oyunların gerektirdiği gerçek zamanlı işlem açısından mükemmel bir performans sergilemektedir, ölçeklenebilirlik ise verimli algoritmalar ve potansiyel blok zinciri dağıtık sistemler aracılığıyla yönetilmektedir, ancak belirli oyun motorları veya blok zinciri ağlarının sınırlamalarına tabi olabilir.
Rig çerçevesi, yüksek verimlilikteki uygulamalar için tasarlanmış Rust'ın ölçeklenebilirlik özelliklerini kullanır; bu durum kurumsal düzeyde dağıtımlar için özellikle etkilidir, ancak bu, gerçek ölçeklenebilirliğin sağlanmasının karmaşık bir yapılandırma gerektirebileceği anlamına gelebilir.
Zerepy'nin ölçeklenebilirliği yaratıcı çıktılara yöneliktir, topluluk katkıları ile desteklenmektedir, ancak odak noktası daha geniş bir yapay zeka ortamındaki uygulamalarını sınırlayabilir; ölçeklenebilirlik, kullanıcı sayısından ziyade yaratıcı görevlerin çeşitliliği tarafından test edilebilir.
Uyum açısından, ELIZA eklenti sistemi ve çoklu platform uyumluluğu ile öne çıkıyor, oyun ortamındaki GAME ve karmaşık AI görevlerini işleyen Rig de oldukça başarılı. ZerePy yaratıcılık alanında yüksek bir uyum sergiliyor, ancak daha geniş yapay zeka uygulamaları için pek uygun değil.
Performans açısından, ELIZA hızlı sosyal medya etkileşimleri için optimize edilmiştir, hızlı yanıt süresi kritik öneme sahiptir, ancak daha karmaşık hesaplama görevlerini işlerken performansı farklılık gösterebilir.
Virtual Protocol tarafından geliştirilen GAME, oyun sahnelerindeki yüksek performanslı gerçek zamanlı etkileşime odaklanmakta, verimli karar alma süreçleri ve potansiyel blok zinciri kullanarak merkeziyetsiz yapay zeka operasyonları gerçekleştirmektedir.
Rig çerçevesi Rust diline dayanmaktadır ve yüksek performanslı hesaplama görevleri için mükemmel bir performans sunar, hesaplama verimliliğinin kritik önemde olduğu kurumsal uygulamalar için uygundur.
Zerepy'nin performansı, yaratıcı içerik oluşturma için özel olarak tasarlanmıştır ve göstergeleri içerik üretiminin verimliliği ve kalitesine odaklanmaktadır, bu nedenle yaratıcı alanın dışında pek genel olmayabilir.
ELIZA'nın avantajı, eklenti sistemi ve rol yapılandırması sayesinde yüksek bir uyum sağlamak için esneklik ve ölçeklenebilirlik sunmasıdır; bu da çoklu platform sosyal AI etkileşimlerine olanak tanır.
GAME, oyunda benzersiz bir gerçek zamanlı etkileşim özelliği sunmakta ve blok zinciri entegrasyonu ile yenilikçi AI katılımını artırmaktadır.
Rig'in avantajları, uzun vadeli projelerin sağlığı için temiz, modüler kod sağlamaya odaklanarak, işletmelere yönelik yapay zeka görevlerindeki performans ve ölçeklenebilirliktir.
Zerepy, yaratıcılığı geliştirme konusunda uzmandır ve dijital sanat yapay zeka uygulamalarında lider konumdadır. Ayrıca, dinamik bir topluluk destekli gelişim modeli ile hareket etmektedir.
Her çerçevenin kendi sınırlamaları vardır, ELIZA hala erken aşamadır ve potansiyel kararlılık sorunları ile yeni geliştiricilerin öğrenme eğrisi vardır, niş Game daha geniş bir uygulamayı kısıtlayabilir ve blok zinciri karmaşıklığı artırır, Rig'in Rust'tan oluşan dik öğrenme eğrisi bazı geliştiricileri korkutabilir, Zerepy'nin yaratıcı çıktıya olan dar odaklanması ise diğer AI alanlarındaki kullanımını kısıtlayabilir.
