Автор: Deep Value Memetics, переклад: Золота економіка xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їхніх технологічних відмінностях.
1、Вступ
Протягом минулого тижня ми досліджували та тестували чотири основні крипто X AI фреймворки: ELIZA, GAME, ARC, ZEREPY, і ми зробили такі висновки.
Ми віримо, що AI16Z продовжить займати провідну позицію. Цінність Eliza (частка ринку близько 60%, ринкова капіталізація понад 1 мільярд доларів) полягає у її перевазі першопрохідця (ефект Лінді) і в тому, що вона отримує все більше користувачів серед розробників, дані про 193 контриб'ютори, 1800 форків та понад 6000 зірок це підтверджують, що робить її однією з найпопулярніших кодових баз на Github.
До цього часу розвиток GAME (частка ринку близько 20%, ринкова капіталізація близько 300 мільйонів доларів) проходить дуже успішно, він отримує швидке впровадження, як тільки оголосив VIRTUAL, що на платформі є понад 200 проектів, 150 тисяч щоденних запитів і 200% тижневого зростання. GAME продовжуватиме отримувати вигоду від зростання VIRTUAL і стане одним з найбільших переможців у його екосистемі.
Rig (ARC, частка на ринку приблизно 15%, ринкова капіталізація приблизно 160 мільйонів доларів) дуже помітний, оскільки його модульний дизайн дуже простий в експлуатації і може займати домінуючу позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально призначеним для захопленої спільноти ZEREBRO, і нещодавнє співробітництво з спільнотою ai16z може призвести до синергії.
Ми звернули увагу на те, що наш розрахунок частки ринку охоплює ринкову капіталізацію, записи розробки та ринок терміналів основних операційних систем.
Ми вважаємо, що в цьому ринковому циклі сегмент рамок буде найшвидше зростаючою галуззю, загальна вартість якої в 1,7 мільярда доларів може легко зростати до 20 мільярдів доларів, що все ще є відносно обережним у порівнянні з піковою оцінкою L1 у 2021 році, коли багато L1 були оцінені більш ніж у 20 мільярдів доларів. Хоча ці рамки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що ця галузь перебуває в стані постійного зростання, метод зважування за ринковою капіталізацією може бути найобережнішим підходом.
2、Чотири основні рамки
У наведеній нижче таблиці ми перерахували ключові технології, компоненти та переваги основних рамок.
У перехресті AI та криптовалют є кілька платформ, які сприяють розвитку AI. Це ELIZA від AI16Z, RIG від ARC, ZEREBRO від ZEREPY та VIRTUAL від GAME. Кожна платформа задовольняє різні потреби та концепції в процесі розробки агентів AI, від проектів з відкритим кодом до корпоративних рішень, зосереджених на продуктивності.
У цій статті спочатку буде представлено фреймворки, розказано, що це таке, якими мовами програмування, технологічною архітектурою, алгоритмами вони користуються, які унікальні функції мають, а також які потенційні варіанти використання існують для фреймворків. Потім ми порівняємо кожен фреймворк з точки зору зручності використання, масштабованості, адаптивності та продуктивності, досліджуючи їхні переваги та обмеження.
ELIZA (розроблений ai16z)
Eliza є відкритим фреймворком для багатоагентного моделювання, призначеним для створення, розгортання та управління автономними AI-агентами. Він розроблений мовою програмування TypeScript і пропонує гнучку масштабовану платформу для створення розумних агентів, які здатні взаємодіяти з людьми на кількох платформах, зберігаючи при цьому послідовність особистості та знань.
Основні функції цього фреймворку включають багатосагентну архітектуру, яка підтримує одночасне розгортання та управління кількома унікальними AI-особистостями, а також систему ролей для створення різних агентів за допомогою фреймворка рольових файлів, а також функції управління пам'яттю, що забезпечують довготривалу пам'ять і контекстуально усвідомлене управління пам'яттю за допомогою вдосконаленого генерування через підвищене отримання (RAG). Крім того, фреймворк Eliza також забезпечує плавну інтеграцію з платформами, що дозволяє надійно підключатися до Discord, X та інших соціальних медіа.
Коли справа доходить до комунікаційних та медійних можливостей агентів штучного інтелекту, Eliza є чудовим вибором. З точки зору комунікації, фреймворк підтримує інтеграцію з функцією голосового каналу Discord, функцією X, Telegram і прямий доступ до API для користувацьких випадків використання. З іншого боку, можливості фреймворку з обробки медіа можуть бути розширені до читання та аналізу документів PDF, вилучення та узагальнення вмісту посилань, транскрипції аудіо, обробки відеоконтенту, аналізу зображень та підсумовування розмови для ефективної обробки широкого спектру медіавходів і виходів.
Фреймворк Eliza надає гнучку підтримку AI-моделей через локальне виведення відкритих моделей, хмарне виведення OpenAI та налаштування за замовчуванням (такі як Nous Hermes Llama 3.1B), а також інтегрує підтримку Claude для обробки складних завдань. Eliza використовує модульну архітектуру, яка має широкий спектр операційних систем, підтримку користувацьких клієнтів та повний API, що забезпечує масштабованість і адаптивність між додатками.
Використання Eliza охоплює кілька сфер, наприклад: AI-асистент для підтримки клієнтів, перевірки спільноти та особистих завдань, а також автоматичний творець контенту, інтерактивні роботи та ролі представників брендів у соціальних мережах. Він також може виступати в ролі знаннєвого працівника, виконуючи функції наукового асистента, аналітика контенту та обробника документів, а також підтримує інтерактивні ролі, такі як роботи для рольових ігор, освітні наставники та представники агентств.
Архітектура Eliza побудована навколо агентного виконання (agent runtime), яке безшовно інтегрується з її системою ролей (підтримуваною постачальниками моделей), менеджером пам'яті (підключеним до бази даних) і операційною системою (яка пов'язана з платформою клієнта). Унікальні можливості цієї рамки включають систему плагінів, яка підтримує модульне розширення функціональності, підтримує багатомодальну взаємодію, таку як голос, текст і медіа, а також сумісна з провідними AI моделями (такими як Llama, GPT-4 і Claude). Завдяки своїй різноманітній функціональності та потужному дизайну, Eliza виділяється як потужний інструмент для розробки AI додатків у різних галузях.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутність (G.A.M.E) має на меті надати розробникам доступ до API та SDK для експериментів з AI-агентами. Ця структура пропонує структурований підхід для управління поведінкою, ухваленням рішень та процесами навчання AI-агентів.
