المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة، سنستكشف آفاق إطار Crypto X AI. سننظر في أربعة أطر رئيسية حالياً (ELIZA، GAME، ARC، ZEREPY) والاختلافات التقنية لكل منها.
1، المقدمة
لقد قمنا في الأسبوع الماضي بدراسة واختبار أربعة أطر رئيسية للذكاء الاصطناعي في العملات المشفرة، وهي ELIZA وGAME وARC وZEREPY، وخلصنا إلى الاستنتاجات التالية.
نحن نعتقد أن AI16Z ستواصل الهيمنة. قيمة Eliza (حصة السوق حوالي 60٪، القيمة السوقية تتجاوز مليار دولار) تكمن في ميزة السبق (أثر ليندي)، وزيادة عدد المطورين الذين يستخدمونها، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع و6000 نجمة أنها واحدة من أكثر مستودعات التعليمات البرمجية شعبية على Github.
حتى الآن، كانت تطورات GAME (التي تحظى بحصة سوقية تبلغ حوالي 20% وقيمة سوقية تبلغ حوالي 300 مليون دولار) سلسة للغاية، حيث تحقق تبنيًا سريعًا، كما أعلنت VIRTUAL مؤخرًا، 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 الرابحين في نظامها البيئي.
يعتبر Rig (ARC، حصة سوقية حوالي 15%، وقيمة سوقية حوالي 160 مليون دولار) لافتاً جداً للنظر، حيث أن تصميمه القابل للتعديل سهل الاستخدام للغاية، ويمكن أن يتولى دور "pure-play" في نظام سولانا البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نسبيًا نادر، يستهدف مجتمع ZEREBRO المتحمس، وقد يؤدي التعاون الأخير مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
لقد لاحظنا أن حساب حصة السوق لدينا يغطي قيمة السوق، وسجلات التطوير، وسوق أنظمة التشغيل الأساسية.
نعتقد أن السوق الفرعي للإطارات سيكون أسرع مجالات النمو في دورة السوق الحالية، حيث يمكن أن يصل إجمالي القيمة السوقية البالغة 1.7 مليار دولار بسهولة إلى 20 مليار دولار، وهو ما لا يزال محافظًا نسبيًا مقارنةً بأعلى قيمة تقديرية للـ L1 في عام 2021، حيث تجاوزت العديد من قيم الـ L1 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، ومن المحتمل أن تكون الطريقة المعتمدة على القيمة السوقية هي الأكثر حذرًا.
2، الأطر الأربعة الكبرى
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا لأطر العمل الرئيسية.
عند تقاطع الذكاء الاصطناعي X Crypto ، هناك العديد من الأطر التي تسهل تطوير الذكاء الاصطناعي. إنهم ELIZA ل AI16Z و RIG ل ARC و ZEREBRO ل ZEREPY و VIRTUAL ل GAME. يعالج كل إطار احتياجات وفلسفات مختلفة في عملية تطوير عامل الذكاء الاصطناعي ، من المشاريع المجتمعية مفتوحة المصدر إلى الحلول على مستوى المؤسسات التي تركز على الأداء.
تبدأ هذه المقالة بمقدمة عن الأطر ، وما هي ، وما هي لغات البرمجة التي يستخدمونها ، والبنى التقنية ، والخوارزميات ، وما هي الميزات الفريدة التي تتمتع بها ، وما هي حالات الاستخدام المحتملة التي يمكن أن يستخدمها إطار العمل. ثم نقارن كل إطار عمل من حيث التوافر وقابلية التوسع والقدرة على التكيف والأداء ، ونستكشف نقاط قوتها وقيودها.
ELIZA (تطوير ai16z)
Eliza هو إطار عمل مفتوح المصدر لمحاكاة متعددة الوكلاء، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره باستخدام لغة البرمجة TypeScript، ويوفر منصة مرنة وقابلة للتوسع لبناء وكلاء ذكيين يمكنهم التفاعل مع البشر عبر منصات متعددة والحفاظ على شخصية ومعرفة متسقة.
تشمل الميزات الأساسية لهذا الإطار بنية متعددة الوكلاء تدعم نشر وإدارة شخصيات AI فريدة متعددة في وقت واحد، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، وإدارة ذاكرة طويلة الأمد وذاكرة سياقية من خلال نظام تحسين الاسترجاع المعزز (RAG). بالإضافة إلى ذلك، يوفر إطار Eliza تكاملًا سلسًا مع المنصات، مما يتيح اتصالًا موثوقًا مع Discord وX ومنصات الوسائط الاجتماعية الأخرى.
عندما يتعلق الأمر بقدرات الاتصال والوسائط لوكلاء الذكاء الاصطناعي ، فإن Eliza هي خيار ممتاز. فيما يتعلق بالاتصال ، يدعم إطار العمل عمليات التكامل مع ميزة القناة الصوتية ل Discord ، وميزة X ، و Telegram ، والوصول المباشر إلى واجهات برمجة التطبيقات لحالات الاستخدام المخصصة. من ناحية أخرى ، يمكن توسيع قدرات معالجة الوسائط في إطار العمل لتشمل قراءة مستندات PDF وتحليلها ، واستخراج محتوى الرابط وتلخيصه ، والنسخ الصوتي ، ومعالجة محتوى الفيديو ، وتحليل الصور ، وتلخيص المحادثة للتعامل بكفاءة مع مجموعة واسعة من مدخلات ومخرجات الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، والتكوين الافتراضي (مثل Nous Hermes Llama 3.1B)، ويشمل دعم Claude لمعالجة المهام المعقدة. يعتمد Eliza على بنية معيارية، ويتميز بدعم واسع لأنظمة التشغيل، وعملاء مخصصين، وواجهة برمجة تطبيقات شاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تمتد حالات استخدام Eliza إلى مجالات متعددة ، مثل: مساعدي الذكاء الاصطناعي لدعم العملاء ، والإشراف على المجتمع ، والمهام الشخصية ، بالإضافة إلى شخصيات وسائل التواصل الاجتماعي مثل منشئي المحتوى التلقائيين ، والروبوتات التفاعلية ، وممثلي العلامة التجارية. يمكن أن يعمل أيضا كعامل معرفي ، ويتولى أدوارا مثل مساعدي البحث ومحللي المحتوى ومعالجي المستندات ، ويدعم الأدوار التفاعلية للعب الأدوار في شكل روبوتات وموجهين تعليميين ووكلاء ترفيه.
