Источник статьи: Odaily星球日报

Статья от: Deep Value Memetics

Компиляция｜Odaily星球日报 (@OdailyChina)

Переводчик｜Azuma (@azuma_eth)

Краткое резюме

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

На прошлой неделе мы провели анализ и тестирование вышеупомянутых четырех фреймворков, основные выводы представлены ниже.

  • Мы считаем, что Eliza (доля рынка примерно 60%, рыночная капитализация около 900 миллионов долларов на момент написания, на момент публикации около 1.4 миллиарда долларов) продолжит доминировать на рынке. Ценность Eliza заключается в ее первом преимуществе и ускоренной адаптации разработчиками; 193 вкладчика на GitHub, 1800 форков и более 6000 звезд подтверждают это и делают ее одной из самых популярных библиотек программного обеспечения на GitHub.

  • G.A.M.E (доля рынка примерно 20%, рыночная капитализация около 300 миллионов долларов на момент написания, на момент публикации около 257 миллионов долларов) на данный момент успешно развивается и также переживает быстрые темпы принятия, как ранее сообщалось в объявлении Virtuals Protocol, уже более 200 проектов построены на G.A.M.E, ежедневные запросы превышают 150000, а недельный темп роста превышает 200%. G.A.M.E будет продолжать извлекать выгоду из взрывного роста VIRTUAL и может стать одним из крупнейших победителей в этой экосистеме.

  • Rig (доля рынка примерно 15%, рыночная капитализация около 160 миллионов долларов на момент написания, на момент публикации около 279 миллионов долларов) выделяется своей модульной конструкцией, которая очень привлекательна и проста в использовании, с перспективами занять доминирующее положение в экосистеме Solana (RUST).

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

В статистике выше «Доля рынка» учитывает рыночную капитализацию, историю разработки и широту конечного рынка для операционных систем.

Мы верим, что AI-фреймворки станут самым быстрорастущим сектором в этом цикле, общий рыночный капитал в 1.7 миллиарда долларов может легко вырасти до 20 миллиардов долларов; по сравнению с оценкой Layer1 в 2021 году, это может показаться довольно консервативным, когда многие единичные проекты были оценены выше 20 миллиардов долларов. Хотя указанные фреймворки обслуживают разные конечные рынки (цепочка/экосистема), учитывая, что мы считаем, что этот сектор будет расти в целом, использование взвешенного по рыночной капитализации подхода может быть наиболее осторожным.

Четыре основных фреймворка

На пересечении AI и Crypto появились несколько фреймворков, направленных на ускорение разработки AI, включая Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC), ZerePy (ZEREBRO). От проектов с открытым исходным кодом до корпоративных решений, ориентированных на производительность, каждый фреймворк отвечает разным требованиям и концепциям разработки агентов.

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

Этот отчет сначала сосредоточится на том, что такое эти фреймворки, какие языки программирования, технологическая архитектура, алгоритмы и уникальные функции с потенциальными случаями использования они используют. Затем мы сравним каждый фреймворк по удобству использования, масштабируемости, адаптивности и производительности, обсудив 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 TypeScript в качестве языка программирования, предоставляя гибкую и масштабируемую платформу для создания интеллектуальных агентов, которые могут взаимодействовать с людьми на нескольких платформах, сохраняя при этом последовательность индивидуальности и знаний.

Ключевые функции этого фреймворка включают: поддержку одновременного развертывания и управления несколькими уникальными AI-личностями в многоагентной архитектуре; создание системы ролей для разнообразных агентов с использованием ролей файлов; предоставление управления памятью с долгосрочной памятью и воспринимаемым контекстом через продвинутую систему RAG. Кроме того, фреймворк Eliza предлагает плавную интеграцию с платформами и надежное подключение к Discord, X и другим социальным медиа.

