저자: Deep Value Memetics, 번역: 진써차이징(Jinse) xiaozou
이 기사에서는 Crypto X AI 프레임 의 전망을 살펴보겠습니다. 현재 4가지 주요 프레임(ELIZA, GAME, ARC, ZEREPY)와 이들의 기술적 차이점을 살펴보겠습니다.
1. 서문
우리는 지난 주에 4가지 주요 Crypto X AI 프레임 ELIZA, GAME, ARC 및 ZEREPY를 연구하고 테스트했으며 다음과 같은 결론을 내렸습니다.
우리는 AI16Z가 계속해서 지배할 것이라고 믿습니다. Eliza의 가치(시장 점유율 약 60%, 시총 10억 달러 초과)는 선점자 이점(Lindy 효과)과 점점 더 많은 개발자, 193명의 기여자, 1800개의 포크 에 의해 사용됩니다. 이는 데이터로 입증됩니다. 예를 들어 6,000개 이상의 별이 있어 Github에서 가장 인기 있는 코드 베이스 중 하나입니다.
지금까지 GAME(약 20%의 시장 점유율 및 약 3억 달러의 시총)은 매우 순조롭게 발전해 왔으며 VIRTUAL이 방금 발표한 것처럼 이 플랫폼에는 200개 이상의 프로젝트와 150,000건의 일일 요청이 있습니다. 주간 성장률은 200%입니다. GAME은 VIRTUAL의 부상으로 계속해서 이익을 얻을 것이며 생태계에서 가장 큰 승자가 될 것입니다.
Rig(ARC, ~15% 시장 점유율, ~1억 6천만 달러 시총)는 모듈 식 설계가 작동하기 매우 쉽고 "순수 플레이"로서 Solana 생태계(RUST)를 지배할 수 있기 때문에 매력적입니다.
Zerepy(~5% 시장 점유율, ~$3억 시총)는 특별히 열성적인 ZEREBRO 커뮤니티를 대상으로 하는 상대적으로 틈새 애플리케이션이며, 최근 ai16z 커뮤니티와의 파트너십을 통해 시너지 효과를 창출할 수 있습니다.
시장 점유율 계산에는 시총, 개발 기록, 기본 운영 체제 최종 시장이 포함됩니다.
우리는 프레임 부문이 이 시장 사이클 동안 가장 빠르게 성장하는 영역이 될 것이라고 믿습니다. 총 시총 은 17억 달러로 쉽게 200억 달러로 성장할 수 있으며, 이는 2021년 L1의 최고 가치 평가에 비해 여전히 상대적으로 보수적입니다. 많은 L1의 가치가 미화 200억 달러를 넘었습니다. 이러한 프레임 모두 서로 다른 최종 시장(체인/생태계)에 서비스를 제공하지만, 공간이 상승 추세에 있다고 생각한다는 점을 고려할 때 시총 방식은 아마도 가장 신중한 접근 방식일 것입니다.
2. 4가지 주요 프레임
아래 표에는 각 주요 프레임 의 핵심 기술, 구성 요소 및 장점이 나열되어 있습니다.
(1) 프레임 개요
AI X Crypto의 교차점에는 AI 개발을 촉진하는 여러 프레임 있습니다. AI16Z의 ELIZA, ARC의 RIG, ZEREPY의 ZEREBRO, GAME의 VIRTUAL입니다. 각 프레임 오픈 소스 커뮤니티 프로젝트부터 성능 중심의 엔터프라이즈 솔루션에 이르기까지 AI 에이전트 개발의 다양한 요구 사항과 철학을 다룹니다.
이 기사에서는 먼저 프레임 소개하고 프레임워크가 무엇인지, 사용하는 프로그래밍 언어, 기술 아키텍처, 알고리즘, 고유한 기능, 프레임 사용할 수 있는 잠재적인 사용 사례에 대해 설명합니다. 그런 다음 유용성, 확장성, 적응성 및 성능 측면에서 각 프레임 비교하고 각각의 강점과 한계를 탐색합니다.
