Bài viết này đến từ: Giá trị sâu sắc Memetics
Tổng hợp | Odaily(@OdailyChina)
Người phiên dịch｜Azuma (@azuma_eth)
Tóm tắt các điểm chính
Trong báo cáo này, chúng tôi thảo luận về mô hình phát triển của một số khung chính thống trong lĩnh vực Tiền điện tử & AI. Chúng tôi sẽ kiểm tra bốn khung chính hiện tại - Eliza (AI16Z), GAME (GAME), Rig (ARC), ZerePy (ZEREBRO) và phân tích sự khác biệt về mặt kỹ thuật cũng như tiềm năng phát triển của chúng.
Trong tuần qua, chúng tôi đã phân tích và thử nghiệm bốn khuôn khổ chính trên và kết luận được tóm tắt dưới đây.
Chúng tôi cho rằng Eliza (với thị phần khoảng 60%, giá trị vốn hóa thị trường khoảng 900 triệu USD khi tác giả gốc viết bài báo và giá trị vốn hóa thị trường khoảng 1,4 tỷ USD tính đến xuất bản) sẽ tiếp tục thống trị thị thị phần . Giá trị của Eliza nằm ở lợi thế dẫn đầu và tăng tốc độ tiếp nhận của nhà phát triển, bằng chứng là có 193 người đóng góp, 1.800 fork và hơn 6.000 sao trên Github, khiến nó trở thành kho lưu trữ phần mềm phổ biến nhất trên Github.
GAME (với thị phần khoảng 20%, giá trị vốn hóa thị trường khoảng 300 triệu USD khi tác giả gốc viết bài và giá trị vốn hóa thị trường khoảng 257 triệu USD tính đến thời điểm xuất bản) đã phát triển rất thuận lợi cho đến nay. và cũng đang được áp dụng nhanh chóng, như Virtuals Protocol đã công bố trước đó. Bằng cách này, có hơn 200 dự án được xây dựng dựa trên GAME, với số yêu cầu hàng ngày vượt quá 150.000 và tăng trưởng hàng tuần vượt quá 200%. GAME sẽ tiếp tục được hưởng lợi từ sự bùng nổ của VIRTUAL và có khả năng trở thành một trong những người chiến thắng lớn nhất trong hệ sinh thái.
Thiết kế mô-đun của Rig (với thị phần khoảng 15%, giá trị vốn hóa thị trường khoảng 160 triệu USD khi tác giả gốc viết bài và giá trị vốn hóa thị trường khoảng 279 triệu USD tính đến xuất bản) rất bắt mắt. -bắt và dễ vận hành , đồng thời được kỳ vọng sẽ chiếm một vị trí quan trọng trong vị trí chủ đạo sinh thái Solana (RUST).
Zerepy (với thị phần khoảng 5%, giá trị vốn hóa thị trường khoảng 300 triệu đô la Mỹ khi tác giả ban đầu viết và giá trị vốn hóa thị trường khoảng 424 triệu đô la Mỹ tính tính đến xuất bản) là một ứng dụng thích hợp hơn, dành riêng cho cộng đồng ZEREBRO cuồng tín. và sự hợp tác gần đây của nó với cộng đồng ai16z Có thể có một số hiệu ứng tổng hợp.
Trong số liệu thống kê trên, "thị phần" được tính bằng cách tính đến giá trị vốn hóa thị trường, hồ sơ phát triển và độ rộng của thị trường thiết bị đầu cuối hệ điều hành cơ bản.
Chúng tôi tin rằng khuôn khổ AI sẽ trở thành lĩnh vực tăng trưởng nhanh nhất trong chu kỳ này và tổng giá trị vốn hóa thị trường hiện tại của lĩnh vực này khoảng 1,7 tỷ USD sẽ dễ dàng tăng trưởng lên 20 tỷ USD so với mức định giá Lớp 1 vào thời kỳ đỉnh cao vào năm 2021. , con số này có thể vẫn tương đối cao - nhiều dự án đơn lẻ được định giá hơn 20 tỷ USD vào thời điểm đó. Mặc dù các khuôn khổ trên phục vụ các thị trường cuối cùng khác nhau (Chuỗi/hệ sinh thái), vì chúng tôi cho rằng lĩnh vực này sẽ tăng trưởng tổng thể, nên có thể tương đối thận trọng khi áp dụng phương pháp theo trọng giá trị vốn hóa thị trường .
