Этот текст взят из: Deep Value Memetics

Компиляция｜Odaily星球日报（@OdailyChina）

Переводчик｜Azuma（@azuma_eth）

Обзор ключевых моментов

В этом отчете мы обсуждаем развитие нескольких основных фреймворков в области Crypto & AI. Мы рассмотрим текущие четыре основных фреймворка - Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC), ZerePy (ZEREBRO), анализируя их технические различия и потенциал развития.

На протяжении последней недели мы провели анализ и тестирование вышеуказанных четырех фреймворков, выводы представлены ниже.

  • Мы считаем, что Eliza (доля рынка около 60%, рыночная капитализация около 900 миллионов долларов на момент написания статьи, на момент публикации около 1.4 миллиарда долларов) продолжит доминировать на рынке. Ценность Eliza заключается в ее опережающем преимуществе и ускоренном принятии разработчиками, что подтверждают 193 участника на GitHub, 1800 форков и более 6000 звезд, что делает 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 статьи, на момент публикации около 257 миллионов долларов) на данный момент развивается очень успешно и также испытывает быстрые темпы принятия, как ранее сообщалось в анонсе Virtuals Protocol, более 200 проектов уже используют G.A.M.E для построения, ежедневные запросы превышают 150000, а недельный темп роста превышает 200%. G.A.M.E продолжит извлекать выгоду из взрывного роста 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 статьи, на момент публикации около 279 миллионов долларов) выделяется своим модульным дизайном и простотой использования и, как ожидается, займет доминирующее положение в экосистеме Solana (RUST).

  • Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов на момент написания статьи, на момент публикации около 424 миллионов долларов) является более нишевым приложением, специфичным для увлеченного сообщества ZEREBRO, и его недавнее сотрудничество с сообществом ai16z может создать определенный синергетический эффект.

В вышеприведенной статистике "доля рынка" учитывает рыночную капитализацию, историю разработки и широту рынка базовых операционных систем.

Мы считаем, что AI фреймворки станут самым быстрорастущим сегментом в текущем цикле, текущая общая капитализация сегмента около 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, по сравнению с оценкой Layer1 на пике в 2021 году, эта цифра может быть все еще довольно консервативной - тогда многие отдельные проекты оценивались более чем в 20 миллиардов долларов. Хотя вышеуказанные фреймворки обслуживают различные конечные рынки (цепь/экосистему), мы считаем, что этот сегмент будет расти в целом, и использование капитализации с взвешиванием по рынку может быть относительно более осторожным.

Четыре основных фреймворка

На пересечении AI и Crypto возникло несколько фреймворков, направленных на ускорение разработки AI, включая Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC) и ZerePy (ZEREBRO). От открытых проектов сообщества до корпоративных решений с акцентом на производительность, каждый фреймворк отвечает различным потребностям и концепциям разработки агентов.

В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества каждого фреймворка.

В этом отчете мы сначала сосредоточимся на том, что представляют собой эти фреймворки, на языках программирования, архитектуре технологий, алгоритмах и уникальных функциях с потенциальными случаями использования. Затем мы сравним каждый фреймворк по удобству использования, масштабируемости, адаптивности и производительности, обсуждая их преимущества и ограничения.

Eliza

Eliza - это открытый многопользовательский симуляционный фреймворк, разработанный ai16z, предназначенный для создания, развертывания и управления автономными AI агентами. Он разработан с использованием языка программирования TypeScript и предлагает гибкую, масштабируемую платформу для создания интеллектуальных агентов, которые могут взаимодействовать с людьми на нескольких платформах, поддерживая при этом единообразие личности и знаний.

Основные функции этого фреймворка включают: поддержку одновременного развертывания и управления несколькими уникальными AI личностями в рамках многопользовательской архитектуры; использование файлов ролей для создания разнообразной системы ролей агентов; предоставление функций управления памятью для долгосрочной памяти и воспринимаемого контекста через продвинутую систему генерации с улучшением извлечения (RAG). Кроме того, фреймворк Eliza также предлагает плавную платформенную интеграцию, позволяя надежно соединяться с Discord, X и другими социальными медиа платформами.

