Джерело статті: Odaily зіркова щоденна газета

Ця стаття взята з: Deep Value Memetics

Скомпільовано｜Odaily зіркова щоденна газета (@OdailyChina)

Перекладач｜Azuma (@azuma_eth)

Підсумок

У цьому звіті ми обговорюємо розвиток основних фреймворків у сфері Crypto & AI. Ми розглянемо сучасні чотири основні фреймворки: Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC), ZerePy (ZEREBRO), проаналізуємо їх технологічні відмінності та потенціал розвитку.

Протягом минулого тижня ми провели аналіз та тестування вищезазначених чотирьох фреймворків, підсумок є наступним.

  • Ми вважаємо, що Eliza (частка ринку близько 60%, ринкова вартість близько 900 мільйонів доларів на момент написання, ринкова вартість приблизно 1,4 мільярда доларів на момент публікації) продовжить домінувати на ринку. Цінність Eliza полягає в його перевазі попереднього виходу та прискореному прийнятті розробниками, що підтверджується 193 учасниками, 1800 розгалуженнями та понад 6000 зірками на GitHub, що робить його одним із найпопулярніших репозиторіїв програмного забезпечення на GitHub.

  • G.A.M.E (частка ринку близько 20%, ринкова вартість близько 300 мільйонів доларів на момент написання, ринкова вартість близько 257 мільйонів доларів на момент публікації) на сьогоднішній день розвивається дуже успішно та переживає швидке прийняття, як зазначалося в оголошенні, опублікованому раніше протоколом Virtuals, вже існує понад 200 проектів, побудованих на основі G.A.M.E, з щоденними запитами понад 150 000 та тижневим темпом зростання понад 200%. G.A.M.E продовжить отримувати вигоду від вибуху VIRTUAL і може стати одним із найбільших переможців у цій екосистемі.

  • Rig (частка ринку близько 15%, ринкова вартість близько 160 мільйонів доларів на момент написання, ринкова вартість близько 279 мільйонів доларів на момент публікації) має модульний дизайн, що є дуже привабливим та легким у використанні, з потенціалом стати домінуючим у екосистемі Solana (RUST).

  • Zerepy (частка ринку близько 5%, ринкова вартість близько 300 мільйонів доларів на момент написання, ринкова вартість близько 424 мільйонів доларів на момент публікації) є більш нішевим додатком, специфічним для запального ZEREBRO, співпраця з спільнотою ai16z може призвести до певного синергійного ефекту.

У вищезазначеній статистиці "частка ринку" обчислювалась з урахуванням ринкової капіталізації, записів розробки та широти базової операційної системи ринків.

Ми вважаємо, що AI-фреймворки стануть найшвидше зростаючим сегментом у цьому циклі, поточна загальна ринкова вартість близько 1,7 мільярда доларів легко зросте до 20 мільярдів доларів, що може бути досить консервативним, у порівнянні з оцінками Layer1 на піку 2021 року — коли багато окремих проектів досягли вартості понад 20 мільярдів доларів. Хоча вищезгадані фреймворки обслуговують різні кінцеві ринки (ланцюг/екосистема), враховуючи, що ми вважаємо, що цей сегмент зросте в цілому, обрання методології з ринковою капіталізацією може бути найобережнішим.

Чотири основних фреймворки

На перетині AI та Crypto з'явилися кілька фреймворків, що мають на меті прискорення розробки AI, зокрема Eliza (AI16Z), G.A.M.E (GAME), Rig (ARC), ZerePy (ZEREBRO). Від проектів з відкритим кодом до корпоративних рішень, зосереджених на продуктивності, кожен фреймворк відповідає різним потребам та ідеологіям розробки агентів.

У нижній таблиці ми перерахували ключові технології, компоненти та переваги кожного фреймворка.

Цей звіт спочатку зосередиться на тому, що таке ці фреймворки, які мови програмування, технологічні архітектури, алгоритми та унікальні функції з потенційними випадками використання вони використовують. Потім ми порівняємо кожен фреймворк на основі зручності використання, масштабованості, адаптивності та продуктивності, обговорюючи їх переваги та обмеження.

