Автор: Deep Value Memetics, переклад: Золотий фінансовий xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їхніх технічних відмінностях.
1. Вступ
Протягом минулого тижня ми досліджували та тестували чотири основні фреймворки Crypto X AI: ELIZA, GAME, ARC, ZEREPY, і наші висновки такі.
Ми віримо, що AI16Z продовжить займати домінуючу позицію. Цінність Eliza (частка на ринку близько 60%, капіталізація понад 1 мільярд доларів) полягає в її перевазі першопрохідця (ефект Лінді) та у зростаючій кількості розробників, які її використовують; 193 контриб'ютора, 1800 форків і понад 6000 зірок підтверджують це, роблячи її однією з найпопулярніших бібліотек коду на Github.
ПОКИ ЩО GAME (БЛИЗЬКО 20% ЧАСТКИ РИНКУ, БЛИЗЬКО 300 МІЛЬЙОНІВ ДОЛАРІВ РИНКОВОЇ КАПІТАЛІЗАЦІЇ) РОЗВИВАЄТЬСЯ ДУЖЕ ДОБРЕ І НАБУВАЄ ШВИДКОГО ВПРОВАДЖЕННЯ, ЯК ЩОЙНО ОГОЛОСИВ VIRTUAL, ПЛАТФОРМА МАЄ ПОНАД 200 ПРОЕКТІВ, 150 000 ЩОДЕННИХ ЗАПИТІВ І 200% ЩОТИЖНЕВИЙ ТЕМП ЗРОСТАННЯ. ГРА ПРОДОВЖИТЬ ОТРИМУВАТИ ВИГОДУ ВІД РОЗВИТКУ ВІРТУАЛЬНОЇ ТА СТАНЕ ОДНІЄЮ З НАЙБІЛЬШИХ ПЕРЕМОЖЦІВ У СВОЇЙ ЕКОСИСТЕМІ.
Rig (ARC, частка ринку приблизно 15%, ринкова вартість приблизно 160 мільйонів доларів США) дуже привертає увагу, оскільки його модульний дизайн дуже простий у використанні і може займати домінуючу позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, ринкова капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально орієнтованим на запалену спільноту ZEREBRO, і його недавня співпраця з спільнотою ai16z може призвести до синергії.
Ми зауважили, що наш розрахунок частки ринку охоплює ринкову капіталізацію, записи розробки та ринок терміналів операційних систем.
Ми вважаємо, що сегмент рамок буде найбільш швидкозростаючою сферою в цьому ринковому циклі, із загальною ринковою капіталізацією в 1,7 мільярда доларів, ймовірно, легко зросте до 20 мільярдів доларів, що все ще є відносно консервативним у порівнянні з піковими оцінками L1 у 2021 році, коли багато L1 досягли оцінок вище 20 мільярдів доларів. Хоча всі ці фреймворки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що простір має тенденцію до зростання, підхід, зважений за ринковою капіталізацією, ймовірно, є найбільш розсудливим підходом.
2、Чотири основні рамки
У наведеній таблиці ми перерахували ключові технології, компоненти та переваги основних фреймворків.
На стику AI X Crypto існує кілька фреймворків, які полегшують розробку ШІ. ЦЕ ELIZA ДЛЯ AI16Z, RIG ДЛЯ ARC, ZEREBRO ДЛЯ ZEREPY ТА VIRTUAL ДЛЯ GAME. Кожен фреймворк враховує різні потреби та філософії в процесі розробки агентів штучного інтелекту, від проектів спільноти з відкритим вихідним кодом до рішень корпоративного рівня, орієнтованих на продуктивність.
У цій статті спочатку буде представлено фреймворки, розказано, що вони таке, які мови програмування, технологічні архітектури, алгоритми використовуються, які унікальні функції вони мають, а також які потенційні випадки використання можуть бути 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 відкритою платформою для багатопоточних симуляцій, призначеною для створення, розгортання та управління автономними AI-агентами. Вона розроблена мовою програмування TypeScript і надає гнучку, масштабовану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на різних платформах та зберігати послідовність особистості та знань.
Основні функції фреймворку включають багатоагентну архітектуру, яка підтримує одночасне розгортання та управління кількома унікальними особистостями штучного інтелекту, рольову систему, яка використовує фреймворк рольового файлу для створення різних агентів, а також можливості керування пам'яттю, які забезпечують довгострокову пам'ять та розуміння контексту за допомогою системи вдосконаленого пошуку (RAG). Крім того, фреймворк Eliza пропонує плавну інтеграцію платформи для надійного з'єднання з Discord, X та іншими платформами соціальних мереж.
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 забезпечує гнучку підтримку моделей штучного інтелекту за допомогою локального висновування для моделей з відкритим вихідним кодом, хмарного висновування для OpenAI та конфігурацій за замовчуванням, таких як Nous Hermes Llama 3.1B, а також інтегрує підтримку Claude для виконання складних завдань. Модульна архітектура Eliza з широким спектром операційних систем, підтримкою користувацьких клієнтів і комплексними API забезпечує масштабованість і адаптивність між додатками.
