Autors: Deep Value Memetics, tulkojusi: zelta finanses xiaozou
Šajā rakstā mēs izpētīsim Crypto X AI rāmju perspektīvas. Mēs pievērsīsim uzmanību četriem pašreizējiem galvenajiem rāmjiem (ELIZA, GAME, ARC, ZEREPY) un to tehnoloģiskajām atšķirībām.
1. Ievads
Mēs pēdējā nedēļā esam pārbaudījuši ELIZA, GAME, ARC un ZEREPY šos četrus galvenos Crypto X AI rāmjus, un mūsu secinājumi ir šādi.
Mēs uzskatām, ka AI16Z turpinās dominēt. Eliza vērtība (tirgus daļa apmēram 60%, tirgus vērtība pārsniedz 1 miljardu ASV dolāru) ir tās priekšrocība (Lindy efekts) un tās pieaugums arvien vairāk izstrādātāju vidū, 193 devēji, 1800 dakšu un vairāk nekā 6000 zvaigžņu dati to pierāda, padarot to par vienu no populārākajām GitHub kodu krātuvēm.
Līdz šim GAME (tirgus daļa apmēram 20%, tirgus vērtība apmēram 300 miljoni ASV dolāru) ir attīstījies ļoti labi, gūstot strauju pieņemšanu, kā to nesen paziņoja VIRTUAL, kurā ir vairāk nekā 200 projekti, 150 000 ikdienas pieprasījumu un 200% nedēļas izaugsmes temps. GAME turpinās gūt labumu no VIRTUAL pieauguma un kļūs par vienu no tās ekosistēmas lielākajiem uzvarētājiem.
Rig（ARC，tirgus daļa apmēram 15%, tirgus vērtība apmēram 1.6 miljardi ASV dolāru）ir ļoti ievērojams, jo tā modulārā dizaina dēļ ir ļoti viegli lietojams un var darboties kā "pure-play" Solana ekosistēmā (RUST).
Zerepy (tirgus daļa apmēram 5%, tirgus vērtība apmēram 300 miljoni ASV dolāru) ir relatīvi nišas lietojumprogramma, kas ir vērsta uz aizrautīgu ZEREBRO kopienu, un nesenā sadarbība ar ai16z kopienu var radīt sinerģiju.
Mēs esam pamanījuši, ka mūsu tirgus daļas aprēķins aptver tirgus vērtību, attīstības ierakstus un pamatoperētājsistēmas gala tirgus.
Mēs uzskatām, ka šajā tirgus ciklā rāmju niša būs straujāk augošā joma, un 1.7 miljardu ASV dolāru kopējā tirgus vērtība var viegli pieaugt līdz 20 miljardiem ASV dolāru, kas joprojām ir relatīvi konservatīvs salīdzinājumā ar 2021. gada L1 augstākajām novērtēšanām, kad daudzu L1 novērtējums pārsniedza 20 miljardus ASV dolāru. Lai gan šie rāmji kalpo dažādiem gala tirgiem (ķēdēm/ekosistēmām), ņemot vērā, ka šajā jomā ir pastāvīga izaugsmes tendence, tirgus vērtības svēršanas metode var būt vispārīgākā pieeja.
2. Četri galvenie rāmji
Zemāk esošajā tabulā mēs uzskaitām katra galvenā rāma galvenās tehnoloģijas, komponentus un priekšrocības.
（1）Rāmja pārskats
AI X Crypto krustpunktā ir vairāki rāmji, kas veicina mākslīgā intelekta attīstību. Tie ir AI16Z ELIZA, ARC RIG, ZEREPY ZEREBRO un GAME VIRTUAL. Katrs rāmis apmierina dažādas vajadzības un idejas mākslīgā intelekta aģentu izstrādes procesā, no atvērtā koda kopienas projektiem līdz uzņēmuma līmeņa risinājumiem, kas akcentē veiktspēju.
Šajā rakstā vispirms tiks iepazīstināts ar rāmjiem, norādot, kas tie ir, kāda programmēšanas valoda, tehnoloģiju arhitektūra, algoritmi, kādas unikālas funkcijas tiem ir un kādas potenciālās lietošanas iespējas var izmantot. Pēc tam mēs salīdzināsim katru rāmi no pieejamības, paplašināmības, pielāgojamības un veiktspējas viedokļa, pētot katra priekšrocības un ierobežojumus.
