Эта статья из: Deep Value Memetics

Компиляция｜Odaily星球日报（@OdailyChina）

Переводчик｜Azuma（@azuma_eth）

Краткий обзор

В этом отчете мы обсудим развитие основных структур в области Crypto AI. Мы рассмотрим текущие четыре основных структуры — Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC), ZerePy (ZEREBRO) и проанализируем их технические различия и потенциал развития.

В течение последней недели мы провели анализ и тестирование вышеупомянутых четырех структур, результаты обобщены ниже.

  • Мы считаем, что Eliza (доля рынка примерно 60%, рыночная капитализация около 9 миллиардов долларов на момент написания, около 14 миллиардов долларов на момент публикации) продолжит доминировать на рынке. Ценность Eliza заключается в ее раннем преимуществе и ускоренном принятии разработчиками, что подтверждается 193 участниками на GitHub, 1800 форками и более чем 6000 звездами, делая ее одной из самых популярных библиотек программного обеспечения на GitHub.

  • G.A.M.E (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов на момент написания, около 257 миллионов долларов на момент публикации) до сих пор развивалась очень успешно и сейчас переживает быстрый рост, как уже упоминалось в ранних анонсах Virtuals Protocol, более 200 проектов, построенных на G.A.M.E, ведут активные запросы более 150 тысяч раз в день, с недельным ростом более 200%. G.A.M.E продолжит получать выгоду от всплеска VIRTUAL и может стать одним из крупнейших победителей в этой экосистеме.

  • Rig (доля рынка около 15%, рыночная капитализация около 160 миллионов долларов на момент написания, около 279 миллионов долларов на момент публикации) имеет модульный дизайн, который является очень привлекательным и удобным для работы, и ожидается, что он займет доминирующее положение в экосистеме Solana (RUST).

  • Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов на момент написания, около 424 миллионов долларов на момент публикации) представляет собой более нишевое приложение, специфичное для увлеченного сообщества ZEREBRO, и недавнее сотрудничество с сообществом ai16z может создать определенный синергетический эффект.

В приведенной выше статистике "доля рынка" рассчитывается с учетом рыночной капитализации, записи разработчиков и широты базовых операционных систем.

Мы уверены, что ИИ-структуры станут самым быстрорастущим сегментом в этом цикле, текущая общая рыночная капитализация около 1.7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, по сравнению с пиковыми оценками Layer 1 в 2021 году, это число может быть довольно консервативным — тогда многие отдельные проекты оценивались более чем в 20 миллиардов долларов. Несмотря на то, что вышеуказанные структуры обслуживают различные конечные рынки (цепь/экосистема), учитывая, что этот сегмент будет расти в целом, подход с взвешиванием по рыночной капитализации может быть относительно осторожным.

Четыре основных фрейма

На пересечении ИИ и криптовалют появилось несколько структур, направленных на ускорение разработки ИИ, включая Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC) и ZerePy (ZEREBRO). От открытых проектов сообщества до производительных корпоративных решений, каждая структура соответствует различным потребностям и концепциям разработки агентов.

В этой таблице мы перечислили ключевые технологии, компоненты и преимущества каждой структуры.

Этот отчет в первую очередь сосредоточится на том, что представляют собой эти структуры, какие языки программирования, технические архитектуры, алгоритмы и уникальные функции с потенциальными случаями использования они используют. Затем мы сравним каждую структуру по удобству использования, масштабируемости, адаптивности и производительности, обсуждая их преимущества и ограничения.

Eliza

Eliza — это открытая многоагентная симуляционная структура, разработанная ai16z, предназначенная для создания, развертывания и управления автономными ИИ-агентами. Она разрабатывается на языке TypeScript и предоставляет гибкую, масштабируемую платформу для создания智能代理, которые могут взаимодействовать с людьми на нескольких платформах, поддерживая при этом последовательность личности и знаний.

Ключевые функции этой структуры включают: поддержку одновременного развертывания и управления несколькими уникальными ИИ-личностями в многоагентной архитектуре; создание многообразия агентов с помощью системы ролей, использующей файловый фреймворк для ролей; предоставление функций управления памятью, обладающих долговременной памятью и осознанным контекстом через продвинутую систему генерации, основанной на извлечении (RAG). Кроме того, структура Eliza обеспечивает плавную интеграцию с платформами, обеспечивая надежное соединение с Discord, X и другими социальными медиа-платформами.