ELIZA (ai16z 개발)
Eliza는 자율 AI 에이전트를 생성, 배포 및 관리하도록 설계된 다중 에이전트 시뮬레이션 오픈 소스 프레임 입니다. TypeScript 프로그래밍 언어로 개발된 이 제품은 여러 플랫폼에서 인간과 상호 작용하고 일관된 성격과 지식을 유지할 수 있는 지능형 에이전트를 구축하기 위한 유연하고 확장 가능한 플랫폼을 제공합니다.
프레임 의 핵심 기능에는 여러 고유한 AI 성격의 동시 배포 및 관리를 지원하는 다중 에이전트 아키텍처와 캐릭터 파일 프레임 사용하여 다양한 에이전트를 생성하고 장기 메모리 및 컨텍스트를 제공하는 캐릭터 시스템이 포함됩니다. 고급 RAG(Retrieval Augmented Generation) 시스템 인식 메모리 관리 기능. 또한 Eliza 프레임 Discord, X 및 기타 소셜 미디어 플랫폼과의 안정적인 연결을 위해 원활한 플랫폼 통합을 제공합니다.
AI 에이전트의 커뮤니케이션 및 미디어 역량 측면에서 엘리자는 탁월한 선택이다. 통신 측면에서 프레임 Discord의 음성 채널 기능, X 기능, Telegram 및 맞춤형 사용 사례를 위한 직접 API 액세스와의 통합을 지원합니다. 한편, 프레임 의 미디어 처리 기능은 PDF 문서 읽기 및 분석, 링크 콘텐츠 클레임 및 요약, 오디오 전사, 비디오 콘텐츠 처리, 이미지 분석 및 대화 요약으로 확장될 수 있으며 다양한 미디어 입력 및 출력을 효과적으로 처리할 수 있습니다. .
Eliza 프레임 오픈 소스 모델의 로컬 추론, OpenAI의 클라우드 추론, Nous Hermes Llama 3.1B와 같은 기본 구성을 통해 유연한 AI 모델 지원을 제공하고 Claude에 대한 지원을 통합하여 복잡한 작업을 처리합니다. Eliza는 광범위한 운영 체제, 맞춤형 클라이언트 지원 및 포괄적인 API를 갖춘 모듈 식 아키텍처를 사용하여 애플리케이션 간의 확장성과 적응성을 보장합니다.
Eliza의 사용 사례는 고객 지원, 커뮤니티 중재, 개인 작업을 위한 AI 도우미는 물론 자동화된 콘텐츠 제작자, 대화형 봇, 브랜드 담당자와 같은 소셜 미디어 역할 등 다양한 영역에 걸쳐 있습니다. 또한 연구 조교, 콘텐츠 분석가, 문서 처리자 등의 역할에서 지식 근로자 역할을 할 수 있으며, 역할극 봇, 교육 강사, 엔터테인먼트 에이전트 등의 형태로 대화형 역할을 지원할 수도 있습니다.
Eliza의 아키텍처는 역할 시스템(모델 공급자가 지원), 메모리 관리자(데이터베이스에 연결) 및 운영 체제(플랫폼 클라이언트에 연결)와 원활하게 통합되는 에이전트 런타임을 기반으로 구축되었습니다. 프레임 의 고유한 기능에는 모듈 식 기능 확장을 지원하고 음성, 텍스트 및 미디어와 같은 다중 모드 상호 작용을 지원하며 주요 AI 모델(예: Llama, GPT-4 및 Claude)과 호환되는 플러그인 시스템이 포함됩니다. ). 다재다능하고 강력한 디자인을 갖춘 Eliza는 도메인 전반에 걸쳐 AI 애플리케이션을 개발하기 위한 강력한 도구로 돋보입니다.
GAME(Virtuals Protocol에서 개발)
GAME(Generative Autonomous Multimodal Entity 프레임)은 개발자에게 AI 에이전트 실험을 위한 API 및 SDK 액세스를 제공하도록 설계되었습니다. 이 프레임 AI 에이전트의 행동, 의사결정 및 학습 프로세스를 관리하기 위한 구조화된 접근 방식을 제공합니다.