ELIZA (izstrādājusi ai16z)
Eliza ir daudz aģentu simulācijas atvērtā koda rāmis, kas paredzēts autonomu AI aģentu izveidei, izvietošanai un pārvaldībai. Tas ir izstrādāts ar TypeScript programmēšanas valodu, un tas nodrošina elastīgu paplašināmu platformu, kas ļauj izstrādāt inteliģentus aģentus, kuri var mijiedarboties ar cilvēkiem vairākās platformās, saglabājot konsekventu personību un zināšanas.
Rāmja galvenās funkcijas ietver daudz aģentu arhitektūru, kas atbalsta vienlaicīgu vairāku unikālu mākslīgā intelekta personību izvietošanu un pārvaldību, kā arī lomu sistēmu, kas izveidota, izmantojot lomu failu rāmjus, lai izveidotu dažādus aģentus, kā arī augsto atjaunošanas ģenerēšanas (RAG) sistēmu, kas nodrošina ilgtermiņa atmiņu un kontekstu apzināšanos. Turklāt Eliza rāmis nodrošina vienmērīgu platformas integrāciju, kas nodrošina uzticamu savienojamību ar Discord, X un citām sociālo mediju platformām.
No AI aģentu saziņas un multimediju funkcijām Eliza ir lieliska izvēle. Saziņas jomā šis rāmis atbalsta integrāciju ar Discord balsu kanālu funkcijām, X funkcijām, Telegram un tiešu piekļuvi API, kas pielāgotiem lietošanas gadījumiem. No otras puses, šī rāmja multimediju apstrādes funkcijas var tikt paplašinātas līdz PDF dokumentu lasīšanai un analīzei, saites satura izvilkšanai un kopsavilkumu sagatavošanai, audio transkripcijai, video satura apstrādei, attēlu analīzei un dialogu kopsavilkumu veidošanai, efektīvi apstrādājot dažāda veida multimediju ievadi un izvadi.
Eliza rāmis nodrošina elastīgu AI modeļa atbalstu, izmantojot atvērtā koda modeļu lokālo prognozēšanu, OpenAI mākoņa prognozēšanu un noklusējuma konfigurācijas (piemēram, Nous Hermes Llama 3.1B), un integrē atbalstu Claude sarežģītu uzdevumu apstrādei. Eliza izmanto modulāru arhitektūru, ar plašu operētājsistēmu, pielāgotu klientu atbalstu un visaptverošu API, nodrošinot programmu starpā paplašināmību un pielāgojamību.
Eliza lietošanas gadījumi aptver vairākas jomas, piemēram: AI palīgi klientu atbalstam, kopienas uzraudzībai un personiskajiem uzdevumiem, kā arī saturu automātiski veidojošas personas, interaktīvi roboti un zīmolu pārstāvji sociālo mediju lomās. Tas var darboties arī kā zināšanu darbinieks, ieņemot pētniecības asistenta, satura analītiķa un dokumentu apstrādātāja lomu, un atbalstīt lomu spēles robotus, izglītības mentorus un aģentus.
Eliza arhitektūra ir veidota ap aģenta izpildlaiku (agent runtime), kas bezvadu integrējas ar tās lomu sistēmu (atbalsta modeļu piegādātāji), atmiņas pārvaldnieku (savienots ar datu bāzi) un operētājsistēmu (savienots ar platformas klientiem). Šī rāmja unikālās funkcijas ietver paplašinājumu sistēmu, kas atbalsta modulāru funkciju paplašināšanu, atbalsta multimodālu mijiedarbību, piemēram, balsi, tekstu un medijus, un ir saderīga ar vadošajiem AI modeļiem (piemēram, Llama, GPT-4 un Claude). Ar savu daudzveidīgo funkcionalitāti un spēcīgu dizainu Eliza izceļas kā spēcīgs rīks AI lietojumprogrammu izstrādei daudzās jomās.
G.A.M.E (izstrādājusi Virtuals Protocol)
ģeneratīvais autonomais multimodālais entītiju rāmis (G.A.M.E) ir paredzēts, lai nodrošinātu izstrādātājiem API un SDK piekļuvi AI aģentu eksperimentiem. Šis rāmis piedāvā strukturētu pieeju, lai pārvaldītu AI aģentu uzvedību, lēmumus un mācīšanās procesus.