В области коммуникационных и медийных функций ИИ-агентов, Eliza является отличным выбором. В области коммуникации эта структура поддерживает интеграцию с голосовыми каналами Discord, функциями X, Telegram и прямым API-доступом для кастомизированных случаев использования. С другой стороны, медийные функции этой структуры расширены для чтения и анализа PDF-документов, извлечения и резюмирования содержимого ссылок, транскрипции аудио, обработки видео-контента, анализа изображений и резюмирования диалогов, эффективно обрабатывая различные медийные входы и выходы.

Eliza предлагает гибкую поддержку моделей ИИ, позволяя проводить локальную инференцию с использованием открытых моделей, проводя облачную инференцию на основе таких стандартных конфигураций, как OpenAI и Nous Hermes Llama 3.1 B, и поддерживает интеграцию Claude для обработки сложных запросов. Eliza использует модульную архитектуру, обладающую обширной системой действий, поддержкой пользовательских клиентов и полным API, что обеспечивает кросс-приложенческую масштабируемость и адаптивность.

Случаи использования Eliza охватывают множество областей, таких как ИИ-помощники, связанные с поддержкой клиентов, управлением сообществом и личными задачами; такие как автоматизированные создатели контента, представители брендов и другие роли в социальных медиа; она также может выступать в роли знаний, как исследовательский помощник, аналитик контента и оператор документов; а также в форме интерактивных ролей, таких как ролевые роботы, образовательные наставники и агенты по продажам.

Архитектура Eliza построена вокруг времени исполнения агента (agent runtime), который может бесшовно интегрироваться с системой ролей (поддерживаемой поставщиками моделей), менеджером памяти (подключенным к базе данных) и системой действий (связанной с клиентами платформы). Уникальные функции этой структуры включают систему плагинов, позволяющую модульное расширение функциональности, поддерживающую мультимодальное взаимодействие, включая голос, текст и медиа, а также совместимость с ведущими ИИ-моделями, такими как Llama, GPT-4 и Claude. Благодаря своей многофункциональности и мощному дизайну Eliza становится мощным инструментом для разработки ИИ-приложений в различных областях.

G.A.M.E

G.A.M.E разработан официальной командой Virtuals, полное название — "Генеративная автономная мультимодальная структура (The Generative Autonomous Multimodal Entities Framework)", эта структура предназначена для предоставления API и SDK для разработчиков, позволяя им экспериментировать с ИИ-агентами. Эта структура предлагает структурированный подход к управлению поведением агентов ИИ, процессами принятия решений и обучения.

  • Ключевые компоненты G.A.M.E следующие: во-первых, "Интерфейс подсказок агента" (Agent Prompting Interface) является входной точкой для разработчиков, чтобы интегрировать G.A.M.E в агентов для получения поведения агентов.

  • "Система восприятия" запускает сеансы, определяя такие параметры, как ID сеанса, ID агента, пользователь и другие связанные детали. Она объединяет входящие сообщения в формат, подходящий для "Двигателя стратегического планирования", служа механизмом входных данных для ИИ-агента, независимо от того, в форме диалога или реакции. Здесь ключевым является "Модуль обработки диалогов", который отвечает за обработку сообщений и ответов от агентов и взаимодействует с "Системой восприятия" для эффективной интерпретации и реагирования на входные данные.

  • "Двигатель стратегического планирования" работает совместно с "Модулем обработки диалогов" и "Оператором кошелька на блокчейне", генерируя ответы и стратегии. Этот двигатель действует на двух уровнях: как высокоуровневый планировщик, создающий обширные стратегии, основанные на контексте или целях; как низкоуровневая стратегия, преобразующая эти стратегии в исполняемую политику, дополнительно разбивая ее на планировщики действий (для указания задач) и исполнители планов (для выполнения задач).

  • Отдельным, но ключевым компонентом является "Мировой контекст", который ссылается на окружающую среду, информацию о мире и состояние игры, предоставляя необходимый контекст для принятия решений агентами. Кроме того, "Библиотека агентов" используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыты и личность, которые вместе формируют поведение и процесс принятия решений агентов. Эта структура использует "Краткосрочную рабочую память" и "Процессор долговременной памяти" — краткосрочная память сохраняет информацию о предыдущих действиях, результатах и текущих планах; в то время как долговременный процессор памяти извлекает ключевую информацию по таким критериям, как важность, недавность и релевантность. Эта память хранит знания о опыте, размышлениях, динамической личности, мировом контексте и рабочей памяти агента, чтобы улучшить принятие решений и создать основы для обучения.