핵심 구성 요소는 다음과 같습니다. 첫째, 에이전트 프롬프트 인터페이스는 개발자가 에이전트 동작에 액세스하기 위해 GAME를 에이전트에 통합하는 진입점입니다. 인식 하위 시스템은 세션 ID, 에이전트 ID, 사용자 및 기타 관련 세부 정보와 같은 매개변수를 지정하여 세션을 시작합니다.
들어오는 정보를 전략 계획 엔진에 적합한 형식으로 합성하고 대화 또는 반응 형태로 AI 에이전트를 위한 감각 입력 메커니즘 역할을 합니다. 그 핵심에는 에이전트의 메시지와 응답을 처리하고 인식 하위 시스템과 협력하여 입력을 효율적으로 해석하고 응답하는 대화 처리 모듈 있습니다.
전략 계획 엔진은 대화 처리 모듈 및 온체인 지갑 운영자와 협력하여 응답과 계획을 생성합니다. 엔진은 두 가지 수준에서 기능합니다. 즉, 컨텍스트나 목표를 기반으로 광범위한 전략을 생성하는 상위 수준 계획자로서, 그리고 이러한 전략을 실행 가능한 전략으로 변환하는 하위 수준 전략으로서, 이는 다시 실행 계획자 및 사용자 정의 전략으로 구분됩니다. 지정된 작업을 실행하기 위한 계획 실행자입니다.
독립적이지만 중요한 또 다른 구성 요소는 에이전트의 의사 결정에 필요한 컨텍스트를 제공하기 위해 환경, 전역 정보 및 게임 상태를 참조하는 World Context입니다. 또한 Agent Repository는 에이전트의 행동과 의사 결정 프로세스를 함께 형성하는 목표, 반성, 경험 및 성격과 같은 장기적인 속성을 저장하는 데 사용됩니다.
프레임 단기 작업 메모리와 장기 메모리 프로세서를 사용합니다. 단기 기억은 이전 행동, 결과 및 현재 계획에 대한 정보를 유지합니다. 이와 대조적으로 장기 기억 프로세서는 중요도, 최신성, 관련성과 같은 기준을 기반으로 중요한 정보를 클레임. 장기기억은 에이전트의 경험, 성찰, 역동적인 성격, 세계 맥락, 작업기억과 같은 지식을 저장하여 의사결정을 향상시키고 학습의 기초를 제공합니다.
학습 모듈 인식 하위 시스템의 데이터를 사용하여 일반 지식을 생성하고, 이는 향후 상호 작용을 개선하기 위해 시스템에 다시 피드백됩니다. 개발자는 인터페이스를 통해 동작, 게임 상태, 감각 데이터에 대한 피드백을 입력하여 AI 에이전트의 학습 능력을 향상시키고 계획 및 의사 결정 능력을 향상시킬 수 있습니다.
워크플로는 개발자가 에이전트 프롬프트 인터페이스를 통해 상호 작용하는 것으로 시작됩니다. 입력은 인식 하위 시스템에 의해 처리되고 상호 작용 논리 관리를 담당 모듈 대화 처리 모듈 로 전달됩니다. 그런 다음 전략 계획 엔진은 이 정보를 기반으로 상위 수준 전략과 세부 실행 계획을 활용하여 계획을 개발하고 실행합니다.
월드 컨텍스트와 에이전트 저장소의 데이터는 이러한 프로세스에 정보를 제공하고 작업 메모리는 즉각적인 작업을 추적합니다. 한편, 장기 기억 프로세서는 장기 지식을 저장하고 검색합니다. 학습 모듈 결과를 분석하고 새로운 지식을 시스템에 통합하여 에이전트의 행동과 상호 작용을 지속적으로 개선할 수 있도록 합니다.
RIG(ARC에서 개발)
Rig는 대규모 언어 모델 애플리케이션의 개발을 단순화하도록 설계된 오픈 소스 Rust 프레임 입니다. OpenAI 및 Anthropic과 같은 여러 LLM 공급자와 상호 작용하기 위한 통합 인터페이스를 제공하고 MongoDB 및 Neo4j를 포함한 다양한 벡터 저장소를 지원합니다. 프레임 의 모듈 아키텍처는 LLM과의 원활한 상호 작용을 촉진하기 위한 공급자 추상화 계층, 벡터 저장소 통합 및 프록시 시스템과 같은 핵심 구성 요소에서 고유합니다.
