橫向對比四大Crypto×AI框架：採用狀況、優劣勢、增長潛力

原文：Deep Value Memetics；譯者：Azuma

要點概述

在這份報告中，我們討論了 Crypto & AI 領域內幾大主流框架的發展格局。我們將審視當前的四大主流框架 —— Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO），剖析其技術差異及發展潛力。 

在過去一週裏，我們對以上四大框架進行了分析與測試，結論概述如下。

• 我們認爲 Eliza （市佔率約 60% ，原作者撰文時市值約 9 億美元，截至發文市值約 14 億美元）將繼續主導市場份額。Eliza 的價值在於它的先發優勢以及開發者的加速採用，Github 上的 193 位貢獻者、 1800 分叉和 6000 多顆星證明了這一點，並使其成爲了 Github 上最受歡迎的軟件庫之一。

• G.A.M.E（市佔率約 20% ，原作者撰文時市值約 3 億美元，截至發文市值約 2.57 億美元）到目前爲止的發展非常順利，且也正在經歷快速採用，正如 Virtuals Protocol 早前發佈的公告那樣，基於 G.A.M.E 構建的項目已有 200 多個，日常請求次數超 15 萬，周增長率超 200% 。G.A.M.E 將繼續受益於 VIRTUAL 的爆發，並有可能成爲該生態系統中最大的贏家之一。

• Rig（市佔率約 15% ，原作者撰文時市值約 1.6 億美元，截至發文市值約 2.79 億美元）的模塊化設計非常引人注目且易於操作，有望作爲在 Solana 生態系統（RUST）中佔據主導地位。

• Zerepy（市佔率約 5% ，原作者撰文時市值約 3 億美元，截至發文市值約 4.24 億美元）是一個更小衆的應用，特定於一個狂熱的 ZEREBRO 社區，它最近與 ai16z 社區的合作可能會產生一定的協同效應。

在上述統計中，“市佔率”在計算方式綜合考慮了市值、開發記錄以及基礎操作系統終端市場的廣度。

我們相信 AI 框架將成爲本週期中增長最快的板塊，當前大約 17 億美元的板塊總市值將很容易增長至 200 億美元，與 2021 年高峯時的 Layer 1 估值相比，這個數字可能依舊比較保守 —— 當時許多單一項目的估值都達到了 200 億美元以上。雖然上述框架服務於不同的終端市場（鏈/生態系統），但鑑於我們認爲這個板塊將整體增長，採用市值加權的方法可能相對最爲謹慎。

四大框架

在 AI 和 Crypto 的交匯處，已出現了幾個旨在加速 AI 開發的框架，它們包括 Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO）。從開源社區項目到注重性能的企業解決方案，每個框架都迎合了代理開發的不同需求和理念。

在下邊這張表中，我們列出了每個框架的關鍵技術、組件和優勢。

這份報告將首先聚焦這些框架是什麼，它們所使用的編程語言、技術架構、算法以及具有潛在用例的獨特功能。然後我們將根據易用性、可擴展性、適應性和性能來比較每個框架，同時討論它們的優勢和侷限性。

Eliza

Eliza 是一個由 ai16z 開發的開源多代理模擬框架，旨在創建、部署和管理自主 AI 代理。它以 TypeScript 作爲編程語言開發，爲構建智能代理提供了一個靈活、可擴展的平臺，這些代理能夠在多個平臺上與人類互動，同時保持一致的個性和知識。

該框架的核心功能包括：支持同時部署和管理多個獨特 AI 個性的多代理架構；使用角色文件框架創建多樣化代理的角色系統；通過先進的檢索增強生成系統（RAG）提供長期記憶和可感知上下文的記憶管理功能。此外，Eliza 框架還提供流暢的平臺集成，可與 Discord、X 和其他社交媒體平臺實現可靠連接。

在 AI 代理的通信和媒體功能方面，Eliza 是一個極佳的選擇。在通信方面，該框架支持與 Discord 的語音頻道功能、X 功能、Telegram 以及用於定製用例的直接 API 訪問進行集成。另一方面，該框架的媒體處理功能已擴展至 PDF 文檔閱讀和分析、鏈接內容提取和摘要、音頻轉錄、視頻內容處理、圖像分析和對話摘要，可有效處理各種媒體輸入和輸出。

Eliza 提供了靈活的 AI 模型支持，可通過使用開源模型進行本地推理，通過 OpenAI 以及 Nous Hermes Llama 3.1 B 等默認配置進行基於雲的推理，且支持集成 Claude 以處理複雜查詢。Eliza 採用了模塊化架構，擁有廣泛的動作系統、自定義客戶端支持和全面的 API，確保了跨應用的可擴展性和適應性。

