المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة سوف نستكشف آفاق إطار عمل Crypto X AI. سنركز على أربعة أطر رئيسية حالياً (ELIZA و GAME و ARC و ZEREPY) والاختلافات التقنية لكل منها.
1، المقدمة
لقد قمنا بدراسة واختبار أربعة من الأطر الرئيسية للذكاء الاصطناعي في العملات المشفرة، وهي ELIZA وGAME وARC وZEREPY، على مدار الأسبوع الماضي، وخلصنا إلى النتائج التالية.
نعتقد أن AI16Z ستظل تهيمن. تكمن قيمة Eliza (حصة السوق حوالي 60٪، والقيمة السوقية تتجاوز مليار دولار) في ميزتها التنافسية الأولى (أثر ليندي) واستخدامها المتزايد من قبل المطورين، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع وأكثر من 6000 نجمة أنها واحدة من أكثر مستودعات الكود شعبية على Github.
حتى الآن، كان تطور GAME (حصة سوقية تبلغ حوالي 20٪، وقيمة سوقية تبلغ حوالي 300 مليون دولار) سلسًا للغاية، حيث تحقق اعتمادًا سريعًا، كما أعلنت VIRTUAL للتو أن المنصة تحتوي على أكثر من 200 مشروع، و150,000 طلب يوميًا ومعدل نمو أسبوعي يبلغ 200٪. ستستمر GAME في الاستفادة من صعود VIRTUAL، وستصبح واحدة من أكبر الفائزين في نظامها البيئي.
يعتبر Rig (ARC، حصة السوق حوالي 15%، والقيمة السوقية حوالي 160 مليون دولار) ملفتًا للغاية، نظرًا لتصميمه المعياري الذي يسهل تشغيله، ويمكن أن يتولى السيطرة كـ "pure-play" في نظام سولانا البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نيش نسبيًا، موجه خصيصًا لجمهور مجتمع ZEREBRO المتحمس، وقد يؤدي التعاون الأخير مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
نحن نلاحظ أن حساب حصتنا في السوق يغطي القيمة السوقية وسجلات التطوير وسوق أنظمة التشغيل الأساسية.
نعتقد أن السوق الفرعي للإطارات سيكون أسرع المجالات نمواً خلال دورة السوق الحالية، حيث من الممكن أن تصل القيمة السوقية الإجمالية البالغة 1.7 مليار دولار بسهولة إلى 20 مليار دولار، وهو ما لا يزال يعتبر متحفظاً نسبياً مقارنةً بأعلى تقييمات L1 في عام 2021، عندما تجاوزت تقييمات العديد من L1 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أنه بالنظر إلى أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، فإن طريقة الوزن حسب القيمة السوقية قد تكون الأكثر تحفظاً.
2، أربعة أطر
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا للإطارات الرئيسية.
في مجال تقاطع الذكاء الاصطناعي مع العملات المشفرة، هناك عدة أطر تعزز تطوير الذكاء الاصطناعي. وهي ELIZA من AI16Z، RIG من ARC، ZEREBRO من ZEREPY، وVIRTUAL من GAME. تلبي كل إطار احتياجات ومفاهيم مختلفة في عملية تطوير وكلاء الذكاء الاصطناعي، بدءًا من مشاريع المجتمع مفتوحة المصدر إلى حلول المؤسسات التي تركز على الأداء.
تقدم هذه المقالة أولاً إطار العمل، وتوضح ما هي، وما هي لغات البرمجة، والهياكل التقنية، والخوارزميات المستخدمة، وما هي الميزات الفريدة التي تمتلكها، وما هي حالات الاستخدام المحتملة لإطار العمل. بعد ذلك، نقوم بمقارنة كل إطار من حيث القابلية للاستخدام، والقابلية للتوسع، والقدرة على التكيف، والأداء، لاستكشاف مزاياها وقيودها.
ELIZA (تطوير ai16z)
إليزا هو إطار عمل مفتوح المصدر لمحاكاة متعددة الوكلاء، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره بلغة البرمجة TypeScript، وهو يوفر منصة مرنة وقابلة للتوسع لبناء وكلاء أذكياء، يمكنهم التفاعل مع البشر عبر منصات متعددة مع الحفاظ على شخصية ومعرفة متسقة.
تشمل الوظائف الأساسية للإطار هيكل متعدد الوكلاء يدعم نشر وإدارة شخصيات AI الفريدة المتعددة في نفس الوقت، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، وتوفير ميزات إدارة الذاكرة طويلة الأمد والذاكرة السياقية من خلال نظام تحسين الاسترجاع المتقدم (RAG). بالإضافة إلى ذلك، يوفر إطار Eliza تكاملًا سلسًا للمنصات، مما يتيح الاتصال الموثوق مع Discord وX وغيرها من منصات التواصل الاجتماعي.
من حيث وظائف الاتصال والإعلام لوكيل الذكاء الاصطناعي، تعتبر Eliza خيارًا ممتازًا. في جانب الاتصال، يدعم هذا الإطار التكامل مع وظائف قنوات الصوت في Discord، وX، وTelegram، والوصول المباشر إلى API للحالات المخصصة. من ناحية أخرى، يمكن توسيع وظائف معالجة الوسائط في هذا الإطار لتشمل قراءة وتحليل مستندات PDF، واستخراج محتوى الروابط وتلخيصه، ونقل الصوت، ومعالجة محتوى الفيديو، وتحليل الصور، وتلخيص المحادثات، مما يتيح التعامل الفعال مع جميع أنواع مدخلات ومخرجات الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، وتكوينات افتراضية (مثل Nous Hermes Llama 3.1B)، ويجمع أيضًا دعم Claude لمعالجة المهام المعقدة. يعتمد Eliza على بنية موزعة، ويتميز بدعم واسع لأنظمة التشغيل، ودعم العملاء المخصص، وواجهة برمجة التطبيقات الشاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تتجاوز حالات استخدام Eliza العديد من المجالات، مثل: مساعد الذكاء الاصطناعي لدعم العملاء، ومراجعة المجتمع، والمهام الشخصية، بالإضافة إلى كونها منشئ محتوى تلقائي، وروبوت تفاعلي، وممثل علامة تجارية في أدوار وسائل التواصل الاجتماعي. يمكنها أيضًا أن تعمل كعاملة معرفة، تلعب دور مساعد بحث، ومحلل محتوى، ومعالج مستندات، وتدعم أشكال الأدوار التفاعلية مثل الروبوتات ذات الأدوار، والمعلمين التعليميين، ووكلاء المبيعات.
تم بناء بنية Eliza حول وقت تشغيل الوكيل ، والذي يتكامل بسلاسة مع نظام الدور الخاص به (المدعوم من قبل موفر النموذج) ، ومدير الذاكرة (المتصل بقاعدة البيانات) ، ونظام التشغيل (المرتبط بعميل النظام الأساسي). تتضمن الميزات الفريدة لإطار العمل نظاما إضافيا يدعم امتدادات الوظائف المعيارية ، ويدعم التفاعلات متعددة الوسائط مثل الصوت والنص والوسائط ، ومتوافق مع نماذج الذكاء الاصطناعي الرائدة مثل Llama و GPT-4 و Claude. بفضل تعدد استخداماتها وتصميمها القوي ، تبرز Eliza كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر المجالات.