(3) Çerçeve Karşılaştırma Özeti
Rig (ARC)：
Dil: Rust, güvenlik ve performansa odaklanır.
Kullanım durumu: Verimlilik ve ölçeklenebilirliğe odaklandığı için kurumsal AI uygulamaları için ideal bir seçim.
Topluluk: Topluluk tarafından pek yönlendirilmemekte, daha çok teknik geliştiricilere odaklanılmakta.
Eliza (AI16Z)：
Dil: TypeScript, web3'ün esnekliği ve topluluk katılımını vurgular.
Kullanım durumu: Sosyal etkileşim, DAO ve ticaret için tasarlanmış, çoklu ajan sistemlerine özellikle vurgu yapmaktadır.
Topluluk: Yüksek derecede topluluk odaklı, geniş bir GitHub katılımına sahip.
ZerePy (ZEREBRO)：
Dil: Python, daha geniş bir AI geliştirici tabanı için kullanılabilir hale getirmek.
Kullanım Durumu: Sosyal medya otomasyonu ve daha basit AI ajanı görevleri için uygundur.
Topluluk: Göreceli olarak yeni, ancak Python'un popülaritesi ve AI16Z katkıcılarının desteği sayesinde büyümesi bekleniyor.
OYUN (SANAL):
Odak: Otonom, kendi kendine uyum sağlayan yapay zeka ajanları, sanal ortamdaki etkileşimlere göre evrilebilir.
Kullanım Durumu: AI ajanlarının öğrenme ve uyum sağlama için en uygun senaryolar, örneğin oyun veya sanal dünya.
Topluluk: Yenilikçi bir topluluk, ancak hala rekabetteki konumunu belirlemeye çalışıyor.
3. Github Üzerindeki Star Veri Eğilimleri
Yukarıdaki grafik, bu çerçevelerin yayımlanmasından bu yana GitHub star takip verilerini göstermektedir. GitHub star'larının, topluluk ilgisi, proje popülaritesi ve projenin algılanan değeri açısından bir gösterge olduğu unutulmamalıdır.
ELIZA (Kırmızı Hat):
Temmuz ayındaki düşük bazdan başlayarak, Kasım ayının sonlarına doğru star sayısındaki büyük artışla (61,000 yıldıza ulaştı) insanların ilgisinin hızla arttığını ve geliştiricilerin dikkatini çektiğini gösteriyor. Bu üssel büyüme, ELIZA'nın işlevselliği, güncellemeleri ve topluluk katılımı sayesinde büyük bir çekim kazandığını göstermektedir. Popülaritesi diğer rakiplerinin çok ötesinde ve bu, güçlü bir topluluk desteğine sahip olduğunu ve yapay zeka topluluğunda daha geniş bir uygulanabilirlik veya ilgiye sahip olduğunu gösteriyor.
RIG (mavi hat):
Rig, dört büyük çerçeveden en eski olanıdır, yıldız sayısı makul düzeydedir ancak sürekli olarak artmaktadır, önümüzdeki ay içinde büyük ölçüde artması muhtemeldir. Şu anda 1700 yıldız seviyesine ulaşmıştır, ancak hala yükselmeye devam etmektedir. Sürekli geliştirme, güncellemeler ve artan kullanıcı sayısı, kullanıcı ilgisinin sürekli birikmesinin nedenidir. Bu, çerçevenin kullanıcılarının niş olabileceğini veya hala itibar biriktiriyor olabileceğini yansıtıyor olabilir.
ZEREPY (Sarı Hat):
ZerePy birkaç gün önce piyasaya sürüldü ve 181 yıldız topladı. ZerePy'nin görünürlüğünü ve benimsenme oranını artırmak için daha fazla geliştirmeye ihtiyaç duyduğunu vurgulamak önemlidir. AI16Z ile işbirliği, daha fazla kod katkıcısı çekebilir.