Eliza является отличным выбором для общения и медийных функций AI-агентов. В области коммуникации этот фреймворк поддерживает интеграцию с голосовыми каналами Discord, функциями X, Telegram и прямым доступом к API для кастомизированных случаев использования. С другой стороны, медийные функции этого фреймворка расширены до чтения и анализа PDF-документов, извлечения и резюмирования контента по ссылкам, транскрипции аудио, обработки видео-контента, анализа изображений и резюмирования диалогов, что позволяет эффективно обрабатывать различные медийные входные и выходные данные.

Eliza предлагает поддержку гибких AI-моделей, обеспечивая локальные выводы с использованием открытых моделей, облачные выводы с использованием предустановленных конфигураций, таких как OpenAI и Nous Hermes Llama 3.1B, а также поддержку интеграции Claude для обработки сложных запросов. Eliza приняла модульную архитектуру, обладая обширной системой действий, поддержкой пользовательских клиентов и всесторонним API, что обеспечивает кросс-приложенческую масштабируемость и адаптивность.

Случаи использования Eliza охватывают множество областей, таких как AI-помощники, связанные с поддержкой клиентов, управлением сообществом, личными задачами; например, автоматизированные создатели контента, представители брендов и другие роли в социальных медиа; также может действовать как интеллектуальный работник, выполняя роли помощника-исследователя, аналитика контента и обработчика документов; а также взаимодействия в форме ролевых роботов, образовательных наставников и агентов по недвижимости.

Архитектура Eliza построена вокруг времени работы агента (agent runtime), которое может безшовно интегрироваться с системой ролей (поддерживаемой поставщиками моделей), менеджером памяти (подключенным к базе данных) и системой действий (связанной с клиентом платформы). Уникальные функции этого фреймворка включают систему плагинов, позволяющую модульное расширение функциональности, поддержку мульти-форматов взаимодействия, таких как голос, текст и медиа, а также совместимость с ведущими AI моделями, такими как Llama, GPT-4 и Claude. Благодаря своей многофункциональности и мощному дизайну Eliza становится мощным инструментом для разработки AI-приложений в разных областях.

G.A.M.E

G.A.M.E разработан официальной командой Virtuals и расшифровывается как «Фреймворк генеративных автономных мультимодальных сущностей» (The Generative Autonomous Multimodal Entities Framework), который предназначен для предоставления разработчикам интерфейсов приложений (API) и наборов инструментов для разработки программного обеспечения (SDK), чтобы они могли экспериментировать с AI-агентами. Этот фреймворк предлагает структурированный подход к управлению поведением AI-агентов, принятию решений и процессами обучения.

  • Основные компоненты G.A.M.E следующие: во-первых, «Интерфейс подсказок агента» (Agent Prompting Interface) - это точка входа для разработчиков, чтобы интегрировать G.A.M.E в агентов для получения поведения агентов.

  • «Система восприятия» инициирует сеанс, задавая такие параметры, как ID сеанса, ID агента, пользователь и другие соответствующие детали. Она объединяет входящие сообщения в формат, подходящий для «Двигателя стратегического планирования», действуя как механизм восприятия для AI-агентов, независимо от того, представлено ли это в форме диалога или реакции. Ключевым элементом здесь является «Модуль обработки диалога», который отвечает за обработку сообщений и ответов от агентов и взаимодействует с «Системой восприятия», эффективно интерпретируя и отвечая на ввод.

  • «Двигатель стратегического планирования» работает в сотрудничестве с «Модулем обработки диалога» и «Оператором кошелька на блокчейне», создавая ответы и планы. Этот двигатель работает на двух уровнях: как высокоуровневый планировщик, создающий широкие стратегии в зависимости от контекста или целей; как низкоуровневая стратегия, превращающая эти стратегии в осуществимые политики, дополнительно разбивая их на планировщики действий (для задания задач) и исполнители планов (для выполнения задач).