Rig의 주요 대상에는 Rust를 사용하여 AI/ML 애플리케이션을 구축하는 개발자가 포함되며, 그 다음으로는 여러 LLM 제공업체 및 벡터 저장소를 자체 Rust 애플리케이션에 통합하려는 조직이 있습니다. 저장소는 확장성과 효율적인 프로젝트 관리를 지원하기 위해 여러 크레이트가 있는 작업 공간 아키텍처를 사용합니다. 주요 기능은 일관된 오류 처리를 통해 다양한 LLM 제공자 간에 API를 완성하고 내장하기 위한 표준화를 제공하는 제공자 추상화 계층입니다. 벡터 저장소 통합 구성 요소는 여러 백엔드에 추상 인터페이스를 제공하고 벡터 유사성 검색을 지원합니다. 에이전트 시스템은 LLM 상호 작용을 단순화하고 RAG(검색 증대 생성) 및 도구 통합을 지원합니다. 또한 임베딩 프레임 일괄 처리 기능과 유형이 안전한 임베딩 작업도 제공합니다.
Rig는 안정성과 성능을 보장하기 위해 여러 가지 기술적 이점을 활용합니다. 비동기 작업은 Rust의 비동기 런타임을 활용하여 대량 동시 요청을 효율적으로 처리합니다. 프레임 의 고유한 오류 처리 기능은 AI 공급자 또는 데이터베이스 작업의 오류에 대한 복원력을 향상시킵니다. 유형 안전은 컴파일 중 오류를 방지하여 코드의 유지 관리성을 향상시킵니다. 효율적인 직렬화 및 역직렬화 프로세스는 AI 서비스 통신 및 저장에 중요한 JSON과 같은 형식의 데이터 처리를 지원합니다. 자세한 로깅 및 계측은 애플리케이션 디버깅 및 모니터링에 도움이 됩니다.
Rig의 워크플로는 클라이언트가 공급자 추상화 계층을 통해 적절한 LLM 모델과 상호 작용하는 요청을 시작할 때 시작됩니다. 그런 다음 데이터는 에이전트가 도구를 사용하거나 컨텍스트의 벡터 저장소에 액세스할 수 있는 핵심 계층에 의해 처리됩니다. 응답은 고객에게 반환되기 전에 문서 검색 및 컨텍스트 이해와 관련된 복잡한 워크플로(예: RAG)를 통해 생성되고 구체화됩니다. 이 시스템은 여러 LLM 제공업체와 벡터 저장소를 통합하여 모델 가용성이나 성능 업데이트에 맞게 조정할 수 있습니다.
Rig의 사용 사례는 다양하며 정확한 응답을 제공하기 위해 관련 문서를 검색하는 질문 및 답변 시스템, 효율적인 콘텐츠 검색을 위한 문서 검색 및 검색 시스템, 고객 서비스 또는 교육을 위한 상황 인식 상호 작용을 제공하는 챗봇 또는 가상 도우미가 포함됩니다. 또한 콘텐츠 생성을 지원하고 학습 모델을 기반으로 텍스트 및 기타 자료 생성을 지원하므로 개발자와 조직을 위한 보편적인 도구가 됩니다.
Zerepy (ZEREPY와 blorm이 개발)
ZerePy는 Python 언어로 작성된 오픈 소스 프레임 이며 OpenAI 또는 Anthropic LLM을 활용하여 X에 에이전트를 배포하도록 설계되었습니다. Zerebro 백엔드의 모듈 버전에서 파생된 ZerePy를 통해 개발자는 유사한 Zerebro 핵심 기능을 갖춘 에이전트를 시작할 수 있습니다. 프레임 에이전트 배포를 위한 기반을 제공하지만 창의적인 결과물을 생성하려면 모델을 미세 조정하는 것이 필수적입니다. ZerePy는 특히 소셜 플랫폼의 콘텐츠 생성을 위한 맞춤형 AI 에이전트의 개발 및 배포를 단순화하고 예술 및 탈중앙화 애플리케이션을 위한 AI 기반 창의적 생태계를 조성합니다.