Tās galvenie komponenti ir šādi: pirmkārt, aģenta pamata interfeiss (Agent Prompting Interface) ir izstrādātāju ieejas punkts, lai integrētu GAME aģentos, piekļūstot aģenta uzvedībai. Uztveres apakšsistēma (Perception Subsystem) uzsāk sesiju, norādot tādas parametrus kā sesijas ID, aģenta ID, lietotāja un citas attiecīgas detaļas.
Tas apvieno ienākošo informāciju formātā, kas ir piemērots Stratēģiskās plānošanas dzinējam (Strategic Planning Engine), darbojoties kā AI aģenta jūtīga ievades mehānisms, neatkarīgi no tā, vai tas ir dialoga vai reakcijas formā. Tās kodols ir dialoga apstrādes modulis, kas apstrādā ziņojumus un atbildes no aģenta un sadarbojas ar uztveres apakšsistēmu, lai efektīvi interpretētu un atbildētu uz ievadi.
Stratēģiskās plānošanas dzinējs sadarbojas ar dialoga apstrādes moduli un ķēdes maku operatoru, lai ģenerētu atbildes un plānus. Šī dzinēja funkcionalitāte ir divos līmeņos: kā augsta līmeņa plānotājs, kas izstrādā plašas stratēģijas, pamatojoties uz kontekstu vai mērķiem; kā zema līmeņa stratēģija, kas pārveido šīs stratēģijas par rīcības plāniem konkrētiem uzdevumiem un plāna izpildītāju.
Vēl viens neatkarīgs, bet svarīgs komponents ir Pasaules konteksts (World Context), kas attiecas uz vidi, globālo informāciju un spēles stāvokli, nodrošinot nepieciešamo kontekstu aģentu lēmumu pieņemšanai. Turklāt Aģentu krātuve (Agent Repository) tiek izmantota, lai uzglabātu ilgtermiņa atribūtus, piemēram, mērķus, refleksijas, pieredzi un personību, kas kopā veido aģenta uzvedību un lēmumu pieņemšanas procesu.
Šis rāmis izmanto īslaicīgo un ilgtermiņa atmiņas apstrādātājus. Īslaicīgā atmiņa saglabā iepriekšējās uzvedības, rezultātus un pašreizējo plānu saistīto informāciju. Savukārt ilgtermiņa atmiņas apstrādātājs iegūst būtisku informāciju, pamatojoties uz nozīmīgumu, neseno un attiecīgumu. Ilgtermiņa atmiņā tiek uzglabāta aģenta pieredze, refleksija, dinamiskā personība, pasaules konteksts un darba atmiņa, lai uzlabotu lēmumu pieņemšanu un nodrošinātu mācību pamatu.
Mācību modulis izmanto datus no uztveres apakšsistēmas, lai radītu vispārīgas zināšanas, kuras tiek atgrieztas sistēmā, lai uzlabotu nākotnes mijiedarbību. Izstrādātāji var ievadīt atsauksmes par rīcību, spēles stāvokli un jutīguma datiem caur interfeisu, lai uzlabotu AI aģenta mācību spējas, palielinot tā plānošanas un lēmumu pieņemšanas spējas.
Darba plūsma sākas, kad izstrādātāji mijiedarbojas caur aģenta pamata interfeisu. Ievadi apstrādā uztveres apakšsistēma un pārsūta dialoga apstrādes modulim, kas atbild par mijiedarbības loģikas pārvaldību. Pēc tam stratēģiskās plānošanas dzinējs izstrādā un īsteno plānus, pamatojoties uz šo informāciju, izmantojot augsta līmeņa stratēģijas un detalizētus rīcības plānus.
Dati no pasaules konteksta un aģentu krātuves informē šos procesus, kamēr darba atmiņa seko tūlītējiem uzdevumiem. Tajā pašā laikā ilgtermiņa atmiņas apstrādātājs uzglabā un izgūst ilgtermiņa zināšanas. Mācību modulis analizē rezultātus un integrē jaunas zināšanas sistēmā, ļaujot aģenta uzvedībai un mijiedarbībai pastāvīgi uzlaboties.