G.A.M.E (تطوير بواسطة Virtuals Protocol)
إطار الكيانات المتعددة الأنماط المستقلة التوليدية (G.A.M.E) يهدف إلى توفير الوصول إلى واجهات برمجة التطبيقات (API) ومجموعات تطوير البرمجيات (SDK) للمطورين لإجراء تجارب وكيل الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوكيات ووظائف وعمليات تعلم وكلاء الذكاء الاصطناعي.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لدمج GAME في الوكيل للوصول إلى سلوك الوكيل. يبدأ النظام الفرعي للإدراك (Perception Subsystem) الجلسة من خلال تحديد معلمات مثل معرف الجلسة، معرف الوكيل، المستخدم، وغيرها من التفاصيل ذات الصلة.
إنه يجمع المعلومات الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال شعورية لوكيل الذكاء الاصطناعي، سواء في شكل حوار أو ردود فعل. جوهره هو وحدة معالجة الحوار، التي تعالج الرسائل والاستجابات الواردة من الوكيل، وتتعاون مع النظام الفرعي للإدراك لتفسير المدخلات والاستجابة لها بفعالية.
تعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار وموظف المحفظة على السلسلة معًا لإنشاء استجابات وخطط. يتمتع هذا المحرك بوظيفتين: كمنسق تخطيط عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ كاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي يتم تقسيمها further إلى مخطط العمل لتحديد المهام وموظف تنفيذ الخطط لتنفيذ المهام.
هناك مكون مستقل ولكنه مهم وهو World Context (سياق العالم)، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة، مما يوفر السياق الضروري لقرارات الوكيل. بالإضافة إلى ذلك، يتم استخدام Agent Repository (مستودع الوكيل) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
يستخدم هذا الإطار وحدة ذاكرة عمل قصيرة المدى ووحدة ذاكرة طويلة المدى. تحتفظ ذاكرة العمل القصيرة المدى بمعلومات ذات صلة حول السلوك السابق والنتائج والخطط الحالية. في المقابل، تستخرج وحدة الذاكرة طويلة المدى المعلومات الرئيسية بناءً على معايير مثل الأهمية، والحداثة، والصلات. تخزن الذاكرة طويلة المدى تجارب الوكيل، والتأملات، والشخصية الديناميكية، وسياق العالم، ومعرفة ذاكرة العمل، لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات من نظام الاستشعار لتوليد معرفة عامة، ويتم إرجاع هذه المعرفة إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال ملاحظات حول الإجراءات وحالة اللعبة وبيانات الاستشعار من خلال الواجهة لتعزيز قدرة التعلم لوكلاء الذكاء الاصطناعي، وزيادة قدراتهم على التخطيط واتخاذ القرار.
تبدأ عملية العمل بتفاعل المطورين من خلال واجهة تلميحات الوكيل. يتم معالجة المدخلات بواسطة نظام فرعي للإدراك وإعادة توجيهها إلى وحدة معالجة المحادثة، التي تدير منطق التفاعل. ثم، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستخدمًا استراتيجيات عالية المستوى وخطط عمل تفصيلية.
تقوم بيانات السياق العالمية ومستودع الوكلاء بإبلاغ هذه العمليات، بينما يتتبع ذاكرة العمل المهام الفورية. في الوقت نفسه، يقوم معالج الذاكرة طويلة المدى بتخزين واسترجاع المعرفة طويلة الأمد. يقوم نموذج التعلم بتحليل النتائج ودمج المعرفة الجديدة في النظام، مما يمكّن سلوك الوكلاء وتفاعلاتهم من التحسين المستمر.
RIG (تطوير بواسطة ARC)
Rig هو إطار عمل مفتوح المصدر بلغة Rust يهدف إلى تبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع عدة مزودي نماذج اللغة (مثل OpenAI وAnthropic)، ويدعم مجموعة متنوعة من تخزين المتجهات، بما في ذلك MongoDB وNeo4j. تكمن خصوصية بنية الإطار القابلة للتعديل في مكوناته الأساسية، مثل طبقة تجريد المزود (Provider Abstraction Layer) وتكامل تخزين المتجهات ونظام الوكلاء، لتعزيز التفاعل السلس مع نماذج اللغة الكبيرة.
تتضمن الجمهور الرئيسي لـ Rig المطورين الذين يستخدمون Rust لبناء تطبيقات الذكاء الاصطناعي / تعلم الآلة، يليهم المنظمات التي تسعى لدمج مزودي LLM المتعددين وتخزين المتجهات في تطبيقات Rust الخاصة بها. يستخدم المستودع بنية مساحة العمل، مع عدة crate، يدعم القابلية للتوسع وإدارة المشاريع بكفاءة. تشمل الميزات الرئيسية طبقة تجريد المزود، التي توفر معيارية للإنهاء ودمج API بين مزودي LLM المختلفين، مع معالجة الأخطاء بشكل متسق. يوفر مكون تكامل تخزين المتجهات واجهة تجريدية للعديد من الواجهات الخلفية، ويدعم بحث تشابه المتجهات. يبسط نظام الوكلاء التفاعل مع LLM، ويدعم الاسترجاع المعزز للتوليد (RAG) وتكامل الأدوات. بالإضافة إلى ذلك، توفر إطار العمل المدمج أيضًا وظائف المعالجة الدفعة وعمليات الإدماج بأمان النوع.
تستفيد Rig من عدد من المزايا التقنية لضمان الموثوقية والأداء. تستفيد العمليات غير المتزامنة من وقت التشغيل غير المتزامن ل Rust للتعامل بكفاءة مع عدد كبير من الطلبات المتزامنة. تعمل آلية معالجة الأخطاء المتأصلة في الإطار على تحسين المرونة لعمليات موفر الذكاء الاصطناعي أو قاعدة البيانات الفاشلة. يمكن أن تمنع سلامة النوع الأخطاء في عملية التجميع ، وبالتالي تعزيز قابلية صيانة الكود. تدعم عمليات التسلسل وإلغاء التسلسل الفعالة معالجة البيانات بتنسيقات مثل JSON ، وهو أمر ضروري لاتصالات خدمة الذكاء الاصطناعي وتخزينها. يساعد التسجيل التفصيلي والأجهزة بشكل أكبر في تصحيح الأخطاء ومراقبة التطبيقات.
يبدأ سير عمل Rig عندما يبدأ العميل طلبا، والذي يتفاعل مع نموذج LLM المناسب من خلال طبقة تجريد الموفر. تتم معالجة البيانات بعد ذلك بواسطة الطبقة الأساسية ، حيث يمكن للعامل استخدام الأدوات أو الوصول إلى مخزن متجه للسياق. يتم إنشاء الاستجابات وتحسينها من خلال مهام سير العمل المعقدة مثل RAGs قبل إرجاعها إلى العميل، وهي عملية تتضمن استرجاع المستندات والفهم السياقي. يتكامل النظام مع العديد من مزودي LLM وتخزين المتجهات ، مما يجعله قابلا للتكيف مع توفر النموذج أو تحديثات الأداء.
تتعدد استخدامات Rig، بما في ذلك أنظمة الأسئلة والأجوبة التي تسترجع الوثائق ذات الصلة لتوفير استجابات دقيقة، وأنظمة البحث عن الوثائق واسترجاعها لاكتشاف المحتوى بكفاءة، وكذلك روبوتات الدردشة أو المساعدين الافتراضيين الذين يقدمون تفاعلات حساسة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم إنشاء المحتوى، ويدعم إنشاء نصوص ومواد أخرى بناءً على أنماط التعلم، مما يجعله أداة شاملة للمطورين والمنظمات.