  • Отдельный, но важный компонент - это «Мир контекста», который ссылается на окружающую среду, информацию о мире и состояние игры, обеспечивая необходимый контекст для принятия решений агентами. Кроме того, «Библиотека агентов» используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и индивидуальность, которые вместе формируют поведение и процесс принятия решений агентами. Этот фреймворк использует «Краткосрочную рабочую память» и «Модуль обработки долгосрочной памяти» - краткосрочная память хранит актуальную информацию о предыдущих действиях, результатах и текущих планах; в отличие от этого, модуль долгосрочной памяти извлекает ключевую информацию на основе таких критериев, как важность, актуальность и релевантность. Эта память хранит знания о опыте, размышлениях, динамической индивидуальности, контексте мира и рабочей памяти агента, чтобы улучшить принятие решений и обеспечить основу для обучения.

  • Чтобы увеличить объем, «Модуль обучения» получает данные из «Системы восприятия», чтобы создавать общие знания, 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 к планированию и принятию решений.

Рабочий процесс начинается с взаимодействия разработчика через интерфейс подсказок агента; «Система восприятия» обрабатывает ввод и передает его в «Модуль обработки диалога», который управляет логикой взаимодействия; затем «Двигатель стратегического планирования» на основе этой информации разрабатывает и выполняет планы, используя продвинутую стратегию и детализированное планирование действий.

Данные из «мира контекста» и «библиотеки агентов» предоставляют информацию для этих процессов, в то время как рабочая память отслеживает текущие задачи. В то же время «модуль обработки долгосрочной памяти» хранит и извлекает знания с течением времени. Модуль обучения анализирует результаты и интегрирует новые знания в систему, позволяя поведению и взаимодействию агентов постоянно улучшаться.

Rig

Rig - это открытый фреймворк на основе Rust, предназначенный для упрощения разработки приложений для больших языковых моделей (LLM). Он предоставляет 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 такие ключевые компоненты, как «Уровень абстракции поставщика», «Интеграция векторного хранилища» и «Система агентов», что облегчает бесшовное взаимодействие с LLM.

Основная аудитория Rig включает разработчиков, использующих Rust для создания приложений AI/ML, второстепенная аудитория - организации, ищущие интеграцию нескольких поставщиков LLM и векторных хранилищ в свои приложения на Rust. Ресурсная библиотека организована по структуре рабочего пространства и включает несколько crate, обеспечивающих масштабируемость и эффективное управление проектом. Основные функции Rig включают «Уровень абстракции поставщика», который стандартизирует API, используемые для завершения и внедрения поставщиков LLM, через последовательную обработку ошибок; компонент «Интеграции векторного хранилища» предоставляет абстрактный интерфейс для нескольких бэкендов и поддерживает поиск по векторному сходству; «Система агентов» упрощает взаимодействие с LLM, поддерживая RAG и интеграцию инструментов. Кроме того, встроенный фреймворк предлагает возможности пакетной обработки и типобезопасные операции внедрения.

Rig использует несколько технологических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронные runtimes Rust для эффективной обработки большого количества параллельных запросов; встроенный механизм обработки ошибок фреймворка повышает способность восстанавливаться от сбоев поставщиков AI или операций с базами данных; типобезопасность предотвращает ошибки во время компиляции, тем самым повышая поддерживаемость кода; эффективные процессы сериализации и десериализации помогают обрабатывать данные в таких форматах, как JSON, что критически важно для связи и хранения AI-сервисов; детальная запись и панели управления дополнительно помогают отладке и мониторингу приложений.

Рабочий процесс в Rig начинается с инициирования запроса клиентом, который проходит через «Уровень абстракции поставщика», взаимодействуя с соответствующей моделью LLM; затем данные обрабатываются в основной части, где агенты могут использовать инструменты или получать доступ к векторным хранилищам для получения контекста; ответы генерируются и уточняются через сложные рабочие процессы, такие как RAG, включая извлечение документов и понимание контекста, после чего возвращаются клиенту. Эта система интегрирует несколько поставщиков LLM и векторных хранилищ, адаптируясь к изменению доступности или производительности моделей.

Сценарии использования Rig разнообразны, 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 контекстуальное взаимодействие для обслуживания клиентов или обучения. Он также поддерживает создание контента, способного создавать текст и другие материалы на основе изученных шаблонов, что делает его многофункциональным инструментом для разработчиков и организаций.