Основні компоненти такі: по-перше, інтерфейс підказок агента (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати GAME в агента для доступу до поведінки агента. Підсистема сприйняття (Perception Subsystem) запускає сесію, вказуючи параметри, такі як ідентифікатор сесії, ідентифікатор агента, користувача та інші відповідні деталі.
Вона об'єднує вхідні дані у формат, придатний для стратегічного планувального двигуна (Strategic Planning Engine), виконуючи роль механізму вводу відчуття AI-агента, незалежно від того, чи у формі діалогу, чи реакції. Її основою є модуль обробки діалогу, що використовується для обробки повідомлень і відповідей від агента та співпраці з підсистемою сприйняття для ефективного інтерпретування та реагування на вхідні дані.
Стратегічний планувальний двигун працює разом з модулем обробки діалогів і оператором гаманця на блокчейні для генерації відповідей і планів. Цей двигун має два рівні функціональності: як високорівневий планувальник, що створює широкі стратегії на основі контексту або цілей; і як низькорівнева стратегія, що перетворює ці стратегії на дієві стратегії, які далі діляться на планувальник дій для специфікованих завдань і виконавця планів для виконання завдань.
Існує ще один незалежний, але важливий компонент — це Світовий Контекст, який посилається на середовище, глобальну інформацію та стан гри, надаючи необхідний контекст для рішень агентів. Крім того, Репозиторій Агентів використовується для зберігання довгострокових атрибутів, таких як цілі, роздуми, досвід та особистість, які разом формують поведінку та процес ухвалення рішень агентів.
У фреймворку використовуються процесори короткочасної робочої пам'яті та довготривалої пам'яті. Інформація про попередню поведінку, результати та поточні плани зберігається протягом короткого періоду часу. Навпаки, процесори довготривалої пам'яті витягують критично важливу інформацію на основі таких критеріїв, як важливість, актуальність і актуальність. Довготривала пам'ять зберігає знання про досвід агента, його рефлексію, динамічну особистість, світовий контекст і робочу пам'ять для поліпшення прийняття рішень і забезпечення основи для навчання.
Модуль навчання використовує дані, отримані з підсистеми сприйняття, для генерації загальних знань, які зворотно надсилаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс зворотний зв'язок щодо дій, стану гри та даних відчуттів, щоб підвищити навчальні можливості AI-агента та покращити його планування та прийняття рішень.
Процес роботи починається з того, що розробники взаємодіють через інтерфейс запиту проксі. Введення обробляється підсистемою сприйняття та передається до модуля обробки діалогів, який відповідає за управління логікою взаємодії. Потім стратегічний планувальний двигун розробляє та виконує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні плани дій.
Дані з контексту світу та репозиторіїв агентів сповіщають ці процеси, в той час як оперативна пам'ять відстежує миттєві завдання. Тим часом процесор довготривалої пам'яті зберігає та відновлює довгострокові знання. Модулі навчання аналізують результати та інтегрують нові знання в систему, що дозволяє постійно вдосконалювати поведінку та взаємодію агентів.
RIG (розроблений ARC)
Rig є відкритим фреймворком на Rust, призначеним для спрощення розробки додатків з великими мовними моделями. Він надає уніфікований інтерфейс для взаємодії з кількома постачальниками LLM (такими як OpenAI та Anthropic), підтримує різноманітні векторні сховища, включаючи MongoDB та Neo4j. Унікальність модульної архітектури цього фреймворку полягає в його основних компонентах, таких як абстрактний шар постачальників (Provider Abstraction Layer), інтеграція векторних сховищ та система агентів для сприяння безшовній взаємодії з LLM.
Основна аудиторія Rig включає розробників, які створюють програми AI/ML за допомогою Rust, а також організації, які прагнуть інтегрувати кілька постачальників LLM і векторні сховища у свої власні програми Rust. Репозиторій використовує архітектуру робочого простору з кількома ящиками для підтримки масштабованості та ефективного управління проектами. Його ключовою особливістю є рівень абстракції провайдера, який забезпечує стандартизацію для заповнення та вбудовування API між різними постачальниками LLM з послідовною обробкою помилок. Компонент Vector Store Integration надає абстрактний інтерфейс для декількох бекендів і підтримує пошук за векторною схожістю. Агентна система спрощує взаємодію з LLM, підтримує розширену генерацію пошуку (RAG) та інтеграцію інструментів. Крім того, фреймворк для вбудовування забезпечує можливості пакетної обробки та операцій вбудовування для безпеки типу.
Rig використовує кілька технологічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний час виконання Rust для ефективної обробки великої кількості одночасних запитів. Вбудований механізм обробки помилок фреймворку підвищує здатність до відновлення у випадку невдач постачальників штучного інтелекту або операцій з базами даних. Безпека типів може запобігти помилкам під час компіляції, що підвищує підтримуваність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання AI-сервісів. Детальне ведення журналів і моніторинг додатково допомагають у налагодженні та моніторингу застосунків.
Робочий процес Rig починається, коли клієнт ініціює запит, який взаємодіє з відповідною LLM моделлю через абстракцію постачальника. Потім дані обробляються на основному рівні, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища контексту. Відповідь генерується і уточнюється через складний робочий процес (такий як RAG) перед поверненням клієнту, процес включає в себе пошук документів та розуміння контексту. Ця система інтегрує кілька постачальників LLM та векторні сховища, адаптуючись до доступності моделей або оновлень продуктивності.
Використання Rig є різноманітним, включаючи системи запитань і відповідей, які забезпечують точні відповіді, здійснюючи пошук відповідних документів, системи пошуку та вилучення документів для ефективного виявлення контенту, а також чат-боти або віртуальні помічники, які забезпечують контекстуально усвідомлену взаємодію для обслуговування клієнтів або навчання. Він також підтримує генерацію контенту, підтримуючи створення текстів та інших матеріалів на основі навчальних моделей, що робить його універсальним інструментом для розробників і організацій.