Zerepy (تم تطويره بواسطة ZEREPY و blorm)
ZerePy هو إطار عمل مفتوح المصدر مكتوب بلغة Python يهدف إلى نشر الوكلاء على X باستخدام OpenAI أو Anthropic LLMs. مشتق من نسخة معيارية من الواجهة الخلفية ل Zerebro ، يسمح ZerePy للمطورين بإطلاق وكلاء بوظائف أساسية مشابهة ل Zerebro. بينما يوفر إطار العمل الأساس لنشر العامل ، فإن ضبط النموذج ضروري لإنشاء مخرجات إبداعية. يبسط ZerePy تطوير ونشر وكلاء الذكاء الاصطناعي المخصصين ، خاصة لإنشاء المحتوى على المنصات الاجتماعية ، مما يعزز نظاما إبئيا إبداعيا يعتمد على الذكاء الاصطناعي للفن والتطبيقات اللامركزية.
تم تطوير هذا الإطار باستخدام بايثون، مع التأكيد على استقلالية الوكيل، والتركيز على توليد المخرجات الإبداعية، مع الحفاظ على التوافق مع هيكل ELIZA وعلاقته بالتعاون مع ELIZA. يدعم التصميم القائم على الوحدات تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، والتكامل مع تويتر، ودعم OpenAI وAnthropic LLM، بالإضافة إلى نظام اتصال معياري لتعزيز الوظائف.
تشمل حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء الذكاء الاصطناعي للنشر والرد والإعجاب وإعادة التوجيه، مما يزيد من تفاعل المنصة. بالإضافة إلى ذلك، فإنه يلبي احتياجات إنشاء المحتوى في مجالات مثل الموسيقى والميمات وNFT، مما يجعله أداة مهمة في منصة الفن الرقمي والمحتوى القائم على blockchain.
（2）مقارنة الأطر الأربعة
من وجهة نظرنا، يوفر كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي تتناسب مع احتياجات معينة وبيئات معينة، نحن نحول تركيزنا من العلاقة التنافسية بين هذه الأطر إلى تفرد كل إطار.
تتميز ELIZA بواجهتها سهلة الاستخدام ، خاصة للمطورين الذين هم على دراية بجافا سكريبت وبيئات Node.js. تساعد وثائقها الشاملة في إعداد وكلاء الذكاء الاصطناعي على مجموعة متنوعة من الأنظمة الأساسية ، على الرغم من أن مجموعة ميزاته الشاملة يمكن أن تأتي مع منحنى تعليمي معين. تم تطويره باستخدام TypeScript ، مما يجعل Eliza مثالية لبناء الوكلاء المضمنين في الويب ، حيث يتم تطوير معظم الواجهة الأمامية للبنية التحتية للويب باستخدام TypeScript. يشتهر إطار العمل ببنيتها متعددة الوكلاء ، والتي يمكنها نشر شخصيات الذكاء الاصطناعي المختلفة على منصات مثل Discord و X و Telegram. يجعله نظام RAG المتقدم المدار بالذاكرة فعالا بشكل خاص لدعم العملاء أو مساعدي الذكاء الاصطناعي في تطبيقات الوسائط الاجتماعية. على الرغم من أنه يوفر المرونة ودعما مجتمعيا قويا وأداء متسقا عبر الأنظمة الأساسية ، إلا أنه لا يزال في مراحله الأولى ويمكن أن يشكل منحنى تعليميا للمطورين.
تم تصميم GAME خصيصًا لمطوري الألعاب، حيث يوفر واجهة منخفضة الشفرة أو بدون شفرة من خلال API، مما يتيح لمستخدمي المجال الفني الأقل خبرة في الألعاب استخدامها أيضًا. ومع ذلك، فإنه يركز على تطوير الألعاب وتكامل blockchain، مما قد يشكل منحنى تعليمي شديد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه يبرز في إنشاء محتوى البرامج وسلوك NPC، ولكنه مقيد بالتعقيد المتزايد الناجم عن تخصصه وتكامل blockchain.
نظرًا لاستخدام لغة Rust، وبالنظر إلى تعقيد هذه اللغة، قد يكون Rig غير ودود إلى حد ما، مما يخلق تحديات كبيرة في التعلم، ولكن بالنسبة لأولئك الذين يجيدون برمجة الأنظمة، فإنه يوفر تفاعلاً بديهياً. بالمقارنة مع typescripe، تُعرف هذه اللغة نفسها بالأداء والسلامة من الأخطاء في الذاكرة. تحتوي على فحوصات صارمة في وقت الترجمة وتجريد بدون تكلفة، وهو ما يلزم لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة للغاية، ويسيطر التحكم في مستوى منخفض عليها، مما يجعلها الخيار المثالي لتطبيقات الذكاء الاصطناعي كثيفة الموارد. يوفر هذا الإطار حلولًا عالية الأداء بتصميم معياري وقابل للتوسع، مما يجعله الخيار المثالي لتطبيقات المؤسسات. ومع ذلك، بالنسبة للمطورين غير المألوفين بـ Rust، فإن استخدام Rust لا مفر منه مع مواجهة منحنى تعلم حاد.
تستخدم ZerePy Python لتوفير قابلية استخدام عالية لمهام الذكاء الاصطناعي الإبداعي، حيث أن منحنى التعلم لمطوري Python منخفض نسبيًا، خاصةً لأولئك الذين لديهم خلفية في الذكاء الاصطناعي/تعلم الآلة، وتستفيد من دعم المجتمع القوي بفضل مجتمع Zerebro. تتميز ZerePy بتطبيقات الذكاء الاصطناعي الإبداعي مثل NFTs، وتضع نفسها كأداة قوية في الوسائط الرقمية والفنون. على الرغم من أنها تزدهر في الإبداع، إلا أن نطاقها ضيق نسبيًا مقارنةً بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديثها V2، حيث قدمت خط رسائل موحد وإطار عمل أساسي قابل للتوسع يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فإن إدارة التفاعل عبر منصات متعددة قد تؤدي إلى تحديات في القدرة على التوسع.
تظهر GAME أداءً ممتازًا في المعالجة في الوقت الفعلي المطلوبة للألعاب، ويتم إدارة القابلية للتوسع من خلال خوارزميات فعالة ونظام توزيع محتمل قائم على البلوكشين، على الرغم من أنها قد تتأثر بحدود محركات الألعاب أو شبكات البلوكشين المحددة.
إطار Rig يستفيد من أداء قابلية التوسع في Rust، مصمم لتطبيقات عالية السعة، وهذا فعال بشكل خاص في النشر على مستوى المؤسسات، على الرغم من أن ذلك قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
توجه قابلية التوسع في زيربي نحو الإخراج الإبداعي، بدعم من مساهمات المجتمع، لكن تركيزها قد يحد من تطبيقها في بيئة الذكاء الاصطناعي الأوسع، وقد تتعرض قابلية التوسع لاختبار تنوع المهام الإبداعية بدلاً من عدد المستخدمين.
في مجال التكيف، تتفوق ELIZA بنظام الإضافات الخاص بها وتوافقها عبر المنصات، كما أن GAME في بيئة الألعاب وRig في معالجة المهام المعقدة للذكاء الاصطناعي أيضًا متميزان. تظهر ZerePy مستوى عاليًا من التكيف في المجال الإبداعي، لكنها ليست مناسبة جدًا لتطبيقات الذكاء الاصطناعي الأوسع.
فيما يتعلق بالأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث يعد وقت الاستجابة السريع أمرًا حاسمًا، ولكن قد يختلف أداؤها عند معالجة المهام الحسابية الأكثر تعقيدًا.
تتخصص GAME التي طورتها Virtual Protocol في التفاعل الفوري عالي الأداء في مشاهد الألعاب، باستخدام عملية اتخاذ قرارات فعالة و blockchain محتمل لإجراء عمليات الذكاء الاصطناعي اللامركزية.