Bốn khuôn khổ chính
Tại điểm giao thoa giữa AI và Tiền điện tử, một số khuôn khổ đã xuất hiện nhằm tăng tốc phát triển AI, bao gồm Eliza (AI16Z), GAME (GAME), Rig (ARC) và ZerePy (ZEREBRO). Từ các dự án cộng đồng mã nguồn mở đến các giải pháp doanh nghiệp tập trung vào hiệu suất, mỗi khung đều đáp ứng các nhu cầu và triết lý phát triển đại lý khác nhau.
Trong bảng bên dưới, chúng tôi liệt kê các công nghệ, thành phần và lợi ích chính của từng khung.
Báo cáo này trước tiên sẽ tập trung vào những khung này là gì, ngôn ngữ lập trình mà chúng sử dụng, kiến trúc kỹ thuật, thuật toán và các tính năng độc đáo với các trường hợp sử dụng tiềm năng. Sau đó, chúng tôi sẽ so sánh từng khung dựa trên tính dễ sử dụng, mở rộng, khả năng thích ứng và hiệu suất, đồng thời thảo luận về điểm mạnh và hạn chế của chúng.
Eliza
Eliza là một khung mô phỏng đa tác nhân mã nguồn mở được phát triển bởi ai16z, được thiết kế để tạo, triển khai và quản lý AI Agent tự trị. Được phát triển với TypeScript làm ngôn ngữ lập trình, nó cung cấp một nền tảng linh hoạt, mở rộng để xây dựng các tác nhân thông minh có khả năng tương tác với con người trên nhiều nền tảng trong khi vẫn duy trì tính cách và kiến thức nhất quán.
Các tính năng cốt lõi của khung bao gồm: kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều tính cách AI duy nhất; nhân vật tự sử dụng khung tệp nhân vật để tạo ra các tác nhân đa dạng và hệ thống tạo tăng cường truy xuất nâng cao (RAG); cung cấp trí nhớ dài hạn và khả năng nhận biết Khả năng quản lý bộ nhớ theo ngữ cảnh. Ngoài ra, khung Eliza còn cung cấp tích hợp nền tảng mượt mà để có các kết nối đáng tin cậy với Discord, X và các nền tảng truyền thông xã hội khác.
Eliza là một lựa chọn tuyệt vời cho khả năng giao tiếp và truyền thông AI Agent. Về mặt giao tiếp, khung này hỗ trợ tích hợp với tính năng kênh thoại của Discord, các tính năng X, Telegram và quyền truy cập API trực tiếp cho các trường hợp sử dụng tùy chỉnh. Mặt khác, khả năng xử lý phương tiện của khung đã được mở rộng sang đọc và phân tích tài liệu PDF, rút và tóm tắt nội dung liên kết, phiên âm âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt hội thoại, có thể xử lý hiệu quả các đầu vào và đầu ra đa phương tiện khác nhau.
Eliza cung cấp hỗ trợ mô hình AI linh hoạt bằng cách sử dụng các mô hình mã nguồn mở để suy luận cục bộ, suy luận dựa trên đám mây thông qua các cấu hình mặc định như OpenAI và Nous Hermes Llama 3.1B, đồng thời hỗ trợ tích hợp Claude để xử lý các truy vấn phức tạp. Eliza sử dụng kiến trúc mô-đun với hệ thống hành động mở rộng, hỗ trợ máy trạm tùy chỉnh và API toàn diện để đảm bảo mở rộng và khả năng thích ứng của nhiều ứng dụng.
Các trường hợp sử dụng của Eliza bao gồm nhiều lĩnh vực, chẳng hạn như trợ lý AI liên quan đến hỗ trợ khách hàng, quản lý cộng đồng và nhiệm vụ cá nhân; và nhân vật trên mạng xã hội như người tạo nội dung tự động và đại diện thương hiệu, nó cũng có thể đóng vai trò là nhân viên tri thức, đóng vai trò nghiên cứu; trợ lý, Nhân vật như nhà phân tích nội dung và người xử lý tài liệu; và nhân vật tương tác dưới dạng bot nhân vật , gia sư giáo dục và tác nhân giải trí.
Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy tác nhân hoạt động liền mạch với hệ thống nhân vật(được hỗ trợ bởi nhà cung cấp mô hình), trình quản lý bộ nhớ (được kết nối với cơ sở dữ liệu) và hệ thống hành động (được liên kết với máy trạm nền tảng) tích hợp . Các tính năng độc đáo của khung này bao gồm hệ thống plug-in -in cho phép mở rộng chức năng mô-đun , hỗ trợ các tương tác đa phương thức như giọng nói, văn bản và phương tiện cũng như khả năng tương thích với các mô hình AI hàng đầu như Llama, GPT-4 và Claude. Với tính linh hoạt và thiết kế mạnh mẽ, Eliza trở thành một công cụ mạnh mẽ để phát triển các ứng dụng AI trên nhiều lĩnh vực.