Eliza

Eliza — це відкритий фреймворк для симуляції багатьох агентів, розроблений ai16z, призначений для створення, розгортання та управління автономними AI-агентами. Він використовує TypeScript як мову програмування, забезпечуючи гнучку та масштабовану платформу для створення інтелектуальних агентів, здатних взаємодіяти з людьми на різних платформах, зберігаючи при цьому послідовність особистості та знань.

Основні функції цього фреймворка включають: підтримку одночасного розгортання та управління кількома унікальними AI-особистостями в багатоякісній архітектурі агента; створення системи ролей різноманітних агентів за допомогою фреймворку ролей; надання функцій управління пам'яттю з довгостроковою пам'яттю та усвідомленням контексту через просунуту систему RAG. Крім того, фреймворк Eliza забезпечує плавну інтеграцію платформ, що дозволяє надійно підключатися до Discord, X та інших платформ соціальних медіа.

У сфері комунікації та медіа-функцій AI-агентів Eliza є відмінним вибором. У комунікації цей фреймворк підтримує інтеграцію з функціями голосових каналів Discord, функціями X, Telegram, а також прямим доступом API для налаштованих випадків використання. З іншого боку, медіа-обробка цього фреймворка розширена до читання та аналізу PDF-документів, витягування та узагальнення вмісту, транскрипції аудіо, обробки відеоконтенту, аналізу зображень та узагальнення діалогів, що дозволяє ефективно обробляти різноманітні медіа-входи та виходи.

Eliza пропонує підтримку гнучких AI-моделей, здійснюючи локальне виведення з використанням відкритих моделей, хмарного виведення з використанням OpenAI та за замовчуванням конфігурацій, таких як Nous Hermes Llama 3.1B, та підтримує інтеграцію Claude для обробки складних запитів. Eliza має модульну архітектуру, з широкою системою дій, підтримкою налаштованих клієнтів та всебічним API, що забезпечує міжплатформену масштабованість та адаптивність.

Випадки використання Eliza охоплюють кілька сфер, таких як AI-асистенти, пов'язані з підтримкою клієнтів, управлінням спільнотами, особистими завданнями; наприклад, автоматизовані творці контенту, представники брендів у соціальних медіа; також може виступати в ролі знань, виконуючи функції дослідницького помічника, аналітика контенту та обробника документів; та взаємодіючі ролі, такі як рольові роботи, освітні наставники та агенти з продажу.

Архітектура Eliza побудована навколо часу роботи агента (agent runtime), який може безшовно інтегруватися з системою ролей (підтримується постачальниками моделей), менеджером пам'яті (підключеним до бази даних) та системою дій (пов'язаної з платформою клієнта). Унікальні функції цього фреймворка включають плагінову систему, що дозволяє модульно розширювати функціонал, підтримку мультимодальної взаємодії, такої як голос, текст та медіа, а також сумісність з провідними AI моделями, такими як Llama, GPT-4 та Claude. Завдяки своїй багатофункціональності та потужному дизайну Eliza стала потужним інструментом для розробки AI-додатків у різних сферах.

G.A.M.E

G.A.M.E розроблено офіційною командою Virtuals, повна назва — "Генеративна автономна мультимодальна сутність (The Generative Autonomous Multimodal Entities Framework)", цей фреймворк має на меті надати розробникам API та SDK для експериментів з AI агентами. Фреймворк пропонує структурований підхід для управління поведінкою агентів, прийняттям рішень і процесами навчання.

  • Основні компоненти G.A.M.E виглядають так: по-перше, "інтерфейс підказок агентів" (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати G.A.M.E в агентів для отримання поведінки агентів.