Python으로 개발된 이 프레임 에이전트 자율성을 강조하고 ELIZA의 아키텍처 및 ELIZA와의 파트너십과 일치하는 창의적인 출력 생성에 중점을 둡니다. 모듈 식 설계를 통해 메모리 내 시스템 통합이 가능하고 소셜 플랫폼에 에이전트 배포를 지원합니다. 주요 기능에는 에이전트 관리를 위한 명령줄 인터페이스, Twitter와의 통합, OpenAI 및 Anthropic LLM 지원, 향상된 기능을 위한 모듈 식 연결 시스템이 포함됩니다.
ZerePy의 사용 사례는 소셜 미디어 자동화에 걸쳐 있으며, 사용자는 인공 지능 에이전트를 배포하여 게시물을 올리고, 답장하고, 좋아요를 누르고, 리트윗하여 플랫폼 참여를 높일 수 있습니다. 또한 음악, 밈, NFT 등의 영역에서 콘텐츠 제작도 지원하므로 디지털 아트 및 블록체인 기반 콘텐츠 플랫폼에 중요한 도구가 됩니다.
(2) 4가지 주요 프레임 비교
우리의 의견으로는 각 프레임 특정 요구 사항과 상황에 맞는 AI 개발에 대한 고유한 접근 방식을 제공하며, 초점을 이러한 프레임 의 경쟁 관계에서 각 프레임 의 고유성으로 전환합니다.
ELIZA는 특히 JavaScript 및 Node.js 환경에 익숙한 개발자에게 사용자 친화적인 인터페이스를 제공합니다. 광범위한 기능 세트에는 약간의 학습 곡선이 포함될 수 있지만 포괄적인 문서는 다양한 플랫폼에서 인공 지능 에이전트를 설정하는 데 도움이 됩니다. TypeScript로 개발된 Eliza는 대부분의 웹 인프라 프런트 엔드가 TypeScript로 개발되므로 웹에 내장된 에이전트를 구축하는 데 이상적입니다. 이 프레임 Discord, X, Telegram과 같은 플랫폼에 다양한 AI 특성을 배포할 수 있는 다중 에이전트 아키텍처로 잘 알려져 있습니다. 고급 메모리 관리 RAG 시스템은 고객 지원이나 소셜 미디어 애플리케이션의 인공 지능 보조자에게 특히 효과적입니다. 유연성, 강력한 커뮤니티 지원 및 일관된 크로스 플랫폼 성능을 제공하지만 아직 초기 단계이며 개발자에게 학습 곡선을 제공할 수 있습니다.
GAME은 게임 개발자를 위해 특별히 설계되었으며, API를 통해 로우 코드 또는 노 코드 인터페이스를 제공하여 게임 분야에서 기술적 능력이 부족한 사용자도 액세스할 수 있도록 합니다. 그러나 게임 개발 및 블록체인 통합에 중점을 두는 것은 관련 경험이 없는 사람들에게는 가파른 학습 곡선을 제공할 수 있습니다. 절차적 콘텐츠 생성 및 NPC 동작에 탁월하지만 세분화 및 블록체인 통합으로 인해 추가되는 복잡성으로 인해 제한됩니다.
Rig는 Rust 언어를 사용하기 때문에 언어의 복잡성으로 인해 사용자 친화적이지 않을 수 있으며 이는 상당한 학습 과제를 제기하지만 시스템 프로그래밍에 정통한 사람들에게는 직관적인 상호 작용이 있습니다. 프로그래밍 언어 자체는 TypeScript에 비해 성능과 메모리 안전성이 뛰어난 것으로 알려져 있습니다. 복잡한 AI 알고리즘을 실행하는 데 필요한 엄격한 컴파일 타임 검사와 무료 추상화가 특징입니다. 이 언어는 매우 효율적이며 제어 수준이 낮아 리소스 집약적인 AI 애플리케이션에 이상적입니다. 프레임 모듈 및 확장 가능한 설계로 고성능 솔루션을 제공하므로 엔터프라이즈 애플리케이션에 이상적입니다. 그러나 Rust를 처음 접하는 개발자의 경우 Rust를 사용할 대면 학습 곡선이 가파르게 진행됩니다.