  • Чтобы увеличить структуру, "Модуль обучения" получает данные из "Системы восприятия" для генерации общего знания, которое возвращается в систему для оптимизации будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и сенсорных данных через интерфейс, чтобы улучшить обучение ИИ-агента и повысить его способности к планированию и принятию решений.

Рабочий процесс начинается, когда разработчик взаимодействует через интерфейс подсказок агента; "Система восприятия" обрабатывает входные данные и передает их в "Модуль обработки диалогов", который управляет логикой взаимодействия; затем "Двигатель стратегического планирования" использует эту информацию, чтобы разработать и выполнить планы с использованием высокоуровневых стратегий и детальной планировки действий.

Данные из "мирового контекста" и "библиотеки агентов" информируют эти процессы, в то время как рабочая память отслеживает текущие задачи. В то же время "долговременный процессор памяти" хранит и извлекает знания с течением времени. "Модуль обучения" анализирует результаты и интегрирует новые знания в систему, что позволяет поведению и взаимодействиям агента постоянно улучшаться.

Rig

Rig — это открытая структура на основе Rust, предназначенная для упрощения разработки приложений больших языковых моделей (LLM). Она предлагает единый интерфейс для взаимодействия с несколькими поставщиками LLM (такими как OpenAI и Anthropic) и поддерживает различные векторные хранилища, включая MongoDB и Neo 4 j. Модульная архитектура этой структуры включает такие ключевые компоненты, как "Уровень абстракции поставщика", "Интеграция векторного хранилища" и "Система агентов", которые способствуют бесшовному взаимодействию LLM.

Основная целевая аудитория Rig включает разработчиков, работающих с приложениями ИИ/МЛ на Rust, второстепенная аудитория включает организации, стремящиеся интегрировать нескольких поставщиков LLM и векторные хранилища в свои приложения на Rust. Библиотека организована на основе структуры рабочих пространств, содержащей несколько crates, что обеспечивает масштабируемость и эффективное управление проектами. Основные функции Rig включают "Уровень абстракции поставщика" (Provider Abstraction Layer), который стандартизирует API для выполнения и интеграции поставщиков LLM через единый механизм обработки ошибок; компонент "Интеграция векторного хранилища" предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает поиск векторной схожести; "Система агентов" упрощает взаимодействие с LLM, поддерживает RAG и интеграцию инструментов. Кроме того, встраиваемая структура обеспечивает возможность пакетной обработки и безопасные типы для операций внедрения.

Rig использует несколько технологических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронное время выполнения Rust для эффективной обработки большого количества одновременных запросов; встроенный механизм обработки ошибок улучшает восстановление от сбоев поставщиков ИИ или операций с базами данных; безопасность типов предотвращает ошибки во время компиляции, что повышает поддерживаемость кода; эффективные процессы сериализации и десериализации способствуют обработке данных в таких форматах, как JSON, что имеет решающее значение для связи и хранения ИИ-сервисов; подробная регистрация и инструменты помогают отладке и мониторингу приложений.

Рабочий процесс в Rig начинается с запроса, инициируемого клиентом, запрос проходит через "Уровень абстракции поставщика", взаимодействуя с соответствующей моделью LLM; затем данные обрабатываются в основном слое, агенты могут использовать инструменты или получать доступ к векторному хранилищу для получения контекста; через сложные рабочие процессы, такие как RAG, создаются и дорабатываются ответы, включая извлечение документов и понимание контекста, а затем возвращаются клиенту. Эта система интегрирует несколько поставщиков LLM и векторные хранилища, чтобы адаптироваться к изменению доступности или производительности модели.

Случаи использования Rig разнообразны и включают системы вопросов и ответов, которые извлекают соответствующие документы для предоставления точных ответов, поисковые и извлекающие документы для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников для обслуживания клиентов или образования, которые обеспечивают контекстуально осознанные взаимодействия. Он также поддерживает создание контента, способного создавать тексты и другие материалы на основе изученных шаблонов, что делает его многофункциональным инструментом для разработчиков и организаций.

ZerePy

ZerePy — это открытая структура, написанная на Python, предназначенная для развертывания агентов на X с использованием LLM от OpenAI или Anthropic. ZerePy основан на модульной версии бэкенда Zerebro, позволяя разработчикам запускать агентов с функциональностью, аналогичной основным функциям Zerebro. Хотя эта структура предоставляет основу для развертывания агентов, чтобы создать креативный выход, необходимо провести тонкую настройку модели. ZerePy упрощает разработку и развертывание персонализированных ИИ-агентов, особенно для создания контента на социальных платформах, способствуя экосистеме AI-креативности, ориентированной на искусство и децентрализованные приложения.