  • "Субсистема сприйняття" запускає сеанс, вказуючи параметри, такі як ID сеансу, ID агента, користувача та інші відповідні деталі. Вона компонує вхідні повідомлення в формат, придатний для "двигуна стратегічного планування", виконуючи роль механізму чуттів AI-агента у формі діалогу або реакції. Тут ключовим є "модуль обробки діалогу", що відповідає за обробку повідомлень та відповідей від агента, а також співпрацює з "субсистемою сприйняття", ефективно інтерпретуючи та реагуючи на вхідні дані.

  • "Двигун стратегічного планування" працює разом з "модулем обробки діалогу" та "оператором гаманця на ланцюгу", генеруючи відповіді та плани. Цей двигун працює на двох рівнях: як високий планувальник, що створює загальні стратегії на основі контексту чи цілей; а також як низький стратег, що перетворює ці стратегії на виконувані політики, далі деталізуючи їх у планувальники дій (для специфікації завдань) та виконавці планів (для виконання завдань).

  • Один окремий, але ключовий компонент — це "світовий контекст", який посилається на навколишнє середовище, інформацію про світ та стан гри, надаючи необхідний контекст для рішень агентів. Крім того, "бібліотека агентів" використовується для зберігання довгострокових атрибутів, таких як цілі, роздуми, досвід та особистість, які спільно формують поведінку та процес прийняття рішень агентів. Цей фреймворк використовує "короткочасну робочу пам'ять" та "обробник довгострокової пам'яті" — короткочасна пам'ять зберігає інформацію про попередні дії, результати та поточні плани; натомість, обробник довгострокової пам'яті витягує ключову інформацію відповідно до важливості, нещодавності та релевантності. Ця пам'ять зберігає інформацію про досвід агента, роздуми, динамічну особистість, світовий контекст та робочу пам'ять, щоб покращити прийняття рішень та забезпечити базу для навчання.

  • Щоб покращити структуру, "модуль навчання" отримує дані з "субсистеми сприйняття" для генерації загальних знань, які зворотно надходять у систему для оптимізації майбутніх взаємодій. Розробники можуть надавати зворотний зв'язок через інтерфейс про дії, стан гри та сенсорні дані, щоб покращити навчання AI-агента та підвищити його можливості планування та прийняття рішень.

Робочий процес починається з того, що розробник взаємодіє через інтерфейс підказок агента; "субсистема сприйняття" обробляє вхідні дані та пересилає їх до "модуля обробки діалогу", який управляє логікою взаємодії; далі "двигун стратегічного планування" на основі цієї інформації використовує високі стратегії та детальне планування дій для формування та виконання планів.

Дані з "світового контексту" та "бібліотеки агентів" надають інформацію для цих процесів, в той час як робоча пам'ять відстежує миттєві завдання. Водночас "обробник довгострокової пам'яті" зберігає та витягує знання з часом. "Модуль навчання" аналізує результати та інтегрує нові знання в систему, що дозволяє постійно покращувати поведінку та взаємодію агентів.

Rig

Rig — це відкритий фреймворк на базі Rust, призначений для спрощення розробки застосунків на базі великих мовних моделей (LLM). Він надає єдиний інтерфейс для взаємодії з кількома постачальниками LLM (такими як OpenAI та Anthropic) і підтримує різноманітні векторні сховища, включаючи MongoDB та Neo4j. Модульна архітектура цього фреймворка має такі основні компоненти, як "абстрактний рівень постачальника", "інтеграція векторного сховища" та "агентська система", що полегшують безшовну взаємодію з LLM.

Основна аудиторія Rig включає розробників, які розробляють AI/ML-додатки на Rust, а вторинна аудиторія включає організації, які прагнуть інтегрувати кілька постачальників LLM та векторних сховищ у свої Rust-додатки. Ресурсний репозиторій організований на основі структури робочого простору, що містить кілька crates, що забезпечує масштабованість та ефективне управління проектом. Основні функції Rig включають "абстрактний рівень постачальника", який стандартизує API для завершення та вбудовування постачальників LLM через послідовну обробку помилок; компонент "інтеграції векторного сховища" забезпечує абстрактний інтерфейс для кількох бекендів і підтримує векторний пошук подібності; "агентська система" спрощує взаємодію з LLM, підтримуючи генерацію на основі пошуку з підвищенням (RAG) та інтеграцію інструментів. Крім того, вбудований фреймворк пропонує можливості пакетної обробки та типобезпечні операції вбудовування.