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 بروتوكول Virtuals)
إطار الكيانات المتعددة الوسائط الذاتية التوليد (G.A.M.E) يهدف إلى تزويد المطورين بالوصول إلى API و SDK لإجراء تجارب وكلاء الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوك وقرارات وعمليات تعلم وكلاء الذكاء الاصطناعي.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لتكامل GAME في الوكيل للوصول إلى سلوك الوكيل. يقوم النظام الفرعي للإدراك (Perception Subsystem) ببدء الجلسة من خلال تحديد معلمات مثل معرف الجلسة ومعرف الوكيل والمستخدم والتفاصيل ذات الصلة الأخرى.
إنه سيجمع المعلومات الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال شعور للوكيل الذكي، سواء كان ذلك في شكل محادثة أو ردود. جوهره هو وحدة معالجة المحادثات، التي تعالج الرسائل والاستجابات من الوكيل، وتتعاون مع النظام الفرعي للإدراك لتفسير المدخلات والاستجابة لها بشكل فعال.
يعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار ومشغل المحفظة على السلسلة معًا لتوليد الاستجابات والخطط. يتمتع هذا المحرك بوظيفتين: كمنظم عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ وكاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي تنقسم بدورها إلى منظم إجراءات لمهام محددة ومنفذ خطط لتنفيذ المهام.
هناك عنصر مستقل ولكنه مهم وهو سياق العالم (World Context) ، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة ، مما يوفر السياق الضروري لقرارات الوكلاء. بالإضافة إلى ذلك ، يتم استخدام مستودع الوكلاء (Agent Repository) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية ، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
تستخدم هذه الإطار ذاكرة العمل قصيرة المدى ومعالج الذاكرة طويلة المدى. تحتفظ الذاكرة قصيرة المدى بمعلومات ذات صلة حول السلوكيات السابقة والنتائج والخطط الحالية. بالمقابل، يقوم معالج الذاكرة طويلة المدى باستخراج المعلومات الأساسية وفقًا لمعايير مثل الأهمية، والحداثة، والملاءمة. تخزن الذاكرة طويلة المدى تجارب الوكيل، والتفكير، والشخصية الديناميكية، وسياق العالم، ومعرفة ذاكرة العمل لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات من نظام الإدراك لإنشاء معرفة عامة، يتم إرجاع هذه المعرفة إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال تعليقات حول الإجراءات وحالة اللعبة وبيانات الإحساس من خلال الواجهة، لتعزيز قدرة تعلم وكيل الذكاء الاصطناعي، وزيادة قدرته على التخطيط واتخاذ القرار.
تبدأ سير العمل عندما يتفاعل المطورون من خلال واجهة تلميح الوكيل. يتم معالجة المدخلات بواسطة نظام الإدراك الفرعي وإعادة توجيهها إلى وحدة معالجة الحوار، التي تتولى إدارة منطق التفاعل. بعد ذلك، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستفيداً من الاستراتيجيات عالية المستوى وخطط العمل التفصيلية.
تقوم البيانات من السياق العالمي ومستودعات الوكيل بإعلام هذه العمليات بينما تتعقب الذاكرة العاملة المهام الفورية. في الوقت نفسه ، تقوم معالجات الذاكرة طويلة المدى بتخزين واسترداد المعرفة طويلة المدى. تحلل وحدات التعلم النتائج وتدمج المعرفة الجديدة في النظام ، مما يتيح التحسين المستمر لسلوك الوكيل والتفاعلات.
RIG (تم تطويره بواسطة ARC)
Rig هو إطار عمل Rust مفتوح المصدر مصمم لتبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع العديد من مزودي LLM ، مثل OpenAI و Anthropic ، ويدعم مجموعة متنوعة من متاجر المتجهات ، بما في ذلك MongoDB و Neo4j. تعتبر البنية المعيارية لإطار العمل فريدة من نوعها في مكوناتها الأساسية ، مثل طبقة تجريد المزود ، وتكامل تخزين المتجهات ، وأنظمة الوكيل ، لتسهيل التفاعل السلس مع LLMs.
يشمل جمهور Rig الأساسي المطورين الذين يبنون تطبيقات الذكاء الاصطناعي / التعلم الآلي باستخدام Rust ، تليها المنظمات التي تسعى إلى دمج العديد من مزودي LLM ومخازن النواقل في تطبيقات Rust الخاصة بهم. يستخدم المستودع بنية مساحة عمل مع صناديق متعددة لدعم قابلية التوسع وإدارة المشروع بكفاءة. ميزته الرئيسية هي طبقة تجريد المزود ، والتي توفر توحيدا لإكمال واجهات برمجة التطبيقات وتضمينها بين موفري LLM المختلفين مع معالجة الأخطاء بشكل متسق. يوفر مكون تكامل Vector Store واجهة مجردة للخلفيات الخلفية المتعددة ويدعم عمليات البحث عن تشابه المتجه. يبسط نظام الوكيل تفاعلات LLM ، ويدعم التوليد المحسن للاسترداد (RAG) ، وتكامل الأدوات. بالإضافة إلى ذلك ، يوفر إطار عمل التضمين إمكانات معالجة الدفعات وعمليات التضمين لسلامة النوع.
يستفيد Rig من العديد من المزايا التكنولوجية لضمان الموثوقية والأداء. تستخدم العمليات غير المتزامنة وقت تشغيل Rust غير المتزامن لمعالجة عدد كبير من الطلبات المتزامنة بفعالية. تعزز آلية معالجة الأخطاء المدمجة في الإطار القدرة على استعادة الأخطاء المتعلقة بمزودي الذكاء الاصطناعي أو فشل عمليات قاعدة البيانات. يمكن أن تمنع سلامة النوع الأخطاء أثناء عملية التجميع، مما يعزز من قابلية صيانة الكود. تدعم عمليات التسلسل وإعادة التسلسل الفعالة معالجة بيانات بتنسيقات مثل JSON، وهو أمر بالغ الأهمية للتواصل والتخزين في خدمات الذكاء الاصطناعي. تساعد سجلات التفاصيل والرصد 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 لتقديم استجابات دقيقة، وأنظمة بحث واسترجاع الوثائق لاكتشاف المحتوى بشكل فعال، والدردشة الآلية أو المساعدين الافتراضيين الذين يقدمون تفاعلات مدركة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم إنشاء المحتوى، حيث يدعم إنشاء النصوص والمواد الأخرى بناءً على أنماط التعلم، مما يجعله أداة عالمية للمطورين والمؤسسات.
Zerepy (تم تطويره بواسطة ZEREPY وblorm)
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.