Эта структура построена с использованием языка Python, акцентируя внимание на автономии агентов, сосредотачиваясь на создании креативного контента, что соответствует архитектуре Eliza и партнерским отношениям. Модульный дизайн поддерживает интеграцию с системами памяти, облегчая развертывание агентов на социальных платформах. Основные функции включают командный интерфейс для управления агентами, интеграцию с X, поддержку LLM от OpenAI и Anthropic, а также модульную систему подключения для расширения функциональности.

Случаи использования ZerePy охватывают автоматизацию социальных медиа, пользователи могут развертывать ИИ-агентов для публикации, ответов, лайков и ретвитов, что повышает вовлеченность на платформе. Кроме того, он также подходит для создания контента в области музыки, заметок и NFT, являясь важным инструментом для цифрового искусства и контентных платформ на основе блокчейна.

Горизонтальное сравнение

На наш взгляд, каждая из вышеупомянутых структур предлагает уникальный подход к разработке ИИ, удовлетворяя специфические потребности и среды, что делает спор не ограниченным лишь вопросом о том, являются ли эти структуры конкурентами, а сосредоточенным на том, может ли каждая структура предоставить уникальную полезность и ценность.

  • Eliza выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с средой JavaScript и Node.js. Обширная документация помогает настраивать ИИ-агентов на различных платформах, хотя богатый набор функций может предложить умеренную кривую обучения, но благодаря использованию TypeScript, Eliza идеально подходит для создания агентов, встроенных в веб, поскольку большая часть инфраструктуры переднего плана построена на TypeScript. Эта структура известна своей многоагентной архитектурой, способной развертывать разнообразных агентов ИИ через такие платформы, как Discord, X и Telegram. Ее продвинутая система RAG для управления памятью делает ее особенно подходящей для создания ИИ-помощников для обслуживания клиентов или социальных медиа-приложений. Несмотря на то, что она предлагает гибкость, мощную поддержку сообщества и последовательную кросс-платформенную производительность, она все еще находится на ранней стадии, что может представлять кривую обучения для разработчиков.

  • G.A.M.E специально разработан для разработчиков игр и предлагает низкокодовый или безкодов интерфейс через API, что облегчает доступ для пользователей с низким уровнем технической подготовки в области игр. Тем не менее, он сосредоточен на разработке игр и интеграции блокчейна, и кривая обучения может быть довольно крутой для тех, кто не имеет соответствующего опыта. Он демонстрирует выдающиеся результаты в области программируемого контента и поведения NPC, но также ограничен своей нишей и дополнительной сложностью при интеграции блокчейна.

  • Rig может быть менее дружелюбным к пользователю из-за сложности языка Rust, что представляет собой большую задачу для обучения, но для тех, кто хорошо разбирается в системном программировании, он может обеспечить интуитивное взаимодействие. По сравнению с TypeScript, Rust известен своей производительностью и безопасностью памяти. Он имеет строгую проверку на этапе компиляции и абстракции без затрат, что необходимо для выполнения сложных алгоритмов ИИ. Высокая эффективность и низкий уровень контроля делают его идеальным выбором для приложений ИИ, требующих больших ресурсов. Эта структура использует модульный и масштабируемый дизайн для обеспечения высокопроизводительных решений, что делает его идеальным для корпоративных приложений. Однако для разработчиков, не знакомых с языком Rust, использование Rust может привести к крутой кривой обучения.

  • ZerePy использует язык Python, обеспечивая более высокую доступность для креативных задач ИИ. Для разработчиков на Python, особенно имеющих опыт в ИИ/МЛ, кривая обучения невысока, и благодаря популярности ZEREBRO доступна мощная поддержка сообщества. ZerePy отлично проявляет себя в креативных приложениях ИИ, таких как NFT, эта структура также позиционирует себя как мощный инструмент в области цифровых медиа и искусства. Хотя она показывает отличные результаты в креативных задачах, по сравнению с другими структурами, ее область применения относительно узка.

Что касается масштабируемости, сравнение четырех основных структур следующее.

  • После обновления версии V2 Eliza достигла значительных успехов, введя унифицированную линию сообщений и масштабируемую основную структуру для эффективного управления кросс-платформами. Тем не менее, без оптимизации управление таким многоуровневым взаимодействием может вызвать проблемы с масштабируемостью.