Zerepy (розроблений ZEREPY та blorm)
ZerePy — це фреймворк з відкритим вихідним кодом, написаний мовою Python, який спрямований на розгортання агентів на X за допомогою OpenAI або Anthropic LLM. Похідний від модульної версії серверної частини Zerebro, ZerePy дозволяє розробникам запускати агентів з основною функціональністю, подібною до Zerebro. Хоча фреймворк забезпечує основу для розгортання агентів, тонке налаштування моделі має важливе значення для отримання творчого результату. ZerePy спрощує розробку та розгортання персоналізованих агентів штучного інтелекту, особливо для створення контенту на соціальних платформах, сприяючи творчій екосистемі на основі штучного інтелекту для мистецтва та децентралізованих додатків.
Ця структура розроблена за допомогою Python, підкреслюючи автономію агентів, зосереджуючись на генерації креативного контенту, у відповідності з архітектурою ELIZA та її співпрацею з ELIZA. Її модульний дизайн підтримує інтеграцію системи пам'яті та розгортання агентів на соціальних платформах. Основні функції включають командний інтерфейс для управління агентами, інтеграцію з Twitter, підтримку LLM OpenAI та Anthropic, а також модульну систему підключення для покращення функціональності.
Варіанти використання ZerePy охоплюють сферу автоматизації соціальних мереж, де користувачі можуть використовувати агентів штучного інтелекту для публікації, відповідей, лайків і ретвітів, щоб підвищити залученість платформи. Крім того, він обслуговує створення контенту в таких сферах, як музика, меми та NFT, що робить його важливим інструментом для цифрового мистецтва та платформ контенту на основі блокчейну.
(2) Порівняння чотирьох основних рамок
На нашу думку, кожна рамка надає унікальний підхід до розробки штучного інтелекту, що відповідає певним потребам і середовищу, і ми зосереджуємо увагу не на конкурентних відносинах між цими рамками, а на їх унікальності.
ELIZA вирізняється своїм зручним інтерфейсом, особливо для розробників, які знайомі з JavaScript та Node.js середовищами. Його всеосяжна документація допомагає налаштовувати агентів штучного інтелекту на різних платформах, хоча його широкий набір функцій може супроводжуватися певною кривою навчання. Розроблений за допомогою TypeScript, робить Eliza ідеальною для створення проксі-серверів, вбудованих у веб, оскільки більша частина фронтенду веб-інфраструктури розроблена за допомогою TypeScript. Фреймворк відомий своєю мультиагентною архітектурою, яка може розгортати різних особистостей штучного інтелекту на таких платформах, як Discord, X і Telegram. Його вдосконалена система RAG, керована пам'яттю, робить її особливо ефективною для підтримки клієнтів або помічників зі штучним інтелектом у програмах соціальних мереж. Незважаючи на те, що він пропонує гнучкість, потужну підтримку спільноти та стабільну кросплатформну продуктивність, він все ще знаходиться на ранніх стадіях і може стати кривою навчання для розробників.
GAME спеціально розроблений для розробників ігор, пропонуючи API для забезпечення низькокодового або безкодового інтерфейсу, щоб користувачі з низьким рівнем технічних знань у сфері ігор також могли ним користуватися. Проте він зосереджується на розробці ігор та інтеграції з блокчейном, що може створити круту криву навчання для тих, хто не має відповідного досвіду. Він виділяється в генерації контенту програми та поведінці NPC, але обмежений складністю, що виникає з його спеціалізації та інтеграції з блокчейном.
Через використання мови Rust Rig може бути не дуже зручним для користувача, враховуючи складність мови, що становить значну проблему для навчання, але він має інтуїтивно зрозумілу взаємодію для тих, хто володіє системним програмуванням. На відміну від TypeScripe, сама мова програмування відома своєю продуктивністю та безпекою пам'яті. Він має суворі перевірки під час компіляції та безкоштовні абстракції, які необхідні для запуску складних алгоритмів штучного інтелекту. Мова має високу ефективність, а її низький ступінь контролю робить її ідеальною для ресурсомістких додатків штучного інтелекту. Фреймворк забезпечує високопродуктивне рішення з модульним і масштабованим дизайном, що робить його ідеальним для корпоративних додатків. Однак для розробників, які не знайомі з Rust, використання Rust неминуче призведе до крутої кривої навчання.
ZerePy використовує Python, щоб забезпечити високу доступність для творчих завдань AI, крива навчання для розробників Python є нижчою, особливо для тих, хто має досвід у AI/ML, і завдяки крипто-спільноті Zerebro отримує вигоду від потужної підтримки спільноти. ZerePy спеціалізується на творчих застосуваннях штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає у сфері творчості, його обсяг порівняно вузький в порівнянні з іншими фреймворками.
У сфері масштабованості ELIZA досягла значного прогресу в оновленні V2, представивши єдину лінію повідомлень та масштабований основний каркас, який підтримує ефективне управління на кількох платформах. Однак, без оптимізації, таке управління між платформами може створити виклики в плані масштабованості.
GAME показує відмінні результати в реальному обробленні, необхідному для ігор, а масштабованість керується ефективними алгоритмами та потенційною розподіленою системою блокчейн, хоча вона може бути обмежена певними ігровими движками або мережами блокчейн.
Рамки Rig використовують продуктивність розширюваності Rust і призначені для програм з високою пропускною здатністю, що є особливо ефективним для підприємницьких розгортань, хоча це може означати, що для досягнення справжньої розширюваності потрібні складні налаштування.
Масштабованість Zerepy націлена на креативний вихід, підтримується внесками спільноти, але її фокус може обмежити застосування в більш широкому середовищі штучного інтелекту. Масштабованість може бути випробувана різноманітністю креативних завдань, а не кількістю користувачів.
У плані адаптивності ELIZA є лідером завдяки своїй плагінній системі та кросплатформній сумісності, її ігрове середовище GAME та обробка складних AI-завдань Rig також відзначаються. ZerePy демонструє високу адаптивність у креативній сфері, але менш придатний для ширшого застосування штучного інтелекту.