RIG (izstrādājusi ARC)
Rig ir atvērtā koda Rust rāmis, kas paredzēts, lai vienkāršotu lielo valodu modeļu lietojumprogrammu izstrādi. Tas nodrošina vienotu saskarni mijiedarbībai ar vairākiem LLM pakalpojumu sniedzējiem (piemēram, OpenAI un Anthropic), atbalsta dažādus vektoru glabāšanas risinājumus, tostarp MongoDB un Neo4j. Šī rāmja modulārās arhitektūras unikālā iezīme ir tās galvenie komponenti, piemēram, pakalpojumu abstrakcijas slānis (Provider Abstraction Layer), vektoru glabāšanas integrācija un aģentu sistēma, lai veicinātu LLM bezvadu mijiedarbību.
Rig galvenais auditorijas segments ir izstrādātāji, kuri izmanto Rust, lai izstrādātu AI/ML lietojumprogrammas, un arī organizācijas, kas meklē, kā integrēt vairākus LLM pakalpojumu sniedzējus un vektoru glabāšanu savās Rust lietojumprogrammās. Repozitorijs izmanto darba telpas arhitektūru ar vairākiem crate, kas atbalsta paplašināmību un efektīvu projektu pārvaldību. Tās galvenās funkcijas ietver pakalpojumu abstrakcijas slāni, kas nodrošina standartizāciju, lai pabeigtu un iekļautu API starp dažādiem LLM pakalpojumu sniedzējiem ar konsekventu kļūdu apstrādi. Vektoru glabāšanas integrācijas komponents nodrošina abstraktu saskarni vairākiem aizmugures risinājumiem un atbalsta vektoru līdzības meklēšanu. Aģentu sistēma vienkāršo LLM mijiedarbību, atbalstot meklēšanas uzlaboto ģenerēšanu (RAG) un rīku integrāciju. Turklāt iekļaujošais rāmis nodrošina partiju apstrādes funkcijas un tipa drošības iekļaujošās darbības.
Rig izmanto vairākas tehnoloģiskās priekšrocības, lai nodrošinātu uzticamību un veiktspēju. Asinhronās darbības izmanto Rust asinhrono izpildlaiku, lai efektīvi apstrādātu lielu skaitu vienlaicīgu pieprasījumu. Rāmja iekšējā kļūdu apstrādes mehānisms uzlabo atveseļošanās spējas no mākslīgā intelekta pakalpojumu sniedzēju vai datu bāzes darbību neveiksmēm. Tipa drošība var novērst kļūdas kompilācijas procesā, palielinot koda uzturējamību. Efektīvi serializācijas un deserializācijas procesi atbalsta datu apstrādi formātos, piemēram, JSON, kas ir būtiski mākslīgā intelekta pakalpojumu saziņai un uzglabāšanai. Detalizēta žurnālu fiksācija un uzraudzība papildus palīdz atkļūdot un uzraudzīt lietojumprogrammas.
Rig darba plūsma sākas, kad klients uzsāk pieprasījumu, kurš mijiedarbojas ar atbilstošo LLM modeli caur pakalpojumu abstrakcijas slāni. Tad datus apstrādā kodols, kur aģents var izmantot rīkus vai piekļuvi konteksta vektoru glabāšanai. Atbildes tiek ģenerētas un precizētas, izmantojot sarežģītu darba plūsmu (piemēram, RAG), process ietver dokumentu meklēšanu un konteksta izpratni pirms atgriešanās klientam. Šī sistēma integrē vairāku LLM pakalpojumu sniedzējus un vektoru glabāšanu, pielāgojoties modeļa pieejamības vai veiktspējas atjauninājumiem.
Rig lietojuma iespējas ir daudzveidīgas, tostarp jautājumu un atbilžu sistēmas, kas atgūst attiecīgus dokumentus, lai sniegtu precīzas atbildes, dokumentu meklēšanas un atgūšanas sistēmas efektīvai satura atklāšanai, kā arī tērzētāji vai virtuālie asistenti, kas nodrošina kontekstu apzinātas mijiedarbības klientu apkalpošanai vai izglītībai. Tas arī atbalsta satura ģenerēšanu, atbalstot tekstu un citu materiālu radīšanu, pamatojoties uz mācīšanās modeļiem, padarot to par vispārīgu rīku izstrādātājiem un organizācijām.