ZerePy

ZerePy - это открытый фреймворк, написанный на Python, предназначенный для развертывания агентов на X с использованием LLM OpenAI или Anthropic. ZerePy основан на модульной версии бэкенда Zerebro, позволяя разработчикам развертывать агентов с функциями, аналогичными основным функциям Zerebro. Хотя этот фреймворк предоставляет основу для развертывания агентов, для достижения креативного результата необходимо провести тонкую настройку модели. ZerePy упрощает разработку и развертывание персонализированных AI-агентов, особенно для создания контента на социальных платформах, способствуя развитию AI-креативной экосистемы с акцентом на искусство и децентрализованные приложения.

Этот фреймворк построен на языке Python, подчеркивает автономность агентов и фокусируется на создании креативного контента, что соответствует архитектуре и партнерству Eliza. Его модульный дизайн поддерживает интеграцию систем памяти, что упрощает развертывание агентов на социальных платформах. Его ключевые функции включают интерфейс командной строки для управления агентами, интеграцию с X, поддержку OpenAI и Anthropic LLM, а также модульную систему подключения для расширения функциональности.

Сценарии использования ZerePy охватывают автоматизацию социальных медиа, где пользователи могут развертывать AI-агентов для публикации, ответов, лайков и ретвитов, увеличивая вовлеченность на платформе. Кроме того, он подходит для создания контента в таких областях, как музыка, заметки и NFT, что делает его важным инструментом для цифрового искусства и контентных платформ на базе блокчейна.

Горизонтальное сравнение

На наш взгляд, каждый из вышеупомянутых фреймворков предлагает уникальный подход к разработке AI, отвечая конкретным потребностям и условиям, что делает дебаты не ограниченными тем, конкурируют ли эти фреймворки друг с другом, а сосредоточенными на том, может ли каждый фреймворк предоставить уникальные полезные функции и ценность.

  • Eliza выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с JavaScript и Node.js. Ее обширная документация помогает настраивать AI-агенты на различных платформах, хотя ее богатый функционал может представлять умеренную кривую обучения. Благодаря использованию TypeScript, Eliza идеально подходит для создания агентов, встроенных в веб, так как большая часть фронтенд-инфраструктуры построена на TypeScript. Этот фреймворк известен своей архитектурой с несколькими агентами, способной развертывать разнообразные AI-личности на платформах, таких как Discord, X и Telegram. Ее продвинутая система RAG для управления памятью делает ее особенно подходящей для создания помощников AI для клиентской поддержки или социальных медиа. Хотя она предлагает гибкость, мощную поддержку сообщества и последовательную кросс-платформенную производительность, она все еще находится на раннем этапе, что может создать кривую обучения для разработчиков.

  • G.A.M.E разработан специально для разработчиков игр, предоставляя интерфейс с низким или отсутствующим кодом через API, что облегчает доступ пользователям с низким уровнем технической подготовки в области игр. Однако он сосредоточен на разработке игр и интеграции блокчейна, что может привести к крутому обучению для тех, кто не имеет соответствующего опыта. Он выделяется в генерации программного контента и поведении NPC, но также ограничен своей узкой специализацией и дополнительной сложностью при интеграции с блокчейном.

  • Rig может быть менее дружелюбным для пользователей из-за сложности языка Rust, что создает значительные вызовы для обучения, но для тех, кто владеет системным программированием, он может предоставить интуитивное взаимодействие. По сравнению с TypeScript, Rust известен своей производительностью и безопасностью памяти. Он обеспечивает строгую проверку на этапе компиляции и нулевую стоимость абстракции, что необходимо для выполнения сложных алгоритмов искусственного интеллекта. Эффективность и низкий уровень контроля делают его идеальным выбором для ресурсоемких AI-приложений. Этот фреймворк предлагает модульный и масштабируемый дизайн, обеспечивая высокопроизводительные решения, что делает его особенно подходящим для корпоративных приложений. Однако для разработчиков, незнакомых с языком Rust, его использование может создавать крутую кривую обучения.