У плані продуктивності ELIZA оптимізована для швидкої взаємодії в соціальних мережах, швидкість відповіді є ключовою, але під час обробки більш складних обчислювальних завдань її продуктивність може відрізнятися.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальному взаємодії в ігрових сценах, використовуючи ефективний процес прийняття рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig оснований на мові Rust, забезпечує відмінну продуктивність для задач високопродуктивних обчислень, придатний для корпоративних додатків, де важлива обчислювальна ефективність.
Продуктивність Zerepy спеціально розроблена для створення креативного контенту, її показники зосереджені на ефективності та якості генерування контенту, що може бути менш універсальним поза креативною сферою.
Перевагою ELIZA є надання гнучкості та масштабованості, завдяки своїй системі плагінів та налаштуванню ролей, що забезпечує високу адаптивність, що сприяє міжплатформенній соціальній AI взаємодії.
GAME надає унікальні функції реального часу в іграх, вдосконалюючи новаторську участь ШІ через інтеграцію з блокчейном.
Переваги Rig полягають у його продуктивності та масштабованості для корпоративних завдань штучного інтелекту, з акцентом на забезпечення здоров'я довгострокових проектів за допомогою чистого модульного коду.
Zerepy спеціалізується на розвитку креативності, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві, і підтримується динамічною моделлю розвитку спільноти.
Кожна рамка має свої обмеження, ELIZA все ще на початковій стадії, існують потенційні проблеми зі стабільністю та крива навчання для нових розробників, нішеві ігри можуть обмежити більш широке застосування, а блокчейн додає складності. Rig, через круту криву навчання Rust, може відлякати частину розробників, в той час як Zerepy зосереджується на обмеженій творчій продуктивності, що може обмежити його використання в інших сферах ШІ.
(3) Підсумок порівняння рамок
Ріг (ARC):
Мова: Rust, з акцентом на безпеку та продуктивність.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не настільки керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь громади.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатопосередницькі системи.
Спільнота: високо орієнтована на спільноту, з широкою участю в GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для більш широкої бази розробників ШІ.
Приклади: підходить для автоматизації соціальних медіа та простіших завдань AI-агентів.
Спільнота: відносно нова, але завдяки популярності Python та підтримці Contributors AI16Z, вона має потенціал для зростання.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні, адаптивні штучні інтелектуальні агенти, які можуть еволюціонувати в залежності від взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценаріях, як ігри чи віртуальний світ.
Спільнота: інноваційна спільнота, але все ще визначає своє місце в конкуренції.
На малюнку наведені дані про зірки GitHub з моменту публікації цих фреймворків. Варто зазначити, що зірки GitHub є показником інтересу спільноти, популярності проекту та сприйманої цінності проекту.
ELIZA (червона лінія):
Починаючи з низької бази в липні і до значного збільшення кількості зірок у кінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу людей, що привернуло увагу розробників. Це експоненціальне зростання вказує на те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням та участі громади. Її популярність значно перевищує інших конкурентів, що свідчить про потужну підтримку громади і більш широке застосування чи інтерес у спільноті штучного інтелекту.
RIG (синя лінія):
Rig є найстарішим з чотирьох основних фреймворків, його кількість зірок помірна, але постійно зростає, і в наступному місяці вона, ймовірно, суттєво збільшиться. Він досяг 1700 зірок, але продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами накопичення інтересу користувачів. Це може свідчити про те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy тільки що запустився кілька днів тому і вже накопичив 181 зірку. Варто підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та рівня прийняття. Співпраця з AI16Z може залучити більше розробників коду.
GAME（зелена лінія）：
Ця кількість зірок проекту є найменшою, варто зазначити, що ця структура може бути безпосередньо застосована до агентів у віртуальній екосистемі через API, що усуває потребу в видимості Github. Проте, ця структура була відкритою для будівельників лише більше місяця тому, і понад 200 проектів використовують GAME для будівництва.
4. Причини для оптимізму щодо структури
Версія Eliza V2 буде інтегруватися з набором проксі-серверів Coinbase. У всіх проектах, які використовують Eliza, в майбутньому буде підтримуватися рідний TEE, що дозволить агентам працювати в безпечному середовищі. Однією з майбутніх функцій Eliza є реєстр плагінів, який дозволяє розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизовану анонімну міжплатформену передачу повідомлень. Білий документ з токеноміки заплановано до публікації 1 січня 2025 року, і очікується, що він матиме позитивний вплив на основний токен AI16Z в рамках Eliza. AI16Z планує продовжувати покращувати функціональність рамки, продовжуючи залучати високоякісні таланти, зусилля яких, як основних contributors, вже довели, що вона має таку здатність.
GAME фреймворк надає безкодову інтеграцію для агентів, дозволяючи використовувати GAME та ELIZA в одному проекті, кожен з яких служить певним цілям. Цей підхід має на меті привернути увагу будівельників, які зосереджені на бізнес-логіці, а не на технічних складнощах. Незважаючи на те, що фреймворк був опублікований лише понад 30 днів тому, завдяки зусиллям команди з залучення більшої кількості учасників, він досяг значного прогресу. Очікується, що всі проекти, які будуть запущені на VIRTUAL, використовуватимуть GAME.
Риг, представлений токеном ARC, має величезний потенціал, хоча його структура все ще перебуває на стадії раннього зростання, а плани щодо впровадження проекту лише нещодавно запущені. Проте очікується, що високоякісні проекти, що використовують ARC, з'являться найближчим часом, подібно до Virtual Flywheel, але з акцентом на Solana. Команда оптимістично налаштована щодо співпраці з Solana, порівнюючи зв'язок ARC з Solana з Virtual до Base. Варто зазначити, що команда не лише заохочує нові проекти використовувати Rig для запуску, але й заохочує розробників поліпшувати саму структуру Rig.
Zerepy є новим фреймворком, який отримує все більше уваги завдяки співпраці з Eliza. Цей фреймворк приваблює внески від учасників Eliza, які активно його покращують. Завдяки підтримці фанатів ZEREBRO, він має групу запальних прихильників і пропонує нові можливості для розробників Python, які раніше не мали представництва в конкуренції з інфраструктурою штучного інтелекту. Цей фреймворк зіграє важливу роль у творчості AI.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Порівняння чотирьох великих Crypto X AI фреймворків: ELIZA, GAME, ARC та ZEREPY
Автор: Deep Value Memetics, переклад: Золота економіка xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їхніх технологічних відмінностях.