TRÒ CHƠI
GAME được phát triển bởi nhóm chính thức đội ngũ Virtuals và tên đầy đủ của nó là "Khung thực thể đa phương thức tự động sáng tạo (Khung thực thể đa phương thức tự động sáng tạo)". Khung này nhằm mục đích cung cấp cho các nhà phát triển các giao diện lập trình ứng dụng (API) và bộ công cụ phát triển phần mềm ( SDK) để họ có thể tiến hành thử nghiệm bằng cách sử dụng AI Agent . Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quá trình ra quyết định và học tập của AI Agent .
- Các thành phần cốt lõi của GAME như sau: Đầu tiên, "Giao diện nhắc nhở đại lý" là lối vào để các nhà phát triển tích hợp GAME vào đại lý để có được hành vi của đại lý.
- "Hệ thống con nhận thức" bắt đầu phiên bằng cách chỉ định các tham số như ID phiên, ID tác nhân, người dùng và các chi tiết liên quan khác. Nó tổng hợp các tin nhắn đến thành một định dạng phù hợp cho một "công cụ hoạch định chiến lược", hoạt động như một cơ chế đầu vào cảm giác cho AI Agent, dù ở dạng hội thoại hay phản ứng. Cốt lõi ở đây là "mô-đun xử lý đối thoại", chịu trách nhiệm xử lý các tin nhắn và phản hồi từ tác nhân, đồng thời cộng tác với "hệ thống con nhận thức" để diễn giải và phản hồi đầu vào một cách hiệu quả.
- “Công cụ lập kế hoạch chiến lược” hoạt động cùng với “mô-đun xử lý hội thoại” và “Nhà điều hành ví trên Chuỗi” để tạo phản hồi và kế hoạch. Công cụ này hoạt động ở hai cấp độ: với tư cách là người lập kế hoạch cấp cao, tạo ra các chiến lược rộng rãi dựa trên bối cảnh hoặc mục tiêu và là chiến lược cấp thấp, chuyển đổi các chiến lược này thành các chính sách có thể thực thi được, sau đó được chia nhỏ thành các người lập kế hoạch hành động (cho nhiệm vụ cụ thể); ) và người thực thi kế hoạch (để thực hiện nhiệm vụ).
- Một thành phần riêng biệt nhưng quan trọng là "bối cảnh thế giới", tham chiếu đến hoàn cảnh, thông tin thế giới và trạng thái trò chơi để cung cấp bối cảnh cần thiết cho các quyết định của tác nhân. Ngoài ra, “kho lưu trữ tác nhân” được sử dụng để lưu trữ các thuộc tính dài hạn như mục tiêu, phản ánh, kinh nghiệm và tính cách, cùng nhau định hình hành vi và quá trình ra quyết định của tác nhân. Khung này sử dụng "bộ nhớ làm việc ngắn hạn" và "bộ xử lý bộ nhớ dài hạn" - bộ nhớ ngắn hạn lưu giữ thông tin liên quan về các hành động, kết quả và kế hoạch hiện tại trước đó, ngược lại, bộ xử lý bộ nhớ dài hạn dựa trên tầm quan trọng, mức độ gần đây và; mức độ liên quan Rút thông tin quan trọng dựa trên các tiêu chí như giới tính. Bộ nhớ này lưu trữ kiến thức về trải nghiệm, sự phản ánh, tính cách năng động, bối cảnh thế giới và trí nhớ làm việc của tác nhân để nâng cao khả năng ra quyết định và cung cấp cơ sở cho việc học tập.
- Để tăng bố cục, "mô-đun học tập" lấy dữ liệu từ "hệ thống con nhận thức" để tạo ra kiến thức chung, kiến thức này được đưa trở lại hệ thống để tối ưu hóa các tương tác trong tương lai. Các nhà phát triển có thể nhập phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm giác thông qua giao diện để nâng cao khả năng học tập của AI Agent cũng như cải thiện khả năng lập kế hoạch và ra quyết định của nó.
Quy trình làm việc bắt đầu bằng việc nhà phát triển tương tác thông qua giao diện nhắc tác nhân; "hệ thống con nhận thức" xử lý đầu vào và chuyển tiếp nó đến "mô-đun đun xử lý hộp thoại", sau mô-đun quản lý logic tương tác, dựa trên thông tin này, "công cụ lập kế hoạch chiến lược"; " sử dụng Chiến lược tiên tiến và lập kế hoạch hành động chi tiết để phát triển và thực hiện kế hoạch.