В области коммуникации и медиафункций AI-агент Eliza является отличным выбором. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функциями X, Telegram и прямым доступом API для настраиваемых случаев. С другой стороны, функции обработки медиа этого фреймворка расширились до чтения и анализа PDF документов, извлечения и аннотирования содержимого, транскрипции аудио, обработки видео и анализа изображений, эффективно обрабатывая различные медиа-входы и выходы.

Eliza предлагает гибкую поддержку AI моделей, позволяя использовать открытые модели для локального вывода, облачные выводы через OpenAI и конфигурации по умолчанию, такие как Nous Hermes Llama 3.1B, а также поддерживает интеграцию Claude для обработки сложных запросов. Eliza применяет модульную архитектуру, обладая обширной системой действий, поддержкой пользовательских клиентов и полным API, обеспечивая масштабируемость и адаптивность между приложениями.

Случаи использования Eliza охватывают множество областей, включая AI помощников для поддержки клиентов, управления сообществами и личных задач; автоматизированные создатели контента, роли брендов и другие роли в социальных медиа; она также может выступать в роли интеллектуального работника, выступая в качестве исследовательского помощника, аналитика контента и обработчика документов; и взаимодействующие роли, такие как ролевые роботы, образовательные наставники и агенты по недвижимости.

Архитектура Eliza построена вокруг агентского времени выполнения, который может бесшовно интегрироваться с системой ролей (поддерживается поставщиками моделей), менеджером памяти (подключен к базе данных) и системой действий (связанной с клиентами платформы). Уникальные функции этого фреймворка включают систему плагинов, позволяющую модульные расширения функций, поддержку мультимодальных взаимодействий, таких как голос, текст и медиа, а также совместимость с такими ведущими AI моделями, как Llama, GPT-4 и Claude. Благодаря своей многофункциональности и мощному дизайну Eliza становится мощным инструментом для разработки AI приложений в различных областях.

G.A.M.E

G.A.M.E разработан официальной командой Virtuals, полное название "Генеративный автономный мультимодальный фреймворк (The Generative Autonomous Multimodal Entities Framework)". Этот фреймворк предназначен для предоставления разработчикам API и SDK, чтобы они могли экспериментировать с AI агентами. Он предлагает структурированный подход к управлению поведением, принятием решений и процессами обучения AI агентов.

  • Основные компоненты G.A.M.E следующие: во-первых, "интерфейс подсказок агента" (Agent Prompting Interface) - это входная точка для разработчиков, чтобы интегрировать G.A.M.E в агента и получать поведение агента.

  • "Субсистема восприятия" запускает сессии, задавая параметры, такие как идентификатор сессии, идентификатор агента, пользователь и другие соответствующие детали. Она комбинирует входящие сообщения в формат, подходящий для "движка стратегического планирования", выступая в качестве механизма ввода чувств для AI-агента, будь то в форме диалога или реакции. Ключевым элементом здесь является "модуль обработки диалогов", который отвечает за обработку сообщений и ответов от агента и сотрудничает с "субсистемой восприятия", эффективно интерпретируя и отвечая на вводные данные.

  • "Движок стратегического планирования" работает в сотрудничестве с "модулем обработки диалогов" и "оператором кошелька на блокчейне", генерируя ответы и планы. Этот движок работает на двух уровнях: как высокоуровневый планировщик, создающий широкие стратегии в зависимости от контекста или целей; как низкоуровневый стратег, преобразующий эти стратегии в выполняемые политики, которые далее делятся на планировщик действий (для задания задач) и исполнитель плана (для выполнения задач).

  • Отдельным, но ключевым компонентом является "мир контекста", который ссылается на окружение, информацию о мире и состояние игры, предоставляя необходимый контекст для принятия решений агентом. Кроме того, "библиотека агентов" используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личность, которые формируют поведение и процесс принятия решений агента. Этот фреймворк использует "краткосрочную рабочую память" и "долгосрочный процессор памяти" - краткосрочная память хранит соответствующую информацию о предыдущих действиях, результатах и текущем плане; в то время как долгосрочный процессор памяти извлекает ключевую информацию на основе критериев важности, актуальности и свежести. Эта память хранит знания о опыте, размышлениях, динамической личности, мире контекста и рабочей памяти агента, чтобы улучшить принятие решений и обеспечить основу для обучения.

  • Для увеличения структуры "модуль обучения" получает данные от "субсистемы восприятия" для генерации универсальных знаний, которые возвращаются в систему для оптимизации будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состоянии игры и сенсорных данных через интерфейс, чтобы улучшить обучение AI-агента и повысить его способности в планировании и принятии решений.