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

Сравнение масштабируемости четырех основных фреймворков выглядит следующим образом.

  • Eliza достигла значительного прогресса после обновления до версии V2, введя единую линию сообщений и масштабируемую основную структуру, что обеспечило эффективное управление на нескольких платформах. Однако без оптимизации управление таким многоплатформенным взаимодействием может представлять собой проблемы с масштабируемостью.

  • G.A.M.E превосходит в реальном времени обработки, необходимом для игр, и его масштабируемость может управляться эффективными алгоритмами и потенциальной распределенной системой блокчейна, хотя может быть ограничена определенными игровыми движками или сетями блокчейна.

  • Фреймворк Rig может использовать преимущества производительности Rust для улучшения масштабируемости, изначально разработанного для приложений с высоким пропуском, что может быть особенно эффективным для корпоративных развертываний, хотя это может означать, что для достижения истинной масштабируемости требуется сложная настройка.

  • Масштабируемость ZerePy ориентирована на креативный вывод и поддерживается сообществом, но акцент этого фреймворка может ограничить его применение в более широком AI-контексте, его масштабируемость может подвергнуться испытанию разнообразием креативных задач, а не количеством пользователей.

В области применимости Eliza значительно опережает других благодаря своей системе плагинов и кросс-платформенной совместимости, за ней следуют G.A.M.E в игровых средах и Rig для обработки сложных AI-задач. ZerePy продемонстрировала высокую адаптивность в креативной сфере, но менее применима в более широком контексте AI.

Результаты тестирования четырех основных фреймворков в области производительности выглядят следующим образом.

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

  • G.A.M.E фокусируется на высокопроизводительных взаимодействиях в игровых сценариях, используя эффективные процессы принятия решений и возможный блокчейн для децентрализованных операций AI.

  • Rig на основе Rust может обеспечить отличные показатели производительности для вычислительных задач, подходящих для корпоративных приложений, где вычислительная эффективность имеет первостепенное значение.

  • Производительность ZerePy направлена на создание креативного контента, и ее показатели сосредоточены на эффективности и качестве генерации контента, что может быть менее универсально за пределами творческой сферы.

С учетом вышеупомянутых преимуществ и недостатков, Eliza предлагает лучшую гибкость и масштабируемость, система плагинов и конфигурация ролей делают ее высоко адаптивной, что полезно для кросс-платформенных социальных взаимодействий AI; G.A.M.E может предложить уникальные способности для реального времени в игровых сценариях и предлагает новые AI-включения через интеграцию блокчейна; Преимущества Rig заключаются в его производительности и масштабируемости, что делает его подходящим для корпоративных AI-задач, с акцентом на простоту кода и модульность, чтобы обеспечить долгосрочное развитие проектов; ZerePy хорошо справляется с развитием креативности и занимает лидирующие позиции в приложениях AI в цифровом искусстве, поддерживаемый активным сообществом.

В общем, каждый фреймворк имеет свои ограничения. Eliza все еще находится на раннем этапе, и существуют потенциальные проблемы с стабильностью, кривая обучения для новых разработчиков довольно крутая; G.A.M.E может ограничивать свое более широкое применение узкой направленностью; внедрение блокчейна увеличивает сложность; кривая обучения Rig более крутая из-за сложности языка Rust, что может отпугнуть некоторых разработчиков; Zerepy может ограничивать свое применение в других областях AI из-за узкой направленности на креативный вывод.

Основные сравнения

Rig (ARC)

  • Язык: Rust, акцент на безопасности и производительности.

  • Использование: акцент на эффективности и масштабируемости, идеален для корпоративных AI-приложений.

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

Eliza (AI16Z)

  • Язык: TypeScript, акцент на гибкости Web3 и участии сообщества.

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

  • Сообщество: активно поддерживается сообществом, с обширными связями с GitHub.

ZerePy (ZEREBRO):

  • Язык: Python, более доступен для более широкой группы разработчиков AI.