Rig використовує кілька технологічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний час виконання Rust для ефективної обробки великої кількості паралельних запитів; вбудований механізм обробки помилок підвищує здатність відновлюватися від збоїв AI-постачальників або бази даних; типобезпечність запобігає помилкам на етапі компіляції, покращуючи підтримуваність коду; ефективні процеси серіалізації та десеріалізації допомагають обробляти дані у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання AI-сервісів; детальне ведення журналу та моніторинг додатків також сприяють налагодженню та моніторингу.

Робочий процес у Rig починається з того, що клієнт ініціює запит, який проходить через "абстрактний рівень постачальника" та взаємодіє з відповідною моделлю LLM; потім дані обробляються основним рівнем, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища для отримання контексту; через складні робочі процеси, такі як RAG, створюються та вдосконалюються відповіді, включаючи витягання документів та розуміння контексту, які потім повертаються клієнту. Ця система інтегрує кілька постачальників LLM та векторні сховища, що дозволяє адаптуватися до доступності моделей або змін у продуктивності.

Випадки використання Rig різноманітні, включаючи системи запитів та відповідей, що витягують відповідні документи для надання точних відповідей, документи для ефективного виявлення контенту та чат-боти або віртуальних помічників для контекстуальної взаємодії в роботі з клієнтами чи освітою. Він також підтримує генерацію контенту, здатний створювати текст та інші матеріали на основі вивчених шаблонів, є універсальним інструментом для розробників та організацій.

ZerePy

ZerePy — це відкритий фреймворк, написаний на Python, призначений для розгортання агентів на X, використовуючи OpenAI або Anthropic LLM. ZerePy походить від модульної версії бекенду Zerebro, що дозволяє розробникам запускати агентів із функціями, схожими на основні функції Zerebro. Хоча цей фреймворк забезпечує базу для розгортання агентів, щоб створити творчий вихід, моделі потрібно доопрацювати. ZerePy спрощує розробку та розгортання персоналізованих AI-агентів, особливо для створення контенту в соціальних платформах, сприяючи AI-креативній екосистемі, спрямованій на мистецтво та децентралізовані додатки.

Цей фреймворк побудований на мові Python, підкреслюючи автономність агентів та акцентуючи увагу на генерації творчого виходу, що узгоджується з архітектурою Eliza + партнерством. Його модульний дизайн підтримує інтеграцію систем пам'яті, що полегшує розгортання агентів на соціальних платформах. Його основні функції включають командний інтерфейс для управління агентами, інтеграцію з X, підтримку OpenAI та Anthropic LLM, а також модульну систему підключення для розширення функціональності.

Випадки використання ZerePy охоплюють автоматизацію соціальних медіа, де користувачі можуть розгортати AI-агентів для публікацій, відповідей, лайків та ретвітів, щоб підвищити залученість на платформі. Крім того, він підходить для створення контенту в музиці, нотатках та NFT, що робить його важливим інструментом для цифрового мистецтва та платформ контенту на базі блокчейн.

Горизонтальне порівняння

На нашу думку, кожен з наведених фреймворків пропонує унікальний підхід до розробки AI, задовольняючи специфічні потреби та середовища, що робить дискусії не лише зосередженими на тому, чи є ці фреймворки конкурентами один одному, а скоріше на тому, чи може кожен фреймворк надати унікальну користь та цінність.