Приклади використання Eliza охоплюють кілька доменів, таких як: AI-помічники для підтримки клієнтів, модерації спільноти та особистих завдань, а також персони в соціальних мережах, такі як автотворці контенту, інтерактивні боти та представники брендів. Він також може виступати в ролі інтелектуального працівника, виконуючи такі ролі, як наукові співробітники, аналітики контенту та обробники документів, а також підтримує рольові інтерактивні ролі у вигляді ботів, освітніх наставників і розважальних агентів.
Архітектура Eliza побудована навколо середовища виконання агента, яке легко інтегрується з його рольовою системою (підтримується постачальником моделі), менеджером пам'яті (підключеним до бази даних) та операційною системою (пов'язаною з клієнтом платформи). Унікальні функції фреймворку включають систему плагінів, яка підтримує модульні розширення функцій, підтримує мультимодальні взаємодії, такі як голос, текст і медіа, і сумісна з провідними моделями штучного інтелекту, такими як Llama, GPT-4 і Claude. Завдяки своїй універсальності та надійному дизайну Eliza виділяється як потужний інструмент для розробки додатків штучного інтелекту в різних сферах.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутнісна структура (G.A.M.E) призначена для надання розробникам доступу до API та SDK для експериментів з AI-агентами. Ця структура пропонує структурований підхід до управління поведінкою, прийняттям рішень і процесом навчання AI-агентів.
Основні компоненти полягають у наступному: По-перше, інтерфейс підказок агента є точкою входу для розробників, щоб інтегрувати GAME в агент для доступу до поведінки агента. Підсистема сприйняття ініціює сеанс, вказуючи такі параметри, як ідентифікатор сеансу, ідентифікатор проксі-сервера, користувач та інші відповідні деталі.
Він об'єднує вхідну інформацію в формат, придатний для механізму вводу відчуттів AI-агента (Strategic Planning Engine), незалежно від того, чи це у формі діалогу, чи реакції. Його основою є модуль обробки діалогів, призначений для обробки повідомлень і відповідей від агента та співпраці з підсистемою сприйняття для ефективного тлумачення та відповіді на вхід.
Механізм стратегічного планування працює разом із модулем обробки розмов і операторами ончейн-гаманця для створення відповідей і планів. Двигун функціонує на двох рівнях: як планувальник високого рівня для створення широкої стратегії, заснованої на контексті або цілях; Ці політики перетворюються на дієві політики як політики низького рівня, які додатково поділяються на планувальники дій для визначених завдань і виконавці графіків для виконання завдань.
Іншим окремим, але важливим компонентом є Світовий контекст, який посилається на навколишнє середовище, глобальну інформацію та стан гри, щоб забезпечити необхідний контекст для прийняття рішень агентом. Крім того, репозиторій агента використовується для зберігання довгострокових атрибутів, таких як цілі, роздуми, досвід та особистості, які разом формують поведінку агента та процес прийняття рішень.
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 потім повертаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс зворотний зв'язок щодо дій, стану гри та даних відчуттів, щоб підвищити можливості навчання AI-агентів і покращити їхнє планування та прийняття рішень.
Робочий процес починається з того, що розробники взаємодіють через інтерфейс підказок агента. Введення обробляється підсистемою сприйняття та пересилається модулю обробки діалогу, який відповідає за управління логікою взаємодії. Потім двигун стратегічного планування розробляє та реалізує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні плани дій.
Дані з контексту світу та агентських сховищ повідомляють ці процеси, одночасно відстежуючи миттєві завдання в оперативній пам'яті. Тим часом, процесор тривалого зберігання пам'яті обробляє та витягує тривалі знання. Модулі навчання аналізують результати та інтегрують нові знання в систему, що дозволяє постійно покращувати поведінку та взаємодію агентів.
RIG (розроблений ARC)
Rig — це фреймворк Rust з відкритим вихідним кодом, призначений для спрощення розробки додатків великих мовних моделей. Він надає уніфікований інтерфейс для взаємодії з кількома постачальниками LLM, такими як OpenAI та Anthropic, і підтримує різноманітні векторні сховища, включаючи MongoDB та Neo4j. Модульна архітектура фреймворку унікальна своїми основними компонентами, такими як рівень абстракції провайдера, інтеграція векторного сховища та проксі-системи, що забезпечує безперебійну взаємодію 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 ряд технічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують переваги асинхронного часу виконання Rust для ефективної обробки великої кількості одночасних запитів. Властивий фрейму механізм обробки помилок підвищує стійкість до невдалих операцій постачальника штучного інтелекту або бази даних. Безпека типів може запобігти помилкам у процесі компіляції, тим самим покращуючи ремонтопридатність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у таких форматах, як JSON, що має важливе значення для зв'язку та зберігання послуг штучного інтелекту. Детальне ведення журналів та приладобудування додатково допомагають у налагодженні та моніторингу програм.
Робочий процес Rig починається, коли клієнт ініціює запит, який взаємодіє з відповідною моделлю LLM через рівень абстракції провайдера. Потім дані обробляються на основному рівні, де агент може використовувати інструменти або доступ до векторного сховища контексту. Відповіді генеруються та вдосконалюються за допомогою складних робочих процесів, таких як RAG, перш ніж повертатися клієнту, процес, який включає пошук документів і розуміння контексту. Система інтегрується з кількома постачальниками LLM і векторним сховищем, що робить її адаптованою до доступності моделі або оновлень продуктивності.