إطار Rig مبني على لغة Rust، ويوفر أداءً ممتازًا لمهام الحوسبة عالية الأداء، مما يجعله مناسبًا لتطبيقات الشركات حيث تكون كفاءة الحساب ذات أهمية قصوى.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات الأداء على كفاءة وجودة توليد المحتوى، وقد لا تكون مفيدة جدًا خارج مجال الإبداع.
تتمثل مزايا ELIZA في توفير المرونة وقابلية التوسع، من خلال نظام الإضافات وتكوين الشخصيات الذي يمنحها قدرة عالية على التكيف، مما يسهل التفاعل الاجتماعي للذكاء الاصطناعي عبر المنصات.
تقدم GAME ميزة تفاعل فريدة في الوقت الحقيقي داخل اللعبة، معززة بمشاركة الذكاء الاصطناعي الجديد من خلال دمج blockchain.
تتمثل مزايا Rig في أدائه وقابلية توسيعه للمهام المتعلقة بالذكاء الاصطناعي المؤسسي، مع التركيز على توفير كود نظيف ووحدات قابلة للتعديل لصحة المشاريع طويلة الأجل.
زيربي تتخصص في تنمية الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض بالحياة.
كل إطار له قيوده الخاصة، لا تزال ELIZA في مرحلة مبكرة، وهناك مشكلات محتملة في الاستقرار ومنحنى تعلم جديد للمطورين، وقد يحد Game الموجه لفئة صغيرة من التطبيقات الأوسع، كما أن blockchain يزيد من التعقيد، وقد يخيف Rig بسبب منحنى التعلم الحاد الناتج عن Rust بعض المطورين، في حين أن Zerepy قد يحد من استخدامه في مجالات الذكاء الاصطناعي الأخرى بسبب تركيزه الضيق على الإنتاج الإبداعي.
(3) ملخص مقارنة الإطارات
** (ARC) الحفارة: **
اللغة: Rust، مع التركيز على الأمان والأداء.
حالة الاستخدام: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى الشركات، لأنه يركز على الكفاءة وقابلية التوسع.
المجتمع: لا يقود المجتمع بشكل كبير، بل يركز أكثر على مطوري التكنولوجيا.
الصورة أعلاه هي بيانات اهتمام نجوم GitHub منذ إصدار هذه الأطر. من الجدير بالذكر أن نجوم GitHub هي مؤشرات على اهتمام المجتمع وشعبية المشاريع وقيمة المشاريع المدركة.
ELIZA (الخيط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو ، ثم في أواخر نوفمبر زادت بشكل كبير عدد النجوم (وصلت إلى 61,000 نجمة) ، مما يدل على أن اهتمام الناس زاد بسرعة وجذب انتباه المطورين. يشير هذا النمو الأسي إلى أن ELIZA قد اكتسبت جاذبية كبيرة بسبب ميزاتها وتحديثاتها ومشاركة المجتمع. شعبيتها تتجاوز بكثير المنافسين الآخرين ، مما يدل على أنها تتمتع بدعم قوي من المجتمع ولها قابلية أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
يعتبر Rig الأقدم بين الأربعة أطر، حيث يبلغ عدد النجوم فيه عددًا معتدلًا ولكنه في حالة نمو مستمر، ومن المحتمل أن يزيد بشكل كبير خلال الشهر المقبل. لقد وصل عدد النجوم إلى 1700 نجمة، ولكنه لا يزال في ارتفاع مستمر. إن الاستمرار في التطوير والتحديث وزيادة عدد المستخدمين هي الأسباب وراء تراكم اهتمام المستخدمين باستمرار. قد يعكس ذلك أن مستخدمي هذا الإطار أقلية أو أنهم لا يزالون في مرحلة بناء سمعتهم.
ZEREPY (خط أصفر):
تم إطلاق ZerePy قبل عدة أيام فقط، وقد حصلت بالفعل على 181 نجمة. من الجدير بالذكر أن ZerePy تحتاج إلى مزيد من التطوير لزيادة رُؤيتها ومعدل اعتمادها. قد تجذب الشراكة مع AI16Z المزيد من المساهمين في الشيفرة.
اللعبة (الخط الأخضر):
هذا المشروع لديه أقل عدد من النجوم، ومن الجدير بالذكر أن هذا الإطار يمكن تطبيقه مباشرة على الوكلاء في النظام البيئي الافتراضي عبر API، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، تم فتح هذا الإطار للمطورين قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع تستخدم GAME للبناء.
4، أسباب التفاؤل بالإطار
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما سيمكن الوكيل من العمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry)، الذي سيمكن المطورين من تسجيل ودمج الإضافات بسلاسة.
علاوة على ذلك، ستدعم Eliza V2 المراسلة الآلية المجهولة عبر المنصات. من المقرر إصدار الورقة البيضاء لاقتصاديات الرموز في 1 يناير 2025، ومن المتوقع أن تؤثر بشكل إيجابي على رموز AI16Z الأساسية لإطار Eliza. تخطط AI16Z لمواصلة تعزيز فائدة الإطار وجذب المواهب عالية الجودة، وقد أثبتت جهود المساهمين الرئيسيين أنها تمتلك هذه القدرة.
إطار GAME يوفر تكاملًا بدون كود للوسطاء، مما يسمح باستخدام GAME وELIZA في مشروع واحد لخدمة أغراض محددة. هذه الطريقة من المتوقع أن تجذب انتباه البناة الذين يركزون على منطق الأعمال بدلاً من التعقيد الفني. على الرغم من أن الإطار قد تم إصداره علنًا فقط منذ 30 يومًا تقريبًا، إلا أنه قد حقق تقدمًا ملموسًا بدعم من جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي يتم إطلاقها على VIRTUAL GAME.
تمتلك Rig المدعومة بتوكن ARC إمكانات هائلة، على الرغم من أن إطارها لا يزال في مرحلة نمو مبكرة، وأن خطة دفع اعتماد المشروع قد تم إطلاقها منذ عدة أيام فقط. من المتوقع أن تظهر قريبًا مشاريع عالية الجودة تعتمد على ARC، مشابهة لـ Virtual Flywheel، ولكن مع التركيز على Solana. الفريق متفائل بشأن التعاون مع Solana، ويشبه العلاقة بين ARC و Solana بالعلاقة بين Virtual و Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للإطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار جديد تم إطلاقه، وبفضل التعاون مع Eliza، فإنه يحظى باهتمام متزايد. يجذب هذا الإطار المساهمين من Eliza الذين يقومون حاليًا بتحسينه بنشاط. بدفع من عشاق ZEREBRO، لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة على البنية التحتية للذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في الإبداع في الذكاء الاصطناعي.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
مقارنة بين أربعة أطر Crypto X AI: ELIZA وGAME وARC وZEREPY
المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة سوف نستكشف آفاق إطار عمل Crypto X AI. سنركز على أربعة أطر رئيسية حالياً (ELIZA و GAME و ARC و ZEREPY) والاختلافات التقنية لكل منها.
1، المقدمة
لقد قمنا بدراسة واختبار أربعة من الأطر الرئيسية للذكاء الاصطناعي في العملات المشفرة، وهي ELIZA وGAME وARC وZEREPY، على مدار الأسبوع الماضي، وخلصنا إلى النتائج التالية.