  • Eliza вирізняється своїм дружнім інтерфейсом, особливо підходить для розробників, знайомих з JavaScript та Node.js. Її всебічна документація допомагає налаштувати AI-агентів на різних платформах, хоча її багатий функціонал може представити помірну криву навчання, але завдяки використанню TypeScript Eliza дуже підходить для побудови агентів, вбудованих у мережу, оскільки більшість фронтенд-інфраструктури вебу побудована за допомогою TypeScript. Цей фреймворк відомий своєю архітектурою з багатьма агентами, здатними розгортати різноманітних AI-агентів на платформах, таких як Discord, X та Telegram. Його просунута система RAG використовується для управління пам'яттю, що робить його особливо підходящим для створення AI-асистентів для обслуговування клієнтів або соціальних медіа. Хоча він пропонує гнучкість, потужну підтримку спільноти та послідовну міжплатформену продуктивність, він все ще на ранній стадії і може створити криву навчання для розробників.

  • G.A.M.E спеціально розроблено для розробників ігор, пропонуючи інтерфейс з низьким або безкодовим доступом через API, що полегшує доступ для користувачів з низьким рівнем технічних знань у сфері ігор. Проте він зосереджений на розробці ігор та інтеграції блокчейн, що може зробити криву навчання досить крутою для тих, хто не має відповідного досвіду. Він особливо добре справляється з програмною генерацією контенту та поведінкою NPC, але також обмежений своєю нішевою сферою та додатковою складністю при інтеграції блокчейн.

  • Rig, використовуючи мову Rust, може бути менш дружнім до користувачів через складність цієї мови, що створює великі труднощі в навчанні, але для тих, хто добре знається на системному програмуванні, воно може запропонувати інтуїтивну взаємодію. У порівнянні з TypeScript, Rust відомий своєю продуктивністю та безпекою пам'яті. Він має сувору перевірку на етапі компіляції та нульову вартість абстракцій, що є необхідним для виконання складних алгоритмів штучного інтелекту. Висока ефективність та низькі вимоги до контролю роблять його ідеальним вибором для ресурсномістких AI-додатків. Цей фреймворк має модульну та масштабовану конструкцію, що дозволяє надавати високопродуктивні рішення, які ідеально підходять для корпоративних додатків. Проте, для розробників, які не знайомі з мовою Rust, використання Rust може призвести до крутої кривої навчання.

  • ZerePy використовує мову Python, що забезпечує вищу доступність для творчих AI-завдань. Для розробників на Python, особливо з фоном в AI/ML, крива навчання є меншою, а завдяки популярності ZEREBRO є можливість отримати потужну підтримку спільноти. ZerePy відзначається в творчих AI-додатках, таких як NFT, і цей фреймворк також позиціонує себе як потужний інструмент у сфері цифрових медіа та мистецтва. Хоча він виділяється у творчості, його застосування досить вузьке порівняно з іншими фреймворками.

Щодо масштабованості, порівняння чотирьох основних фреймворків виглядає так.

  • Eliza досягла значного прогресу після оновлення версії V2, впровадивши єдину лінію повідомлень та розширювану базову структуру, що забезпечила ефективне управління між платформами. Проте без оптимізації управління такою багатоплатформенною взаємодією можуть виникнути проблеми з масштабованістю.

  • G.A.M.E спеціалізується на реальному часі обробки, необхідній для ігор, її масштабованість може керуватися ефективними алгоритмами та потенційними дистрибутивними системами блокчейну, хоча можуть виникнути обмеження з боку конкретних ігрових движків або блокчейн-мереж.

  • Фреймворк Rig може використовувати переваги продуктивності Rust для кращої масштабованості, природно розроблений для додатків з високою пропускною здатністю, що може бути особливо ефективним для корпоративного розгортання, хоча це може означати, що для досягнення справжньої масштабованості потрібні складні налаштування.

  • Масштабованість ZerePy зосереджена на творчому виході та підтримується внесками спільноти, але акцент цього фреймворка може обмежити його застосування в більш широкому середовищі штучного інтелекту, його масштабованість може випробовуватися різноманітністю творчих завдань, а не кількістю користувачів.

У плані застосовності Eliza, завдяки своїй системі плагінів та міжплатформеній сумісності, на багато кроків випереджає інші фреймворки, потім G.A.M.E у ігрових середовищах та Rig у обробці складних AI-завдань. ZerePy показує високу адаптивність у творчій сфері, але в більш широкій сфері AI-додатків його застосування є обмеженим.