Варіанти використання Rig різноманітні, включаючи системи відповідей на запитання, які отримують відповідні документи для надання точних відповідей, системи пошуку та пошуку документів для ефективного виявлення контенту, а також чат-боти або віртуальні помічники, які забезпечують контекстно-залежну взаємодію для обслуговування клієнтів або освіти. Він також підтримує генерацію контенту, дозволяючи створювати тексти та інші матеріали на основі шаблонів навчання, що робить його універсальним інструментом як для розробників, так і для 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.
Фреймворк був розроблений з використанням Python, наголошуючи на автономності агента та зосереджуючись на творчій генерації результатів, відповідно до архітектури ELIZA та партнерства з EZZA. Його модульна конструкція підтримує інтеграцію системи в пам'яті та підтримує розгортання агентів на соціальних платформах. Ключові функції включають інтерфейс командного рядка для управління агентами, інтеграцію з Twitter, підтримку OpenAI та Anthropic LLM, а також модульну систему підключення для розширеної 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 структура надає унікальний підхід до розробки штучного інтелекту, відповідно до конкретних потреб і середовища, ми зосередимо увагу не на конкурентних відносинах між цими структурами, а на їхній 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 призначений спеціально для розробників ігор, надаючи низькокодовий або безкодовий інтерфейс через API, що дозволяє користувачам з низьким рівнем технічних знань у галузі ігор також використовувати його. Проте, він зосереджений на розробці ігор та інтеграції з блокчейном, що може створити стрімку криву навчання для тих, хто не має відповідного досвіду. Він відзначається у генерації програмного контенту та поведінці NPC, але обмежений складністю, що виникає внаслідок його вузької 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.
Використовуючи Python, ZerePy пропонує високий рівень зручності використання для творчих завдань зі штучним інтелектом, з низькою кривою навчання для розробників Python, особливо для тих, хто має досвід роботи зі штучним інтелектом/машинним навчанням, і отримує вигоду від сильної підтримки спільноти завдяки криптоспільноті Zerebro. ZerePy спеціалізується на креативних додатках штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає на творчості, він має відносно вузьку сферу застосування порівняно з іншими фреймворками.
У плані масштабованості ELIZA досяг значного прогресу в оновленні V2, представивши єдину лінію повідомлень та масштабовану ядрову структуру, що підтримує ефективне управління на кількох платформах. Однак, якщо не провести оптимізацію, таке управління між платформами може створити виклики в плані масштабованості.
GAME відзначається чудовою продуктивністю в реальному обробленні, необхідному для ігор, масштабованість управляється ефективними алгоритмами та потенційною дистрибутивною системою блокчейну, хоча вона може бути обмежена певними ігровими движками або блокчейн-мережами.
Рамка Rig використовує продуктивність розширюваності Rust, розроблена для програм з високою пропускною здатністю, що особливо ефективно для корпоративних розгортань, хоча це може означати, що досягнення справжньої масштабованості вимагає складних налаштувань.
Масштабованість Zerepy орієнтована на творчий вихід, за підтримки внесків спільноти, але її фокус може обмежити її використання в більш широкому середовищі штучного інтелекту; масштабованість може бути перевірена різноманітністю творчих завдань, а не кількістю користувачів.
У плані адаптивності ELIZA лідирує завдяки своїй системі плагінів та кросплатформній сумісності, її ігрове середовище GAME та обробка складних AI-завдань Rig також є дуже вражаючими. ZerePy демонструє високу адаптивність у творчій сфері, але менш підходить для більш широких застосувань штучного інтелекту.
У плані продуктивності ELIZA оптимізована для швидкого взаємодії в соціальних мережах, швидкий час відповіді є ключовим, але при обробці більш складних обчислювальних завдань її продуктивність може бути іншою.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальній взаємодії в ігрових сценах, використовуючи ефективний процес ухвалення рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig побудований на мові Rust і забезпечує відмінну продуктивність для задач високопродуктивних обчислень, що робить його підходящим для корпоративних додатків, де ефективність обчислень є критично важливою.
Виступ Zerepy спеціально розроблений для створення креативного контенту, його показники зосереджені на ефективності та якості генерації контенту, що може бути не так поширено поза сферою креативу.
Перевагою ELIZA є гнучкість і масштабованість, що забезпечується її системою плагінів і конфігурацією ролей, що робить її дуже адаптивною та сприяє міжплатформенній соціальній AI взаємодії.
GAME надає унікальні можливості для реального часу в іграх, інтегруючи новітнє участь AI через блокчейн.
Переваги Rig полягають у його продуктивності та масштабованості для завдань штучного інтелекту в підприємствах, з акцентом на забезпечення чистого модульного коду для здоров'я довгострокових проектів.
Zerepy спеціалізується на розвитку креативності, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві, і підтримується динамічною моделлю розвитку, що керується спільнотою.
Кожна платформа має свої обмеження, ELIZA все ще на ранній стадії, існують потенційні проблеми зі стабільністю і крива навчання для нових розробників, нішеві ігри можуть обмежувати більш широке використання, а блокчейн додає складності. Rig через круту криву навчання Rust може відлякувати частину розробників, а обмежена увага Zerepy до креативного виходу може обмежити його використання в інших сферах ШІ.