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

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

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

  • Ключевой момент: автономные, адаптивные AI-агенты, которые могут эволюционировать на основе взаимодействий в виртуальной среде.

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

  • Сообщество: инновационное, но все еще определяет свое место в конкуренции.

Рост данных Github

Вышеупомянутое графическое представление показывает изменения в данных звезд на GitHub с момента запуска этих фреймворков. В общем, звезды на GitHub могут служить показателем интереса сообщества, популярности проекта и воспринимаемой ценности проекта.

  • Eliza (красная линия): График показывает значительный и стабильный рост количества звезд для этого фреймворка, начиная с низкой базы в июле и резко увеличиваясь в конце ноября, достигнув 6100 звезд. Это свидетельствует о быстром росте интереса к этому фреймворку и привлечении внимания разработчиков. Экспоненциальный рост указывает на то, что Eliza получила огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества, и ее популярность значительно превышает другие продукты, что указывает на сильную поддержку сообщества и более широкий интерес или применимость в сообществе искусственного интеллекта.

  • Rig (синяя линия): Rig является самым «старым» из четырех фреймворков, его рост звезд незначителен, но стабилен, а в последний месяц он заметно увеличился. Общее количество звезд достигло 1700, но все еще находится на восходящей траектории. Стабильное накопление интереса является результатом постоянной разработки, обновлений и растущей пользовательской базы. Это может отражать тот факт, что Rig все еще накапливает репутацию.

  • ZerePy (желтая линия): ZerePy только что запустился несколько дней назад, и количество звезд уже возросло до 181. Необходимо подчеркнуть, что ZerePy требуется больше разработок для повышения своей видимости и коэффициента принятия, а сотрудничество с ai16z может привлечь больше участников к его кодовой базе.

  • G.A.M.E (зеленая линия): У этого фреймворка всего несколько звезд, но стоит отметить, что этот фреймворк может быть непосредственно применен к агентам в экосистеме Virtual через API, поэтому публикация на GitHub не требуется. Тем не менее, хотя этот фреймворк стал публичным всего чуть больше месяца назад, уже более 200 проектов используют G.A.M.E для своей разработки.

Ожидания по обновлениям AI-фреймворка

Версия 2.0 Eliza будет включать интеграцию с набором инструментов Coinbase для агентов. Все проекты, использующие Eliza, получат поддержку для будущих нативных TEE (доверенных исполняемых сред), позволяя агентам работать в безопасной среде. Реестр плагинов (Plugin Registry) - это функция, которая скоро будет внедрена в Eliza, позволяющая разработчикам бесшовно регистрировать и интегрировать плагины.

Кроме того, Eliza 2.0 будет поддерживать автоматизированные анонимные кросс-платформенные сообщения. Ожидается, что белая книга Tokenomics, выпущенная 1 января 2025 года, окажет положительное влияние на токены AI16Z, поддерживающие фреймворк Eliza. ai16z планирует продолжать усиливать функциональность этого фреймворка и привлекать высококвалифицированные кадры, основываясь на усилиях своих основных вкладчиков.

Фреймворк G.A.M.E предлагает интеграцию без кода для агентов, позволяя одновременно использовать G.A.M.E и Eliza в одном проекте, каждый из которых обслуживает конкретные случаи использования. Этот подход ожидается привлечет разработчиков, сосредоточенных на бизнес-логике, а не на технической сложности. Хотя этот фреймворк стал публичным всего чуть более 30 дней назад, благодаря усилиям команды привлечь больше участников, он уже добился 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 развитие все еще находится на ранних стадиях, проекты, продвигающие использование Rig, также только что стартовали. Однако ожидается, что вскоре появятся качественные проекты, сочетающиеся с ARC, аналогично виртуальному маховику, но с акцентом на Solana. Команда Rig оптимистично настроена по поводу сотрудничества с Solana и позиционирует ARC как виртуальный проект Solana. Стоит отметить, что команда не только стимулирует новые проекты, запущенные с использованием Rig, но и поощряет разработчиков улучшать сам фреймворк Rig.

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