作者：Deep Value Memetics，翻译：金色财经xiaozou

本文我们将探讨Crypto X AI框架的前景。我们将着眼于当前主要的四个框架（ELIZA， GAME， ARC， ZEREPY）及各自的技术差异。

1、前言

我们在过去的一周里研究测试了ELIZA、GAME、ARC、ZEREPY这四大主要Crypto X AI框架，我们得出的结论如下。

我们相信AI16Z将继续占据主导地位。Eliza的价值（市占率约60%，市值超10亿美元）在于它的先发优势（林迪效应），及其获得越来越多开发人员的使用，193个贡献者、1800个分叉和6000多个star等数据就证明了这一点，使它成为Github上最受欢迎的代码库之一。

到目前为止，GAME（市占率约20%，市值约3亿美元）的发展非常顺利，正在获取快速采用，正如VIRTUAL刚刚宣布的那样，该平台有超过200个项目，15万的日请求量和200%的周增长率。GAME将继续受益于VIRTUAL的崛起，并将成为其生态系统中最大的赢家之一。

Rig（ARC，市占率约15%，市值约1.6亿美元）非常引人注目，因为其模块化设计非常易于操作，并且可以作为“pure-play”在Solana生态系统（RUST）中占据主导地位。

Zerepy（市占率约5%，市值约3亿美元）是一个相对小众的应用程序，专门面向狂热的ZEREBRO社区，它最近与ai16z社区的合作可能会产生协同效应。

我们注意到，我们的市占率计算覆盖了市值、开发记录和底层操作系统终端市场。

我们认为，在本市场周期中，框架细分市场将是增长最快的领域，17亿美元的总市值可能很容易增长到200亿美元，这与2021年L1的峰值估值相比仍然相对保守，当时许多L1的估值达到了200亿美元以上。虽然这些框架都服务于不同的终端市场（链/生态系统），但鉴于我们认为该领域正处于不断上升的趋势，市值加权方法可能是最谨慎的方法。

2、四大框架

在下面这个表格中，我们列出了各主要框架的关键技术、组件和优势。

（1）框架概述

在AI X Crypto的交叉领域，有几个框架促进了AI的发展。它们是AI16Z的ELIZA， ARC的RIG，ZEREPY的ZEREBRO， 和GAME的VIRTUAL。每个框架都满足AI代理开发过程中的不同需求和理念，从开源社区项目到侧重性能的企业级解决方案。

本文首先来介绍框架，告诉大家它们是什么，使用什么编程语言、技术架构、算法，具有什么独特的功能，以及框架可以使用的潜在用例有哪些。然后，我们从可用性、可扩展性、适应性和性能方面来比较每个框架，探索各自的优势和局限性。

ELIZA（由ai16z开发）

Eliza是一个多代理模拟开源框架，旨在创建、部署和管理自主AI代理。它是用TypeScript编程语言开发的，它为构建智能代理提供了一个灵活的可扩展平台，这些智能代理能够在多个平台上实现与人类的互动，并保持一致的个性和知识。

该框架的核心功能包括一个支持同时部署和管理多个独特AI个性的多代理架构，以及一个使用角色文件框架创建不同代理的角色系统，以及通过高级检索增强生成（RAG）系统提供长期内存和上下文感知的内存管理功能。此外，Eliza框架还提供顺畅的平台集成，可与Discord、X和其他社交媒体平台进行可靠的连接。

从AI 代理的通信和媒体功能方面来看，Eliza 是一个极佳选择。在通信方面，该框架支持与 Discord 的语音频道功能、X功能、Telegram 以及用于定制用例的API直接访问的集成。另一方面，该框架的媒体处理功能可扩展至 PDF 文档阅读和分析、链接内容提取和摘要、音频转录、视频内容处理、图像分析和对话摘要，可有效处理各类媒体输入和输出。

Eliza框架通过开源模型的本地推理、OpenAI的云推理以及默认配置（如Nous Hermes Llama 3.1B）提供灵活的AI模型支持，并集成了对Claude处理复杂任务的支持。Eliza采用模块化架构，具有广泛的操作系统、自定义客户端支持和全面的API，确保了应用程序之间的可扩展性和适应性。