(3) Підсумок порівняння рамок
Ріг (ARC):
Мова: Rust, зосереджена на безпеці та продуктивності.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не дуже керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь спільноти.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатопредставницькі системи.
Спільнота: високо орієнтована на спільноту, з широкою участю на GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для більш широкої бази розробників ІІ.
Використання: підходить для автоматизації соціальних мереж та простіших завдань AI-агентів.
Спільнота: відносно нова, але має потенціал для зростання завдяки популярності Python і підтримці учасників AI16Z.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні та адаптивні агенти штучного інтелекту, які можуть еволюціонувати на основі взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценах, як ігри чи віртуальний світ.
Спільнота: інноваційна спільнота, але ще визначає свою позицію в конкуренції.
На малюнку наведені дані про зірки GitHub, які були отримані з моменту випуску 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, а потім до значного збільшення кількості зірок у кінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу, яке привернуло увагу розробників. Це експоненціальне зростання свідчить про те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням і участі спільноти. Її популярність значно перевищує популярність інших конкурентів, що свідчить про наявність потужної підтримки спільноти та більш широкої застосовності або інтересу в спільноті штучного інтелекту.
RIG (синя лінія):
Rig є найстарішим з чотирьох основних фреймворків, його кількість зірок є помірною, але постійно зростає, і протягом наступного місяця вона, ймовірно, значно збільшиться. Наразі він досяг 1700 зірок, але продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами накопичення інтересу користувачів. Це може відображати те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy нещодавно був запущений 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):
Цей проект має найменшу кількість зірок, і варто зазначити, що цей фреймворк може бути застосований безпосередньо до проксі у віртуальній екосистемі через API, усуваючи потребу у видимості на Github. Однак цей фреймворк був публічно відкритий для будівельників лише трохи більше місяця тому, а за допомогою GAME будується понад 200 проєктів.
4. Причини для оптимізму в рамках
Версія V2 Eliza інтегрує набір агентів Coinbase. Усі проекти, що використовують Eliza, в майбутньому будуть підтримувати рідну TEE, що дозволить агентам працювати в безпечному середовищі. Однією з найближчих функцій Eliza є реєстр плагінів (Plugin Registry), який дозволить розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизований анонімний кросплатформний обмін повідомленнями. Офіційний документ токеноміки планується випустити 1 січня 2025 року і, як очікується, матиме позитивний вплив на базовий токен AI16Z фреймворку Eliza. AI16Z планує продовжувати підвищувати ефективність фреймворку та продовжувати залучати високоякісні таланти, що було доведено зусиллями її ключових учасників.
ІГРОВИЙ ФРЕЙМВОРК ЗАБЕЗПЕЧУЄ ІНТЕГРАЦІЮ БЕЗ КОДУ ДЛЯ АГЕНТІВ, ДОЗВОЛЯЮЧИ ВИКОРИСТОВУВАТИ ЯК GAME, ТАК І ELIZA В ОДНОМУ ПРОЕКТІ, КОЖЕН З ЯКИХ СЛУЖИТЬ ПЕВНІЙ МЕТІ. Такий підхід обіцяє сподобатися будівельникам, які орієнтуються на бізнес-логіку, а не на технічну складність. Незважаючи на те, що фреймворк був загальнодоступним лише протягом 30 днів, він досяг значного прогресу завдяки зусиллям команди щодо залучення більшої кількості учасників. Очікується, що всі проекти, запущені на VIRTUAL, будуть використовувати GAME.
Rig, представлений токеном ARC, має великий потенціал, хоча його структура все ще знаходиться на ранніх стадіях зростання, а плани щодо стимулювання прийняття проектів були реалізовані лише кілька днів. Але незабаром очікується поява якісних проєктів з ARC, схожих на Virtual Flywheel, але з акцентом на Solana. Команда з оптимізмом дивиться на партнерство з Solana, порівнюючи відносини ARC з Solana з Virtual to Base. Варто зазначити, що команда не тільки заохочує нові проекти починати з Rig, але й заохочує розробників вдосконалювати сам фреймворк Rig.
Zerepy — це новий запущений фреймворк, який отримує все більше уваги завдяки співпраці з Eliza. Цей фреймворк привертає до себе внески від учасників Eliza, які активно працюють над його вдосконаленням. Завдяки прихильникам ZEREBRO, у нього є група запалених прихильників, і він надає нові можливості для розробників Python, які раніше були недостатньо представлені в конкуренції в сфері штучного інтелекту. Цей фреймворк відіграє 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 основних фреймворків Crypto X AI: ELIZA, GAME, ARC та ZEREPY
Автор: Deep Value Memetics, переклад: Золотий фінансовий xiaozou
У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їхніх технічних відмінностях.
1. Вступ
Протягом минулого тижня ми досліджували та тестували чотири основні фреймворки Crypto X AI: ELIZA, GAME, ARC, ZEREPY, і наші висновки такі.