إطار العمل هذا مطور بلغة بايثون، يركز على استقلالية الوكلاء، ويهتم بإنتاج مخرجات إبداعية، مع الحفاظ على توافقه مع هيكل ELIZA وعلاقته التعاونية مع ELIZA. تصميمه القائم على الوحدات يدعم تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، التكامل مع تويتر، الدعم لنماذج OpenAI وAnthropic LLM، ونظام توصيل وحداتي لتعزيز الوظائف.
تغطي حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء الذكاء الاصطناعي لإجراء النشر، والرد، والإعجاب، وإعادة النشر، مما يزيد من تفاعل المنصة. بالإضافة إلى ذلك، فإنه يلبي أيضًا احتياجات إنشاء المحتوى في مجالات مثل الموسيقى، والميما، وNFT، مما يجعله أداة مهمة لمنصات الفن الرقمي والمحتوى المعتمد على البلوكشين.
(2) مقارنة الأطر الأربعة
في رأينا، يقدم كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي، تتناسب مع احتياجات وبيئات معينة، ونحول التركيز 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 الشيفرات أو بدون شيفرات من خلال API، مما يتيح للمستخدمين ذوي الخبرة التقنية المنخفضة في مجال الألعاب استخدامها. ومع ذلك، فإنه يركز على تطوير الألعاب ودمج البلوكشين، مما قد يشكل منحنى تعلم حاد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه بارز في توليد محتوى البرنامج وسلوك NPC، لكنه محدود بتعقيد مجاله الفرعي ودمج البلوكشين.
نظرا لاستخدام لغة Rust ، قد لا يكون Rig سهل الاستخدام للغاية نظرا لتعقيد اللغة ، مما يمثل تحديا كبيرا في التعلم ، ولكن لديه تفاعل بديهي لأولئك الذين يتقنون برمجة الأنظمة. على عكس TypeScrip ، تشتهر لغة البرمجة نفسها بأدائها وأمان الذاكرة. لديها فحوصات صارمة لوقت التجميع وتجريدات بدون تكلفة ، وهي ضرورية لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة عالية الكفاءة، ودرجة التحكم المنخفضة تجعلها مثالية لتطبيقات الذكاء الاصطناعي كثيفة الاستخدام للموارد. يوفر إطار العمل حلا عالي الأداء بتصميم معياري وقابل للتطوير ، مما يجعله مثاليا لتطبيقات المؤسسات. ومع ذلك ، بالنسبة للمطورين الذين ليسوا على دراية ب Rust ، فإن استخدام Rust سيؤدي حتما إلى منحنى تعليمي حاد.
من خلال الاستفادة من Python ، تقدم ZerePy مستوى عال من قابلية الاستخدام لمهام الذكاء الاصطناعي الإبداعية ، مع منحنى تعليمي منخفض لمطوري Python ، خاصة لأولئك الذين لديهم خلفيات الذكاء الاصطناعي / التعلم الآلي ، ويستفيد من دعم المجتمع القوي بفضل مجتمع التشفير في Zerebro. تتخصص ZerePy في تطبيقات الذكاء الاصطناعي الإبداعية مثل NFTs ، مما يضع نفسها كأداة قوية للوسائط الرقمية والفن. في حين أنها تزدهر على الإبداع ، إلا أنها تتمتع بنطاق ضيق نسبيا مقارنة بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديثها V2، حيث قدمت خط رسائل موحد وإطار عمل أساسي قابل للتوسع، مما يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فقد يؤدي هذا إلى تحديات في القدرة على التوسع في إدارة التفاعلات عبر عدة منصات.
تظهر GAME أداءً ممتازًا في المعالجة اللحظية المطلوبة للألعاب، ويتم إدارة قابلية التوسع من خلال خوارزميات فعالة ونظام توزيع محتمل قائم على blockchain، على الرغم من أنها قد تتأثر بقيود محرك اللعبة أو شبكة blockchain المحددة.
إطار Rig يستفيد من أداء قابلية التوسع في Rust، مصمم لتطبيقات عالية الإنتاجية، وهو فعال بشكل خاص للتطبيقات على مستوى المؤسسات، على الرغم من أن ذلك قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
تستهدف قابلية التوسع في Zerepy الإخراج الإبداعي، بدعم من مساهمات المجتمع، ولكن قد يحد تركيزها من تطبيقها في بيئات الذكاء الاصطناعي الأوسع، وقد تتعرض قابلية التوسع للاختبار بسبب تنوع المهام الإبداعية بدلاً من عدد المستخدمين.
من حيث القدرة على التكيف ، تقود ELIZA نظام المكونات الإضافية والتوافق عبر الأنظمة الأساسية ، بالإضافة إلى GAME في بيئة الألعاب و Rig للتعامل مع مهام الذكاء الاصطناعي المعقدة. أظهرت ZerePy أنها قابلة للتكيف بدرجة كبيرة في المجال الإبداعي ، ولكنها ليست مناسبة تماما لمجموعة واسعة من تطبيقات الذكاء الاصطناعي.
فيما يتعلق بالأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث تعتبر سرعة الاستجابة أمرًا حاسمًا، ولكن قد يكون أداؤها مختلفًا عند معالجة المهام الحسابية الأكثر تعقيدًا.
تخصص GAME الذي تم تطويره بواسطة Virtual Protocol في التفاعل الفوري عالي الأداء في سيناريوهات الألعاب، من خلال استخدام عملية اتخاذ قرارات فعالة وسلسلة الكتل المحتملة لتنفيذ عمليات الذكاء الاصطناعي اللامركزية.
إطار Rig يعتمد على لغة Rust، ويوفر أداءً ممتازًا لمهام الحوسبة عالية الأداء، وهو مناسب لتطبيقات الشركات حيث تكون كفاءة الحساب أمرًا بالغ الأهمية.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات الأداء على كفاءة وجودة توليد المحتوى، وقد لا تكون قابلة للتطبيق بشكل كبير خارج مجال الإبداع.
تتمثل ميزة ELIZA في توفير المرونة وقابلية التوسع، من خلال نظام المكونات الإضافية وتكوين الأدوار، مما يجعلها ذات قدرة تكيف عالية، مما يسهل التفاعل الاجتماعي للذكاء الاصطناعي عبر المنصات.
تقدم GAME ميزات تفاعلية فريدة في اللعبة ، مع تعزيز المشاركة الجديدة للذكاء الاصطناعي من خلال تكامل blockchain.
تتمثل مزايا Rig في أدائها وقابليتها للتوسع في المهام المتعلقة بالذكاء الاصطناعي المؤسسي، مع التركيز على توفير كود نظيف ومودولاري لصحة المشاريع طويلة الأمد.
تتميز Zerepy بقدرتها على تعزيز الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض.