OYUN (Yeşil Hat):
Bu projenin yıldız sayısı en az, dikkat edilmesi gereken nokta, bu çerçevenin API aracılığıyla sanal ekosistemdeki aracılara doğrudan uygulanabilmesidir, böylece Github görünürlüğüne olan ihtiyaç ortadan kalkmaktadır. Ancak, bu çerçeve yalnızca bir aydan biraz daha önce inşaatçılara açık hale geldi ve 200'den fazla proje GAME ile inşa edilmektedir.
4. Çerçeve Yükseliş Nedenleri
Eliza'nın V2 versiyonu, Coinbase proxy paketini entegre edecek. Eliza'yı kullanan tüm projeler gelecekte yerel TEE'yi destekleyecek, böylece proxy'ler güvenli bir ortamda çalışabilecektir. Eliza'nın çok yakında sunacağı bir özellik, geliştiricilerin eklentileri sorunsuz bir şekilde kaydedip entegre edebileceği eklenti kaydı (Plugin Registry) olacak.
Ayrıca, Eliza V2 otomatik anonim çapraz platform mesajlaşmasını destekleyecek. Token ekonomisi beyaz kitabının 1 Ocak 2025'te yayımlanması planlanıyor ve bu, Eliza çerçevesinin temel AI16Z tokeni üzerinde olumlu bir etki yaratması bekleniyor. AI16Z, çerçevenin işlevselliğini artırmaya devam etmeyi ve yüksek kaliteli yetenekleri çekmeye devam etmeyi planlıyor; ana katkı sağlayıcılarının çabaları, bunun mümkün olduğunu kanıtladı.
GAME çerçevesi, aracıların kodsuz entegrasyon sağlamasına olanak tanır ve hem GAME hem de ELIZA'nın belirli amaçlara hizmet ettiği tek bir projede aynı anda kullanılmasına izin verir. Bu yaklaşım, teknik karmaşıklıktan ziyade iş mantığına odaklanan inşaatçıları çekme umudunu taşımaktadır. Çerçeve sadece 30 gün önce kamuya açık bir şekilde yayınlanmasına rağmen, ekibin daha fazla katkı sağlayıcıyı çekme çabalarıyla önemli ilerlemeler kaydedilmiştir. VIRTUAL üzerinde başlatılan tüm projelerin GAME kullanması beklenmektedir.
ARC tokenunu temsil eden Rig, büyük bir potansiyele sahip olmasına rağmen, çerçevesi hala erken büyüme aşamasındadır ve projeyi benimseme planları da yalnızca birkaç gün önce çevrimiçi olmuştur. ARC'yi benimseyen yüksek kaliteli projelerin yakında ortaya çıkması beklenmektedir, tıpkı Virtual döner tekerleği gibi, ancak odak noktası Solana'dadır. Ekip, Solana ile işbirliği konusunda iyimserdir ve ARC'nin Solana ile olan ilişkisini Virtual'ın Base ile olan ilişkisine benzetmektedir. Dikkate değer olan, ekibin yalnızca yeni projelerin Rig ile başlamasını teşvik etmekle kalmayıp, aynı zamanda geliştiricilerin Rig çerçevesinin kendisini güçlendirmesini de teşvik etmesidir.
Zerepy, Eliza ile iş birliği sayesinde giderek daha fazla ilgi gören yeni bir çerçevedir. Bu çerçeve, onu aktif bir şekilde geliştiren Eliza katkı sağlayıcılarını kendine çekmektedir. ZEREBRO hayranlarının teşvikiyle, tutkulu bir takipçi kitlesine sahip olup, daha önce yapay zeka altyapısı rekabetinde temsil edilmeyen Python geliştiricilerine yeni fırsatlar sunmaktadır. Bu çerçeve, AI yaratıcılığı alanında önemli bir rol oynayacaktır.