Ми віримо, що AI16Z продовжить займати домінуючу позицію. Цінність Eliza (частка на ринку близько 60%, капіталізація понад 1 мільярд доларів) полягає в її перевазі першопрохідця (ефект Лінді) та у зростаючій кількості розробників, які її використовують; 193 контриб'ютора, 1800 форків і понад 6000 зірок підтверджують це, роблячи її однією з найпопулярніших бібліотек коду на Github.
ПОКИ ЩО GAME (БЛИЗЬКО 20% ЧАСТКИ РИНКУ, БЛИЗЬКО 300 МІЛЬЙОНІВ ДОЛАРІВ РИНКОВОЇ КАПІТАЛІЗАЦІЇ) РОЗВИВАЄТЬСЯ ДУЖЕ ДОБРЕ І НАБУВАЄ ШВИДКОГО ВПРОВАДЖЕННЯ, ЯК ЩОЙНО ОГОЛОСИВ VIRTUAL, ПЛАТФОРМА МАЄ ПОНАД 200 ПРОЕКТІВ, 150 000 ЩОДЕННИХ ЗАПИТІВ І 200% ЩОТИЖНЕВИЙ ТЕМП ЗРОСТАННЯ. ГРА ПРОДОВЖИТЬ ОТРИМУВАТИ ВИГОДУ ВІД РОЗВИТКУ ВІРТУАЛЬНОЇ ТА СТАНЕ ОДНІЄЮ З НАЙБІЛЬШИХ ПЕРЕМОЖЦІВ У СВОЇЙ ЕКОСИСТЕМІ.
Rig (ARC, частка ринку приблизно 15%, ринкова вартість приблизно 160 мільйонів доларів США) дуже привертає увагу, оскільки його модульний дизайн дуже простий у використанні і може займати домінуючу позицію в екосистемі Solana (RUST) як "pure-play".
Zerepy (частка ринку близько 5%, ринкова капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально орієнтованим на запалену спільноту ZEREBRO, і його недавня співпраця з спільнотою ai16z може призвести до синергії.
Ми зауважили, що наш розрахунок частки ринку охоплює ринкову капіталізацію, записи розробки та ринок терміналів операційних систем.
Ми вважаємо, що сегмент рамок буде найбільш швидкозростаючою сферою в цьому ринковому циклі, із загальною ринковою капіталізацією в 1,7 мільярда доларів, ймовірно, легко зросте до 20 мільярдів доларів, що все ще є відносно консервативним у порівнянні з піковими оцінками L1 у 2021 році, коли багато L1 досягли оцінок вище 20 мільярдів доларів. Хоча всі ці фреймворки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи, що ми вважаємо, що простір має тенденцію до зростання, підхід, зважений за ринковою капіталізацією, ймовірно, є найбільш розсудливим підходом.
2、Чотири основні рамки
У наведеній таблиці ми перерахували ключові технології, компоненти та переваги основних фреймворків.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) Огляд структури
На стику AI X Crypto існує кілька фреймворків, які полегшують розробку ШІ. ЦЕ ELIZA ДЛЯ AI16Z, RIG ДЛЯ ARC, ZEREBRO ДЛЯ ZEREPY ТА VIRTUAL ДЛЯ GAME. Кожен фреймворк враховує різні потреби та філософії в процесі розробки агентів штучного інтелекту, від проектів спільноти з відкритим вихідним кодом до рішень корпоративного рівня, орієнтованих на продуктивність.
У цій статті спочатку буде представлено фреймворки, розказано, що вони таке, які мови програмування, технологічні архітектури, алгоритми використовуються, які унікальні функції вони мають, а також які потенційні випадки використання можуть бути 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 відкритою платформою для багатопоточних симуляцій, призначеною для створення, розгортання та управління автономними AI-агентами. Вона розроблена мовою програмування TypeScript і надає гнучку, масштабовану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на різних платформах та зберігати послідовність особистості та знань.
Основні функції фреймворку включають багатоагентну архітектуру, яка підтримує одночасне розгортання та управління кількома унікальними особистостями штучного інтелекту, рольову систему, яка використовує фреймворк рольового файлу для створення різних агентів, а також можливості керування пам'яттю, які забезпечують довгострокову пам'ять та розуміння контексту за допомогою системи вдосконаленого пошуку (RAG). Крім того, фреймворк Eliza пропонує плавну інтеграцію платформи для надійного з'єднання з Discord, X та іншими платформами соціальних мереж.
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 забезпечує гнучку підтримку моделей штучного інтелекту за допомогою локального висновування для моделей з відкритим вихідним кодом, хмарного висновування для OpenAI та конфігурацій за замовчуванням, таких як Nous Hermes Llama 3.1B, а також інтегрує підтримку Claude для виконання складних завдань. Модульна архітектура Eliza з широким спектром операційних систем, підтримкою користувацьких клієнтів і комплексними API забезпечує масштабованість і адаптивність між додатками.
Приклади використання Eliza охоплюють кілька доменів, таких як: AI-помічники для підтримки клієнтів, модерації спільноти та особистих завдань, а також персони в соціальних мережах, такі як автотворці контенту, інтерактивні боти та представники брендів. Він також може виступати в ролі інтелектуального працівника, виконуючи такі ролі, як наукові співробітники, аналітики контенту та обробники документів, а також підтримує рольові інтерактивні ролі у вигляді ботів, освітніх наставників і розважальних агентів.