Рабочий процесс начинается с взаимодействия разработчика через интерфейс подсказок агента; "субсистема восприятия" обрабатывает ввод и перенаправляет его в "модуль обработки диалогов", который управляет логикой взаимодействия; затем, "движок стратегического планирования" разрабатывает и выполняет планы на основе этой информации, используя высокоуровневую стратегию и детальное планирование действий.

Данные из "мира контекста" и "библиотеки агентов" предоставляют информацию для этих процессов, в то время как рабочая память отслеживает мгновенные задачи. В то же время, "долгосрочный процессор памяти" хранит и извлекает знания с течением времени. "Модуль обучения" анализирует результаты и интегрирует новые знания в систему, что позволяет улучшать поведение и взаимодействие агента.

Rig

Rig - это открытый фреймворк на основе Rust, предназначенный для упрощения разработки приложений с использованием больших языковых моделей (LLM). Он предлагает единый интерфейс для взаимодействия с несколькими поставщиками LLM (такими как OpenAI и Anthropic) и поддерживает различные векторные хранилища, включая MongoDB и Neo4j. Модульная архитектура этого фреймворка включает в себя такие ключевые компоненты, как "абстракция поставщика", "интеграция векторных хранилищ" и "система агентов", что способствует бесшовному взаимодействию с LLM.

Основная аудитория Rig включает разработчиков, создающих AI/ML приложения на Rust, в то время как вторичная аудитория включает организации, стремящиеся интегрировать несколько поставщиков LLM и векторные хранилища в свои приложения на Rust. Ресурсный библиотек использует структуру на основе рабочих пространств, содержащую несколько crates, что обеспечивает масштабируемость и эффективное управление проектами. Основные функции Rig включают "абстракцию поставщика" (Provider Abstraction Layer), которая стандартизирует API для завершения и внедрения LLM поставщиков, используя последовательную обработку ошибок; компонент "интеграции векторного хранилища" предлагает абстрактный интерфейс для нескольких бэкендов и поддерживает поиск по векторным сходствам; "система агентов" упрощает взаимодействие с LLM, поддерживая генерацию с улучшением извлечения (RAG) и интеграцию инструментов. Кроме того, встроенный фреймворк предоставляет возможности пакетной обработки и безопасные операции с типами.

Rig использует несколько технологических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронное время выполнения Rust для эффективной обработки большого количества параллельных запросов; встроенный механизм обработки ошибок фреймворка повышает возможность восстановления от сбоев в работе поставщиков AI или операций с базами данных; безопасность типов предотвращает ошибки на этапе компиляции, что улучшает поддерживаемость кода; эффективные процессы сериализации и десериализации помогают работать с данными в форматах, таких как JSON, которые жизненно важны для общения и хранения AI-сервисов; детализированная регистрация и панели управления дополнительно помогают в отладке и мониторинге приложений.

Рабочий процесс в Rig начинается с запроса от клиента, который проходит через "абстракцию поставщика" и взаимодействует с соответствующей моделью LLM; затем данные обрабатываются в основном слое, где агент может использовать инструменты или получать доступ к векторному хранилищу для получения контекста; сложные рабочие процессы, такие как RAG, генерируют и уточняют ответы, включая извлечение документов и понимание контекста, прежде чем они будут возвращены клиенту. Эта система интегрирует несколько поставщиков LLM и векторные хранилища, чтобы адаптироваться к изменению доступности или производительности модели.

Случаи использования Rig многообразны, включая системы вопросов и ответов, которые извлекают соответствующие документы для предоставления точных ответов, поиск и извлечение документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, предоставляющих контекстное взаимодействие для обслуживания клиентов или образования. Он также поддерживает создание контента, способного генерировать текст и другие материалы на основе изученных шаблонов, становясь многофункциональным инструментом для разработчиков и организаций.

ZerePy

ZerePy - это открытый фреймворк, написанный на Python, предназначенный для развертывания агентов с использованием OpenAI или Anthropic LLM на X. ZerePy происходит из модульной версии бэкенда Zerebro, позволяя разработчикам запускать агенты с функциональностью, аналогичной основным функциям Zerebro. Хотя этот фреймворк предоставляет основание для развертывания агентов, для достижения креативного результата необходимо дообучение модели. ZerePy упрощает разработку и развертывание персонализированных AI агентов, особенно в области создания контента на социальных платформах, способствуя экосистеме творческого AI с фокусом на искусство и децентрализованные приложения.