  • G.A.M.E специализируется на реальном времени, необходимом для игр, его масштабируемость может управляться за счет эффективных алгоритмов и потенциальных распределенных систем блокчейна, но может быть ограничена конкретными игровыми движками или сетями блокчейна.

  • Структура Rig может использовать преимущества производительности Rust для достижения лучшей масштабируемости, изначально предназначенной для приложений с высокой пропускной способностью, что может быть особенно эффективно для развертывания на уровне предприятия, хотя это может означать, что для достижения истинной масштабируемости потребуется сложная настройка.

  • Масштабируемость ZerePy ориентирована на креативный выход и поддерживается вкладом сообщества, однако акцент этой структуры может ограничить ее применение в более широких рамках искусственного интеллекта, ее масштабируемость может быть проверена разнообразием креативных задач, а не количеством пользователей.

В отношении применимости Eliza значительно опережает остальных благодаря своей системе плагинов и кроссплатформенной совместимости, за ней следуют G.A.M.E в игровом окружении и Rig для обработки сложных задач ИИ. ZerePy демонстрирует высокую адаптивность в креативной сфере, но менее применим в более широких областях ИИ.

Что касается производительности, тестовые результаты четырех основных структур следующие.

  • Eliza оптимизирована для быстрой интеракции в социальных медиа, но ее производительность может варьироваться при выполнении более сложных вычислительных задач.

  • G.A.M.E сосредоточен на высокопроизводительном реальном взаимодействии в игровых сценариях, используя эффективные процессы принятия решений и возможный блокчейн для децентрализованной работы ИИ.

  • Rig, основанный на Rust, обеспечивает отличные показатели производительности для вычислительных задач и подходит для корпоративных приложений, где эффективность вычислений имеет решающее значение.

  • Производительность ZerePy ориентирована на создание креативного контента, его показатели сосредоточены на эффективности и качестве генерации контента, что может быть менее универсально за пределами креативной сферы.

С учетом вышеизложенных преимуществ и недостатков, Eliza предлагает лучшую гибкость и масштабируемость. Система плагинов и конфигурация ролей делают ее высоко адаптивной, что способствует кросс-платформенному взаимодействию в области социального искусственного интеллекта; G.A.M.E предлагает уникальные возможности для реального взаимодействия в игровых сценариях и предоставляет новые возможности для участия ИИ через интеграцию с блокчейном; Преимущества Rig заключаются в его производительности и масштабируемости, что делает его подходящим для задач ИИ уровня предприятия, и акцент на простоте и модульности кода обеспечивает долгосрочное здоровье проекта; Zerepy специализируется на развитии креативности, занимает лидирующие позиции в приложениях ИИ в цифровом искусстве и поддерживается динамичной моделью разработки, управляемой сообществом.

В общем, каждая структура имеет свои ограничения. Eliza все еще находится на ранней стадии, с потенциальными проблемами стабильности, и кривая обучения для новых разработчиков довольно длинная; небольшая направленность G.A.M.E может ограничить ее более широкое применение, а интеграция блокчейна добавляет сложности; кривая обучения Rig более крута из-за сложности языка Rust, что может отпугнуть некоторых разработчиков; узкий акцент Zerepy на креативной продукции может ограничить его использование в других областях ИИ.

Сравнение ключевых аспектов

Rig (ARC)

  • Язык: Rust, акцент на безопасности и производительности.

  • Случай использования: акцент на эффективности и масштабируемости, что делает его идеальным выбором для корпоративных ИИ-приложений.

  • Сообщество: менее ориентировано на сообщество, больше на технических разработчиков.

Eliza (AI16Z)

  • Язык: TypeScript, акцент на гибкость Web3 и участие сообщества.

  • Случай использования: специально разработан для социальных взаимодействий, DAO и сделок, с особым акцентом на многопользовательские системы.

  • Сообщество: сильно ориентировано на сообщество, с обширными связями с GitHub.

ZerePy (ZEREBRO):

  • Язык: Python, более доступен для более широкой аудитории разработчиков ИИ.

  • Случай использования: подходит для автоматизации социальных медиа и более простых задач ИИ-агентов.

  • Сообщество: относительно новое, но благодаря популярности Python и поддержке участников ai16z ожидается рост.

G.A.M.E (VIRTUAL, GMAE):

  • Основной акцент: автономные, адаптивные ИИ-агенты, которые могут эволюционировать в зависимости от взаимодействия в виртуальной среде.