Eliza 的用例覆蓋了多個領域，比如與客戶支持、社區管理、個人任務相關的 AI 助手；再比如自動內容創建者、品牌代表等社交媒體角色；它還可作爲知識工作者，扮演研究助理、內容分析師和文檔處理員等角色；以及角色扮演機器人、教育導師和娛樂代理等形式的互動角色。

Eliza 的架構圍繞着一個代理運行時（agent runtime）構建，該運行時可與角色系統（由模型提供商支持）、記憶管理器（連接到數據庫）和動作系統（與平臺客戶端鏈接）無縫集成。該框架的獨特功能包括允許模塊化功能擴展的插件系統，支持語音、文本和媒體等多模態交互，以及與 Llama、GPT-4 和 Claude 等領先 AI 模型的兼容性。憑藉其多功能和強大的設計，Eliza 成爲跨領域開發 AI 應用的強大工具。

G.A.M.E

G.A.M.E 由 Virtuals 官方團隊開發，全稱爲“生成式自主多模態實體框架（The Generative Autonomous Multimodal Entities Framework）”，該框架旨在爲開發者提供應用程序接口（API）和軟件開發工具包（SDK），以便他們使用 AI 代理進行實驗。該框架提供了一種管理 AI 代理行爲、決策和學習過程的結構化方法。

• G.A.M.E 的核心組件如下首先，“代理提示界面”（Agent Prompting Interface）是開發者將 G.A.M.E 集成到代理中以獲取代理行爲的入口。

• “感知子系統”則通過指定會話 ID、代理 ID、用戶和其他相關細節等參數來啓動會話。它將傳入的消息合成爲適合“戰略規劃引擎”的格式，充當 AI 代理的感覺輸入機制，無論是以對話還是反應的形式。這裏的核心是“對話處理模塊”，負責處理來自代理的消息和響應，並與“感知子系統”協作，有效解釋和響應輸入。

• “戰略規劃引擎”與“對話處理模塊”和“鏈上錢包操作員”協同工作，生成響應和計劃。該引擎在兩個層面上運作：作爲高級規劃器，根據上下文或目標創建廣泛的策略；作爲低級策略，將這些策略轉化爲可執行的政策，進一步細分爲動作規劃器（用於指定任務）和計劃執行器（用於執行任務）。

• 一個單獨但關鍵的組件是“世界上下文”，它引用環境、世界信息和遊戲狀態，爲代理的決策提供必要的上下文。此外，“代理庫”用於存儲長期屬性，如目標、反思、經驗和個性，這些共同塑造了代理的行爲和決策過程。該框架使用了“短期工作記憶”和“長期記憶處理器” —— 短期記憶保留有關先前行動、結果和當前計劃的相關信息；相比之下，長期記憶處理器根據重要性、最近性和相關性等標準提取關鍵信息。這種記憶存儲了有關代理的經驗、反思、動態個性、世界上下文和工作記憶的知識，以增強決策併爲學習提供基礎。

• 爲了增加布局，“學習模塊”從“感知子系統”獲取數據以生成通用知識，這些知識被反饋到系統中以優化未來的交互。開發者可以通過界面輸入對行動、遊戲狀態和感官數據的反饋，以增強 AI 代理的學習並提高其規劃和決策能力。

工作流程從開發者通過代理提示界面進行交互開始；“感知子系統”處理輸入並將其轉發給“對話處理模塊”，該模塊管理交互邏輯；然後，“戰略規劃引擎”根據這些信息，利用高級戰略和詳細的行動規劃來制定和執行計劃。

來自“世界上下文”和“代理庫”的數據爲這些過程提供信息，而工作記憶跟蹤即時任務。同時，“長期記憶處理器”隨時間存儲和檢索知識。“學習模塊”分析結果並將新知識整合到系統中，使代理的行爲和交互持續改進。

Rig

Rig 是一個基於 Rust 的開源框架，旨在簡化大型語言模型（LLM）應用的開發。它提供了一個統一的接口，用於與多個 LLM 提供商（如 OpenAI 和 Anthropic）進行交互，並支持各種向量存儲，包括 MongoDB 和 Neo 4 j。該框架的模塊化架構具有“提供商抽象層”、“向量存儲集成”和“代理系統”等核心組件，可促進 LLM 的無縫交互。

Rig 的主要受衆包括使用 Rust 構建 AI/ML 應用的開發者，次要受衆包括尋求將多個 LLM 提供商和向量存儲集成到其 Rust 應用中的組織。資源庫使用基於工作區的結構組織，包含多個 crates，實現了可擴展性和高效的項目管理。Rig 主要功能包括“提供商抽象層”（Provider Abstraction Layer），該層通過一致的錯誤處理，將用於完成和嵌入 LLM 提供商的 API 標準化；“向量存儲集成”組件爲多個後端提供了一個抽象接口，並支持向量相似性搜索；“代理系統”簡化了 LLM 交互，支持檢索增強生成（RAG）和工具集成。此外，嵌入框架提供了批處理能力和類型安全的嵌入操作。 