Zerepy (izstrādājuši ZEREPY un blorm)
ZerePy ir atvērtā koda rāmis, kas uzrakstīts Python valodā, paredzēts, lai izmantotu OpenAI vai Anthropic LLM, lai izvietotu aģentus X. Tas ir modulāra versija, kas iegūta no Zerebro aizmugures, ZerePy ļauj izstrādātājiem uzsākt aģentus ar līdzīgām funkcijām kā Zerebro kodols. Lai gan šis rāmis nodrošina pamatu aģentu izvietošanai, radošu rezultātu iegūšanai ir būtiski pielāgot modeļus. ZerePy vienkāršo personalizētu AI aģentu izstrādi un izvietošanu, īpaši attiecībā uz satura radīšanu sociālajās platformās, veidojot AI virzītu radošuma ekosistēmu mākslas un decentralizētu lietojumu jomā.
Šis rāmis ir izstrādāts Python valodā, uzsverot aģentu autonomiju, koncentrējoties uz radoša satura radīšanu, kas saskan ar ELIZA arhitektūru un sadarbību ar ELIZA. Tā modulārā dizaina atbalsta atmiņas sistēmas integrāciju, atbalstot aģentu izvietošanu sociālajās platformās. Galvenās funkcijas ietver komandu līnijas interfeisu aģentu pārvaldībai, integrāciju ar Twitter, atbalstu OpenAI un Anthropic LLM, kā arī modulāru savienojumu sistēmu uzlabotām funkcijām.
ZerePy lietošanas gadījumi aptver sociālo mediju automatizācijas jomu, ļaujot lietotājiem izvietot mākslīgos aģentus, lai veiktu publikācijas, atbildes, patīk un pārsūtīšanas darbības, tādējādi palielinot platformas iesaisti. Turklāt tas arī apmierina mūzikas, meme un NFT u.c. satura radīšanas vajadzības, padarot to par svarīgu rīku digitālās mākslas un blokķēdes satura platformās.
（2）Četru galveno rāmju salīdzinājums
Mums šķiet, ka katrs rāmis piedāvā unikālu pieeju mākslīgā intelekta izstrādei, atbilstot konkrētām vajadzībām un vidēm, un mēs pārvietojam fokusu no šo rāmju konkurences attiecībām uz katra rāmja unikālajām iezīmēm.
ELIZA izceļas ar lietotājam draudzīgu interfeisu, īpaši attiecībā uz izstrādātājiem, kuri ir pazīstami ar JavaScript un Node.js vidēm. Tās visaptverošā dokumentācija palīdz uzstādīt mākslīgos intelektus dažādās platformās, lai gan tās plašā funkciju kopums var radīt noteiktu mācību līkni. Izstrādāta ar TypeScript, Eliza ir ideāla izvēle, lai izveidotu aģentus, kas tiek iekļauti tīmeklī, jo lielākā daļa tīmekļa infrastruktūras priekšpuses ir izstrādāta ar TypeScript. Šis rāmis ir pazīstams ar savu vairāku aģentu arhitektūru, kas ļauj izvietot dažādas mākslīgā intelekta personības tādās platformās kā Discord, X un Telegram. Tā uzlabotā atmiņas pārvaldības RAG sistēma padara to īpaši efektīvu klientu atbalsta vai sociālo mediju lietojumprogrammās.
GAME ir izstrādāts īpaši spēļu izstrādātājiem, piedāvājot API, kas nodrošina zemu kodu vai bezkoda interfeisu, ļaujot spēļu jomas tehnoloģiju trūkuma lietotājiem to izmantot. Tomēr tas koncentrējas uz spēļu izstrādi un blokķēdes integrāciju, kas var radīt strauju mācību līkni tiem, kam nav saistītas pieredzes. Tas izceļas ar programmu satura ģenerēšanu un NPC uzvedību, taču ir ierobežots ar tā nišu un blokķēdes integrācijas radīto sarežģītību.