Dữ liệu từ "bối cảnh thế giới" và "thư viện tác nhân" thông báo cho các quy trình này, trong khi bộ nhớ làm việc theo dõi nhiệm vụ tức thời. Trong khi đó, “bộ xử lý trí nhớ dài hạn” lưu trữ và truy xuất kiến thức theo thời gian. "Mô-Đun học tập" phân tích kết quả và tích hợp kiến thức mới vào hệ thống, cho phép hành vi và tương tác của tác nhân liên tục được cải thiện.
Giàn khoan
Rig là một framework mã nguồn mở dựa trên Rust được thiết kế để đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn (LLM). Nó cung cấp một giao diện hợp nhất để tương tác với nhiều nhà cung cấp LLM như OpenAI và Anthropic, đồng thời hỗ trợ nhiều cửa hàng vectơ khác nhau, bao gồm MongoDB và Neo4j. Kiến trúc mô-đun của khung có các thành phần cốt lõi như "Lớp trừu tượng của nhà cung cấp", "Tích hợp lưu trữ vectơ" và "Hệ thống đại lý" để tạo điều kiện cho LLM tương tác liền mạch.
Đối tượng chính của Rig bao gồm các nhà phát triển xây dựng ứng dụng AI/ML bằng Rust và đối tượng lần của Rig bao gồm các tổ chức đang tìm cách tích hợp nhiều nhà cung cấp LLM và cửa hàng vectơ vào ứng dụng Rust của họ. Thư viện tài nguyên được tổ chức bằng cấu trúc dựa trên không gian làm việc và chứa nhiều thùng để đạt được mở rộng và quản lý dự án hiệu quả. Các tính năng chính của Rig bao gồm "Lớp trừu tượng của nhà cung cấp", chuẩn hóa API để hoàn thiện và nhúng các nhà cung cấp LLM thông qua xử lý lỗi nhất quán; thành phần "Tích hợp lưu trữ vectơ" cung cấp nhiều phụ trợ Giao diện trừu tượng và hỗ trợ tìm kiếm tương tự vectơ, một "hệ thống proxy; " đơn giản hóa tương tác LLM, hỗ trợ tạo tăng cường truy xuất (RAG) và tích hợp công cụ . Ngoài ra, khung nhúng còn cung cấp khả năng xử lý hàng loạt và các hoạt động nhúng an toàn kiểu.
Rig tận dụng một số lợi thế kỹ thuật để đảm bảo độ tin cậy và hiệu suất. Các hoạt động không đồng bộ tận dụng thời gian chạy không đồng bộ của Rust để xử lý hiệu quả lượng lớn yêu cầu đồng thời; và các quy trình khử tuần tự hóa giúp xử lý dữ liệu ở các định dạng như JSON, vốn rất quan trọng cho việc liên lạc và lưu trữ các dịch vụ AI; ghi nhật ký chi tiết và thiết bị đo đạc giúp tiếp tục gỡ lỗi và giám sát các ứng dụng.
Quy trình làm việc trong Rig bắt đầu bằng việc máy trạm bắt đầu một yêu cầu, yêu cầu này đi qua "lớp trừu tượng của nhà cung cấp" và tương tác với mô hình LLM tương ứng, sau đó dữ liệu sẽ được xử lý bởi lớp lõi, nơi tác nhân có thể sử dụng các công cụ hoặc truy cập vào kho lưu trữ vectơ; để có được Ngữ cảnh; các phản hồi được tạo và hoàn thiện thông qua các quy trình công việc phức tạp như RAG, trong đó truy xuất tài liệu và hiểu biết ngữ cảnh, trước khi được trả lại cho máy trạm. Hệ thống tích hợp nhiều nhà cung cấp LLM và cửa hàng vectơ để thích ứng với những thay đổi về tính khả dụng hoặc hiệu suất của mô hình.
Các trường hợp sử dụng của Rig rất đa dạng, bao gồm hệ thống trả lời câu hỏi truy xuất các tài liệu liên quan để đưa ra câu trả lời chính xác, tìm kiếm và truy xuất tài liệu để khám phá nội dung hiệu quả cũng như chatbot hoặc trợ lý ảo cung cấp các tương tác nhận biết ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, tạo văn bản và các tài liệu khác dựa trên các mẫu đã học, khiến nó trở thành một công cụ linh hoạt cho các nhà phát triển và tổ chức.