نعتقد أن AI16Z ستظل تهيمن. تكمن قيمة Eliza (حصة السوق حوالي 60٪، والقيمة السوقية تتجاوز مليار دولار) في ميزتها التنافسية الأولى (أثر ليندي) واستخدامها المتزايد من قبل المطورين، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع وأكثر من 6000 نجمة أنها واحدة من أكثر مستودعات الكود شعبية على Github.
حتى الآن، كان تطور GAME (حصة سوقية تبلغ حوالي 20٪، وقيمة سوقية تبلغ حوالي 300 مليون دولار) سلسًا للغاية، حيث تحقق اعتمادًا سريعًا، كما أعلنت VIRTUAL للتو أن المنصة تحتوي على أكثر من 200 مشروع، و150,000 طلب يوميًا ومعدل نمو أسبوعي يبلغ 200٪. ستستمر GAME في الاستفادة من صعود VIRTUAL، وستصبح واحدة من أكبر الفائزين في نظامها البيئي.
يعتبر Rig (ARC، حصة السوق حوالي 15%، والقيمة السوقية حوالي 160 مليون دولار) ملفتًا للغاية، نظرًا لتصميمه المعياري الذي يسهل تشغيله، ويمكن أن يتولى السيطرة كـ "pure-play" في نظام سولانا البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نيش نسبيًا، موجه خصيصًا لجمهور مجتمع ZEREBRO المتحمس، وقد يؤدي التعاون الأخير مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
نحن نلاحظ أن حساب حصتنا في السوق يغطي القيمة السوقية وسجلات التطوير وسوق أنظمة التشغيل الأساسية.
نعتقد أن السوق الفرعي للإطارات سيكون أسرع المجالات نمواً خلال دورة السوق الحالية، حيث من الممكن أن تصل القيمة السوقية الإجمالية البالغة 1.7 مليار دولار بسهولة إلى 20 مليار دولار، وهو ما لا يزال يعتبر متحفظاً نسبياً مقارنةً بأعلى تقييمات L1 في عام 2021، عندما تجاوزت تقييمات العديد من L1 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أنه بالنظر إلى أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، فإن طريقة الوزن حسب القيمة السوقية قد تكون الأكثر تحفظاً.
2، أربعة أطر
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا للإطارات الرئيسية.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) نظرة عامة على الإطار
في مجال تقاطع الذكاء الاصطناعي مع العملات المشفرة، هناك عدة أطر تعزز تطوير الذكاء الاصطناعي. وهي ELIZA من AI16Z، RIG من ARC، ZEREBRO من ZEREPY، وVIRTUAL من GAME. تلبي كل إطار احتياجات ومفاهيم مختلفة في عملية تطوير وكلاء الذكاء الاصطناعي، بدءًا من مشاريع المجتمع مفتوحة المصدر إلى حلول المؤسسات التي تركز على الأداء.
تقدم هذه المقالة أولاً إطار العمل، وتوضح ما هي، وما هي لغات البرمجة، والهياكل التقنية، والخوارزميات المستخدمة، وما هي الميزات الفريدة التي تمتلكها، وما هي حالات الاستخدام المحتملة لإطار العمل. بعد ذلك، نقوم بمقارنة كل إطار من حيث القابلية للاستخدام، والقابلية للتوسع، والقدرة على التكيف، والأداء، لاستكشاف مزاياها وقيودها.
ELIZA (تطوير ai16z)
إليزا هو إطار عمل مفتوح المصدر لمحاكاة متعددة الوكلاء، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره بلغة البرمجة TypeScript، وهو يوفر منصة مرنة وقابلة للتوسع لبناء وكلاء أذكياء، يمكنهم التفاعل مع البشر عبر منصات متعددة مع الحفاظ على شخصية ومعرفة متسقة.
تشمل الوظائف الأساسية للإطار هيكل متعدد الوكلاء يدعم نشر وإدارة شخصيات AI الفريدة المتعددة في نفس الوقت، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، وتوفير ميزات إدارة الذاكرة طويلة الأمد والذاكرة السياقية من خلال نظام تحسين الاسترجاع المتقدم (RAG). بالإضافة إلى ذلك، يوفر إطار Eliza تكاملًا سلسًا للمنصات، مما يتيح الاتصال الموثوق مع Discord وX وغيرها من منصات التواصل الاجتماعي.
من حيث وظائف الاتصال والإعلام لوكيل الذكاء الاصطناعي، تعتبر Eliza خيارًا ممتازًا. في جانب الاتصال، يدعم هذا الإطار التكامل مع وظائف قنوات الصوت في Discord، وX، وTelegram، والوصول المباشر إلى API للحالات المخصصة. من ناحية أخرى، يمكن توسيع وظائف معالجة الوسائط في هذا الإطار لتشمل قراءة وتحليل مستندات PDF، واستخراج محتوى الروابط وتلخيصه، ونقل الصوت، ومعالجة محتوى الفيديو، وتحليل الصور، وتلخيص المحادثات، مما يتيح التعامل الفعال مع جميع أنواع مدخلات ومخرجات الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، وتكوينات افتراضية (مثل Nous Hermes Llama 3.1B)، ويجمع أيضًا دعم Claude لمعالجة المهام المعقدة. يعتمد Eliza على بنية موزعة، ويتميز بدعم واسع لأنظمة التشغيل، ودعم العملاء المخصص، وواجهة برمجة التطبيقات الشاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تتجاوز حالات استخدام Eliza العديد من المجالات، مثل: مساعد الذكاء الاصطناعي لدعم العملاء، ومراجعة المجتمع، والمهام الشخصية، بالإضافة إلى كونها منشئ محتوى تلقائي، وروبوت تفاعلي، وممثل علامة تجارية في أدوار وسائل التواصل الاجتماعي. يمكنها أيضًا أن تعمل كعاملة معرفة، تلعب دور مساعد بحث، ومحلل محتوى، ومعالج مستندات، وتدعم أشكال الأدوار التفاعلية مثل الروبوتات ذات الأدوار، والمعلمين التعليميين، ووكلاء المبيعات.
تم بناء بنية Eliza حول وقت تشغيل الوكيل ، والذي يتكامل بسلاسة مع نظام الدور الخاص به (المدعوم من قبل موفر النموذج) ، ومدير الذاكرة (المتصل بقاعدة البيانات) ، ونظام التشغيل (المرتبط بعميل النظام الأساسي). تتضمن الميزات الفريدة لإطار العمل نظاما إضافيا يدعم امتدادات الوظائف المعيارية ، ويدعم التفاعلات متعددة الوسائط مثل الصوت والنص والوسائط ، ومتوافق مع نماذج الذكاء الاصطناعي الرائدة مثل Llama و GPT-4 و Claude. بفضل تعدد استخداماتها وتصميمها القوي ، تبرز Eliza كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر المجالات.
G.A.M.E (تطوير بواسطة Virtuals Protocol)
إطار الكيانات المتعددة الأنماط المستقلة التوليدية (G.A.M.E) يهدف إلى توفير الوصول إلى واجهات برمجة التطبيقات (API) ومجموعات تطوير البرمجيات (SDK) للمطورين لإجراء تجارب وكيل الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوكيات ووظائف وعمليات تعلم وكلاء الذكاء الاصطناعي.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لدمج GAME في الوكيل للوصول إلى سلوك الوكيل. يبدأ النظام الفرعي للإدراك (Perception Subsystem) الجلسة من خلال تحديد معلمات مثل معرف الجلسة، معرف الوكيل، المستخدم، وغيرها من التفاصيل ذات الصلة.