1、Вступ
Протягом минулого тижня ми досліджували та тестували чотири основні крипто X AI фреймворки: ELIZA, GAME, ARC, ZEREPY, і ми зробили такі висновки.
Ми віримо, що AI16Z продовжить займати провідну позицію. Цінність Eliza (частка ринку близько 60%, ринкова капіталізація понад 1 мільярд доларів) полягає у її перевазі першопрохідця (ефект Лінді) і в тому, що вона отримує все більше користувачів серед розробників, дані про 193 контриб'ютори, 1800 форків та понад 6000 зірок це підтверджують, що робить її однією з найпопулярніших кодових баз на Github.
До цього часу розвиток GAME (частка ринку близько 20%, ринкова капіталізація близько 300 мільйонів доларів) проходить дуже успішно, він отримує швидке впровадження, як тільки оголосив VIRTUAL, що на платформі є понад 200 проектів, 150 тисяч щоденних запитів і 200% тижневого зростання. GAME продовжуватиме отримувати вигоду від зростання VIRTUAL і стане одним з найбільших переможців у його екосистемі.
Rig (ARC, частка на ринку приблизно 15%, ринкова капіталізація приблизно 160 мільйонів доларів) дуже помітний, оскільки його модульний дизайн дуже простий в експлуатації і може займати домінуючу позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально призначеним для захопленої спільноти ZEREBRO, і нещодавнє співробітництво з спільнотою ai16z може призвести до синергії.
Ми звернули увагу на те, що наш розрахунок частки ринку охоплює ринкову капіталізацію, записи розробки та ринок терміналів основних операційних систем.
Ми вважаємо, що в цьому ринковому циклі сегмент рамок буде найшвидше зростаючою галуззю, загальна вартість якої в 1,7 мільярда доларів може легко зростати до 20 мільярдів доларів, що все ще є відносно обережним у порівнянні з піковою оцінкою L1 у 2021 році, коли багато L1 були оцінені більш ніж у 20 мільярдів доларів. Хоча ці рамки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що ця галузь перебуває в стані постійного зростання, метод зважування за ринковою капіталізацією може бути найобережнішим підходом.
2、Чотири основні рамки
У наведеній нижче таблиці ми перерахували ключові технології, компоненти та переваги основних рамок.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) Огляд рамки
У перехресті AI та криптовалют є кілька платформ, які сприяють розвитку AI. Це ELIZA від AI16Z, RIG від ARC, ZEREBRO від ZEREPY та VIRTUAL від GAME. Кожна платформа задовольняє різні потреби та концепції в процесі розробки агентів AI, від проектів з відкритим кодом до корпоративних рішень, зосереджених на продуктивності.
У цій статті спочатку буде представлено фреймворки, розказано, що це таке, якими мовами програмування, технологічною архітектурою, алгоритмами вони користуються, які унікальні функції мають, а також які потенційні варіанти використання існують для фреймворків. Потім ми порівняємо кожен фреймворк з точки зору зручності використання, масштабованості, адаптивності та продуктивності, досліджуючи їхні переваги та обмеження.
ELIZA (розроблений ai16z)
Eliza є відкритим фреймворком для багатоагентного моделювання, призначеним для створення, розгортання та управління автономними AI-агентами. Він розроблений мовою програмування TypeScript і пропонує гнучку масштабовану платформу для створення розумних агентів, які здатні взаємодіяти з людьми на кількох платформах, зберігаючи при цьому послідовність особистості та знань.
Основні функції цього фреймворку включають багатосагентну архітектуру, яка підтримує одночасне розгортання та управління кількома унікальними AI-особистостями, а також систему ролей для створення різних агентів за допомогою фреймворка рольових файлів, а також функції управління пам'яттю, що забезпечують довготривалу пам'ять і контекстуально усвідомлене управління пам'яттю за допомогою вдосконаленого генерування через підвищене отримання (RAG). Крім того, фреймворк Eliza також забезпечує плавну інтеграцію з платформами, що дозволяє надійно підключатися до Discord, X та інших соціальних медіа.
Коли справа доходить до комунікаційних та медійних можливостей агентів штучного інтелекту, Eliza є чудовим вибором. З точки зору комунікації, фреймворк підтримує інтеграцію з функцією голосового каналу Discord, функцією X, Telegram і прямий доступ до API для користувацьких випадків використання. З іншого боку, можливості фреймворку з обробки медіа можуть бути розширені до читання та аналізу документів PDF, вилучення та узагальнення вмісту посилань, транскрипції аудіо, обробки відеоконтенту, аналізу зображень та підсумовування розмови для ефективної обробки широкого спектру медіавходів і виходів.
Фреймворк Eliza надає гнучку підтримку AI-моделей через локальне виведення відкритих моделей, хмарне виведення OpenAI та налаштування за замовчуванням (такі як Nous Hermes Llama 3.1B), а також інтегрує підтримку Claude для обробки складних завдань. Eliza використовує модульну архітектуру, яка має широкий спектр операційних систем, підтримку користувацьких клієнтів та повний API, що забезпечує масштабованість і адаптивність між додатками.
Використання Eliza охоплює кілька сфер, наприклад: AI-асистент для підтримки клієнтів, перевірки спільноти та особистих завдань, а також автоматичний творець контенту, інтерактивні роботи та ролі представників брендів у соціальних мережах. Він також може виступати в ролі знаннєвого працівника, виконуючи функції наукового асистента, аналітика контенту та обробника документів, а також підтримує інтерактивні ролі, такі як роботи для рольових ігор, освітні наставники та представники агентств.
Архітектура Eliza побудована навколо агентного виконання (agent runtime), яке безшовно інтегрується з її системою ролей (підтримуваною постачальниками моделей), менеджером пам'яті (підключеним до бази даних) і операційною системою (яка пов'язана з платформою клієнта). Унікальні можливості цієї рамки включають систему плагінів, яка підтримує модульне розширення функціональності, підтримує багатомодальну взаємодію, таку як голос, текст і медіа, а також сумісна з провідними AI моделями (такими як Llama, GPT-4 і Claude). Завдяки своїй різноманітній функціональності та потужному дизайну, Eliza виділяється як потужний інструмент для розробки AI додатків у різних галузях.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутність (G.A.M.E) має на меті надати розробникам доступ до API та SDK для експериментів з AI-агентами. Ця структура пропонує структурований підхід для управління поведінкою, ухваленням рішень та процесами навчання AI-агентів.