Щодо продуктивності, результати тестування чотирьох основних фреймворків виглядають так.

  • Eliza оптимізована для швидкої взаємодії в соціальних мережах, але при обробці більш складних обчислювальних завдань її продуктивність може варіюватися.

  • G.A.M.E зосереджено на високопродуктивній реальному часу взаємодії в ігрових сценах, використовуючи ефективні процеси прийняття рішень і потенційний блокчейн для децентралізованої AI-операції.

  • Rig на базі Rust може забезпечити чудову продуктивність для обчислювальних завдань, що є критично важливими для корпоративних додатків.

  • Продуктивність ZerePy зосереджена на створенні творчого контенту, її показники зосереджені на ефективності та якості генерації контенту, які можуть бути менш корисними поза творчою сферою.

Поєднуючи наведені вище переваги та недоліки, Eliza забезпечує кращу гнучкість та масштабованість, система плагінів та конфігурація ролей роблять її дуже адаптивною, що сприяє міжплатформеній соціальній взаємодії AI; G.A.M.E може запропонувати унікальні можливості реального часу в ігрових сценах та новаторський AI-участь через інтеграцію блокчейн; переваги Rig полягають у його продуктивності та масштабованості, що робить його підходящим для корпоративних AI-завдань, з акцентом на простоту коду та модульність для забезпечення довгострокового здорового розвитку проекту; Zerepy спеціалізується на розвитку креативності, займаючи лідируючу позицію у AI-додатках цифрового мистецтва та отримуючи підтримку активної спільноти.

Отже, у кожного фреймворка є свої обмеження. Eliza все ще на ранній стадії, існують потенційні проблеми з стабільністю, крива навчання для нових розробників є довгою; G.A.M.E може обмежити свою більш широку застосованість через свою нішеву увагу, а інтеграція блокчейн також може підвищувати складність; крива навчання Rig є більш крутою через складність мови Rust, що може відштовхнути деяких розробників; Zerepy може обмежити свої застосування в інших сферах штучного інтелекту через вузьке зосередження на творчому виході.

Основні порівняння

Rig (ARC)

  • Мова: Rust, з акцентом на безпеку та продуктивність.

  • Випадки використання: з акцентом на ефективність і масштабованість, є ідеальним вибором для корпоративних AI-додатків.

  • Спільнота: менше управлінської підтримки спільноти, більше акценту на технічних розробниках.

Eliza (AI16Z)

  • Мова: TypeScript, з акцентом на гнучкість Web3 та участь спільноти.

  • Випадки використання: спеціально розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатоагентні системи.

  • Спільнота: високоактивна спільнота, з широкими зв'язками з GitHub.

ZerePy (ZEREBRO):

  • Мова: Python, легше приймається більш широкою спільнотою розробників AI.

  • Випадки використання: підходить для автоматизації соціальних медіа та простіших завдань AI-агентів.

  • Спільнота: порівняно нова, але завдяки популярності Python та підтримці учасників ai16z зростання очікується.

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

  • Ключові моменти: автономні, адаптивні AI-агенти, здатні еволюціонувати відповідно до взаємодій у віртуальному середовищі.

  • Випадки використання: найкраще підходить для сценаріїв, де агенти повинні навчатися та адаптуватися, таких як ігри або віртуальні світи.

  • Спільнота: інноваційна, але ще визначає своє місце в конкуренції.

Стан зростання даних Github

Вищезазначений графік показує зміни в кількості зірок на GitHub з моменту запуску цих фреймворків. Загалом, зірки GitHub можуть слугувати показниками інтересу спільноти, популярності проекту та сприйняття цінності проекту.