إنه يجمع المعلومات الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال شعورية لوكيل الذكاء الاصطناعي، سواء في شكل حوار أو ردود فعل. جوهره هو وحدة معالجة الحوار، التي تعالج الرسائل والاستجابات الواردة من الوكيل، وتتعاون مع النظام الفرعي للإدراك لتفسير المدخلات والاستجابة لها بفعالية.
تعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار وموظف المحفظة على السلسلة معًا لإنشاء استجابات وخطط. يتمتع هذا المحرك بوظيفتين: كمنسق تخطيط عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ كاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي يتم تقسيمها further إلى مخطط العمل لتحديد المهام وموظف تنفيذ الخطط لتنفيذ المهام.
هناك مكون مستقل ولكنه مهم وهو World Context (سياق العالم)، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة، مما يوفر السياق الضروري لقرارات الوكيل. بالإضافة إلى ذلك، يتم استخدام Agent Repository (مستودع الوكيل) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
يستخدم هذا الإطار وحدة ذاكرة عمل قصيرة المدى ووحدة ذاكرة طويلة المدى. تحتفظ ذاكرة العمل القصيرة المدى بمعلومات ذات صلة حول السلوك السابق والنتائج والخطط الحالية. في المقابل، تستخرج وحدة الذاكرة طويلة المدى المعلومات الرئيسية بناءً على معايير مثل الأهمية، والحداثة، والصلات. تخزن الذاكرة طويلة المدى تجارب الوكيل، والتأملات، والشخصية الديناميكية، وسياق العالم، ومعرفة ذاكرة العمل، لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات من نظام الاستشعار لتوليد معرفة عامة، ويتم إرجاع هذه المعرفة إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال ملاحظات حول الإجراءات وحالة اللعبة وبيانات الاستشعار من خلال الواجهة لتعزيز قدرة التعلم لوكلاء الذكاء الاصطناعي، وزيادة قدراتهم على التخطيط واتخاذ القرار.
تبدأ عملية العمل بتفاعل المطورين من خلال واجهة تلميحات الوكيل. يتم معالجة المدخلات بواسطة نظام فرعي للإدراك وإعادة توجيهها إلى وحدة معالجة المحادثة، التي تدير منطق التفاعل. ثم، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستخدمًا استراتيجيات عالية المستوى وخطط عمل تفصيلية.
تقوم بيانات السياق العالمية ومستودع الوكلاء بإبلاغ هذه العمليات، بينما يتتبع ذاكرة العمل المهام الفورية. في الوقت نفسه، يقوم معالج الذاكرة طويلة المدى بتخزين واسترجاع المعرفة طويلة الأمد. يقوم نموذج التعلم بتحليل النتائج ودمج المعرفة الجديدة في النظام، مما يمكّن سلوك الوكلاء وتفاعلاتهم من التحسين المستمر.
RIG (تطوير بواسطة ARC)
Rig هو إطار عمل مفتوح المصدر بلغة Rust يهدف إلى تبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع عدة مزودي نماذج اللغة (مثل OpenAI وAnthropic)، ويدعم مجموعة متنوعة من تخزين المتجهات، بما في ذلك MongoDB وNeo4j. تكمن خصوصية بنية الإطار القابلة للتعديل في مكوناته الأساسية، مثل طبقة تجريد المزود (Provider Abstraction Layer) وتكامل تخزين المتجهات ونظام الوكلاء، لتعزيز التفاعل السلس مع نماذج اللغة الكبيرة.
تتضمن الجمهور الرئيسي لـ Rig المطورين الذين يستخدمون Rust لبناء تطبيقات الذكاء الاصطناعي / تعلم الآلة، يليهم المنظمات التي تسعى لدمج مزودي LLM المتعددين وتخزين المتجهات في تطبيقات Rust الخاصة بها. يستخدم المستودع بنية مساحة العمل، مع عدة crate، يدعم القابلية للتوسع وإدارة المشاريع بكفاءة. تشمل الميزات الرئيسية طبقة تجريد المزود، التي توفر معيارية للإنهاء ودمج API بين مزودي LLM المختلفين، مع معالجة الأخطاء بشكل متسق. يوفر مكون تكامل تخزين المتجهات واجهة تجريدية للعديد من الواجهات الخلفية، ويدعم بحث تشابه المتجهات. يبسط نظام الوكلاء التفاعل مع LLM، ويدعم الاسترجاع المعزز للتوليد (RAG) وتكامل الأدوات. بالإضافة إلى ذلك، توفر إطار العمل المدمج أيضًا وظائف المعالجة الدفعة وعمليات الإدماج بأمان النوع.
تستفيد Rig من عدد من المزايا التقنية لضمان الموثوقية والأداء. تستفيد العمليات غير المتزامنة من وقت التشغيل غير المتزامن ل Rust للتعامل بكفاءة مع عدد كبير من الطلبات المتزامنة. تعمل آلية معالجة الأخطاء المتأصلة في الإطار على تحسين المرونة لعمليات موفر الذكاء الاصطناعي أو قاعدة البيانات الفاشلة. يمكن أن تمنع سلامة النوع الأخطاء في عملية التجميع ، وبالتالي تعزيز قابلية صيانة الكود. تدعم عمليات التسلسل وإلغاء التسلسل الفعالة معالجة البيانات بتنسيقات مثل JSON ، وهو أمر ضروري لاتصالات خدمة الذكاء الاصطناعي وتخزينها. يساعد التسجيل التفصيلي والأجهزة بشكل أكبر في تصحيح الأخطاء ومراقبة التطبيقات.
يبدأ سير عمل Rig عندما يبدأ العميل طلبا، والذي يتفاعل مع نموذج LLM المناسب من خلال طبقة تجريد الموفر. تتم معالجة البيانات بعد ذلك بواسطة الطبقة الأساسية ، حيث يمكن للعامل استخدام الأدوات أو الوصول إلى مخزن متجه للسياق. يتم إنشاء الاستجابات وتحسينها من خلال مهام سير العمل المعقدة مثل RAGs قبل إرجاعها إلى العميل، وهي عملية تتضمن استرجاع المستندات والفهم السياقي. يتكامل النظام مع العديد من مزودي LLM وتخزين المتجهات ، مما يجعله قابلا للتكيف مع توفر النموذج أو تحديثات الأداء.
تتعدد استخدامات Rig، بما في ذلك أنظمة الأسئلة والأجوبة التي تسترجع الوثائق ذات الصلة لتوفير استجابات دقيقة، وأنظمة البحث عن الوثائق واسترجاعها لاكتشاف المحتوى بكفاءة، وكذلك روبوتات الدردشة أو المساعدين الافتراضيين الذين يقدمون تفاعلات حساسة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم إنشاء المحتوى، ويدعم إنشاء نصوص ومواد أخرى بناءً على أنماط التعلم، مما يجعله أداة شاملة للمطورين والمنظمات.
Zerepy (تم تطويره بواسطة ZEREPY و blorm)
ZerePy هو إطار عمل مفتوح المصدر مكتوب بلغة Python يهدف إلى نشر الوكلاء على X باستخدام OpenAI أو Anthropic LLMs. مشتق من نسخة معيارية من الواجهة الخلفية ل Zerebro ، يسمح ZerePy للمطورين بإطلاق وكلاء بوظائف أساسية مشابهة ل Zerebro. بينما يوفر إطار العمل الأساس لنشر العامل ، فإن ضبط النموذج ضروري لإنشاء مخرجات إبداعية. يبسط ZerePy تطوير ونشر وكلاء الذكاء الاصطناعي المخصصين ، خاصة لإنشاء المحتوى على المنصات الاجتماعية ، مما يعزز نظاما إبئيا إبداعيا يعتمد على الذكاء الاصطناعي للفن والتطبيقات اللامركزية.