كل إطار له حدوده الخاصة، ELIZA لا تزال في مرحلة مبكرة، وهناك مشاكل محتملة في الاستقرار ومنحنى التعلم للمطورين الجدد، قد تحد الألعاب النادرة من التطبيق الأوسع، كما أن blockchain يزيد من التعقيد، قد تخيف Rig بسبب منحنى التعلم الحاد المكون من Rust بعض المطورين، بينما قد يحد التركيز الضيق لـ Zerepy على الإبداع من استخدامه في مجالات الذكاء الاصطناعي الأخرى.
(3) ملخص مقارنة الإطارات
** (ARC) الحفارة: **
اللغة: Rust، تركز على الأمان والأداء.
الحالة: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى المؤسسات، لأنه يركز على الكفاءة والقابلية للتوسع.
المجتمع: لا يعتمد بشكل كبير على المجتمع، بل يركز أكثر على مطوري التكنولوجيا.
إليزا (AI16Z)：
اللغة: TypeScript، تؤكد على مرونة الويب 3 والمشاركة المجتمعية.
حالات الاستخدام: مصممة للتفاعل الاجتماعي، DAO والتداول، مع التركيز بشكل خاص على نظام الوكلاء المتعددين.
المجتمع: مجتمع مدفوع بشكل كبير، مع مشاركة واسعة على GitHub.
** ZerePy (ZEREBRO):**
اللغة: بايثون، لجعلها متاحة لقاعدة أوسع من مطوري الذكاء الاصطناعي.
الحالات: مناسبة لأتمتة وسائل التواصل الاجتماعي ومهام الوكلاء الذكية الأكثر بساطة.
المجتمع: جديد نسبياً، لكنه مرجح أن ينمو بسبب شعبية بايثون ودعم المساهمين في AI16Z.
اللعبة (افتراضية):
التركيز: وكلاء الذكاء الاصطناعي المستقلين والقابلين للتكيف، الذين يمكنهم التطور بناءً على التفاعلات في البيئات الافتراضية.
حالات الاستخدام: الأكثر ملاءمة لتعلم وتكيف وكيل الذكاء الاصطناعي، مثل الألعاب أو العوالم الافتراضية.
المجتمع: مجتمع مبتكر، لكنه لا يزال يحدد موقعه في المنافسة.
الصورة أعلاه هي بيانات اهتمام نجوم GitHub منذ إصدار هذه الأطر. من الجدير بالذكر أن نجوم GitHub هي مؤشر على اهتمام المجتمع وشعبية المشروع والقيمة المدركة للمشروع.
إليزا (الخيط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو، ثم شهدت نهاية نوفمبر زيادة كبيرة في عدد النجوم (وصل إلى 61,000 نجم)، مما يدل على أن اهتمام الناس قد زاد بسرعة وجذب انتباه المطورين. تشير هذه الزيادة الأسية إلى أن ELIZA قد اكتسبت جاذبية هائلة بفضل ميزاتها وتحديثاتها ومشاركة المجتمع. شعبيتها تتجاوز بكثير المنافسين الآخرين، مما يدل على أن لديها دعمًا قويًا من المجتمع واهتمامًا أو قابلية أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
يعتبر Rig أقدم الإطارات الأربعة، حيث أن عدد نجومه معتدل ولكنه مستمر في النمو، ومن المحتمل أن يزداد بشكل كبير في الشهر المقبل. لقد وصل إلى 1700 نجمة، ولكنه لا يزال في ارتفاع مستمر. التطوير المستمر، والتحديثات، وزيادة عدد المستخدمين هي أسباب تراكم اهتمام المستخدمين. قد يعكس ذلك أن مستخدمي هذا الإطار قليلون أو أنهم لا يزالون في مرحلة بناء السمعة.
زيربي (الخط الأصفر):
تم إطلاق ZerePy قبل عدة أيام، وقد حصلت بالفعل على 181 نجمة. من الجدير بالذكر أن ZerePy يحتاج إلى مزيد من التطوير لزيادة رؤيته ومعدل اعتماده. قد تؤدي الشراكة مع AI16Z إلى جذب المزيد من المساهمين في البرمجيات.
اللعبة (الخط الأخضر):
عدد النجوم لهذا المشروع هو الأقل، ومن الجدير بالذكر أن هذا الإطار يمكن استخدامه مباشرة عبر API في الوكلاء داخل النظام البيئي الافتراضي، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، فإن هذا الإطار لم يُفتح للمطورين إلا قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع يستخدم GAME للبناء.
4، أسباب التفاؤل في الإطار
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما يسمح للوكلاء بالعمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry)، الذي سيمكن المطورين من تسجيل ودمج الإضافات بسلاسة.
بالإضافة إلى ذلك ، ستدعم Eliza V2 الرسائل الآلية المجهولة عبر الأنظمة الأساسية. من المقرر إصدار المستند التقني للرموز المميزة في 1 يناير 2025 ومن المتوقع أن يكون له تأثير إيجابي على رمز AI16Z الأساسي لإطار عمل Eliza. تخطط AI16Z لمواصلة تعزيز فعالية إطار العمل والاستمرار في جذب المواهب عالية الجودة ، وهو ما أثبتته جهود المساهمين الرئيسيين.
إطار GAME يوفر تكامل بدون كود للوكيل، مما يسمح باستخدام GAME وELIZA معًا في مشروع واحد، حيث يخدم كل منهما غرضًا محددًا. هذه الطريقة من المتوقع أن تجذب الانتباه إلى البنائين الذين يركزون على منطق الأعمال بدلاً من التعقيدات التقنية. على الرغم من أن الإطار تم إصداره علنًا منذ أكثر من 30 يومًا، إلا أنه حقق تقدمًا كبيرًا بدعم من جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي سيتم إطلاقها على VIRTUAL GAME.
تمتلك Rig التي تمثلها رموز ARC إمكانيات هائلة، على الرغم من أن إطار عملها لا يزال في مرحلة النمو المبكرة، وخطة دفع اعتماد المشروع قد تم إطلاقها منذ أيام قليلة فقط. ومن المتوقع أن تظهر مشاريع عالية الجودة تعتمد على ARC قريبًا، مماثلة لـ Virtual Flywheel، ولكن مع التركيز على Solana. يشعر الفريق بتفاؤل بشأن التعاون مع Solana، ويقارن علاقة ARC بـ Solana بعلاقة Virtual بـ Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للانطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار جديد تم إطلاقه، وبفضل شراكته مع Eliza، فإنه يحظى باهتمام متزايد. يجذب هذا الإطار المساهمين من Eliza الذين يعملون بنشاط على تحسينه. بدعم من معجبي ZEREBRO، لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة في بنية الذكاء 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 و GAME و ARC و ZEREPY
المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة، سنستكشف آفاق إطار Crypto X AI. سننظر في أربعة أطر رئيسية حالياً (ELIZA، GAME، ARC، ZEREPY) والاختلافات التقنية لكل منها.