Eliza的用例跨多个领域，例如：用于客户支持、社区审核和个人任务的AI助手，以及内容自动创建者、互动机器人和品牌代表等社交媒体角色。它还可以充当知识工作者，扮演研究助理、内容分析师和文档处理器等角色，并支持角色扮演机器人、教育导师和娱乐代理等形式的互动角色。

Eliza的架构围绕代理运行时（agent runtime）构建，代理运行时与其角色系统（由模型提供商支持）、内存管理器（连接到数据库）和操作系统（与平台客户端链接）无缝集成。该框架的独特功能包括插件系统可支持模块化功能扩展，支持语音、文本和媒体等多模态交互，并兼容领先的AI模型（如Llama、GPT-4和Claude）。凭借其功能多样和强大的设计，Eliza作为跨领域开发AI应用程序的强大工具脱颖而出。

G.A.M.E（由Virtuals Protocol开发）

生成式自治多模态实体框架（G.A.M.E）旨在为开发人员提供API和SDK访问进行AI代理实验。这个框架提供一个结构化方法用来管理AI代理的行为、决策和学习过程。

其核心组件如下：首先，代理提示界面（Agent Prompting Interface）是开发者将GAME集成到代理中访问代理行为的入口点。感知子系统（Perception Subsystem）通过指定会话ID、代理ID、用户和其他相关细节等参数来启动会话。

它将传入信息合成为适合战略规划引擎（Strategic Planning Engine）的格式充当AI代理的感觉输入机制，无论是以对话还是反应的形式。其核心是对话处理模块，用于处理来自代理的消息和响应，并与感知子系统协作以有效地解释并响应输入。

战略规划引擎与对话处理模块和链上钱包操作员共同工作，生成响应和计划。该引擎功能有两个层面：作为高层规划器，根据上下文或目标创建广泛的策略；作为低层策略将这些策略转换为可操作的策略，该策略进一步分为用于指定任务的行动规划器和用于执行任务的计划执行器。

还有一个独立但重要的组件就是World Context（世界上下文），它引用环境、全球信息和游戏状态，为代理的决策提供必要的上下文。此外，Agent Repository（代理库）用于存储长期属性，如目标、反思、经验和个性，它们共同塑造了代理的行为和决策过程。

该框架使用短期工作内存和长期内存处理器。短期内存保留了以前的行为、结果和当前计划的相关信息。相比之下，长期内存处理器则根据重要性、近期性和相关性等标准提取关键信息。长期内存储存了代理的经验、反思、动态人格、世界上下文和工作内存等知识，以增强决策并为提供学习基础。

学习模块使用来自感知子系统的数据生成一般性知识，这些知识被反馈到系统中用以改进未来交互。开发者可以通过界面输入有关动作、游戏状态和感觉数据的反馈，以增强AI代理的学习能力，提高其规划和决策能力。

工作流程开始于开发人员通过代理提示界面进行交互。输入由感知子系统处理并转发给对话处理模块，对话处理模块负责管理交互逻辑。然后，战略规划引擎根据这些信息制定和执行计划，利用高层次的战略和详细的行动计划。

来自世界上下文和代理存储库的数据通知这些进程，同时工作内存跟踪即时任务。与此同时，长期内存处理器存储和检索长期知识。学习模块分析结果并将新知识集成到系统中，使代理的行为和交互能够得到持续改进。

RIG（由ARC开发）

Rig是一个开源Rust框架，旨在简化大语言模型应用程序的开发。它为与多个LLM提供商（如OpenAI和Anthropic）交互提供了统一接口，支持各种矢量存储，包括MongoDB和Neo4j。该框架的模块化架构的独特之处在于其核心组件，如提供商抽象层（Provider Abstraction Layer）、向量存储集成和代理系统，以促进LLM的无缝交互。