Ņemot vērā Rust valodas izmantošanu, ņemot vērā šīs valodas sarežģītību, Rig var nebūt draudzīgs, radot lielus mācību izaicinājumus, taču tiem, kas ir pieredzējuši sistēmu programmēšanā, tam ir intuitīva mijiedarbība. Salīdzinājumā ar TypeScript šī programmēšanas valoda ir pazīstama ar veiktspēju un atmiņas drošību. Tam ir stingra kompilācijas laika pārbaude un nulles izmaksu abstrakcija, kas ir nepieciešama sarežģītu AI algoritmu izpildei. Šī valoda ir ļoti efektīva, un tās zema līmeņa kontrole padara to par ideālu resursu intensīviem mākslīgā intelekta lietojumiem. Šis rāmis piedāvā augstas veiktspējas risinājumus ar modulāru un paplašināmu dizainu, padarot to par ideālu izvēli uzņēmuma lietojumprogrammām. Tomēr izstrādātājiem, kuri nav pazīstami ar Rust, būs jāsaskaras ar strauju mācību līkni.
ZerePy izmanto Python, lai sniegtu augstu pieejamību radošiem AI uzdevumiem, Python izstrādātāju mācību līkne ir zemāka, īpaši attiecībā uz tiem, kuriem ir AI/ML fons, un tas gūst labumu no spēcīga kopienas atbalsta Zerebro kriptovalūtas kopienā. ZerePy ir spēcīgs rīks digitālās mediju un mākslas jomā, kas izceļas radošās mākslīgā intelekta lietojumprogrammās, piemēram, NFT. Lai gan tā plaukst radošuma jomā, salīdzinājumā ar citiem rāmjiem tās apjoms ir relatīvi šaurs.
Paplašināmības jomā ELIZA ir guvusi ievērojamus panākumus savā V2 atjauninājumā, ieviešot vienotu ziņojumu plūsmu un paplašināmu kodola rāmi, kas atbalsta efektīvu pārvaldību vairākās platformās. Tomēr, ja nav optimizācijas, šī daudzplatformu mijiedarbības pārvaldība var radīt izaicinājumus paplašināmības jomā.
GAME izceļas reāllaika apstrādē, kas ir nepieciešama spēlēm, un tā paplašināmību nodrošina efektīvi algoritmi un potenciāli decentralizēti blokķēdes sistēmas, lai gan tas var būt ierobežots ar konkrētām spēļu dzinējām vai blokķēdes tīkliem.
Rig rāmis izmanto Rust paplašināmības veiktspēju, kas ir izstrādāta augstas caurlaidības lietojumprogrammām, kas ir īpaši efektīvas uzņēmuma līmeņa izvietošanai, lai gan tas var nozīmēt, ka reālas paplašināmības īstenošana prasa sarežģītu iestatīšanu.
Zerepy paplašināmība ir vērsta uz radošu rezultātu iegūšanu, atbalstīta ar kopienas ieguldījumiem, taču tās koncentrācija var ierobežot tās pielietojumu plašākā mākslīgā intelekta vidē, un paplašināmība var tikt pārbaudīta radošo uzdevumu daudzveidības, nevis lietotāju skaita dēļ.
Attiecībā uz pielāgojamību ELIZA ar savu paplašinājumu sistēmu un starpplatformu saderību ir pārāka, savukārt GAME un Rig izceļas komplektēšanas vidē. ZerePy izceļas radošajā jomā, taču tā ir mazāk piemērota plašākām mākslīgā intelekta lietojumprogrammām.
Veiktspējas jomā ELIZA ir optimizēta ātrai sociālo mediju mijiedarbībai, ātrs reakcijas laiks ir būtisks, taču, apstrādājot sarežģītākus aprēķinu uzdevumus, tās veiktspēja var atšķirties.
Virtual Protocol izstrādātais GAME koncentrējas uz augstas veiktspējas reāllaika mijiedarbību spēļu scenārijos, izmantojot efektīvus lēmumu pieņemšanas procesus un potenciālo blokķēdi decentralizētai mākslīgā intelekta darbībai.
Rig rāmis, kas balstīts uz Rust valodas, nodrošina lielisku veiktspēju augstas veiktspējas aprēķinu uzdevumiem, kas ir svarīgi uzņēmuma lietojumprogrammām.
Zerepy sniegums ir pielāgots radoša satura radīšanai, un tā rādītāji ir centrēti uz satura ģenerēšanas efektivitāti un kvalitāti, kas var nebūt tik universāli ārpus radošās jomas.