ZerePy
ZerePy là một khung mã nguồn mở được viết bằng Python được thiết kế để triển khai các tác nhân trên X bằng OpenAI hoặc Anthropic LLM. ZerePy có nguồn gốc từ phiên bản mô-đun của chương trình phụ trợ Zerebro, cho phép các nhà phát triển khởi chạy proxy có chức năng tương tự như chức năng cốt lõi của Zerebro. Mặc dù khung này cung cấp nền tảng cho việc triển khai các tác nhân nhưng mô hình này phải được tinh chỉnh để tạo ra các kết quả đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai AI Agent được cá nhân hóa, đặc biệt phù hợp để tạo nội dung trên nền tảng xã hội, thúc đẩy hệ sinh thái sáng tạo AI nhắm đến nghệ thuật và các ứng dụng phi tập trung.
Khung này được xây dựng bằng ngôn ngữ Python, nhấn mạnh quyền tự chủ của các tác nhân và tập trung vào việc tạo ra các kết quả đầu ra sáng tạo, phù hợp với kiến trúc + quan hệ đối tác của Eliza. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống trong bộ nhớ để dễ dàng triển khai các tác nhân trên nền tảng xã hội. Các tính năng chính của nó bao gồm giao diện dòng lệnh để quản lý tác nhân, tích hợp với X, hỗ trợ OpenAI và Anthropic LLM cũng như hệ thống kết nối mô-đun để nâng cao chức năng.
Các trường hợp sử dụng của ZerePy bao gồm tự động hóa phương tiện truyền thông xã hội, nơi người dùng có thể triển khai AI Agent để đăng, trả lời, thích và chuyển tiếp tin nhắn để tăng mức độ tương tác với nền tảng. Ngoài ra, nó cũng phù hợp để tạo nội dung trong các lĩnh vực như âm nhạc, bản ghi nhớ và NFT, đồng thời là một công cụ quan trọng cho nền tảng nội dung dựa trên blockchain và nghệ thuật kỹ thuật số.
So sánh theo chiều ngang
Theo quan điểm của chúng tôi, mỗi khung trên cung cấp một phương pháp riêng để phát triển AI, đáp ứng các nhu cầu và hoàn cảnh cụ thể, điều này khiến cuộc tranh luận không còn giới hạn ở việc liệu các khung này có phải là đối thủ cạnh tranh hay không mà tập trung vào việc liệu nó có cung cấp tiện ích riêng và hay không. giá trị.
Eliza nổi bật nhờ giao diện thân thiện với người dùng, đặc biệt dành cho các nhà phát triển quen thuộc với hoàn cảnh JavaScript và Node.js. Tài liệu toàn diện của nó giúp thiết lập AI Agent trên nhiều nền tảng khác nhau và mặc dù bộ tính năng phong phú của nó có thể đòi hỏi quá trình học tập khiêm tốn, nhờ sử dụng TypeScript, Eliza rất phù hợp để xây dựng các tác nhân được nhúng trên web như hầu hết các tác nhân front-end Cơ sở hạ tầng web đều được xây dựng bằng TypeScript. Khung này được biết đến với kiến trúc đa tác nhân, cho phép triển khai các tác nhân có tính cách AI đa dạng trên các nền tảng như Discord, X và Telegram. Hệ thống RAG tiên tiến để quản lý bộ nhớ khiến nó đặc biệt phù hợp để xây dựng các trợ lý AI thuộc loại hỗ trợ khách hàng hoặc các ứng dụng truyền thông xã hội. Mặc dù nó mang lại sự linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất đa nền tảng nhất quán, nhưng nó vẫn đang ở giai đoạn đầu và có thể đặt ra lộ trình học tập cho các nhà phát triển.
Được thiết kế dành riêng cho các nhà phát triển trò chơi, GAME cung cấp giao diện ít mã hoặc không cần mã thông qua API để người dùng có ít kỹ năng kỹ thuật hơn trong lĩnh vực trò chơi có thể dễ dàng truy cập. Tuy nhiên, nó tập trung vào phát triển trò chơi và tích hợp blockchain và quá trình học tập có thể khó khăn đối với những người không có kinh nghiệm liên quan. Nó vượt trội trong việc tạo nội dung có lập trình và hành vi NPC, nhưng bị hạn chế bởi vị trí thích hợp và độ phức tạp bổ sung đi kèm với tích hợp blockchain .
Vì Rig sử dụng ngôn ngữ Rust nên nó có thể không thân thiện với người dùng do tính phức tạp của ngôn ngữ, khiến việc học là một thách thức lớn, nhưng đối với những người thành thạo lập trình hệ thống, nó có thể mang lại sự tương tác trực quan. Bản thân Rust được biết đến với hiệu suất và độ an toàn bộ nhớ so với TypeScript. Nó có tính năng kiểm tra thời gian biên dịch nghiêm ngặt và trừu tượng hóa với chi phí bằng 0, cần thiết để chạy các thuật toán trí tuệ nhân tạo phức tạp. Các đặc tính hiệu quả và ít kiểm soát của ngôn ngữ này khiến nó trở nên lý tưởng cho các ứng dụng AI sử dụng nhiều tài nguyên. Thiết kế mô-đun và mở rộng của khung này mang lại các giải pháp hiệu suất cao phù hợp lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với các nhà phát triển không quen với ngôn ngữ Rust, việc sử dụng Rust sẽ mang lại một chặng đường học tập khó khăn.