  • Eliza (червона лінія): графік показує, що кількість зірок цього фреймворка значно зросла та має стабільну тенденцію, починаючи з низької бази у липні, починаючи з середині листопада, різко зросла, досягнувши 6100 зірок. Це свідчить про швидкий зріст інтересу до цього фреймворка, який привернув увагу розробників. Експоненціальний ріст вказує на те, що Eliza отримала величезну привабливість завдяки своїм функціям, оновленням та участі спільноти, її популярність значно перевищує інші продукти, що свідчить про велику підтримку спільноти та більш широкий інтерес чи застосування в спільноті штучного інтелекту.

  • Rig (синя лінія): Rig є найстарішим з чотирьох фреймворків, його зростання зірок не велике, але стабільне, останній місяць показує очевидне підвищення. Загальна кількість його зірок досягла 1700, але залишається на зростаючій траєкторії. Стабільне накопичення уваги зумовлене постійною розробкою, оновленнями та зростаючою базою користувачів. Це може свідчити про те, що Rig все ще накопичує репутацію.

  • ZerePy (жовта лінія): ZerePy нещодавно запустився, кількість зірок зросла до 181. Потрібно підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та прийняття, співпраця з ai16z може привернути більше учасників до його кодової бази.

  • G.A.M.E (зелена лінія): кількість зірок цього фреймворка невелика, але варто відзначити, що цей фреймворк може бути застосований безпосередньо до агентів у екосистемі Virtual через API, тому немає необхідності публікувати в Github. Проте, хоча цей фреймворк став доступним для будівельників лише трохи більше місяця тому, вже понад 200 проектів використовують G.A.M.E для розробки.

Очікування оновлення AI-фреймворка

Версія 2.0 Eliza включатиме інтеграцію з Coinbase agent toolkit. Усі проекти, що використовують Eliza, отримають підтримку майбутнього нативного TEE (достовірного середовища виконання), що дозволить агентам працювати в безпечному середовищі. Реєстр плагінів — це нова функція Eliza, що дозволяє розробникам безперешкодно реєструвати та інтегрувати плагіни.

Крім того, Eliza 2.0 підтримуватиме автоматизовану анонімну міжплатформену обробку повідомлень. Очікується, що white paper з токеноміки, яка має бути випущена 1 січня 2025 року, позитивно вплине на токени AI16Z, що підтримують фреймворк Eliza. ai16z планує продовжувати удосконалювати практичність цього фреймворка та залучати висококваліфіковані кадри, використовуючи зусилля своїх основних учасників.

Фреймворк G.A.M.E забезпечує безкодову інтеграцію для агентів, що дозволяє одночасно використовувати G.A.M.E та Eliza в одному проекті, кожен з яких обслуговує специфічні випадки використання. Такий підхід, як очікується, приверне увагу будівельників, які зосереджуються на бізнес-логіці, а не на технічній складності. Хоча цей фреймворк став публічно доступним лише понад 30 днів, за підтримки команди, яка намагається залучити більше учасників, він вже досяг суттєвих успіхів. Очікується, що кожен проект, запущений у VirtuaI, буде використовувати G.A.M.E.

Фреймворк Rig, підтримуваний токеном ARC, має значний потенціал, хоча його розвиток все ще на ранній стадії, проекти контрактів, що просувають прийняття Rig, також лише кілька днів в онлайні. Проте, очікується, що незабаром з'являться високоякісні проекти, що сполучать ARC, подібно до Virtual flywheel, але зосереджені на Solana. Команда Rig оптимістично налаштована щодо співпраці з Solana, позиціонуючи ARC як Virtual для Solana. Варто зазначити, що команда не лише заохочує нові проекти, запущені з використанням Rig, а й мотивує розробників покращувати сам фреймворк Rig.

Zerepy — це новий фреймворк, який отримує велику увагу завдяки співпраці з ai16z (фреймворк Eliza), цей фреймворк залучив учасників з Eliza, які активно працюють над його вдосконаленням. Zerepy користується запальною підтримкою спільноти ZEREBRO та відкриває нові можливості для розробників Python, які раніше не мали простору для роботи в конкурентному середовищі AI-інфраструктури. Очікується, що цей фреймворк зіграє важливу роль у творчій сфері AI.