Rig 利用多項技術優勢確保可靠性和性能。異步操作利用 Rust 的異步運行時來高效處理大量併發請求；該框架固有的錯誤處理機制提高了對人工智能提供商或數據庫操作故障的恢復能力；類型安全可防止編譯時出錯，從而提高代碼的可維護性；高效的序列化和反序列化流程有助於處理 JSON 等格式的數據，這對人工智能服務的通信和存儲至關重要；詳細的日誌記錄和儀表進一步幫助調試和監控應用程序。

Rig 中的工作流程始於客戶端發起請求，請求流經“提供商抽象層”，與相應的 LLM 模型交互；然後，數據由核心層處理，代理可在覈心層使用工具或訪問向量存儲以獲取上下文；通過 RAG 等複雜的工作流程生成和完善響應，其中包括文檔檢索和上下文理解，然後再返回給客戶端。該系統集成了多個 LLM 提供商和向量存儲，可適應模型可用性或性能變化。

Rig 的用例多種多樣，包括檢索相關文檔以提供準確回覆的問題解答系統、用於高效內容發現的文檔搜索和檢索，以及爲客戶服務或教育提供上下文感知交互的聊天機器人或虛擬助理。它還支持內容生成，能夠根據學習到的模式創建文本和其他材料，是開發人員和組織機構的多功能工具。

ZerePy

ZerePy 是一個用 Python 編寫的開源框架，旨在利用 OpenAI 或 Anthropic LLM 在 X 上部署代理。ZerePy 源自模塊化版本的 Zerebro 後端，允許開發者使用與 Zerebro 核心功能類似的功能啓動代理。雖然該框架爲代理的部署提供了基礎，但爲了產生創造性的產出，必須對模型進行微調。ZerePy 簡化了個性化 AI 代理的開發和部署，尤其適用於社交平臺上的內容創作，促進了以藝術和去中心化應用爲目標的 AI 創意生態系統。

該框架採用 Python 語言構建，強調代理的自主性，注重創造性產出的生成，與 Eliza 的架構+合作伙伴關係相一致。其模塊化設計支持內存系統集成，便於在社交平臺上部署代理。其主要功能包括用於代理管理的命令行界面、與 X 的集成、對 OpenAI 和 Anthropic LLM 的支持，以及用於增強功能的模塊化連接系統。

ZerePy 的用例涵蓋社交媒體自動化，用戶可以部署 AI 代理進行發佈、回覆、點贊和轉發，從而提高平臺參與度。此外，它還適用於音樂、備忘錄和 NFT 等領域的內容創作，是數字藝術和基於區塊鏈的內容平臺的重要工具。

橫向對比

在我們看來，上述每個框架都爲 AI 開發提供了獨特的方法，迎合了特定的需求和環境，這使得爭論不再侷限於這些框架是否互爲競爭對手，而是集中在了每個框架是否可提供了獨特的效用及價值。

• Eliza 以其用戶友好的界面脫穎而出，尤其適合熟悉 JavaScript 和 Node.js 環境的開發者。它全面的文檔有助於在各種平臺上設置 AI 代理，儘管其豐富的功能集可能會呈現適度的學習曲線，但由於使用了 TypeScript，Eliza 非常適合構建嵌入網絡中的代理，因爲大部分前端網絡基礎設施都是用 TypeScript 構建的。該框架以其多代理架構而聞名，能夠跨 Discord、X 和 Telegram 等平臺部署多樣化的 AI 個性代理。其先進的 RAG 系統用於記憶管理，使其特別適合構建客戶支持或社交媒體應用類型的 AI 助手。雖然它提供了靈活性、強大的社區支持和一致的跨平臺性能，但它仍處於早期階段，可能對開發者構成學習曲線。

• G.A.M.E 專爲遊戲開發者設計，通過 API 提供了低代碼或無代碼界面，便於那些遊戲領域內技術水平較低的用戶訪問。不過，它專注於遊戲開發和區塊鏈集成，對於沒有相關經驗的人來說，學習曲線可能比較陡峭。它在程序化內容生成和 NPC 行爲方面表現突出，但也受限於其細分領域和區塊鏈集成時存在的額外複雜性。

• Rig 由於使用了 Rust 語言，可能會因爲該語言的複雜性而對用戶不太友好，這給學習帶來很大挑戰，但對於精通系統編程的人來說，它可以提供直觀的交互。與 TypeScript 相比，Rust 本身以其性能和內存安全性而聞名。它具有嚴格的編譯時檢查和零成本抽象，這是運行復雜人工智能算法所必需的。該語言的高效和低控制特點使其成爲資源密集型 AI 應用的理想選擇。該框架採用模塊化和可擴展設計，可提供高性能解決方案，非常適合企業應用。不過，對於不熟悉 Rust 語言的開發者來說，使用 Rust 會帶來陡峭的學習曲線。