1، المقدمة
لقد قمنا في الأسبوع الماضي بدراسة واختبار أربعة أطر رئيسية للذكاء الاصطناعي في العملات المشفرة، وهي ELIZA وGAME وARC وZEREPY، وخلصنا إلى الاستنتاجات التالية.
نحن نعتقد أن AI16Z ستواصل الهيمنة. قيمة Eliza (حصة السوق حوالي 60٪، القيمة السوقية تتجاوز مليار دولار) تكمن في ميزة السبق (أثر ليندي)، وزيادة عدد المطورين الذين يستخدمونها، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع و6000 نجمة أنها واحدة من أكثر مستودعات التعليمات البرمجية شعبية على Github.
حتى الآن، كانت تطورات GAME (التي تحظى بحصة سوقية تبلغ حوالي 20% وقيمة سوقية تبلغ حوالي 300 مليون دولار) سلسة للغاية، حيث تحقق تبنيًا سريعًا، كما أعلنت VIRTUAL مؤخرًا، 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 الرابحين في نظامها البيئي.
يعتبر Rig (ARC، حصة سوقية حوالي 15%، وقيمة سوقية حوالي 160 مليون دولار) لافتاً جداً للنظر، حيث أن تصميمه القابل للتعديل سهل الاستخدام للغاية، ويمكن أن يتولى دور "pure-play" في نظام سولانا البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نسبيًا نادر، يستهدف مجتمع ZEREBRO المتحمس، وقد يؤدي التعاون الأخير مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
لقد لاحظنا أن حساب حصة السوق لدينا يغطي قيمة السوق، وسجلات التطوير، وسوق أنظمة التشغيل الأساسية.
نعتقد أن السوق الفرعي للإطارات سيكون أسرع مجالات النمو في دورة السوق الحالية، حيث يمكن أن يصل إجمالي القيمة السوقية البالغة 1.7 مليار دولار بسهولة إلى 20 مليار دولار، وهو ما لا يزال محافظًا نسبيًا مقارنةً بأعلى قيمة تقديرية للـ L1 في عام 2021، حيث تجاوزت العديد من قيم الـ L1 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، ومن المحتمل أن تكون الطريقة المعتمدة على القيمة السوقية هي الأكثر حذرًا.
2، الأطر الأربعة الكبرى
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا لأطر العمل الرئيسية.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) نظرة عامة على الإطار
عند تقاطع الذكاء الاصطناعي X Crypto ، هناك العديد من الأطر التي تسهل تطوير الذكاء الاصطناعي. إنهم ELIZA ل AI16Z و RIG ل ARC و ZEREBRO ل ZEREPY و VIRTUAL ل GAME. يعالج كل إطار احتياجات وفلسفات مختلفة في عملية تطوير عامل الذكاء الاصطناعي ، من المشاريع المجتمعية مفتوحة المصدر إلى الحلول على مستوى المؤسسات التي تركز على الأداء.
تبدأ هذه المقالة بمقدمة عن الأطر ، وما هي ، وما هي لغات البرمجة التي يستخدمونها ، والبنى التقنية ، والخوارزميات ، وما هي الميزات الفريدة التي تتمتع بها ، وما هي حالات الاستخدام المحتملة التي يمكن أن يستخدمها إطار العمل. ثم نقارن كل إطار عمل من حيث التوافر وقابلية التوسع والقدرة على التكيف والأداء ، ونستكشف نقاط قوتها وقيودها.
ELIZA (تطوير ai16z)
Eliza هو إطار عمل مفتوح المصدر لمحاكاة متعددة الوكلاء، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره باستخدام لغة البرمجة TypeScript، ويوفر منصة مرنة وقابلة للتوسع لبناء وكلاء ذكيين يمكنهم التفاعل مع البشر عبر منصات متعددة والحفاظ على شخصية ومعرفة متسقة.
تشمل الميزات الأساسية لهذا الإطار بنية متعددة الوكلاء تدعم نشر وإدارة شخصيات AI فريدة متعددة في وقت واحد، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، وإدارة ذاكرة طويلة الأمد وذاكرة سياقية من خلال نظام تحسين الاسترجاع المعزز (RAG). بالإضافة إلى ذلك، يوفر إطار Eliza تكاملًا سلسًا مع المنصات، مما يتيح اتصالًا موثوقًا مع Discord وX ومنصات الوسائط الاجتماعية الأخرى.
عندما يتعلق الأمر بقدرات الاتصال والوسائط لوكلاء الذكاء الاصطناعي ، فإن Eliza هي خيار ممتاز. فيما يتعلق بالاتصال ، يدعم إطار العمل عمليات التكامل مع ميزة القناة الصوتية ل Discord ، وميزة X ، و Telegram ، والوصول المباشر إلى واجهات برمجة التطبيقات لحالات الاستخدام المخصصة. من ناحية أخرى ، يمكن توسيع قدرات معالجة الوسائط في إطار العمل لتشمل قراءة مستندات PDF وتحليلها ، واستخراج محتوى الرابط وتلخيصه ، والنسخ الصوتي ، ومعالجة محتوى الفيديو ، وتحليل الصور ، وتلخيص المحادثة للتعامل بكفاءة مع مجموعة واسعة من مدخلات ومخرجات الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، والتكوين الافتراضي (مثل Nous Hermes Llama 3.1B)، ويشمل دعم Claude لمعالجة المهام المعقدة. يعتمد Eliza على بنية معيارية، ويتميز بدعم واسع لأنظمة التشغيل، وعملاء مخصصين، وواجهة برمجة تطبيقات شاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تمتد حالات استخدام Eliza إلى مجالات متعددة ، مثل: مساعدي الذكاء الاصطناعي لدعم العملاء ، والإشراف على المجتمع ، والمهام الشخصية ، بالإضافة إلى شخصيات وسائل التواصل الاجتماعي مثل منشئي المحتوى التلقائيين ، والروبوتات التفاعلية ، وممثلي العلامة التجارية. يمكن أن يعمل أيضا كعامل معرفي ، ويتولى أدوارا مثل مساعدي البحث ومحللي المحتوى ومعالجي المستندات ، ويدعم الأدوار التفاعلية للعب الأدوار في شكل روبوتات وموجهين تعليميين ووكلاء ترفيه.