ZerePy는 Python을 활용하여 창의적인 AI 작업을 위한 높은 유용성, Python 개발자, 특히 AI/ML 배경이 있는 개발자를 위한 낮은 학습 곡선, Zerebro의 암호화 커뮤니티 덕분에 강력한 커뮤니티 지원 혜택을 제공합니다. ZerePy는 NFT와 같은 창의적인 인공지능 애플리케이션을 전문으로 하며 디지털 미디어와 예술을 위한 강력한 도구로 자리매김하고 있습니다. 창의성을 바탕으로 성장하지만 다른 프레임 에 비해 범위가 상대적으로 좁습니다.
확장성 측면에서 ELIZA는 통합 메시지 라인과 확장 가능한 코어 프레임 도입하여 여러 플랫폼에 걸쳐 효과적인 관리를 지원하는 V2 업데이트에서 큰 진전을 이루었습니다. 그러나 이러한 다중 플랫폼 상호 작용 관리는 최적화되지 않으면 확장성 문제를 야기할 수 있습니다.
GAME은 게임에 필요한 실시간 처리 능력이 뛰어나며, 확장성은 특정 게임 엔진이나 블록체인 네트워크에 의해 제한될 수 있지만 효율적인 알고리즘과 기본 블록체인 분산 시스템을 통해 관리됩니다.
Rig 프레임 Rust의 확장성 성능을 활용하고 처리량이 높은 애플리케이션용으로 설계되었습니다. 이는 특히 엔터프라이즈 수준 배포에 효과적입니다. 그러나 이는 진정한 확장성을 달성하려면 복잡한 설정이 필요할 수 있음을 의미할 수 있습니다.
Zerepy의 확장성은 창의적인 결과물에 맞춰져 있으며 커뮤니티 기여에 의해 지원되지만 초점이 더 넓은 AI 컨텍스트에서의 적용을 제한할 수 있으며 테스트 사용자 수보다는 창의적인 작업의 다양성으로 인해 확장성이 제한될 수 있습니다.
적응성 측면에서는 ELIZA가 플러그인 시스템과 크로스 플랫폼 호환성으로 선두를 달리고 있으며, 게임 환경에서의 GAME과 복잡한 AI 작업을 처리하는 Rig도 뛰어납니다. ZerePy는 창의적인 분야에서 높은 적응성을 보여주지만, 더 넓은 인공지능 애플리케이션에는 적합하지 않습니다.
성능 측면에서 ELIZA는 빠른 응답 시간이 핵심인 빠른 소셜 미디어 상호 작용에 최적화되어 있지만 더 복잡한 컴퓨팅 작업을 처리할 때 성능이 달라질 수 있습니다.
Virtual Protocol에서 개발한 GAME은 효율적인 의사 결정 프로세스와 탈중앙화 형 인공 지능 운영을 위한 기본 블록체인을 활용하여 게임 시나리오에서 고성능 실시간 상호 작용에 중점을 둡니다.
Rig 프레임 Rust 언어를 기반으로 하며 고성능 컴퓨팅 작업에 탁월한 성능을 제공하며 컴퓨팅 효율성이 중요한 엔터프라이즈 애플리케이션에 적합합니다.
Zerepy의 성능은 창의적인 콘텐츠 제작에 맞게 조정되었으며, 측정 기준은 콘텐츠 생성의 효율성과 품질에 중점을 두는데, 이는 창의적인 분야 외부에서는 일반화하기 어려울 수 있습니다.
ELIZA의 장점은 유연성과 확장성을 제공하여 플러그인 시스템과 역할 구성을 통해 적응성이 뛰어나며 플랫폼 간 소셜 AI 상호 작용에 도움이 된다는 것입니다.