Rig的主要受众包括使用Rust构建AI/ML应用程序的开发人员，其次还包括寻求将多个LLM提供商和向量存储集成到自己的Rust应用程序中的各组织。存储库使用工作空间架构，具有多个crate，支持可扩展性和高效的项目管理。其关键功能有提供商抽象层，它为在不同LLM提供商之间完成和嵌入API提供了标准化，具有一致的错误处理。向量存储集成（Vector Store Integration）组件为多个后端提供了一个抽象接口，并支持向量相似性搜索。代理系统简化了LLM交互，支持检索增强生成（RAG）和工具集成。此外，嵌入框架还提供批处理功能和type safety的嵌入操作。

Rig利用多项技术优势来确保可靠性和性能。异步操作利用Rust的异步运行时来有效地处理大量并发请求。该框架固有的错误处理机制提高了对人工智能提供商或数据库操作失败的恢复能力。Type safety可以防止编译过程中的错误，从而增强代码的可维护性。高效的序列化和反序列化过程支持JSON等格式的数据处理，这对AI服务通信和存储至关重要。详细的日志记录和检测进一步帮助调试和监视应用程序。

Rig的工作流在客户端发起请求时开始，该请求通过提供商抽象层与适当的LLM模型交互。然后，数据由核心层处理，在核心层，代理可以使用工具或访问上下文的向量存储。响应在返回给客户端之前，通过复杂的工作流（如RAG）生成和细化，过程涉及文档检索和上下文理解。该系统集成了多个LLM提供商和矢量存储，对模型可用性或性能更新具有适应性。

Rig的用例多种多样，包括检索相关文档以提供准确响应的问答系统、用于高效内容发现的文档搜索和检索系统，以及为客户服务或教育提供上下文感知交互的聊天机器人或虚拟助手。它还支持内容生成，支持基于学习模式创建文本和其他材料，使其成为开发人员和组织机构的通用工具。

Zerepy（由ZEREPY和blorm开发）

ZerePy是一个使用Python语言编写的开源框架，旨在利用OpenAI或Anthropic LLM在X上部署代理。源自Zerebro后端的一个模块化版本，ZerePy允许开发人员启动具有类似于Zerebro核心功能的代理。虽然该框架为代理部署提供了基础，但要生成创造性的输出，微调模型是必不可少的。ZerePy简化了个性化AI代理的开发和部署，特别是针对社交平台上的内容创作，培育了一个面向艺术和去中心化应用的AI驱动创意生态系统。

该框架使用Python开发，强调代理自主性，专注于创造性输出生成，与ELIZA的架构以及与ELIZA的合作关系保持一致。其模块化设计支持内存系统集成，支持在社交平台上部署代理。主要功能包括一个用于代理管理的命令行界面，与Twitter的集成，对OpenAI和Anthropic LLM的支持，以及用于增强功能的模块化连接系统。

ZerePy的用例涵盖社交媒体自动化领域，用户可以部署人工智能代理来进行发布、回复、点赞和转发，从而提高平台参与度。此外，它还迎合了音乐、meme和NFT等领域的内容创作，使其成为数字艺术和基于区块链的内容平台的重要工具。

（2）四大框架对比

在我们看来，每个框架都为人工智能开发提供了一种独特的方法，符合特定的需求和环境，我们将焦点从这些框架的竞争关系转移到各框架的独特性上。

ELIZA以其用户友好的界面脱颖而出，特别是对于熟悉JavaScript和Node.js环境的开发人员来说。它的综合文档有助于在各种平台上设置人工智能代理，尽管其广泛的功能集可能会带来一定的学习曲线。使用TypeScript开发，使Eliza成为构建嵌入web中的代理的理想选择，因为大多数web基础设施的前端都是用TypeScript开发的。该框架以其多代理架构而闻名，可以在Discord、X和Telegram等平台上部署不同的人工智能个性。其先进的内存管理RAG系统使其对客户支持或社交媒体应用程序中的人工智能助手特别有效。虽然它提供了灵活性、强大的社区支持和一致的跨平台性能，但它仍处于早期阶段，可能会对开发人员构成学习曲线。

GAME是专为游戏开发者设计的，通过API提供低代码或无代码界面，使游戏领域技术含量较低的用户也可以使用。然而，它专注于游戏开发和区块链整合，可能会对那些没有相关经验的人构成陡峭的学习曲线。它在程序内容生成和NPC行为方面表现突出，但受到其细分领域和区块链整合所增加的复杂性的限制。