ZerePy sử dụng ngôn ngữ Python để mang lại khả năng sử dụng cao hơn cho nhiệm vụ AI sáng tạo. Đối với các nhà phát triển Python, đặc biệt là những người có bối cảnh AI/ML, thời gian học tập thấp và ZEREBRO nhận được sự hỗ trợ cộng đồng mạnh mẽ do tính phổ biến của nó. ZerePy vượt trội trong các ứng dụng AI sáng tạo như NFT và khung này cũng đã định vị mình là một công cụ mạnh mẽ trong lĩnh vực truyền thông kỹ thuật số và nghệ thuật. Mặc dù nó vượt trội trong các lĩnh vực sáng tạo nhưng phạm vi ứng dụng của nó tương đối hẹp so với các framework khác.
Về mở rộng, việc so sánh bốn khung chính như sau.
Eliza đã đạt được tiến bộ lớn sau khi cập nhật phiên bản V2 , giới thiệu dòng thông báo thống nhất và khung cốt lõi mở rộng để đạt được khả năng quản lý đa nền tảng hiệu quả. Tuy nhiên, việc quản lý sự tương tác đa nền tảng này có thể đặt ra những thách thức mở rộng nếu không được tối ưu hóa.
GAME vượt trội trong việc xử lý thời gian thực cần thiết cho trò chơi và mở rộng của nó có thể được quản lý thông qua các thuật toán hiệu quả và hệ thống phân phối blockchain cơ bản, mặc dù nó có thể bị hạn chế bởi các giới hạn của công cụ trò chơi hoặc mạng blockchain cụ thể.
Khung Rig tận dụng các lợi thế về hiệu suất của Rust để có mở rộng tốt hơn và vốn được thiết kế cho các ứng dụng có thông lượng cao, có thể đặc biệt hiệu quả đối với việc triển khai ở cấp doanh nghiệp, mặc dù điều này có thể có nghĩa là cần phải thiết lập phức tạp để đạt được mở rộng thực sự.
Mở rộng của ZerePy nhắm đến đầu ra sáng tạo và được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm của khung này có thể hạn chế ứng dụng của nó trong hoàn cảnh trí tuệ nhân tạo rộng hơn và mở rộng của nó có thể bị hạn chế bởi tính đa dạng của nhiệm vụ sáng tạo.
Về khả năng ứng dụng, Eliza vượt xa hệ thống plug-in và khả năng tương thích đa nền tảng, tiếp theo là GAME trong hoàn cảnh chơi game và Rig để xử lý nhiệm vụ AI phức tạp. ZerePy đã thể hiện khả năng thích ứng cao trong lĩnh vực sáng tạo nhưng lại không phù hợp với các ứng dụng AI rộng hơn.
Về hiệu suất, kết quả thử nghiệm của bốn khung chính như sau.
Eliza được tối ưu hóa để tương tác nhanh trên mạng xã hội nhưng hiệu suất có thể thay đổi khi xử lý nhiệm vụ điện toán phức tạp hơn.
GAME tập trung vào tương tác thời gian thực hiệu suất cao trong các tình huống trò chơi và có thể sử dụng các quy trình ra quyết định hiệu quả cũng như blockchain khả thi cho các hoạt động AI phi tập trung.
Rig dựa trên Rust và có thể cung cấp hiệu suất tuyệt vời cho nhiệm vụ điện toán hiệu năng cao, đồng thời phù hợp với các ứng dụng doanh nghiệp nơi hiệu quả tính toán là rất quan trọng.
Hiệu suất của ZerePy nhắm đến việc tạo ra nội dung sáng tạo, với chỉ báo tập trung vào hiệu quả và chất lượng của việc tạo nội dung có thể ít khái quát hơn bên ngoài lĩnh vực sáng tạo.