Этот фреймворк построен на языке Python, подчеркивая автономность агентов и акцентируя внимание на генерации креативного вывода, что соответствует архитектуре и партнерским отношениям Eliza. Его модульный дизайн поддерживает интеграцию систем памяти, что облегчает развертывание агентов на социальных платформах. Его основные функции включают интерфейс командной строки для управления агентами, интеграцию с X, поддержку OpenAI и Anthropic LLM, а также модульную систему подключения для расширения функциональности.

Случаи использования ZerePy охватывают автоматизацию в социальных сетях, пользователи могут развертывать AI-агентов для публикации, ответов, лайков и ретвитов, что увеличивает вовлеченность на платформе. Кроме того, он подходит для создания контента в таких областях, как музыка, заметки и NFT, являясь важным инструментом для цифрового искусства и платформ на основе блокчейна.

Горизонтальное сравнение

На наш взгляд, каждый из вышеперечисленных фреймворков предлагает уникальный подход к разработке AI, отвечая на специфические потребности и среду, что делает спор о том, являются ли они конкурентами, неактуальным, а сосредоточенным на том, может ли каждый фреймворк предложить уникальную полезность и ценность.

  • Eliza выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с JavaScript и Node.js средой. Полная документация помогает настраивать AI-агентов на различных платформах, хотя богатый набор функций может представлять умеренную кривую обучения, благодаря использованию TypeScript, Eliza очень подходит для создания агентов, встроенных в интернет, так как большая часть инфраструктуры фронтенда построена на TypeScript. Этот фреймворк известен своей архитектурой с несколькими агентами, способной развертывать разнообразные AI-агенты на платформах, таких как Discord, X и Telegram. Его продвинутая система RAG используется для управления памятью, что делает его особенно подходящим для создания AI помощников для поддержки клиентов или социальных медиа приложений. Хотя он предлагает гибкость, мощную поддержку сообщества и согласованную производительность на разных платформах, он все еще находится на ранней стадии и может представлять кривую обучения для разработчиков.

  • G.A.M.E разработан специально для разработчиков игр и предоставляет интерфейс с низким или отсутствующим кодом через API, что облегчает доступ пользователям с низким уровнем технических навыков в области игр. Однако он сосредоточен на разработке игр и интеграции блокчейна, и для тех, кто не имеет соответствующего опыта, кривая обучения может быть довольно крутой. Он выделяется в области программируемого генерации контента и поведения NPC, но также ограничен своей нишей и дополнительной сложностью, связанной с интеграцией блокчейна.

  • Rig, из-за использования языка Rust, может быть не очень дружелюбным для пользователя из-за сложности этого языка, что создает большие трудности в обучении, но для тех, кто владеет системным программированием, он может предоставить интуитивное взаимодействие. По сравнению с TypeScript, сам Rust известен своей производительностью и безопасностью памяти. У него строгая проверка на этапе компиляции и нулевые затраты на абстракцию, что необходимо для выполнения сложных алгоритмов искусственного интеллекта. Эффективность и низкий уровень контроля делают его идеальным выбором для ресурсоемких AI приложений. Этот фреймворк имеет модульный и расширяемый дизайн, предлагающий высокопроизводительные решения, которые идеально подходят для корпоративных приложений. Однако использование Rust может привести к крутой кривой обучения для разработчиков, незнакомых с языком.

  • ZerePy использует язык Python, обеспечивая более высокую доступность для креативных AI задач. Для разработчиков на Python, особенно тех, кто имеет опыт в AI/ML, кривая обучения ниже, и благодаря популярности ZEREBRO доступна мощная поддержка сообщества. ZerePy отлично подходит для креативных AI приложений, таких как NFT, и позиционирует себя как мощный инструмент в области цифровых медиа и искусства. Хотя он проявляет себя в креативной сфере, его область применения относительно узка по сравнению с другими фреймворками.

В области масштабируемости сравнение четырех основных фреймворков следующее.