ELIZA priekšrocība ir elastība un paplašināmība, pateicoties tās paplašinājumu sistēmai un lomu konfigurācijai, kas nodrošina augstu pielāgojamību, veicinot starpplatformu sociālo AI mijiedarbību.
GAME piedāvā unikālas reāllaika mijiedarbības funkcijas spēlēs, ko pastiprina jaunievedumi, integrējot blokķēdi.
Rig priekšrocība ir tās veiktspēja un paplašināmība, kas vērsta uz uzņēmumiem mākslīgā intelekta uzdevumiem, akcentējot tīru modulāru kodu ilgtermiņa projektu veselībai.
Zerepy izceļas radošuma veicināšanā, ir līderis digitālās mākslas mākslīgā intelekta lietojumu jomā un ir atbalstīts ar dzīvotspējīgu kopienas virzītu attīstības modeli.
Katram rāmim ir savas ierobežojumi, ELIZA joprojām ir agrīnā posmā, un tai var būt potenciālas stabilitātes problēmas un jauno izstrādātāju mācību līkne, nišas Game var ierobežot plašāku pielietojumu, un blokķēde pievieno sarežģītību, Rig var atturēt dažus izstrādātājus ar Rust veidoto straujo mācību līkni, bet Zerepy nelielā koncentrācija uz radošo izvadi var ierobežot tās izmantošanu citās AI jomās.
（3）Rāmju salīdzinājuma kopsavilkums
Rig (ARC):
Valoda: Rust, koncentrējoties uz drošību un veiktspēju.
Lietošanas gadījums: ideāls risinājums uzņēmuma līmeņa AI lietojumprogrammām, jo tā koncentrējas uz efektivitāti un paplašināmību.
Kopiena: mazāk kopienas virzīta, vairāk vērsta uz tehnoloģiju izstrādātājiem.
Eliza (AI16Z):
Valoda: TypeScript, uzsverot web3 elastību un kopienas iesaisti.
Lietošanas gadījums: paredzēts sociālajai mijiedarbībai, DAO un tirdzniecībai, īpaši uzsverot daudz aģentu sistēmu.
Kopiena: ļoti kopienas virzīta, ar plašu GitHub iesaisti.
ZerePy (ZEREBRO):
Valoda: Python, padarot to pieejamu plašākai AI izstrādātāju bāzei.
Lietošanas gadījums: piemērots sociālo mediju automatizācijai un vienkāršiem AI aģentu uzdevumiem.
Kopiena: relatīvi jauna, taču, pateicoties Python popularitātei un AI16Z ieguldītāju atbalstam, tai ir cerība uz izaugsmi.
GAME (VIRTUAL):
Fokuss: autonomi, adaptīvi mākslīgā intelekta aģenti, kas var evolvēt atkarībā no mijiedarbības virtuālajā vidē.
Lietošanas gadījums: vislabāk piemērots AI aģentu mācīšanās un pielāgošanās scenārijiem, piemēram, spēlēm vai virtuālajiem pasaulēm.
Kopiena: inovatīva kopiena, bet joprojām nosaka savu lomu konkurencē.
3. Star datu tendence GitHub
Augšējā attēlā ir redzami GitHub staru sekotāji kopš šo rāmju iznākšanas. Ir vērts atzīmēt, ka GitHub zvaigznes ir kopienas interešu, projektu popularitātes un projekta uztveres vērtības rādītāji.
ELIZA (sarkanā līnija):
Sākot no jūlija zemas bāzes, līdz novembra beigās zvaigžņu skaita ievērojamam pieaugumam (sasniedzot 61 000 zvaigžņu), tas liecina par strauju cilvēku interesi, piesaistot izstrādātāju uzmanību. Šis eksponenciālais pieaugums norāda, ka ELIZA ir ieguvusi milzīgu pievilcību, pateicoties tās funkcijām, atjauninājumiem un kopienas iesaistei. Tā popularitāte ievērojami pārsniedz citas konkurējošās platformas, norādot uz spēcīgu kopienas atbalstu un plašāku piemērojamību vai interesi mākslīgā intelekta kopienā.