Kết hợp với phân tích toàn diện về các ưu điểm và nhược điểm trên, Eliza mang đến tính linh hoạt và mở rộng tốt hơn. Hệ thống plug-in và cấu hình nhân vật giúp nó có khả năng thích ứng cao, điều này có lợi cho việc tương tác trí tuệ nhân tạo xã hội đa nền tảng có thể mang lại trải nghiệm thực tế độc đáo; khả năng tương tác theo thời gian và cung cấp sự tham gia AI mới thông qua tích hợp blockchain ; Ưu điểm của Rig nằm ở hiệu suất và mở rộng, phù hợp với nhiệm vụ AI cấp doanh nghiệp và tập trung vào tính đơn giản và mô-đun của mã để đảm bảo dự án dài hạn phát triển lành mạnh; giỏi trau dồi khả năng sáng tạo và AI trong nghệ thuật kỹ thuật số Dẫn địa vị về ứng dụng, được hỗ trợ bởi mô hình phát triển sôi động dựa vào cộng đồng.
Nói chung, mọi khuôn khổ đều có những hạn chế của nó. Eliza vẫn đang ở giai đoạn đầu, tiềm ẩn các vấn đề về độ ổn định và quá trình học tập lâu dài đối với các nhà phát triển mới; Trọng tâm thích hợp của GAME có thể hạn chế ứng dụng rộng rãi hơn của nó và việc giới thiệu blockchain cũng sẽ làm tăng độ phức tạp trong quá trình học tập của Rig. của ngôn ngữ Rust, điều này có thể ngăn cản một số nhà phát triển, sự tập trung hạn hẹp của Zerepy vào sản phẩm sáng tạo có thể hạn chế việc sử dụng nó trong các lĩnh vực trí tuệ nhân tạo khác.
Sắp xếp các mục so sánh cốt lõi
Giàn khoan (ARC)
Ngôn ngữ: Rust, tập trung vào sự an toàn và hiệu suất.
Trường hợp sử dụng: Tập trung vào hiệu quả và mở rộng , lý tưởng cho các ứng dụng AI cấp doanh nghiệp.
Cộng đồng: Ít hướng tới cộng đồng hơn và tập trung hơn vào các nhà phát triển công nghệ.
Eliza (AI16Z)
Ngôn ngữ: TypeScript, nhấn mạnh tính linh hoạt của Web3 và sự tham gia của cộng đồng.
Trường hợp sử dụng: Được thiết kế cho các tương tác xã hội, DAO và giao dịch, đặc biệt chú trọng vào hệ thống đa tác nhân.
Cộng đồng: Mang tính cộng đồng cao, có mối quan hệ sâu rộng với GitHub.
ZerePy (ZEREBRO):
Ngôn ngữ: Python, dễ dàng được nhiều nhà phát triển AI chấp nhận hơn.
Các trường hợp sử dụng: Thích hợp cho việc tự động hóa mạng xã hội và nhiệm vụ AI Agent đơn giản hơn.
Cộng đồng: Tương đối mới, nhưng dự kiến sẽ tăng trưởng nhờ sự phổ biến của Python và sự hỗ trợ từ những người đóng góp ai16z.
TRÒ CHƠI (ẢO, GMAE):
Trọng tâm: AI Agent tự động, thích ứng phát triển dựa trên các tương tác trong hoàn cảnh ảo.
Các trường hợp sử dụng: Phù hợp nhất với các tình huống mà tổng đài viên cần học hỏi và thích nghi, chẳng hạn như trò chơi hoặc thế giới ảo.
Cộng đồng: Sáng tạo nhưng vẫn khẳng định được vị thế của mình trong cuộc thi.
Tăng trưởng dữ liệu Github
Biểu đồ trên cho thấy dữ liệu sao trên GitHub đã thay đổi như thế nào đối với các khung này kể từ khi chúng ra mắt. Nhìn chung, các ngôi sao GitHub đóng vai trò là chỉ báo sự quan tâm của cộng đồng, mức độ phổ biến của dự án và giá trị được cảm nhận của dự án.
Eliza (đường màu đỏ): Biểu đồ cho thấy số lượng sao trong khuôn khổ này tăng trưởng đáng kể và ổn định, bắt đầu từ mức thấp vào tháng 7 và tăng vọt vào cuối tháng 11, hiện đạt 6.100 sao. Điều này cho thấy sự quan tâm nhanh chóng xung quanh framework này, thu hút sự chú ý của các nhà phát triển. Sự tăng trưởng theo cấp số nhân cho thấy Eliza đã đạt được sức hút rất lớn nhờ các tính năng, bản cập nhật và sự tham gia của cộng đồng. Mức độ phổ biến của nó vượt xa các sản phẩm khác, điều này cho thấy nó nhận được sự hỗ trợ mạnh mẽ từ cộng đồng trí tuệ nhân tạo có khả năng ứng dụng hoặc sự quan tâm rộng rãi hơn. .