由于使用了Rust语言，鉴于该语言的复杂性，Rig可能不太友好，这带来了重大的学习挑战，但对于那些精通系统编程的人来说，它具有直观交互。与typescripe相比，该编程语言本身以性能和内存安全（memory safety）而闻名。它具有严格的编译时检查和零成本抽象，这是运行复杂AI算法所必需的。该语言非常高效，其低程度控制使其成为资源密集型人工智能应用的理想选择。该框架提供了具有模块化和可扩展设计的高性能解决方案，使其成为企业应用程序的理想选择。然而，对于不熟悉Rust的开发人员来说，使用Rust避免不了要面对陡峭的学习曲线。

ZerePy利用Python，为创造性AI任务提供了高度可用性，Python开发人员的学习曲线较低，特别是对于那些具有AI/ML背景的开发人员，并且由于Zerebro的加密社区而受益于强大的社区支持。ZerePy擅长于NFT等创造性人工智能应用，将自身定位为数字媒体和艺术的强大工具。虽然它在创造力方面蓬勃发展，但与其他框架相比，范围相对较窄。

在可扩展性方面，ELIZA在其V2更新中取得了长足的进步，它引入了统一的消息线和可扩展核心框架，支持跨多个平台进行有效的管理。然而，如果不进行优化，这种多平台交互的管理可能会带来可扩展性方面的挑战。

GAME在游戏所需的实时处理方面表现出色，可扩展性是通过高效算法和潜在的区块链分布式系统来管理的，尽管它可能受到特定游戏引擎或区块链网络的限制。

Rig框架利用Rust的可扩展性性能，针对高吞吐量应用程序而设计，这对于企业级部署特别有效，尽管这可能意味着实现真正的可扩展性需要复杂的设置。

Zerepy的可扩展性面向创造性输出，有社区贡献的支持，但其聚焦的重心可能会限制其在更广泛的人工智能环境中的应用，可扩展性可能会受到创造性任务的多样性而非用户数量的考验。

在适应性方面，ELIZA以其插件系统和跨平台兼容性领先，其游戏环境下的GAME和处理复杂AI任务的Rig也很出色。ZerePy在创意领域表现出高度适应性，但不太适合更广泛的人工智能应用。

在性能方面，ELIZA针对快速社交媒体交互进行了优化，快速响应时间是关键，但在处理更复杂的计算任务时，其表现可能会有所不同。

Virtual Protocol开发的GAME专注于游戏场景中的高性能实时交互，利用高效的决策过程和潜在区块链进行去中心化人工智能操作。

Rig框架基于Rust语言，为高性能计算任务提供了出色的性能，适用于计算效率至关重要的企业应用程序。

Zerepy的表现是为创意内容的创建量身定制的，其指标以内容生成的效率和质量为中心，在创意领域之外可能不太通用。

ELIZA的优势是提供了灵活性和可扩展性，通过其插件系统和角色配置使其具有很高的适应性，有利于跨平台的社交AI交互。

GAME在游戏中提供了独特的实时交互功能，通过区块链集成增强了新颖的AI参与。

Rig的优势在于其对针对企业人工智能任务的性能和可扩展性，重点是为长期项目健康提供干净的模块化代码。

Zerepy擅长培养创造力，在数字艺术人工智能应用方面处于领先地位，并以充满活力的社区驱动发展模式为支持。

每个框架都有自身局限性，ELIZA仍处于早期阶段，存在潜在的稳定性问题和新开发者学习曲线，小众的Game可能会限制更广泛的应用，并且区块链还增加了复杂性，Rig由于Rust构成的陡峭学习曲线可能会吓退一部分开发者，而Zerepy对创意输出的小范围关注可能会限制其在其他AI领域的使用。