تم تطوير هذا الإطار باستخدام بايثون، مع التأكيد على استقلالية الوكيل، والتركيز على توليد المخرجات الإبداعية، مع الحفاظ على التوافق مع هيكل ELIZA وعلاقته بالتعاون مع ELIZA. يدعم التصميم القائم على الوحدات تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، والتكامل مع تويتر، ودعم OpenAI وAnthropic LLM، بالإضافة إلى نظام اتصال معياري لتعزيز الوظائف.
تشمل حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء الذكاء الاصطناعي للنشر والرد والإعجاب وإعادة التوجيه، مما يزيد من تفاعل المنصة. بالإضافة إلى ذلك، فإنه يلبي احتياجات إنشاء المحتوى في مجالات مثل الموسيقى والميمات وNFT، مما يجعله أداة مهمة في منصة الفن الرقمي والمحتوى القائم على blockchain.
（2）مقارنة الأطر الأربعة
من وجهة نظرنا، يوفر كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي تتناسب مع احتياجات معينة وبيئات معينة، نحن نحول تركيزنا من العلاقة التنافسية بين هذه الأطر إلى تفرد كل إطار.
تتميز ELIZA بواجهتها سهلة الاستخدام ، خاصة للمطورين الذين هم على دراية بجافا سكريبت وبيئات Node.js. تساعد وثائقها الشاملة في إعداد وكلاء الذكاء الاصطناعي على مجموعة متنوعة من الأنظمة الأساسية ، على الرغم من أن مجموعة ميزاته الشاملة يمكن أن تأتي مع منحنى تعليمي معين. تم تطويره باستخدام TypeScript ، مما يجعل Eliza مثالية لبناء الوكلاء المضمنين في الويب ، حيث يتم تطوير معظم الواجهة الأمامية للبنية التحتية للويب باستخدام TypeScript. يشتهر إطار العمل ببنيتها متعددة الوكلاء ، والتي يمكنها نشر شخصيات الذكاء الاصطناعي المختلفة على منصات مثل Discord و X و Telegram. يجعله نظام RAG المتقدم المدار بالذاكرة فعالا بشكل خاص لدعم العملاء أو مساعدي الذكاء الاصطناعي في تطبيقات الوسائط الاجتماعية. على الرغم من أنه يوفر المرونة ودعما مجتمعيا قويا وأداء متسقا عبر الأنظمة الأساسية ، إلا أنه لا يزال في مراحله الأولى ويمكن أن يشكل منحنى تعليميا للمطورين.
تم تصميم GAME خصيصًا لمطوري الألعاب، حيث يوفر واجهة منخفضة الشفرة أو بدون شفرة من خلال API، مما يتيح لمستخدمي المجال الفني الأقل خبرة في الألعاب استخدامها أيضًا. ومع ذلك، فإنه يركز على تطوير الألعاب وتكامل blockchain، مما قد يشكل منحنى تعليمي شديد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه يبرز في إنشاء محتوى البرامج وسلوك NPC، ولكنه مقيد بالتعقيد المتزايد الناجم عن تخصصه وتكامل blockchain.
نظرًا لاستخدام لغة Rust، وبالنظر إلى تعقيد هذه اللغة، قد يكون Rig غير ودود إلى حد ما، مما يخلق تحديات كبيرة في التعلم، ولكن بالنسبة لأولئك الذين يجيدون برمجة الأنظمة، فإنه يوفر تفاعلاً بديهياً. بالمقارنة مع typescripe، تُعرف هذه اللغة نفسها بالأداء والسلامة من الأخطاء في الذاكرة. تحتوي على فحوصات صارمة في وقت الترجمة وتجريد بدون تكلفة، وهو ما يلزم لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة للغاية، ويسيطر التحكم في مستوى منخفض عليها، مما يجعلها الخيار المثالي لتطبيقات الذكاء الاصطناعي كثيفة الموارد. يوفر هذا الإطار حلولًا عالية الأداء بتصميم معياري وقابل للتوسع، مما يجعله الخيار المثالي لتطبيقات المؤسسات. ومع ذلك، بالنسبة للمطورين غير المألوفين بـ Rust، فإن استخدام Rust لا مفر منه مع مواجهة منحنى تعلم حاد.
تستخدم ZerePy Python لتوفير قابلية استخدام عالية لمهام الذكاء الاصطناعي الإبداعي، حيث أن منحنى التعلم لمطوري Python منخفض نسبيًا، خاصةً لأولئك الذين لديهم خلفية في الذكاء الاصطناعي/تعلم الآلة، وتستفيد من دعم المجتمع القوي بفضل مجتمع Zerebro. تتميز ZerePy بتطبيقات الذكاء الاصطناعي الإبداعي مثل NFTs، وتضع نفسها كأداة قوية في الوسائط الرقمية والفنون. على الرغم من أنها تزدهر في الإبداع، إلا أن نطاقها ضيق نسبيًا مقارنةً بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديثها V2، حيث قدمت خط رسائل موحد وإطار عمل أساسي قابل للتوسع يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فإن إدارة التفاعل عبر منصات متعددة قد تؤدي إلى تحديات في القدرة على التوسع.
تظهر GAME أداءً ممتازًا في المعالجة في الوقت الفعلي المطلوبة للألعاب، ويتم إدارة القابلية للتوسع من خلال خوارزميات فعالة ونظام توزيع محتمل قائم على البلوكشين، على الرغم من أنها قد تتأثر بحدود محركات الألعاب أو شبكات البلوكشين المحددة.
إطار Rig يستفيد من أداء قابلية التوسع في Rust، مصمم لتطبيقات عالية السعة، وهذا فعال بشكل خاص في النشر على مستوى المؤسسات، على الرغم من أن ذلك قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
توجه قابلية التوسع في زيربي نحو الإخراج الإبداعي، بدعم من مساهمات المجتمع، لكن تركيزها قد يحد من تطبيقها في بيئة الذكاء الاصطناعي الأوسع، وقد تتعرض قابلية التوسع لاختبار تنوع المهام الإبداعية بدلاً من عدد المستخدمين.
في مجال التكيف، تتفوق ELIZA بنظام الإضافات الخاص بها وتوافقها عبر المنصات، كما أن GAME في بيئة الألعاب وRig في معالجة المهام المعقدة للذكاء الاصطناعي أيضًا متميزان. تظهر ZerePy مستوى عاليًا من التكيف في المجال الإبداعي، لكنها ليست مناسبة جدًا لتطبيقات الذكاء الاصطناعي الأوسع.
فيما يتعلق بالأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث يعد وقت الاستجابة السريع أمرًا حاسمًا، ولكن قد يختلف أداؤها عند معالجة المهام الحسابية الأكثر تعقيدًا.
تتخصص GAME التي طورتها Virtual Protocol في التفاعل الفوري عالي الأداء في مشاهد الألعاب، باستخدام عملية اتخاذ قرارات فعالة و blockchain محتمل لإجراء عمليات الذكاء الاصطناعي اللامركزية.
إطار Rig مبني على لغة Rust، ويوفر أداءً ممتازًا لمهام الحوسبة عالية الأداء، مما يجعله مناسبًا لتطبيقات الشركات حيث تكون كفاءة الحساب ذات أهمية قصوى.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات الأداء على كفاءة وجودة توليد المحتوى، وقد لا تكون مفيدة جدًا خارج مجال الإبداع.