Rig (đường màu xanh): Rig là khung lịch sử trong bốn khung chính. Tốc độ tăng trưởng sao của nó không lớn nhưng ổn định và tăng đáng kể trong tháng qua. Tổng số ngôi sao của nó đã lên tới 1.700, nhưng nó vẫn đang ở quỹ đạo tăng. Sự chú ý tích lũy ổn định là do sự phát triển, cập nhật liên tục và cơ sở người dùng tăng trưởng. Điều này có thể phản ánh thực tế rằng Rig vẫn đang xây dựng danh tiếng như một khuôn khổ.
ZerePy (đường màu vàng): ZerePy mới được ra mắt vài ngày trước và số lượng sao đã tăng trưởng lên 181. Điều quan trọng cần nhấn mạnh là ZerePy cần phát triển hơn nữa để tăng khả năng hiển thị và áp dụng, đồng thời mối quan hệ hợp tác với ai16z có thể thu hút nhiều người đóng góp hơn cho cơ sở mã của nó.
GAME (đường màu xanh lá cây): Framework này có số sao thấp, nhưng điều đáng chú ý là framework có thể được áp dụng trực tiếp cho các tác nhân trong hệ sinh thái ảo thông qua API nên không cần xuất bản trên Github. Tuy nhiên, mặc dù khung này đã được cung cấp cho các nhà xây dựng chỉ hơn một tháng trước, hơn 200 dự án hiện đang được xây dựng bằng GAME.
Dự kiến nâng cấp khung AI
Phiên bản 2.0 của Eliza sẽ bao gồm tích hợp với bộ công cụ proxy Coinbase. Tất cả các dự án sử dụng Eliza sẽ nhận được hỗ trợ cho TEE gốc trong tương lai (Hoàn cảnh thực thi đáng tin cậy), cho phép các tác nhân chạy trong một hoàn cảnh an toàn. Sổ đăng ký plug-in là một tính năng sắp ra mắt của Eliza cho phép các nhà phát triển đăng ký và tích hợp plug-in một cách liền mạch.
Ngoài ra, Eliza 2.0 sẽ hỗ trợ truyền thông điệp đa nền tảng nặc danh tự động. Sách trắng Tokenomics dự kiến được phát hành vào ngày 1 tháng 1 năm 2025 sẽ có tác động tích cực đến token AI16Z hỗ trợ khung Eliza . ai16z có kế hoạch tiếp tục nâng cao tiện ích của khuôn khổ và tận dụng nỗ lực của những người đóng góp chính để thu hút nhân tài chất lượng cao.
Khung GAME cung cấp tích hợp không cần mã cho các đại lý, giúp có thể sử dụng cả GAME và Eliza trong một dự án, mỗi dự án phục vụ một trường hợp sử dụng cụ thể. Phương pháp này dự kiến sẽ thu hút những người xây dựng tập trung vào logic việc kinh doanh hơn là sự phức tạp về mặt kỹ thuật. Mặc dù khung này chỉ mới được công bố rộng rãi trong hơn 30 ngày, nhưng tiến bộ đáng kể đã đạt được trên khung này, được hỗ trợ bởi nỗ lực đội ngũ nhằm thu hút thêm những người đóng góp. Dự kiến mọi dự án triển khai trên VirtuaI đều sẽ áp dụng GAME.
Khung Rig được cung cấp bởi token ARC có tiềm năng đáng kể, mặc dù sự phát triển của khung này đang ở giai đoạn đầu và chương trình hợp đồng dự án nhằm thúc đẩy việc áp dụng Rig chỉ ra mắt được vài ngày. Tuy nhiên, các dự án chất lượng cao kết hợp với ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual Flywheel nhưng tập trung vào Solana . Đội ngũ Rig lạc quan về sự hợp tác với Solana và định vị ARC là Solana's Virtual. Đáng chú ý, đội ngũ không chỉ khích lệ các dự án mới được khởi chạy bằng Rig mà còn khích lệ các nhà phát triển nâng cao chính khung Rig.
Zerepy là một framework mới ra mắt và đang thu hút được lượng lớn sự chú ý nhờ sự hợp tác với ai16z (Eliza Framework), đã thu hút những người đóng góp từ Eliza , những người đang tích cực nỗ lực cải thiện framework này. Zerepy nhận được sự hỗ trợ nhiệt tình từ cộng đồng ZEREBRO và đang mở ra những cơ hội mới cho các nhà phát triển Python, những người trước đây chưa được đánh giá cao trong thế giới cơ sở hạ tầng AI có tính cạnh tranh cao. Khung này dự kiến sẽ đóng một vai trò quan trọng trong các khía cạnh sáng tạo của AI.