Основні компоненти такі: по-перше, інтерфейс підказок агента (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати GAME в агента для доступу до поведінки агента. Підсистема сприйняття (Perception Subsystem) запускає сесію, вказуючи параметри, такі як ідентифікатор сесії, ідентифікатор агента, користувача та інші відповідні деталі.
Вона об'єднує вхідні дані у формат, придатний для стратегічного планувального двигуна (Strategic Planning Engine), виконуючи роль механізму вводу відчуття AI-агента, незалежно від того, чи у формі діалогу, чи реакції. Її основою є модуль обробки діалогу, що використовується для обробки повідомлень і відповідей від агента та співпраці з підсистемою сприйняття для ефективного інтерпретування та реагування на вхідні дані.
Стратегічний планувальний двигун працює разом з модулем обробки діалогів і оператором гаманця на блокчейні для генерації відповідей і планів. Цей двигун має два рівні функціональності: як високорівневий планувальник, що створює широкі стратегії на основі контексту або цілей; і як низькорівнева стратегія, що перетворює ці стратегії на дієві стратегії, які далі діляться на планувальник дій для специфікованих завдань і виконавця планів для виконання завдань.
Існує ще один незалежний, але важливий компонент — це Світовий Контекст, який посилається на середовище, глобальну інформацію та стан гри, надаючи необхідний контекст для рішень агентів. Крім того, Репозиторій Агентів використовується для зберігання довгострокових атрибутів, таких як цілі, роздуми, досвід та особистість, які разом формують поведінку та процес ухвалення рішень агентів.
У фреймворку використовуються процесори короткочасної робочої пам'яті та довготривалої пам'яті. Інформація про попередню поведінку, результати та поточні плани зберігається протягом короткого періоду часу. Навпаки, процесори довготривалої пам'яті витягують критично важливу інформацію на основі таких критеріїв, як важливість, актуальність і актуальність. Довготривала пам'ять зберігає знання про досвід агента, його рефлексію, динамічну особистість, світовий контекст і робочу пам'ять для поліпшення прийняття рішень і забезпечення основи для навчання.
Модуль навчання використовує дані, отримані з підсистеми сприйняття, для генерації загальних знань, які зворотно надсилаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс зворотний зв'язок щодо дій, стану гри та даних відчуттів, щоб підвищити навчальні можливості AI-агента та покращити його планування та прийняття рішень.
Процес роботи починається з того, що розробники взаємодіють через інтерфейс запиту проксі. Введення обробляється підсистемою сприйняття та передається до модуля обробки діалогів, який відповідає за управління логікою взаємодії. Потім стратегічний планувальний двигун розробляє та виконує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні плани дій.
Дані з контексту світу та репозиторіїв агентів сповіщають ці процеси, в той час як оперативна пам'ять відстежує миттєві завдання. Тим часом процесор довготривалої пам'яті зберігає та відновлює довгострокові знання. Модулі навчання аналізують результати та інтегрують нові знання в систему, що дозволяє постійно вдосконалювати поведінку та взаємодію агентів.
RIG (розроблений ARC)
Rig є відкритим фреймворком на Rust, призначеним для спрощення розробки додатків з великими мовними моделями. Він надає уніфікований інтерфейс для взаємодії з кількома постачальниками LLM (такими як OpenAI та Anthropic), підтримує різноманітні векторні сховища, включаючи MongoDB та Neo4j. Унікальність модульної архітектури цього фреймворку полягає в його основних компонентах, таких як абстрактний шар постачальників (Provider Abstraction Layer), інтеграція векторних сховищ та система агентів для сприяння безшовній взаємодії з LLM.
Основна аудиторія Rig включає розробників, які створюють програми AI/ML за допомогою Rust, а також організації, які прагнуть інтегрувати кілька постачальників LLM і векторні сховища у свої власні програми Rust. Репозиторій використовує архітектуру робочого простору з кількома ящиками для підтримки масштабованості та ефективного управління проектами. Його ключовою особливістю є рівень абстракції провайдера, який забезпечує стандартизацію для заповнення та вбудовування API між різними постачальниками LLM з послідовною обробкою помилок. Компонент Vector Store Integration надає абстрактний інтерфейс для декількох бекендів і підтримує пошук за векторною схожістю. Агентна система спрощує взаємодію з LLM, підтримує розширену генерацію пошуку (RAG) та інтеграцію інструментів. Крім того, фреймворк для вбудовування забезпечує можливості пакетної обробки та операцій вбудовування для безпеки типу.
Rig використовує кілька технологічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний час виконання Rust для ефективної обробки великої кількості одночасних запитів. Вбудований механізм обробки помилок фреймворку підвищує здатність до відновлення у випадку невдач постачальників штучного інтелекту або операцій з базами даних. Безпека типів може запобігти помилкам під час компіляції, що підвищує підтримуваність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання AI-сервісів. Детальне ведення журналів і моніторинг додатково допомагають у налагодженні та моніторингу застосунків.
Робочий процес Rig починається, коли клієнт ініціює запит, який взаємодіє з відповідною LLM моделлю через абстракцію постачальника. Потім дані обробляються на основному рівні, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища контексту. Відповідь генерується і уточнюється через складний робочий процес (такий як RAG) перед поверненням клієнту, процес включає в себе пошук документів та розуміння контексту. Ця система інтегрує кілька постачальників LLM та векторні сховища, адаптуючись до доступності моделей або оновлень продуктивності.
Використання Rig є різноманітним, включаючи системи запитань і відповідей, які забезпечують точні відповіді, здійснюючи пошук відповідних документів, системи пошуку та вилучення документів для ефективного виявлення контенту, а також чат-боти або віртуальні помічники, які забезпечують контекстуально усвідомлену взаємодію для обслуговування клієнтів або навчання. Він також підтримує генерацію контенту, підтримуючи створення текстів та інших матеріалів на основі навчальних моделей, що робить його універсальним інструментом для розробників і організацій.