Архітектура Eliza побудована навколо середовища виконання агента, яке легко інтегрується з його рольовою системою (підтримується постачальником моделі), менеджером пам'яті (підключеним до бази даних) та операційною системою (пов'язаною з клієнтом платформи). Унікальні функції фреймворку включають систему плагінів, яка підтримує модульні розширення функцій, підтримує мультимодальні взаємодії, такі як голос, текст і медіа, і сумісна з провідними моделями штучного інтелекту, такими як Llama, GPT-4 і Claude. Завдяки своїй універсальності та надійному дизайну Eliza виділяється як потужний інструмент для розробки додатків штучного інтелекту в різних сферах.
G.A.M.E (розроблений Virtuals Protocol)
Генеративна автономна мультимодальна сутнісна структура (G.A.M.E) призначена для надання розробникам доступу до API та SDK для експериментів з AI-агентами. Ця структура пропонує структурований підхід до управління поведінкою, прийняттям рішень і процесом навчання AI-агентів.
Основні компоненти полягають у наступному: По-перше, інтерфейс підказок агента є точкою входу для розробників, щоб інтегрувати GAME в агент для доступу до поведінки агента. Підсистема сприйняття ініціює сеанс, вказуючи такі параметри, як ідентифікатор сеансу, ідентифікатор проксі-сервера, користувач та інші відповідні деталі.
Він об'єднує вхідну інформацію в формат, придатний для механізму вводу відчуттів AI-агента (Strategic Planning Engine), незалежно від того, чи це у формі діалогу, чи реакції. Його основою є модуль обробки діалогів, призначений для обробки повідомлень і відповідей від агента та співпраці з підсистемою сприйняття для ефективного тлумачення та відповіді на вхід.
Механізм стратегічного планування працює разом із модулем обробки розмов і операторами ончейн-гаманця для створення відповідей і планів. Двигун функціонує на двох рівнях: як планувальник високого рівня для створення широкої стратегії, заснованої на контексті або цілях; Ці політики перетворюються на дієві політики як політики низького рівня, які додатково поділяються на планувальники дій для визначених завдань і виконавці графіків для виконання завдань.
Іншим окремим, але важливим компонентом є Світовий контекст, який посилається на навколишнє середовище, глобальну інформацію та стан гри, щоб забезпечити необхідний контекст для прийняття рішень агентом. Крім того, репозиторій агента використовується для зберігання довгострокових атрибутів, таких як цілі, роздуми, досвід та особистості, які разом формують поведінку агента та процес прийняття рішень.
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 потім повертаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс зворотний зв'язок щодо дій, стану гри та даних відчуттів, щоб підвищити можливості навчання AI-агентів і покращити їхнє планування та прийняття рішень.
Робочий процес починається з того, що розробники взаємодіють через інтерфейс підказок агента. Введення обробляється підсистемою сприйняття та пересилається модулю обробки діалогу, який відповідає за управління логікою взаємодії. Потім двигун стратегічного планування розробляє та реалізує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні плани дій.
Дані з контексту світу та агентських сховищ повідомляють ці процеси, одночасно відстежуючи миттєві завдання в оперативній пам'яті. Тим часом, процесор тривалого зберігання пам'яті обробляє та витягує тривалі знання. Модулі навчання аналізують результати та інтегрують нові знання в систему, що дозволяє постійно покращувати поведінку та взаємодію агентів.
RIG (розроблений ARC)
Rig — це фреймворк Rust з відкритим вихідним кодом, призначений для спрощення розробки додатків великих мовних моделей. Він надає уніфікований інтерфейс для взаємодії з кількома постачальниками LLM, такими як OpenAI та Anthropic, і підтримує різноманітні векторні сховища, включаючи MongoDB та Neo4j. Модульна архітектура фреймворку унікальна своїми основними компонентами, такими як рівень абстракції провайдера, інтеграція векторного сховища та проксі-системи, що забезпечує безперебійну взаємодію 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 ряд технічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують переваги асинхронного часу виконання Rust для ефективної обробки великої кількості одночасних запитів. Властивий фрейму механізм обробки помилок підвищує стійкість до невдалих операцій постачальника штучного інтелекту або бази даних. Безпека типів може запобігти помилкам у процесі компіляції, тим самим покращуючи ремонтопридатність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у таких форматах, як JSON, що має важливе значення для зв'язку та зберігання послуг штучного інтелекту. Детальне ведення журналів та приладобудування додатково допомагають у налагодженні та моніторингу програм.
Робочий процес Rig починається, коли клієнт ініціює запит, який взаємодіє з відповідною моделлю LLM через рівень абстракції провайдера. Потім дані обробляються на основному рівні, де агент може використовувати інструменти або доступ до векторного сховища контексту. Відповіді генеруються та вдосконалюються за допомогою складних робочих процесів, таких як RAG, перш ніж повертатися клієнту, процес, який включає пошук документів і розуміння контексту. Система інтегрується з кількома постачальниками LLM і векторним сховищем, що робить її адаптованою до доступності моделі або оновлень продуктивності.