（3）框架对比小结

Rig (ARC)：

语言：Rust，关注安全和性能。

用例：企业级AI应用的理想选择，因为它注重效率和可扩展性。

社区：不太受社区驱动，更多地关注技术开发人员。

Eliza (AI16Z)：

语言：TypeScript，强调web3的灵活性和社区参与。

用例：为社交交互、DAO和交易而设计，特别强调多代理系统。

社区：高度社区驱动，具有广泛的GitHub参与。

ZerePy (ZEREBRO)：

语言：Python，使其可用于更广泛的AI开发人员基础。

用例：适用于社交媒体自动化和更简单的AI代理任务。

社区：相对较新，但由于Python的流行和AI16Z贡献者的支持，有望增长。

GAME（VIRTUAL）：

焦点：自主、自适应的人工智能代理，可以根据虚拟环境中的交互而进化。

用例：最适合AI代理学习和适应场景，比如游戏或虚拟世界。

社区：创新社区，但仍在确定自己在竞争中的定位。

3、Github上的Star数据走势

上图是自这些框架发布以来的GitHub star关注数据。值得注意的是，GitHub star是社区兴趣、项目受欢迎程度和项目感知价值的指标。

ELIZA（红线）：

从7月的低基数开始上涨，再到11月下旬star数量的大幅增加（达6.1万颗星），这表明人们的兴趣迅速增加，吸引了开发者的注意。这种指数级增长表明，由于其功能、更新和社区参与，ELIZA已经获得了巨大的吸引力。它的受欢迎程度远远超过其他竞对，这表明它具有强大的社区支持，在人工智能社区具有更广泛的适用性或兴趣。

RIG（蓝线）：

Rig是四大框架中历史最久的，其star数量适度但一直持续增长，在接下来的一个月里很可能大幅增加。它已经达到了1700颗星，但仍在不断上升。持续的开发、更新和不断增长的用户数量是用户兴趣不断积累的原因。这可能反映出该框架用户小众或仍在累积声誉。

ZEREPY（黄线）：

ZerePy几天前刚刚推出，已经累积了181颗星。值得强调的是，ZerePy需要更多的开发来提高其可见性和采用率。与AI16Z的合作可能会吸引更多的代码贡献者。

GAME（绿线）：

这个项目的star数量最少，值得注意的是，这个框架可以通过API直接应用于虚拟生态系统中的代理，从而消除了对Github可见性的需求。然而，这个框架仅在一个多月前才向建设者公开开放，有200多个项目正在使用GAME构建。

4、框架看涨理由

Eliza的V2版本将集成Coinbase代理套件。所有使用Eliza的项目将来都将支持原生TEE，从而使代理能够在安全的环境中运行。Eliza即将推出的一个功能是插件注册表（Plugin Registry），可以让开发人员无缝地注册和集成插件。

此外，Eliza V2将支持自动化匿名跨平台消息传递。代币经济学白皮书定于2025年1月1日发布，预计将对Eliza框架的底层AI16Z代币产生积极影响。AI16Z计划继续增强框架的效用，继续吸引高质量人才，其主要贡献者的努力已经证明它具有这样的能力。

GAME框架为代理提供无代码集成，允许在单个项目中同时使用GAME和ELIZA，各自服务于特定目的。这种方法有望吸引关注业务逻辑而非技术复杂性的建设者。尽管该框架只公开发布了30几天，但在团队努力吸引更多贡献者的支持下，它已取得实质性进展。预计在VIRTUAL上启动的所有项目都将使用GAME。

以ARC代币为代表的Rig具有巨大潜力，尽管其框架还处于早期增长阶段，并且推动项目采用的计划也仅上线几天而已。但采用ARC的高质量项目预计很快就会出现，类似于Virtual飞轮，但重心放在了Solana。该团队对与Solana的合作持乐观态度，将ARC与Solana的关系比作Virtual之于Base。值得注意的是，该团队不仅鼓励新项目使用Rig启动，还鼓励开发人员增强Rig框架本身。

Zerepy是一个新推出的框架，由于与Eliza的合作关系，它正获得越来越多的关注。该框架吸引了Eliza的贡献者，他们正在积极对它进行改进。在ZEREBRO粉丝的推动下，它拥有一批狂热的追随者，并为Python开发人员提供了新机会，这些开发人员之前在人工智能基础设施的竞争中缺乏代表性。该框架将在AI创造性方面发挥重要作用。