RIG (zila līnija):
Rig ir no visiem četriem rāmjiem ar visilgāko vēsturi, tā zvaigžņu skaits ir mēreni augošs un turpina pieaugt, un nākamajā mēnesī, visticamāk, pieaugs ievērojami. Tas ir sasniedzis 1700 zvaigznes, taču joprojām turpina pieaugt. Pastāvīga izstrāde, atjauninājumi un pieaugošais lietotāju skaits ir iemesli, kāpēc lietotāju interese turpina pieaugt. Tas var atspoguļot, ka šī rāmja lietotāji ir nišas vai vēl joprojām veido reputāciju.
ZEREPY (dzeltenā līnija):
ZerePy tikko tika palaista pirms dažām dienām, un jau ir uzkrājusi 181 zvaigzni. Ir svarīgi uzsvērt, ka ZerePy nepieciešama papildu izstrāde, lai uzlabotu tās redzamību un pieņemšanu. Sadarbība ar AI16Z var piesaistīt vairāk kodēšanas devēju.
GAME (zaļā līnija):
Šim projektam ir vismazākais zvaigžņu skaits, taču ir vērts atzīmēt, ka šis rāmis var tikt tieši pielietots aģentiem virtuālajā ekosistēmā caur API, tādējādi novēršot nepieciešamību pēc GitHub redzamības. Tomēr šis rāmis tikai pirms mēneša tika atvērts būvētājiem, un vairāk nekā 200 projekti izmanto GAME, lai izveidotu.
4. Rāmju optimistiskie iemesli
Eliza V2 versija integrēs Coinbase aģenta komplektu. Visi projekti, kas nākotnē izmantos Eliza, atbalstīs vietējo TEE, ļaujot aģentiem darboties drošā vidē. Viens no Eliza gaidītajiem jaunumiem ir paplašinājumu reģistrs (Plugin Registry), kas ļaus izstrādātājiem bez piepūles reģistrēt un integrēt paplašinājumus.
Turklāt Eliza V2 atbalstīs automatizētu anonīmu starpplatformu ziņojumapmaiņu. Token ekonomikas baltais papīrs ir plānots izdot 2025. gada 1. janvārī, un tam būs pozitīva ietekme uz Eliza rāmja pamatā esošo AI16Z tokenu. AI16Z plāno turpināt uzlabot rāmja lietojamību un turpināt piesaistīt augstas kvalitātes talantus, un tās galveno devēju centieni jau ir pierādījuši šādas spējas.
GAME rāmis nodrošina bezkoda integrāciju aģentiem, ļaujot vienā projektā vienlaikus izmantot gan GAME, gan ELIZA, katram kalpojot konkrētam mērķim. Šī pieeja var piesaistīt būvētājus, kuri koncentrējas uz biznesa loģiku, nevis tehnoloģiju sarežģītību. Lai gan šis rāmis ir publiski izlaists tikai 30 dienas, tas ir guvis būtiskus panākumus, pateicoties komandas centieniem piesaistīt vairāk devēju. Sagaidāms, ka visi projekti, kas tiks uzsākti VIRTUAL, izmantos GAME.
Rig, ko pārstāv ARC token, ir milzīgas iespējas, lai gan tā rāmis vēl ir agrīnā izaugsmes posmā, un projekti, kas veicina pieņemšanu, ir tikai nesen uzsākti. Tomēr sagaidāms, ka drīz parādīsies augstas kvalitātes projekti, kas pieņem ARC, līdzīgi kā Virtual flywheel, bet koncentrējoties uz Solana. Komanda ir optimistiska attiecībā uz sadarbību ar Solana, salīdzinot ARC attiecības ar Solana ar Virtual attiecībām pret Base. Ir vērts atzīmēt, ka komanda ne tikai mudina jaunos projektus izmantot Rig, bet arī mudina izstrādātājus uzlabot pašu Rig rāmi.
Zerepy ir jauni izstrādāts rāmis, kas, pateicoties sadarbībai ar Eliza, gūst arvien vairāk uzmanības. Šis rāmis piesaista Eliza devējus, kuri aktīvi veic uzlabojumus. Ar ZEREBRO fanu atbalstu tam ir dedzīgi sekotāji un tas sniedz jaunas iespējas Python izstrādātājiem, kuri iepriekš bija maz pārstāvēti mākslīgā intelekta infrastruktūras konkurencē. Šim rāmim būs svarīga loma AI radošajā jomā.