  • Случай использования: особенно подходит для сценариев, где агенты должны учиться и адаптироваться, таких как игры или виртуальные миры.

  • Сообщество: инновационное, но все еще в процессе определения своей ниши.

Данные роста на Github

Приведенный выше график показывает изменения в данных по звездам на GitHub с момента запуска этих структур. В общем, звезды на GitHub могут служить индикаторами интереса сообщества, популярности проекта и воспринимаемой ценности проекта.

  • Eliza (красная линия): график показывает, что число звезд этой структуры значительно возросло и имеет стабильную тенденцию, начиная с низкой базы в июле, в конце ноября начался резкий рост, и теперь достигнуто 6100 звезд. Это указывает на быстрое увеличение интереса к этой структуре, привлекая внимание разработчиков. Экспоненциальный рост указывает на то, что Eliza обрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества, ее популярность значительно превышает другие продукты, что говорит о сильной поддержке сообщества и более широком применении или интересе в сообществе ИИ.

  • Rig (синяя линия): Rig является наиболее «старой» из четырех структур, его рост звезд невелик, но стабильный, в последний месяц он явно увеличился. Общее количество звезд достигло 1700, но все еще находится на восходящей траектории. Стабильное накопление интереса обусловлено постоянной разработкой, обновлениями и растущей пользовательской базой. Это может отражать то, что Rig все еще накапливает репутацию.

  • ZerePy (желтая линия): ZerePy был запущен всего несколько дней назад, и количество звезд уже увеличилось до 181. Необходимо подчеркнуть, что ZerePy требует большего количества разработок для повышения своей видимости и уровня принятия, сотрудничество с ai16z может привлечь больше участников к его кодовой базе.

  • G.A.M.E (зеленая линия): количество звезд этой структуры невелико, но стоит отметить, что эта структура может быть напрямую применена к агентам в виртуальной экосистеме через API, поэтому нет необходимости в публикации на Github. Тем не менее, хотя эта структура была открыта для строителей только чуть более месяца назад, уже более 200 проектов используют G.A.M.E для создания.

Ожидания обновления ИИ-структуры

Версия 2.0 Eliza будет включать интеграцию с набором инструментов агента Coinbase. Все проекты, использующие Eliza, получат поддержку будущих нативных TEE (доверенных исполняемых сред), что позволит агентам работать в безопасной среде. Реестр плагинов будет новой функцией Eliza, позволяющей разработчикам бесшовно регистрировать и интегрировать плагины.

Кроме того, Eliza 2.0 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Ожидается, что книга по токеномике, запланированная к выпуску 1 января 2025 года (с опубликованными соответствующими предложениями), окажет положительное влияние на токены AI16Z, поддерживающие структуру Eliza. ai16z планирует продолжать улучшать практичность этой структуры, используя усилия своих основных участников для привлечения высококвалифицированных специалистов.

Структура G.A.M.E предоставляет безкодовую интеграцию для агентов, позволяя одновременно использовать G.A.M.E и Eliza в одном проекте, каждый из которых служит для конкретных случаев использования. Этот подход, как ожидается, привлечет строителей, сосредоточенных на бизнес-логике, а не на технической сложности. Несмотря на то, что эта структура доступна всего чуть более 30 дней, она уже достигла значительного прогресса под руководством команды, стремящейся привлечь больше участников. Ожидается, что каждый проект, запущенный на VirtualI, будет использовать G.A.M.E.

Структура Rig, поддерживаемая токенами ARC, имеет значительный потенциал, хотя ее рост находится на ранней стадии, проекты контрактов, способствующие принятию Rig, только что были запущены. Однако ожидается, что вскоре появятся высококачественные проекты, сопоставимые с Virtual flywheel, но сосредоточенные на Solana. Команда Rig настроена оптимистично по поводу сотрудничества с Solana, позиционируя ARC как Virtual для Solana. Стоит отметить, что команда не только стимулирует новые проекты, запущенные с использованием Rig, но также поощряет разработчиков улучшать саму структуру Rig.

Zerepy — это новая структура, которая получает большое внимание благодаря сотрудничеству с ai16z (структурой Eliza). Эта структура привлекла участников из Eliza, которые активно работают над ее улучшением. Zerepy имеет сильную поддержку от сообщества ZEREBRO и открывает новые возможности для разработчиков Python, которые ранее испытывали недостаток пространства для маневра в конкурентной области ИИ-инфраструктуры. Ожидается, что эта структура сыграет важную роль в креативных аспектах ИИ.