  • Eliza достигла значительного прогресса после обновления до версии V2, введя унифицированный поток сообщений и масштабируемую основную архитектуру, что обеспечивает эффективное кросс-платформенное управление. Однако если не оптимизировать, управление этим взаимодействием на нескольких платформах может привести к проблемам с масштабируемостью.

  • G.A.M.E преуспевает в реальном времени, необходимом для игр, его масштабируемость может быть обеспечена эффективными алгоритмами и потенциальными распределенными системами блокчейна, хотя она может быть ограничена конкретными игровыми движками или блокчейн-сетями.

  • Фреймворк Rig может использовать преимущества производительности Rust для достижения лучшей масштабируемости, он изначально разработан для приложений с высоким объемом запросов, что может быть особенно эффективно для корпоративных развертываний, хотя это может означать, что для достижения настоящей масштабируемости потребуется сложная настройка.

  • Масштабируемость ZerePy ориентирована на креативный вывод и поддерживается вкладом сообщества, но акцент этого фреймворка может ограничить его применение в более широких AI-средах, его масштабируемость может быть проверена разнообразием креативных задач, а не количеством пользователей.

С точки зрения применимости, Eliza значительно опережает остальных благодаря своей системе плагинов и кросс-платформенной совместимости, за ней следуют G.A.M.E в игровом окружении и Rig в обработке сложных AI задач. ZerePy демонстрирует высокую адаптивность в креативной области, но не так подходит для более широких AI приложений.

В области производительности результаты тестирования четырех основных фреймворков следующие.

  • Eliza оптимизирована для быстрого взаимодействия в социальных медиа, но ее производительность может варьироваться при обработке более сложных вычислительных задач.

  • G.A.M.E сосредоточен на высокопроизводительном реальном взаимодействии в игровых сценариях, используя эффективный процесс принятия решений и возможный блокчейн для децентрализованных AI операций.

  • Rig, основанный на Rust, может обеспечить отличную производительность для задач высокопроизводительных вычислений, что особенно подходит для корпоративных приложений, где вычислительная эффективность имеет критическое значение.

  • Производительность ZerePy ориентирована на создание креативного контента, его показатели сосредоточены на эффективности и качестве генерации контента, которые могут быть не столь универсальны за пределами креативной сферы.

С учетом вышеприведенного анализа плюсов и минусов, Eliza предлагает лучшую гибкость и масштабируемость, система плагинов и конфигурация ролей придают ей высокую адаптивность, что полезно для кросс-платформенного взаимодействия в области социальной AI; G.A.M.E предлагает уникальные возможности реального времени в игровых сценариях и предоставляет новые AI участия через интеграцию блокчейна; преимущества Rig заключаются в его производительности и масштабируемости, что делает его идеальным для корпоративных AI задач, с акцентом на чистоту и модульность кода для обеспечения долгосрочного здоровья проекта; Zerepy excels в развитии креативности, находясь на переднем крае AI приложений в цифровом искусстве и получая поддержку динамичной модели разработки сообщества.

В заключение, каждый фреймворк имеет свои ограничения. Eliza все еще находится на ранней стадии, имеет потенциальные проблемы с стабильностью, и кривая обучения для новых разработчиков довольно долгая; узкая направленность G.A.M.E может ограничить его более широкое применение, а интеграция блокчейна добавляет сложности; кривая обучения Rig более крутая из-за сложности языка Rust, что может отпугнуть некоторых разработчиков; узкая направленность Zerepy на креативные результаты может ограничить его применение в других областях искусственного интеллекта.

Сравнение основных параметров

Rig (ARC)

  • Язык: Rust, с акцентом на безопасность и производительность.

  • Случай использования: акцент на эффективности и масштабируемости, идеален для корпоративных AI приложений.

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

Eliza (AI16Z)

  • Язык: TypeScript, подчеркивающий гибкость Web3 и участие сообщества.

  • Случай использования: специально разработан для социальных взаимодействий, DAO и транзакций, с особым акцентом на системы многопользовательских агентов.

  • Сообщество: высоко ориентировано на сообщество, имеет широкие связи с GitHub.

ZerePy (ZEREBRO):

  • Язык: Python, который легче воспринимается более широкой аудиторией разработчиков AI.

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

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

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

  • Ключевое: автономные и адаптивные AI агенты, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.

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

  • Сообщество: инновативно, но все еще определяет свою нишу в конкурентной среде.