Варіанти використання Rig різноманітні, включаючи системи відповідей на запитання, які отримують відповідні документи для надання точних відповідей, системи пошуку та пошуку документів для ефективного виявлення контенту, а також чат-боти або віртуальні помічники, які забезпечують контекстно-залежну взаємодію для обслуговування клієнтів або освіти. Він також підтримує генерацію контенту, дозволяючи створювати тексти та інші матеріали на основі шаблонів навчання, що робить його універсальним інструментом як для розробників, так і для 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.
Фреймворк був розроблений з використанням Python, наголошуючи на автономності агента та зосереджуючись на творчій генерації результатів, відповідно до архітектури ELIZA та партнерства з EZZA. Його модульна конструкція підтримує інтеграцію системи в пам'яті та підтримує розгортання агентів на соціальних платформах. Ключові функції включають інтерфейс командного рядка для управління агентами, інтеграцію з Twitter, підтримку OpenAI та Anthropic LLM, а також модульну систему підключення для розширеної 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 структура надає унікальний підхід до розробки штучного інтелекту, відповідно до конкретних потреб і середовища, ми зосередимо увагу не на конкурентних відносинах між цими структурами, а на їхній 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 призначений спеціально для розробників ігор, надаючи низькокодовий або безкодовий інтерфейс через API, що дозволяє користувачам з низьким рівнем технічних знань у галузі ігор також використовувати його. Проте, він зосереджений на розробці ігор та інтеграції з блокчейном, що може створити стрімку криву навчання для тих, хто не має відповідного досвіду. Він відзначається у генерації програмного контенту та поведінці NPC, але обмежений складністю, що виникає внаслідок його вузької 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.
Використовуючи Python, ZerePy пропонує високий рівень зручності використання для творчих завдань зі штучним інтелектом, з низькою кривою навчання для розробників Python, особливо для тих, хто має досвід роботи зі штучним інтелектом/машинним навчанням, і отримує вигоду від сильної підтримки спільноти завдяки криптоспільноті Zerebro. ZerePy спеціалізується на креативних додатках штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає на творчості, він має відносно вузьку сферу застосування порівняно з іншими фреймворками.
У плані масштабованості ELIZA досяг значного прогресу в оновленні V2, представивши єдину лінію повідомлень та масштабовану ядрову структуру, що підтримує ефективне управління на кількох платформах. Однак, якщо не провести оптимізацію, таке управління між платформами може створити виклики в плані масштабованості.
GAME відзначається чудовою продуктивністю в реальному обробленні, необхідному для ігор, масштабованість управляється ефективними алгоритмами та потенційною дистрибутивною системою блокчейну, хоча вона може бути обмежена певними ігровими движками або блокчейн-мережами.
Рамка Rig використовує продуктивність розширюваності Rust, розроблена для програм з високою пропускною здатністю, що особливо ефективно для корпоративних розгортань, хоча це може означати, що досягнення справжньої масштабованості вимагає складних налаштувань.
Масштабованість Zerepy орієнтована на творчий вихід, за підтримки внесків спільноти, але її фокус може обмежити її використання в більш широкому середовищі штучного інтелекту; масштабованість може бути перевірена різноманітністю творчих завдань, а не кількістю користувачів.
У плані адаптивності ELIZA лідирує завдяки своїй системі плагінів та кросплатформній сумісності, її ігрове середовище GAME та обробка складних AI-завдань Rig також є дуже вражаючими. ZerePy демонструє високу адаптивність у творчій сфері, але менш підходить для більш широких застосувань штучного інтелекту.
У плані продуктивності ELIZA оптимізована для швидкого взаємодії в соціальних мережах, швидкий час відповіді є ключовим, але при обробці більш складних обчислювальних завдань її продуктивність може бути іншою.
GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальній взаємодії в ігрових сценах, використовуючи ефективний процес ухвалення рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.
Фреймворк Rig побудований на мові Rust і забезпечує відмінну продуктивність для задач високопродуктивних обчислень, що робить його підходящим для корпоративних додатків, де ефективність обчислень є критично важливою.
Виступ Zerepy спеціально розроблений для створення креативного контенту, його показники зосереджені на ефективності та якості генерації контенту, що може бути не так поширено поза сферою креативу.
Перевагою ELIZA є гнучкість і масштабованість, що забезпечується її системою плагінів і конфігурацією ролей, що робить її дуже адаптивною та сприяє міжплатформенній соціальній AI взаємодії.
GAME надає унікальні можливості для реального часу в іграх, інтегруючи новітнє участь AI через блокчейн.
Переваги Rig полягають у його продуктивності та масштабованості для завдань штучного інтелекту в підприємствах, з акцентом на забезпечення чистого модульного коду для здоров'я довгострокових проектів.
Zerepy спеціалізується на розвитку креативності, займаючи провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві, і підтримується динамічною моделлю розвитку, що керується спільнотою.
Кожна платформа має свої обмеження, ELIZA все ще на ранній стадії, існують потенційні проблеми зі стабільністю і крива навчання для нових розробників, нішеві ігри можуть обмежувати більш широке використання, а блокчейн додає складності. Rig через круту криву навчання Rust може відлякувати частину розробників, а обмежена увага Zerepy до креативного виходу може обмежити його використання в інших сферах ШІ.
(3) Підсумок порівняння рамок
Ріг (ARC):
Мова: Rust, зосереджена на безпеці та продуктивності.
Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він зосереджений на ефективності та масштабованості.
Спільнота: не дуже керується спільнотою, більше зосереджена на розробниках технологій.
Еліза (AI16Z):
Мова: TypeScript, підкреслюючи гнучкість web3 та участь спільноти.
Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатопредставницькі системи.
Спільнота: високо орієнтована на спільноту, з широкою участю на GitHub.
ZerePy (ZEREBRO):
Мова: Python, щоб зробити його доступним для більш широкої бази розробників ІІ.
Використання: підходить для автоматизації соціальних мереж та простіших завдань AI-агентів.
Спільнота: відносно нова, але має потенціал для зростання завдяки популярності Python і підтримці учасників AI16Z.
ГРА (ВІРТУАЛЬНА):
Фокус: автономні та адаптивні агенти штучного інтелекту, які можуть еволюціонувати на основі взаємодії у віртуальному середовищі.
Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценах, як ігри чи віртуальний світ.
Спільнота: інноваційна спільнота, але ще визначає свою позицію в конкуренції.
3. Динаміка даних зірок на Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
На малюнку наведені дані про зірки GitHub, які були отримані з моменту випуску 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, а потім до значного збільшення кількості зірок у кінці листопада (досягнувши 61 тисячі зірок), це свідчить про швидке зростання інтересу, яке привернуло увагу розробників. Це експоненціальне зростання свідчить про те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням і участі спільноти. Її популярність значно перевищує популярність інших конкурентів, що свідчить про наявність потужної підтримки спільноти та більш широкої застосовності або інтересу в спільноті штучного інтелекту.
RIG (синя лінія):
Rig є найстарішим з чотирьох основних фреймворків, його кількість зірок є помірною, але постійно зростає, і протягом наступного місяця вона, ймовірно, значно збільшиться. Наразі він досяг 1700 зірок, але продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами накопичення інтересу користувачів. Це може відображати те, що користувачі цього фреймворка є нішевими або все ще накопичують репутацію.
ZEREPY (жовта лінія):
ZerePy нещодавно був запущений 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):
Цей проект має найменшу кількість зірок, і варто зазначити, що цей фреймворк може бути застосований безпосередньо до проксі у віртуальній екосистемі через API, усуваючи потребу у видимості на Github. Однак цей фреймворк був публічно відкритий для будівельників лише трохи більше місяця тому, а за допомогою GAME будується понад 200 проєктів.
4. Причини для оптимізму в рамках
Версія V2 Eliza інтегрує набір агентів Coinbase. Усі проекти, що використовують Eliza, в майбутньому будуть підтримувати рідну TEE, що дозволить агентам працювати в безпечному середовищі. Однією з найближчих функцій Eliza є реєстр плагінів (Plugin Registry), який дозволить розробникам безперешкодно реєструвати та інтегрувати плагіни.
Крім того, Eliza V2 підтримуватиме автоматизований анонімний кросплатформний обмін повідомленнями. Офіційний документ токеноміки планується випустити 1 січня 2025 року і, як очікується, матиме позитивний вплив на базовий токен AI16Z фреймворку Eliza. AI16Z планує продовжувати підвищувати ефективність фреймворку та продовжувати залучати високоякісні таланти, що було доведено зусиллями її ключових учасників.
ІГРОВИЙ ФРЕЙМВОРК ЗАБЕЗПЕЧУЄ ІНТЕГРАЦІЮ БЕЗ КОДУ ДЛЯ АГЕНТІВ, ДОЗВОЛЯЮЧИ ВИКОРИСТОВУВАТИ ЯК GAME, ТАК І ELIZA В ОДНОМУ ПРОЕКТІ, КОЖЕН З ЯКИХ СЛУЖИТЬ ПЕВНІЙ МЕТІ. Такий підхід обіцяє сподобатися будівельникам, які орієнтуються на бізнес-логіку, а не на технічну складність. Незважаючи на те, що фреймворк був загальнодоступним лише протягом 30 днів, він досяг значного прогресу завдяки зусиллям команди щодо залучення більшої кількості учасників. Очікується, що всі проекти, запущені на VIRTUAL, будуть використовувати GAME.
Rig, представлений токеном ARC, має великий потенціал, хоча його структура все ще знаходиться на ранніх стадіях зростання, а плани щодо стимулювання прийняття проектів були реалізовані лише кілька днів. Але незабаром очікується поява якісних проєктів з ARC, схожих на Virtual Flywheel, але з акцентом на Solana. Команда з оптимізмом дивиться на партнерство з Solana, порівнюючи відносини ARC з Solana з Virtual to Base. Варто зазначити, що команда не тільки заохочує нові проекти починати з Rig, але й заохочує розробників вдосконалювати сам фреймворк Rig.
Zerepy — це новий запущений фреймворк, який отримує все більше уваги завдяки співпраці з Eliza. Цей фреймворк привертає до себе внески від учасників Eliza, які активно працюють над його вдосконаленням. Завдяки прихильникам ZEREBRO, у нього є група запалених прихильників, і він надає нові можливості для розробників Python, які раніше були недостатньо представлені в конкуренції в сфері штучного інтелекту. Цей фреймворк відіграє важливу роль у творчості AI.