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 بروتوكول Virtuals)
إطار الكيانات المتعددة الوسائط الذاتية التوليد (G.A.M.E) يهدف إلى تزويد المطورين بالوصول إلى API و SDK لإجراء تجارب وكلاء الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوك وقرارات وعمليات تعلم وكلاء الذكاء الاصطناعي.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لتكامل GAME في الوكيل للوصول إلى سلوك الوكيل. يقوم النظام الفرعي للإدراك (Perception Subsystem) ببدء الجلسة من خلال تحديد معلمات مثل معرف الجلسة ومعرف الوكيل والمستخدم والتفاصيل ذات الصلة الأخرى.
إنه سيجمع المعلومات الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال شعور للوكيل الذكي، سواء كان ذلك في شكل محادثة أو ردود. جوهره هو وحدة معالجة المحادثات، التي تعالج الرسائل والاستجابات من الوكيل، وتتعاون مع النظام الفرعي للإدراك لتفسير المدخلات والاستجابة لها بشكل فعال.
يعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار ومشغل المحفظة على السلسلة معًا لتوليد الاستجابات والخطط. يتمتع هذا المحرك بوظيفتين: كمنظم عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ وكاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي تنقسم بدورها إلى منظم إجراءات لمهام محددة ومنفذ خطط لتنفيذ المهام.
هناك عنصر مستقل ولكنه مهم وهو سياق العالم (World Context) ، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة ، مما يوفر السياق الضروري لقرارات الوكلاء. بالإضافة إلى ذلك ، يتم استخدام مستودع الوكلاء (Agent Repository) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية ، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
تستخدم هذه الإطار ذاكرة العمل قصيرة المدى ومعالج الذاكرة طويلة المدى. تحتفظ الذاكرة قصيرة المدى بمعلومات ذات صلة حول السلوكيات السابقة والنتائج والخطط الحالية. بالمقابل، يقوم معالج الذاكرة طويلة المدى باستخراج المعلومات الأساسية وفقًا لمعايير مثل الأهمية، والحداثة، والملاءمة. تخزن الذاكرة طويلة المدى تجارب الوكيل، والتفكير، والشخصية الديناميكية، وسياق العالم، ومعرفة ذاكرة العمل لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات من نظام الإدراك لإنشاء معرفة عامة، يتم إرجاع هذه المعرفة إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال تعليقات حول الإجراءات وحالة اللعبة وبيانات الإحساس من خلال الواجهة، لتعزيز قدرة تعلم وكيل الذكاء الاصطناعي، وزيادة قدرته على التخطيط واتخاذ القرار.
تبدأ سير العمل عندما يتفاعل المطورون من خلال واجهة تلميح الوكيل. يتم معالجة المدخلات بواسطة نظام الإدراك الفرعي وإعادة توجيهها إلى وحدة معالجة الحوار، التي تتولى إدارة منطق التفاعل. بعد ذلك، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستفيداً من الاستراتيجيات عالية المستوى وخطط العمل التفصيلية.
تقوم البيانات من السياق العالمي ومستودعات الوكيل بإعلام هذه العمليات بينما تتعقب الذاكرة العاملة المهام الفورية. في الوقت نفسه ، تقوم معالجات الذاكرة طويلة المدى بتخزين واسترداد المعرفة طويلة المدى. تحلل وحدات التعلم النتائج وتدمج المعرفة الجديدة في النظام ، مما يتيح التحسين المستمر لسلوك الوكيل والتفاعلات.
RIG (تم تطويره بواسطة ARC)
Rig هو إطار عمل Rust مفتوح المصدر مصمم لتبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع العديد من مزودي LLM ، مثل OpenAI و Anthropic ، ويدعم مجموعة متنوعة من متاجر المتجهات ، بما في ذلك MongoDB و Neo4j. تعتبر البنية المعيارية لإطار العمل فريدة من نوعها في مكوناتها الأساسية ، مثل طبقة تجريد المزود ، وتكامل تخزين المتجهات ، وأنظمة الوكيل ، لتسهيل التفاعل السلس مع LLMs.
يشمل جمهور Rig الأساسي المطورين الذين يبنون تطبيقات الذكاء الاصطناعي / التعلم الآلي باستخدام Rust ، تليها المنظمات التي تسعى إلى دمج العديد من مزودي LLM ومخازن النواقل في تطبيقات Rust الخاصة بهم. يستخدم المستودع بنية مساحة عمل مع صناديق متعددة لدعم قابلية التوسع وإدارة المشروع بكفاءة. ميزته الرئيسية هي طبقة تجريد المزود ، والتي توفر توحيدا لإكمال واجهات برمجة التطبيقات وتضمينها بين موفري LLM المختلفين مع معالجة الأخطاء بشكل متسق. يوفر مكون تكامل Vector Store واجهة مجردة للخلفيات الخلفية المتعددة ويدعم عمليات البحث عن تشابه المتجه. يبسط نظام الوكيل تفاعلات LLM ، ويدعم التوليد المحسن للاسترداد (RAG) ، وتكامل الأدوات. بالإضافة إلى ذلك ، يوفر إطار عمل التضمين إمكانات معالجة الدفعات وعمليات التضمين لسلامة النوع.
يستفيد Rig من العديد من المزايا التكنولوجية لضمان الموثوقية والأداء. تستخدم العمليات غير المتزامنة وقت تشغيل Rust غير المتزامن لمعالجة عدد كبير من الطلبات المتزامنة بفعالية. تعزز آلية معالجة الأخطاء المدمجة في الإطار القدرة على استعادة الأخطاء المتعلقة بمزودي الذكاء الاصطناعي أو فشل عمليات قاعدة البيانات. يمكن أن تمنع سلامة النوع الأخطاء أثناء عملية التجميع، مما يعزز من قابلية صيانة الكود. تدعم عمليات التسلسل وإعادة التسلسل الفعالة معالجة بيانات بتنسيقات مثل JSON، وهو أمر بالغ الأهمية للتواصل والتخزين في خدمات الذكاء الاصطناعي. تساعد سجلات التفاصيل والرصد 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 لتقديم استجابات دقيقة، وأنظمة بحث واسترجاع الوثائق لاكتشاف المحتوى بشكل فعال، والدردشة الآلية أو المساعدين الافتراضيين الذين يقدمون تفاعلات مدركة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم إنشاء المحتوى، حيث يدعم إنشاء النصوص والمواد الأخرى بناءً على أنماط التعلم، مما يجعله أداة عالمية للمطورين والمؤسسات.
Zerepy (تم تطويره بواسطة ZEREPY وblorm)
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.