Рост данных на Github

В приведенной выше диаграмме показана динамика звезд на GitHub с момента запуска этих фреймворков. В общем, звезды на GitHub могут служить индикатором интереса сообщества, популярности проекта и воспринимаемой ценности проекта.

  • Eliza (красная линия): график показывает, что количество звезд у этого фреймворка значительно увеличилось и имеет стабильный тренд, начиная с низкой базы в июле, резкий рост начался в конце ноября, и сейчас он достиг 6100 звезд. Это свидетельствует о быстром росте интереса к этому фреймворку, привлекая внимание разработчиков. Экспоненциальный рост указывает на то, что Eliza получила огромное внимание благодаря своим функциям, обновлениям и вовлечению сообщества, и ее популярность значительно превышает другие продукты, что подтверждает ее широкую применимость или интерес в AI сообществе.

  • Rig (синяя линия): Rig - это самый "старый" из четырех основных фреймворков, его увеличение звезд незначительное, но стабильное, в последний месяц оно явно возросло. 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 только что стартовал несколько дней назад, и количество звезд уже увеличилось до 181. Важно отметить, что ZerePy требует больше разработки для повышения своей видимости и уровня принятия, а сотрудничество с ai16z может привлечь больше участников к его кодовой базе.

  • G.A.M.E (зеленая линия): количество звезд у этого фреймворка невелико, но стоит отметить, что он может напрямую применяться к агентам в экосистеме Virtual через API, поэтому нет необходимости публиковать его на GitHub. Тем не менее, хотя этот фреймворк стал доступен для строителей всего лишь месяц назад, в настоящее время уже более 200 проектов используют G.A.M.E для построения.

Ожидания обновления AI фреймворка

Версия 2.0 Eliza будет включать интеграцию с набором инструментов Coinbase для агентов. Все проекты, использующие Eliza, получат поддержку будущей нативной TEE (доверенной исполняющей среды), что позволит агентам работать в безопасной среде. Регистрация плагинов (Plugin Registry) - это функция, которая будет скоро внедрена в Eliza, позволяющая разработчикам бесшовно регистрировать и интегрировать плагины.

Кроме того, в версии Eliza 2.0 будет поддерживаться автоматизированная анонимная межплатформенная передача сообщений. Ожидается, что выпущенный 1 января 2025 года белый документ по токеномике окажет позитивное влияние на токены AI16Z, поддерживающие фреймворк Eliza. ai16z планирует продолжать усиливать практическое применение этого фреймворка и, используя усилия своих основных участников, привлекать квалифицированные кадры.

Фреймворк G.A.M.E предлагает безкодовую интеграцию для агентов, что позволяет одновременно использовать G.A.M.E и Eliza в одном проекте, каждый из которых обслуживает специфические случаи. Этот подход, как ожидается, привлечет строителей, сосредоточенных на бизнес-логике, а не на технической сложности. Несмотря на то, что этот фреймворк стал общедоступным всего лишь 30 дней назад, при поддержке команды, стремящейся привлечь больше участников, он уже достиг значительного прогресса. Ожидается, что каждый проект, запущенный на VirtuaI, будет использовать G.A.M.E.

Фреймворк Rig, управляемый токенами ARC, имеет значительный потенциал, хотя его рост находится на ранней стадии, проекты, способствующие принятию Rig, только что начали свою работу. Тем не менее, ожидается, что вскоре появятся высококачественные проекты, которые будут использовать ARC, аналогично VirtuaI, но с акцентом на Solana. Команда Rig оптимистично настроена по поводу сотрудничества с Solana и позиционирует ARC как виртуальный токен Solana. Стоит отметить, что команда мотивирует не только новые проекты, запускаемые с использованием Rig, но и разработчиков, которые улучшают сам фреймворк Rig.

Zerepy - это новый фреймворк, который благодаря сотрудничеству с ai16z (фреймворком Eliza) получает много внимания, этот фреймворк привлек участников из Eliza, которые активно работают над его улучшением. Zerepy пользуется горячей поддержкой сообщества ZEREBRO и открывает новые возможности для разработчиков на Python, которые ранее не имели пространства для маневра в конкурентной области инфраструктуры AI. Ожидается, что этот фреймворк сыграет важную роль в креативных аспектах AI.