Zerepy (розроблений ZEREPY та blorm)
ZerePy — це фреймворк з відкритим вихідним кодом, написаний мовою Python, який спрямований на розгортання агентів на X за допомогою OpenAI або Anthropic LLM. Похідний від модульної версії серверної частини Zerebro, ZerePy дозволяє розробникам запускати агентів з основною функціональністю, подібною до Zerebro. Хоча фреймворк забезпечує основу для розгортання агентів, тонке налаштування моделі має важливе значення для отримання творчого результату. ZerePy спрощує розробку та розгортання персоналізованих агентів штучного інтелекту, особливо для створення контенту на соціальних платформах, сприяючи творчій екосистемі на основі штучного інтелекту для мистецтва та децентралізованих додатків.
Ця структура розроблена за допомогою Python, підкреслюючи автономію агентів, зосереджуючись на генерації креативного контенту, у відповідності з архітектурою ELIZA та її співпрацею з ELIZA. Її модульний дизайн підтримує інтеграцію системи пам'яті та розгортання агентів на соціальних платформах. Основні функції включають командний інтерфейс для управління агентами, інтеграцію з Twitter, підтримку LLM OpenAI та Anthropic, а також модульну систему підключення для покращення функціональності.
Варіанти використання ZerePy охоплюють сферу автоматизації соціальних мереж, де користувачі можуть використовувати агентів штучного інтелекту для публікації, відповідей, лайків і ретвітів, щоб підвищити залученість платформи. Крім того, він обслуговує створення контенту в таких сферах, як музика, меми та NFT, що робить його важливим інструментом для цифрового мистецтва та платформ контенту на основі блокчейну.
(2) Порівняння чотирьох основних рамок
На нашу думку, кожна рамка надає унікальний підхід до розробки штучного інтелекту, що відповідає певним потребам і середовищу, і ми зосереджуємо увагу не на конкурентних відносинах між цими рамками, а на їх унікальності.
ELIZA вирізняється своїм зручним інтерфейсом, особливо для розробників, які знайомі з JavaScript та Node.js середовищами. Його всеосяжна документація допомагає налаштовувати агентів штучного інтелекту на різних платформах, хоча його широкий набір функцій може супроводжуватися певною кривою навчання. Розроблений за допомогою TypeScript, робить Eliza ідеальною для створення проксі-серверів, вбудованих у веб, оскільки більша частина фронтенду веб-інфраструктури розроблена за допомогою TypeScript. Фреймворк відомий своєю мультиагентною архітектурою, яка може розгортати різних особистостей штучного інтелекту на таких платформах, як Discord, X і Telegram. Його вдосконалена система RAG, керована пам'яттю, робить її особливо ефективною для підтримки клієнтів або помічників зі штучним інтелектом у програмах соціальних мереж. Незважаючи на те, що він пропонує гнучкість, потужну підтримку спільноти та стабільну кросплатформну продуктивність, він все ще знаходиться на ранніх стадіях і може стати кривою навчання для розробників.
GAME спеціально розроблений для розробників ігор, пропонуючи API для забезпечення низькокодового або безкодового інтерфейсу, щоб користувачі з низьким рівнем технічних знань у сфері ігор також могли ним користуватися. Проте він зосереджується на розробці ігор та інтеграції з блокчейном, що може створити круту криву навчання для тих, хто не має відповідного досвіду. Він виділяється в генерації контенту програми та поведінці NPC, але обмежений складністю, що виникає з його спеціалізації та інтеграції з блокчейном.
Через використання мови Rust Rig може бути не дуже зручним для користувача, враховуючи складність мови, що становить значну проблему для навчання, але він має інтуїтивно зрозумілу взаємодію для тих, хто володіє системним програмуванням. На відміну від TypeScripe, сама мова програмування відома своєю продуктивністю та безпекою пам'яті. Він має суворі перевірки під час компіляції та безкоштовні абстракції, які необхідні для запуску складних алгоритмів штучного інтелекту. Мова має високу ефективність, а її низький ступінь контролю робить її ідеальною для ресурсомістких додатків штучного інтелекту. Фреймворк забезпечує високопродуктивне рішення з модульним і масштабованим дизайном, що робить його ідеальним для корпоративних додатків. Однак для розробників, які не знайомі з Rust, використання Rust неминуче призведе до крутої кривої навчання.
ZerePy використовує Python, щоб забезпечити високу доступність для творчих завдань AI, крива навчання для розробників Python є нижчою, особливо для тих, хто має досвід у AI/ML, і завдяки крипто-спільноті Zerebro отримує вигоду від потужної підтримки спільноти. ZerePy спеціалізується на творчих застосуваннях штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає у сфері творчості, його обсяг порівняно вузький в порівнянні з іншими фреймворками.
У сфері масштабованості ELIZA досягла значного прогресу в оновленні V2, представивши єдину лінію повідомлень та масштабований основний каркас, який підтримує ефективне управління на кількох платформах. Однак, без оптимізації, таке управління між платформами може створити виклики в плані масштабованості.
GAME показує відмінні результати в реальному обробленні, необхідному для ігор, а масштабованість керується ефективними алгоритмами та потенційною розподіленою системою блокчейн, хоча вона може бути обмежена певними ігровими движками або мережами блокчейн.
Рамки Rig використовують продуктивність розширюваності Rust і призначені для програм з високою пропускною здатністю, що є особливо ефективним для підприємницьких розгортань, хоча це може означати, що для досягнення справжньої розширюваності потрібні складні налаштування.
Масштабованість Zerepy націлена на креативний вихід, підтримується внесками спільноти, але її фокус може обмежити застосування в більш широкому середовищі штучного інтелекту. Масштабованість може бути випробувана різноманітністю креативних завдань, а не кількістю користувачів.
У плані адаптивності ELIZA є лідером завдяки своїй плагінній системі та кросплатформній сумісності, її ігрове середовище GAME та обробка складних AI-завдань Rig також відзначаються. ZerePy демонструє високу адаптивність у креативній сфері, але менш придатний для ширшого застосування штучного інтелекту.