إطار العمل هذا مطور بلغة بايثون، يركز على استقلالية الوكلاء، ويهتم بإنتاج مخرجات إبداعية، مع الحفاظ على توافقه مع هيكل ELIZA وعلاقته التعاونية مع ELIZA. تصميمه القائم على الوحدات يدعم تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، التكامل مع تويتر، الدعم لنماذج OpenAI وAnthropic LLM، ونظام توصيل وحداتي لتعزيز الوظائف.
تغطي حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء الذكاء الاصطناعي لإجراء النشر، والرد، والإعجاب، وإعادة النشر، مما يزيد من تفاعل المنصة. بالإضافة إلى ذلك، فإنه يلبي أيضًا احتياجات إنشاء المحتوى في مجالات مثل الموسيقى، والميما، وNFT، مما يجعله أداة مهمة لمنصات الفن الرقمي والمحتوى المعتمد على البلوكشين.
(2) مقارنة الأطر الأربعة
في رأينا، يقدم كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي، تتناسب مع احتياجات وبيئات معينة، ونحول التركيز 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 الشيفرات أو بدون شيفرات من خلال API، مما يتيح للمستخدمين ذوي الخبرة التقنية المنخفضة في مجال الألعاب استخدامها. ومع ذلك، فإنه يركز على تطوير الألعاب ودمج البلوكشين، مما قد يشكل منحنى تعلم حاد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه بارز في توليد محتوى البرنامج وسلوك NPC، لكنه محدود بتعقيد مجاله الفرعي ودمج البلوكشين.
نظرا لاستخدام لغة Rust ، قد لا يكون Rig سهل الاستخدام للغاية نظرا لتعقيد اللغة ، مما يمثل تحديا كبيرا في التعلم ، ولكن لديه تفاعل بديهي لأولئك الذين يتقنون برمجة الأنظمة. على عكس TypeScrip ، تشتهر لغة البرمجة نفسها بأدائها وأمان الذاكرة. لديها فحوصات صارمة لوقت التجميع وتجريدات بدون تكلفة ، وهي ضرورية لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة عالية الكفاءة، ودرجة التحكم المنخفضة تجعلها مثالية لتطبيقات الذكاء الاصطناعي كثيفة الاستخدام للموارد. يوفر إطار العمل حلا عالي الأداء بتصميم معياري وقابل للتطوير ، مما يجعله مثاليا لتطبيقات المؤسسات. ومع ذلك ، بالنسبة للمطورين الذين ليسوا على دراية ب Rust ، فإن استخدام Rust سيؤدي حتما إلى منحنى تعليمي حاد.
من خلال الاستفادة من Python ، تقدم ZerePy مستوى عال من قابلية الاستخدام لمهام الذكاء الاصطناعي الإبداعية ، مع منحنى تعليمي منخفض لمطوري Python ، خاصة لأولئك الذين لديهم خلفيات الذكاء الاصطناعي / التعلم الآلي ، ويستفيد من دعم المجتمع القوي بفضل مجتمع التشفير في Zerebro. تتخصص ZerePy في تطبيقات الذكاء الاصطناعي الإبداعية مثل NFTs ، مما يضع نفسها كأداة قوية للوسائط الرقمية والفن. في حين أنها تزدهر على الإبداع ، إلا أنها تتمتع بنطاق ضيق نسبيا مقارنة بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديثها V2، حيث قدمت خط رسائل موحد وإطار عمل أساسي قابل للتوسع، مما يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فقد يؤدي هذا إلى تحديات في القدرة على التوسع في إدارة التفاعلات عبر عدة منصات.
تظهر GAME أداءً ممتازًا في المعالجة اللحظية المطلوبة للألعاب، ويتم إدارة قابلية التوسع من خلال خوارزميات فعالة ونظام توزيع محتمل قائم على blockchain، على الرغم من أنها قد تتأثر بقيود محرك اللعبة أو شبكة blockchain المحددة.
إطار Rig يستفيد من أداء قابلية التوسع في Rust، مصمم لتطبيقات عالية الإنتاجية، وهو فعال بشكل خاص للتطبيقات على مستوى المؤسسات، على الرغم من أن ذلك قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
تستهدف قابلية التوسع في Zerepy الإخراج الإبداعي، بدعم من مساهمات المجتمع، ولكن قد يحد تركيزها من تطبيقها في بيئات الذكاء الاصطناعي الأوسع، وقد تتعرض قابلية التوسع للاختبار بسبب تنوع المهام الإبداعية بدلاً من عدد المستخدمين.
من حيث القدرة على التكيف ، تقود ELIZA نظام المكونات الإضافية والتوافق عبر الأنظمة الأساسية ، بالإضافة إلى GAME في بيئة الألعاب و Rig للتعامل مع مهام الذكاء الاصطناعي المعقدة. أظهرت ZerePy أنها قابلة للتكيف بدرجة كبيرة في المجال الإبداعي ، ولكنها ليست مناسبة تماما لمجموعة واسعة من تطبيقات الذكاء الاصطناعي.
فيما يتعلق بالأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث تعتبر سرعة الاستجابة أمرًا حاسمًا، ولكن قد يكون أداؤها مختلفًا عند معالجة المهام الحسابية الأكثر تعقيدًا.
تخصص GAME الذي تم تطويره بواسطة Virtual Protocol في التفاعل الفوري عالي الأداء في سيناريوهات الألعاب، من خلال استخدام عملية اتخاذ قرارات فعالة وسلسلة الكتل المحتملة لتنفيذ عمليات الذكاء الاصطناعي اللامركزية.
إطار Rig يعتمد على لغة Rust، ويوفر أداءً ممتازًا لمهام الحوسبة عالية الأداء، وهو مناسب لتطبيقات الشركات حيث تكون كفاءة الحساب أمرًا بالغ الأهمية.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات الأداء على كفاءة وجودة توليد المحتوى، وقد لا تكون قابلة للتطبيق بشكل كبير خارج مجال الإبداع.
تتمثل ميزة ELIZA في توفير المرونة وقابلية التوسع، من خلال نظام المكونات الإضافية وتكوين الأدوار، مما يجعلها ذات قدرة تكيف عالية، مما يسهل التفاعل الاجتماعي للذكاء الاصطناعي عبر المنصات.
تقدم GAME ميزات تفاعلية فريدة في اللعبة ، مع تعزيز المشاركة الجديدة للذكاء الاصطناعي من خلال تكامل blockchain.
تتمثل مزايا Rig في أدائها وقابليتها للتوسع في المهام المتعلقة بالذكاء الاصطناعي المؤسسي، مع التركيز على توفير كود نظيف ومودولاري لصحة المشاريع طويلة الأمد.