تتمثل مزايا ELIZA في توفير المرونة وقابلية التوسع، من خلال نظام الإضافات وتكوين الشخصيات الذي يمنحها قدرة عالية على التكيف، مما يسهل التفاعل الاجتماعي للذكاء الاصطناعي عبر المنصات.
تقدم GAME ميزة تفاعل فريدة في الوقت الحقيقي داخل اللعبة، معززة بمشاركة الذكاء الاصطناعي الجديد من خلال دمج blockchain.
تتمثل مزايا Rig في أدائه وقابلية توسيعه للمهام المتعلقة بالذكاء الاصطناعي المؤسسي، مع التركيز على توفير كود نظيف ووحدات قابلة للتعديل لصحة المشاريع طويلة الأجل.
زيربي تتخصص في تنمية الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض بالحياة.
كل إطار له قيوده الخاصة، لا تزال ELIZA في مرحلة مبكرة، وهناك مشكلات محتملة في الاستقرار ومنحنى تعلم جديد للمطورين، وقد يحد Game الموجه لفئة صغيرة من التطبيقات الأوسع، كما أن blockchain يزيد من التعقيد، وقد يخيف Rig بسبب منحنى التعلم الحاد الناتج عن Rust بعض المطورين، في حين أن Zerepy قد يحد من استخدامه في مجالات الذكاء الاصطناعي الأخرى بسبب تركيزه الضيق على الإنتاج الإبداعي.
(3) ملخص مقارنة الإطارات
** (ARC) الحفارة: **
اللغة: Rust، مع التركيز على الأمان والأداء.
حالة الاستخدام: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى الشركات، لأنه يركز على الكفاءة وقابلية التوسع.
المجتمع: لا يقود المجتمع بشكل كبير، بل يركز أكثر على مطوري التكنولوجيا.
إليزا (AI16Z)：
اللغة: TypeScript، تبرز مرونة web3 ومشاركة المجتمع.
حالات الاستخدام: مصممة للتفاعل الاجتماعي، وDAO، والتداول، مع التركيز بشكل خاص على أنظمة الوكلاء المتعددة.
المجتمع: مدفوع بشكل كبير من قبل المجتمع، مع مشاركة واسعة على GitHub.
** ZerePy (ZEREBRO):**
اللغة: بايثون، مما يجعلها مناسبة لقاعدة أوسع من مطوري الذكاء الاصطناعي.
حالات الاستخدام: مناسبة لأتمتة وسائل التواصل الاجتماعي ومهام الوكلاء الذكية الأبسط.
المجتمع: هو جديد نسبياً، لكنه يتوقع أن ينمو بسبب شعبية بايثون ودعم المساهمين في AI16Z.
اللعبة (افتراضية):
التركيز: وكلاء الذكاء الاصطناعي المستقلين والقابلين للتكيف، يمكنهم التطور بناءً على التفاعلات في البيئة الافتراضية.
حالة الاستخدام: الأنسب لتعلم وتكيف وكلاء الذكاء الاصطناعي، مثل الألعاب أو العوالم الافتراضية.
المجتمع: مجتمع مبتكر، ولكنه لا يزال يحدد موقعه في المنافسة.
3، اتجاه بيانات النجوم على Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
الصورة أعلاه هي بيانات اهتمام نجوم GitHub منذ إصدار هذه الأطر. من الجدير بالذكر أن نجوم GitHub هي مؤشرات على اهتمام المجتمع وشعبية المشاريع وقيمة المشاريع المدركة.
ELIZA (الخيط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو ، ثم في أواخر نوفمبر زادت بشكل كبير عدد النجوم (وصلت إلى 61,000 نجمة) ، مما يدل على أن اهتمام الناس زاد بسرعة وجذب انتباه المطورين. يشير هذا النمو الأسي إلى أن ELIZA قد اكتسبت جاذبية كبيرة بسبب ميزاتها وتحديثاتها ومشاركة المجتمع. شعبيتها تتجاوز بكثير المنافسين الآخرين ، مما يدل على أنها تتمتع بدعم قوي من المجتمع ولها قابلية أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
يعتبر Rig الأقدم بين الأربعة أطر، حيث يبلغ عدد النجوم فيه عددًا معتدلًا ولكنه في حالة نمو مستمر، ومن المحتمل أن يزيد بشكل كبير خلال الشهر المقبل. لقد وصل عدد النجوم إلى 1700 نجمة، ولكنه لا يزال في ارتفاع مستمر. إن الاستمرار في التطوير والتحديث وزيادة عدد المستخدمين هي الأسباب وراء تراكم اهتمام المستخدمين باستمرار. قد يعكس ذلك أن مستخدمي هذا الإطار أقلية أو أنهم لا يزالون في مرحلة بناء سمعتهم.
ZEREPY (خط أصفر):
تم إطلاق ZerePy قبل عدة أيام فقط، وقد حصلت بالفعل على 181 نجمة. من الجدير بالذكر أن ZerePy تحتاج إلى مزيد من التطوير لزيادة رُؤيتها ومعدل اعتمادها. قد تجذب الشراكة مع AI16Z المزيد من المساهمين في الشيفرة.
اللعبة (الخط الأخضر):
هذا المشروع لديه أقل عدد من النجوم، ومن الجدير بالذكر أن هذا الإطار يمكن تطبيقه مباشرة على الوكلاء في النظام البيئي الافتراضي عبر API، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، تم فتح هذا الإطار للمطورين قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع تستخدم GAME للبناء.
4، أسباب التفاؤل بالإطار
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما سيمكن الوكيل من العمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry)، الذي سيمكن المطورين من تسجيل ودمج الإضافات بسلاسة.
علاوة على ذلك، ستدعم Eliza V2 المراسلة الآلية المجهولة عبر المنصات. من المقرر إصدار الورقة البيضاء لاقتصاديات الرموز في 1 يناير 2025، ومن المتوقع أن تؤثر بشكل إيجابي على رموز AI16Z الأساسية لإطار Eliza. تخطط AI16Z لمواصلة تعزيز فائدة الإطار وجذب المواهب عالية الجودة، وقد أثبتت جهود المساهمين الرئيسيين أنها تمتلك هذه القدرة.
إطار GAME يوفر تكاملًا بدون كود للوسطاء، مما يسمح باستخدام GAME وELIZA في مشروع واحد لخدمة أغراض محددة. هذه الطريقة من المتوقع أن تجذب انتباه البناة الذين يركزون على منطق الأعمال بدلاً من التعقيد الفني. على الرغم من أن الإطار قد تم إصداره علنًا فقط منذ 30 يومًا تقريبًا، إلا أنه قد حقق تقدمًا ملموسًا بدعم من جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي يتم إطلاقها على VIRTUAL GAME.
تمتلك Rig المدعومة بتوكن ARC إمكانات هائلة، على الرغم من أن إطارها لا يزال في مرحلة نمو مبكرة، وأن خطة دفع اعتماد المشروع قد تم إطلاقها منذ عدة أيام فقط. من المتوقع أن تظهر قريبًا مشاريع عالية الجودة تعتمد على ARC، مشابهة لـ Virtual Flywheel، ولكن مع التركيز على Solana. الفريق متفائل بشأن التعاون مع Solana، ويشبه العلاقة بين ARC و Solana بالعلاقة بين Virtual و Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للإطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار جديد تم إطلاقه، وبفضل التعاون مع Eliza، فإنه يحظى باهتمام متزايد. يجذب هذا الإطار المساهمين من Eliza الذين يقومون حاليًا بتحسينه بنشاط. بدفع من عشاق ZEREBRO، لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة على البنية التحتية للذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في الإبداع في الذكاء الاصطناعي.