GAME은 블록체인 통합을 통해 향상된 새로운 AI 참여를 통해 게임에서 고유한 실시간 상호 작용 기능을 제공합니다.
Rig의 강점은 장기적인 프로젝트 상태를 위한 깔끔한 모듈 코드에 중점을 두고 엔터프라이즈 AI 작업을 위한 성능과 확장성에 있습니다.
Zerepy는 창의성 육성을 전문으로 하며 디지털 아트에 인공 지능을 적용하는 선두주자이며 활발한 커뮤니티 중심 개발 모델의 지원을 받습니다.
각 프레임 고유한 한계가 있습니다. ELIZA는 잠재적인 안정성 문제와 새로운 개발자의 학습 곡선으로 인해 아직 초기 단계에 있습니다. 틈새 게임은 더 넓은 응용 프로그램을 제한할 수 있으며, 블록체인은 Rust의 구성으로 인해 가파른 학습 곡선을 추가할 수도 있습니다. 일부 개발자는 창의적인 결과물에만 초점을 맞춘 Zerepy의 좁은 초점으로 인해 다른 AI 분야에서의 사용이 제한될 수 있습니다.
(3) 프레임 비교 요약
리그(ARC):
언어: Rust, 안전과 성능에 중점을 둡니다.
사용 사례: 효율성과 확장성에 중점을 두므로 엔터프라이즈 수준 AI 애플리케이션에 이상적입니다.
커뮤니티: 커뮤니티 중심이 덜하고 기술 개발자에 더 집중합니다.
엘리자(AI16Z):
언어: TypeScript, web3 유연성과 커뮤니티 참여를 강조합니다.
사용 사례: 다중 에이전트 시스템에 특히 중점을 두고 사회적 상호 작용, DAO 및 거래를 위해 설계되었습니다.
커뮤니티: 광범위한 GitHub 참여를 통해 커뮤니티 중심으로 운영됩니다.
ZerePy(ZEREBRO):
언어: Python을 사용하여 더 폭넓은 AI 개발자 기반에서 사용할 수 있습니다.
사용 사례: 소셜 미디어 자동화 및 간단한 AI 에이전트 작업에 적합합니다.
커뮤니티: 비교적 새로운 것이지만 Python의 인기와 AI16Z 기여자의 지원으로 인해 성장할 것으로 예상됩니다.
게임(가상):
초점: 가상 환경에서의 상호 작용을 기반으로 진화하는 자율적 적응형 인공 지능 에이전트.
사용 사례: AI 에이전트가 게임이나 가상 세계와 같은 시나리오를 학습하고 적응하는 데 가장 적합합니다.
커뮤니티: 혁신을 이루고 있지만 여전히 경쟁에서 자신의 위치를 결정하고 있는 커뮤니티입니다.
3. Github의 스타 데이터 동향
위의 그림은 이러한 프레임 출시된 이후의 데이터를 따르는 GitHub 스타입니다. GitHub 스타는 커뮤니티 관심도, 프로젝트 인기도, 프로젝트 인식 가치를 나타내는 지표라는 점은 주목할 가치가 있습니다.
엘리자(빨간색 선):
7월의 저조했던 출발에서 11월 말 별의 수가 크게 늘어나는 것(별 61,000개)은 관심이 급속히 높아지고 개발자들의 관심이 쏠리고 있음을 보여준다. 이러한 기하급수적인 성장은 ELIZA가 기능, 업데이트 및 커뮤니티 참여로 인해 상당한 관심을 얻었음을 보여줍니다. 그 인기는 경쟁사를 훨씬 능가하는데, 이는 강력한 커뮤니티 지원과 AI 커뮤니티에 대한 더 폭넓은 적용 가능성이나 관심을 갖고 있음을 시사합니다.
RIG(파란색 선):
Rig는 4개의 주요 프레임 중 가장 오래된 것입니다. 별 수는 적지만 계속 증가하고 있으며 다음 달에는 크게 증가할 것입니다. 별 1700개에 도달했고 여전히 상승 입니다. 지속적인 개발과 업데이트, 사용자 수의 증가는 사용자 관심이 지속적으로 축적되는 이유입니다. 이는 프레임 틈새 사용자 기반을 갖고 있거나 여전히 평판을 구축하고 있음을 반영할 수 있습니다.