У плані продуктивності ELIZA оптимізована для швидкої взаємодії в соціальних мережах, швидкість відповіді є ключовою, але під час обробки більш складних обчислювальних завдань її продуктивність може відрізнятися.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальному взаємодії в ігрових сценах, використовуючи ефективний процес прийняття рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig оснований на мові Rust, забезпечує відмінну продуктивність для задач високопродуктивних обчислень, придатний для корпоративних додатків, де важлива обчислювальна ефективність.
Продуктивність Zerepy спеціально розроблена для створення креативного контенту, її показники зосереджені на ефективності та якості генерування контенту, що може бути менш універсальним поза креативною сферою.
Перевагою ELIZA є надання гнучкості та масштабованості, завдяки своїй системі плагінів та налаштуванню ролей, що забезпечує високу адаптивність, що сприяє міжплатформенній соціальній AI взаємодії.
GAME надає унікальні функції реального часу в іграх, вдосконалюючи новаторську участь ШІ через інтеграцію з блокчейном.
Переваги Rig полягають у його продуктивності та масштабованості для корпоративних завдань штучного інтелекту, з акцентом на забезпечення здоров'я довгострокових проектів за допомогою чистого модульного коду.
Zerepy спеціалізується на розвитку креативності, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві, і підтримується динамічною моделлю розвитку спільноти.
Кожна рамка має свої обмеження, ELIZA все ще на початковій стадії, існують потенційні проблеми зі стабільністю та крива навчання для нових розробників, нішеві ігри можуть обмежити більш широке застосування, а блокчейн додає складності. Rig, через круту криву навчання Rust, може відлякати частину розробників, в той час як Zerepy зосереджується на обмеженій творчій продуктивності, що може обмежити його використання в інших сферах ШІ.
(3) Підсумок порівняння рамок
Ріг (ARC):
Мова: Rust, з акцентом на безпеку та продуктивність.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не настільки керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь громади.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатопосередницькі системи.
Спільнота: високо орієнтована на спільноту, з широкою участю в GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для більш широкої бази розробників ШІ.
Приклади: підходить для автоматизації соціальних медіа та простіших завдань AI-агентів.
Спільнота: відносно нова, але завдяки популярності Python та підтримці Contributors AI16Z, вона має потенціал для зростання.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні, адаптивні штучні інтелектуальні агенти, які можуть еволюціонувати в залежності від взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценаріях, як ігри чи віртуальний світ.
Спільнота: інноваційна спільнота, але все ще визначає своє місце в конкуренції.
3、Динаміка даних Star на Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
На малюнку наведені дані про зірки GitHub з моменту публікації цих фреймворків. Варто зазначити, що зірки GitHub є показником інтересу спільноти, популярності проекту та сприйманої цінності проекту.
ELIZA (червона лінія):
Починаючи з низької бази в липні і до значного збільшення кількості зірок у кінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу людей, що привернуло увагу розробників. Це експоненціальне зростання вказує на те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням та участі громади. Її популярність значно перевищує інших конкурентів, що свідчить про потужну підтримку громади і більш широке застосування чи інтерес у спільноті штучного інтелекту.
RIG (синя лінія):
Rig є найстарішим з чотирьох основних фреймворків, його кількість зірок помірна, але постійно зростає, і в наступному місяці вона, ймовірно, суттєво збільшиться. Він досяг 1700 зірок, але продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами накопичення інтересу користувачів. Це може свідчити про те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy тільки що запустився кілька днів тому і вже накопичив 181 зірку. Варто підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та рівня прийняття. Співпраця з AI16Z може залучити більше розробників коду.
GAME（зелена лінія）：
Ця кількість зірок проекту є найменшою, варто зазначити, що ця структура може бути безпосередньо застосована до агентів у віртуальній екосистемі через API, що усуває потребу в видимості Github. Проте, ця структура була відкритою для будівельників лише більше місяця тому, і понад 200 проектів використовують GAME для будівництва.
4. Причини для оптимізму щодо структури
Версія Eliza V2 буде інтегруватися з набором проксі-серверів Coinbase. У всіх проектах, які використовують Eliza, в майбутньому буде підтримуватися рідний TEE, що дозволить агентам працювати в безпечному середовищі. Однією з майбутніх функцій Eliza є реєстр плагінів, який дозволяє розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизовану анонімну міжплатформену передачу повідомлень. Білий документ з токеноміки заплановано до публікації 1 січня 2025 року, і очікується, що він матиме позитивний вплив на основний токен AI16Z в рамках Eliza. AI16Z планує продовжувати покращувати функціональність рамки, продовжуючи залучати високоякісні таланти, зусилля яких, як основних contributors, вже довели, що вона має таку здатність.
GAME фреймворк надає безкодову інтеграцію для агентів, дозволяючи використовувати GAME та ELIZA в одному проекті, кожен з яких служить певним цілям. Цей підхід має на меті привернути увагу будівельників, які зосереджені на бізнес-логіці, а не на технічних складнощах. Незважаючи на те, що фреймворк був опублікований лише понад 30 днів тому, завдяки зусиллям команди з залучення більшої кількості учасників, він досяг значного прогресу. Очікується, що всі проекти, які будуть запущені на VIRTUAL, використовуватимуть GAME.
Риг, представлений токеном ARC, має величезний потенціал, хоча його структура все ще перебуває на стадії раннього зростання, а плани щодо впровадження проекту лише нещодавно запущені. Проте очікується, що високоякісні проекти, що використовують ARC, з'являться найближчим часом, подібно до Virtual Flywheel, але з акцентом на Solana. Команда оптимістично налаштована щодо співпраці з Solana, порівнюючи зв'язок ARC з Solana з Virtual до Base. Варто зазначити, що команда не лише заохочує нові проекти використовувати Rig для запуску, але й заохочує розробників поліпшувати саму структуру Rig.
Zerepy є новим фреймворком, який отримує все більше уваги завдяки співпраці з Eliza. Цей фреймворк приваблює внески від учасників Eliza, які активно його покращують. Завдяки підтримці фанатів ZEREBRO, він має групу запальних прихильників і пропонує нові можливості для розробників Python, які раніше не мали представництва в конкуренції з інфраструктурою штучного інтелекту. Цей фреймворк зіграє важливу роль у творчості AI.