تتميز Zerepy بقدرتها على تعزيز الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض.
كل إطار له حدوده الخاصة، ELIZA لا تزال في مرحلة مبكرة، وهناك مشاكل محتملة في الاستقرار ومنحنى التعلم للمطورين الجدد، قد تحد الألعاب النادرة من التطبيق الأوسع، كما أن blockchain يزيد من التعقيد، قد تخيف Rig بسبب منحنى التعلم الحاد المكون من Rust بعض المطورين، بينما قد يحد التركيز الضيق لـ Zerepy على الإبداع من استخدامه في مجالات الذكاء الاصطناعي الأخرى.
(3) ملخص مقارنة الإطارات
** (ARC) الحفارة: **
اللغة: Rust، تركز على الأمان والأداء.
الحالة: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى المؤسسات، لأنه يركز على الكفاءة والقابلية للتوسع.
المجتمع: لا يعتمد بشكل كبير على المجتمع، بل يركز أكثر على مطوري التكنولوجيا.
إليزا (AI16Z)：
اللغة: TypeScript، تؤكد على مرونة الويب 3 والمشاركة المجتمعية.
حالات الاستخدام: مصممة للتفاعل الاجتماعي، DAO والتداول، مع التركيز بشكل خاص على نظام الوكلاء المتعددين.
المجتمع: مجتمع مدفوع بشكل كبير، مع مشاركة واسعة على GitHub.
** ZerePy (ZEREBRO):**
اللغة: بايثون، لجعلها متاحة لقاعدة أوسع من مطوري الذكاء الاصطناعي.
الحالات: مناسبة لأتمتة وسائل التواصل الاجتماعي ومهام الوكلاء الذكية الأكثر بساطة.
المجتمع: جديد نسبياً، لكنه مرجح أن ينمو بسبب شعبية بايثون ودعم المساهمين في AI16Z.
اللعبة (افتراضية):
التركيز: وكلاء الذكاء الاصطناعي المستقلين والقابلين للتكيف، الذين يمكنهم التطور بناءً على التفاعلات في البيئات الافتراضية.
حالات الاستخدام: الأكثر ملاءمة لتعلم وتكيف وكيل الذكاء الاصطناعي، مثل الألعاب أو العوالم الافتراضية.
المجتمع: مجتمع مبتكر، لكنه 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 مؤشر على اهتمام المجتمع وشعبية المشروع والقيمة المدركة للمشروع.
إليزا (الخيط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو، ثم شهدت نهاية نوفمبر زيادة كبيرة في عدد النجوم (وصل إلى 61,000 نجم)، مما يدل على أن اهتمام الناس قد زاد بسرعة وجذب انتباه المطورين. تشير هذه الزيادة الأسية إلى أن ELIZA قد اكتسبت جاذبية هائلة بفضل ميزاتها وتحديثاتها ومشاركة المجتمع. شعبيتها تتجاوز بكثير المنافسين الآخرين، مما يدل على أن لديها دعمًا قويًا من المجتمع واهتمامًا أو قابلية أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
يعتبر Rig أقدم الإطارات الأربعة، حيث أن عدد نجومه معتدل ولكنه مستمر في النمو، ومن المحتمل أن يزداد بشكل كبير في الشهر المقبل. لقد وصل إلى 1700 نجمة، ولكنه لا يزال في ارتفاع مستمر. التطوير المستمر، والتحديثات، وزيادة عدد المستخدمين هي أسباب تراكم اهتمام المستخدمين. قد يعكس ذلك أن مستخدمي هذا الإطار قليلون أو أنهم لا يزالون في مرحلة بناء السمعة.
زيربي (الخط الأصفر):
تم إطلاق ZerePy قبل عدة أيام، وقد حصلت بالفعل على 181 نجمة. من الجدير بالذكر أن ZerePy يحتاج إلى مزيد من التطوير لزيادة رؤيته ومعدل اعتماده. قد تؤدي الشراكة مع AI16Z إلى جذب المزيد من المساهمين في البرمجيات.
اللعبة (الخط الأخضر):
عدد النجوم لهذا المشروع هو الأقل، ومن الجدير بالذكر أن هذا الإطار يمكن استخدامه مباشرة عبر API في الوكلاء داخل النظام البيئي الافتراضي، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، فإن هذا الإطار لم يُفتح للمطورين إلا قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع يستخدم GAME للبناء.
4، أسباب التفاؤل في الإطار
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما يسمح للوكلاء بالعمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry)، الذي سيمكن المطورين من تسجيل ودمج الإضافات بسلاسة.
بالإضافة إلى ذلك ، ستدعم Eliza V2 الرسائل الآلية المجهولة عبر الأنظمة الأساسية. من المقرر إصدار المستند التقني للرموز المميزة في 1 يناير 2025 ومن المتوقع أن يكون له تأثير إيجابي على رمز AI16Z الأساسي لإطار عمل Eliza. تخطط AI16Z لمواصلة تعزيز فعالية إطار العمل والاستمرار في جذب المواهب عالية الجودة ، وهو ما أثبتته جهود المساهمين الرئيسيين.
إطار GAME يوفر تكامل بدون كود للوكيل، مما يسمح باستخدام GAME وELIZA معًا في مشروع واحد، حيث يخدم كل منهما غرضًا محددًا. هذه الطريقة من المتوقع أن تجذب الانتباه إلى البنائين الذين يركزون على منطق الأعمال بدلاً من التعقيدات التقنية. على الرغم من أن الإطار تم إصداره علنًا منذ أكثر من 30 يومًا، إلا أنه حقق تقدمًا كبيرًا بدعم من جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي سيتم إطلاقها على VIRTUAL GAME.
تمتلك Rig التي تمثلها رموز ARC إمكانيات هائلة، على الرغم من أن إطار عملها لا يزال في مرحلة النمو المبكرة، وخطة دفع اعتماد المشروع قد تم إطلاقها منذ أيام قليلة فقط. ومن المتوقع أن تظهر مشاريع عالية الجودة تعتمد على ARC قريبًا، مماثلة لـ Virtual Flywheel، ولكن مع التركيز على Solana. يشعر الفريق بتفاؤل بشأن التعاون مع Solana، ويقارن علاقة ARC بـ Solana بعلاقة Virtual بـ Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للانطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار جديد تم إطلاقه، وبفضل شراكته مع Eliza، فإنه يحظى باهتمام متزايد. يجذب هذا الإطار المساهمين من Eliza الذين يعملون بنشاط على تحسينه. بدعم من معجبي ZEREBRO، لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة في بنية الذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في الإبداع في الذكاء الاصطناعي.