ZEREPY(노란색 선):
ZerePy는 불과 며칠 전에 출시되었으며 이미 181개의 별을 축적했습니다. ZerePy의 가시성과 채택률을 높이려면 더 많은 개발이 필요하다는 점을 강조할 가치가 있습니다. AI16Z와의 협력을 통해 더 많은 코드 기여자를 유치할 수 있습니다.
게임(녹색 선):
이 프로젝트에는 별 수가 최소화되어 있으며, 특히 프레임 API를 통해 가상 생태계의 에이전트에 직접 적용할 수 있어 Github 가시성이 필요하지 않습니다. 그러나 이 프레임 불과 한 달 전에 빌더들에게 공개적으로 제공되었으며 200개 이상의 프로젝트가 GAME을 사용하여 구축되고 있습니다.
4. 상승 관점 프레임 의 이유
Eliza의 V2 버전은 Coinbase 프록시 제품군을 통합합니다. Eliza를 사용하는 모든 프로젝트는 향후 기본 TEE를 지원하여 에이전트가 안전한 환경에서 실행될 수 있도록 할 것입니다. Eliza의 향후 기능은 개발자가 플러그인을 원활하게 등록하고 통합할 수 있게 해주는 플러그인 레지스트리입니다.
또한 Eliza V2는 자동화된 익명 크로스 플랫폼 메시징을 지원합니다. 토큰 이코노믹스 백서 2025년 1월 1일에 발표될 예정이며, Eliza 프레임 의 기반이 되는 AI16Z 토큰에 긍정적인 영향을 미칠 것으로 예상됩니다. AI16Z는 프레임 의 효용성을 지속적으로 강화하고 고품질 인재를 지속적으로 유치할 계획이며, 주요 기여자들의 노력은 그렇게 할 수 있는 능력을 입증했습니다.
GAME 프레임 는 에이전트를 위한 코드 없는 통합을 제공하므로 GAME과 ELIZA를 모두 단일 프로젝트에서 사용할 수 있으며 각각 특정 목적을 수행할 수 있습니다. 이러한 접근 방식은 기술적인 복잡성보다는 업무 로직에 중점을 두는 빌더에게 어필할 것으로 예상됩니다. 프레임 공개된 지 30일밖에 되지 않았지만 더 많은 기여자를 유치하려는 팀의 노력에 힘입어 상당한 진전을 이루었습니다. VIRTUAL에서 시작된 모든 프로젝트는 GAME을 사용할 것으로 예상됩니다.
ARC 토큰으로 대표되는 Rig는 프레임 아직 초기 성장 단계에 있고 프로젝트 채택을 추진하려는 계획이 실행된 지 며칠밖에 되지 않았지만 엄청난 잠재력을 가지고 있습니다. 하지만 Virtual Flywheel과 유사하지만 Solana에 초점을 맞춘 ARC를 사용한 고품질 프로젝트가 곧 나타날 것으로 예상됩니다. 팀은 ARC와 Solana의 관계를 Virtual과 Base의 관계를 비교하면서 Solana와의 협력에 대해 낙관적입니다. 특히 팀은 Rig를 사용하여 새로운 프로젝트를 시작하도록 권장할 뿐만 아니라 개발자가 Rig 프레임 자체를 향상하도록 권장합니다.
Zerepy는 Eliza와의 파트너십 덕분에 점점 더 많은 주목을 받고 있는 새로 출시된 프레임 입니다. 프레임 프레임워크를 적극적으로 개선하는 Eliza 기여자들의 관심을 끌고 있습니다. ZEREBRO 팬이 주도하는 이 제품은 추종자가 많으며 이전에 인공 지능 인프라 경쟁에서 과소 대표되었던 Python 개발자에게 새로운 기회를 제공합니다. 이 프레임 AI 창의성에 중요한 역할을 할 것입니다.
