Plus de disputes sur les standards des frameworks d'agent IA sont en cours avec ferveur. La performance du marché secondaire d'ARC ces derniers jours est particulièrement frappante. Comment comprendre ce framework professionnel de développement d'applications IA construit sur Rust ? Quelle est la différence entre les frameworks ARC et ELIZA ? Parler de ma compréhension sous les angles logiques techniques et commerciaux :
1）ELIZA est un framework d'intégration multiclient basé sur une architecture TypeScript et orienté vers le développement d'agents. En d'autres termes, ELIZA est un « assembleur », axé sur l'assemblage des diverses grandes modèles LLM et des fonctionnalités d'entrée et de sortie des plateformes telles que Discord, Twitter, etc. Il offre des fonctionnalités de gestion de contexte mémoire et d'optimisation des algorithmes de micro-ajustement des modèles, aidant les développeurs à déployer rapidement des agents IA.
ELIZA résout le problème de « l'accès » pour garantir que les développeurs peuvent rapidement déployer des agents IA. Son accent est mis sur la standardisation des interfaces, la simplification des processus d'intégration, la réduction des barrières au développement, et sur la manière dont les LLM peuvent être « utilisés » dans des applications multiplateformes.
2）Rig (ARC) est un framework de construction de systèmes IA orienté vers le moteur de flux de travail LLM, basé sur le langage Rust. Il doit résoudre des problèmes d'optimisation des performances à un niveau plus bas. En d'autres termes, ARC est une « boîte à outils » pour le moteur IA, fournissant des services de soutien en arrière-plan tels que les appels IA, l'optimisation des performances, le stockage des données et la gestion des exceptions.
Rig doit résoudre le problème de « l'appel » pour aider les développeurs à mieux choisir les LLM, à optimiser les mots-clés, à gérer plus efficacement les tokens, ainsi qu'à traiter la gestion de la concurrence, la gestion des ressources et à réduire la latence, son accent étant mis sur la manière dont les modèles AI LLM et les systèmes d'agents IA peuvent « bien les utiliser ».
3）Ce qui précède est une décomposition logique technique très objective, et tout le monde doit être intéressé par le potentiel de développement d'ELIZA par rapport à ARC. Voici quelques critères d'évaluation :
1, Les agents IA sont au début d'une explosion écologique, et la réputation du marché avec un avantage de première entrée et l'activité des développeurs écologiques sont plus importantes. Semblable au début du développement des frameworks de chaînes EVM, des architectures blockchain comme EOS qui sont plus avancées et adaptées à des fins commerciales semblent brièvement devenir le centre d'attention du marché, mais finissent par perdre face au vaste écosystème de développeurs de l'EVM.
2, Le fardeau d'ELIZA réside dans la conception Tokenomics encore immature d'ai16z, le problème de « l'habilitation » des tokens du framework open source ai16z et ELIZA, ainsi que la variable concernant l'éventuelle addition de « nouveaux » éléments à l'ensemble, ce qui fera inévitablement défaut à son token d'un potentiel de croissance rapide à court terme. En comparaison, ARC semble ne pas avoir ce fardeau.
3, Le problème d'ARC réside dans le fait qu'il a esquissé un cadre grand, performant et adapté à la commercialisation des entreprises nécessaire pour l'écosystème futur des agents IA. Cependant, il doit prouver progressivement au marché que ce « haut niveau » n'est pas qu'un vain mot, et qu'il doit à un moment donné mettre en œuvre certaines applications IA uniques et des innovations d'agents IA visibles.