• ZerePy 使用了 Python 語言，爲創造性 AI 任務提供了更高的可用性。對於 Python 開發者，尤其是具有 AI/ML 背景的開發者來說，學習曲線較低，且由於 ZEREBRO 的熱度可獲得強大的社區支持。ZerePy 在 NFT 等創意性 AI 應用方面表現出色，該框架也將自身定位爲數字媒體和藝術領域的強大工具。雖然它在創意方面表現出色，但與其他框架相比，其應用範圍相對較窄。

在可擴展性方面，四大框架的對比如下。

• Eliza 在 V2 版本更新後取得了長足進步，引入了統一的消息線和可擴展的核心框架，實現了跨平臺的高效管理。但是，如果不進行優化，管理這種多平臺交互可能會帶來可擴展性方面的挑戰。

• G.A.M.E 擅長遊戲所需的實時處理，其可擴展性可通過高效算法和潛在的區塊鏈分佈式系統進行管理，不過可能會受到特定遊戲引擎或區塊鏈網絡限制的制約。

• Rig 框架可利用 Rust 的性能優勢實現更好的可擴展性，天生設計用於高吞吐量應用，這可能對企業級部署特別有效，不過這可能意味着要實現真正的可擴展性需要複雜的設置。

• ZerePy 的可擴展性針對創意輸出，且得到社區貢獻的支持，但該框架的側重點可能會限制其在更廣泛的人工智能環境中的應用，其可擴展性可能會受到創意任務多樣性而非用戶量的考驗。

在適用性方面，Eliza 憑藉其插件系統和跨平臺兼容性遙遙領先，其次是遊戲環境中的 G.A.M.E 和處理複雜 AI 任務的 Rig。ZerePy 在創意領域表現出了很高的適應性，但在更廣泛的 AI 應用領域卻不太適用。

性能方面，四大框架的測試結果如下。

• Eliza 針對社交媒體的快速互動進行了優化，但在處理更復雜的計算任務時，其性能表現可能會有所不同。

• G.A.M.E 專注於遊戲場景中的高性能實時交互，可利用高效的決策過程和可能的區塊鏈進行分散化的 AI 操作。

• Rig 以 Rust 爲基礎，可爲高性能計算任務提供出色的性能表現，適用於計算效率至關重要的企業應用。

• ZerePy 的性能針對創意內容的創建，其指標以內容生成的效率和質量爲中心，在創意領域之外可能不太通用。

結合上述優劣勢綜合分析，Eliza 提供了更好靈活性和可擴展性，插件系統和角色配置使其具有很強的適應性，有利於跨平臺的社交人工智能互動；G.A.M.E 在遊戲場景可提供獨特的實時交互能力，並通過區塊鏈集成提供了新穎的 AI 參與；Rig 的優勢在於其性能和可擴展性，適用於企業級 AI 任務，且注重代碼的簡潔和模塊化，以保證項目的長期健康發展；Zerepy 擅長培養創造力，在數字藝術的 AI 應用方面處於領先地位，並得到了充滿活力的社區驅動開發模式的支持。

總而言之，每個框架都有其侷限性。Eliza 仍處於早期階段，存在潛在的穩定性問題，新開發者的學習曲線較長；G.A.M.E 的小衆關注點可能會限制其更廣泛的應用，引入區塊鏈也會增加複雜性；Rig 的學習曲線因 Rust 語言的複雜性而更加陡峭，可能會讓一些開發者望而卻步；Zerepy 對創意產出的狹隘關注可能會限制其在其他人工智能領域的應用。

核心對比項梳理

Rig（ARC）：

• 語言：Rust，注重安全性和性能。

• 用例：注重效率和可擴展性，是企業級 AI 應用的理想選擇。

• 社區：社區驅動較少，更側重於技術開發者。

Eliza (AI16Z)：

• 語言：TypeScript，強調 Web3 的靈活性和社區參與。

• 用例：專爲社交互動、DAO 和交易而設計，特別強調多代理系統。

• 社區：高度社區驅動，與 GitHub 有廣泛聯繫。

ZerePy (ZEREBRO)：

• 語言：Python，更容易被更廣泛的 AI 開發者羣體接受。

• 用例：適用於社交媒體自動化和較簡單的 AI 代理任務。

• 社區：相對較新，但由於 Python 的普及以及 ai16z 貢獻者的支持，有望實現增長。

G.A.M.E（VIRTUAL、GMAE）：

• 重點：自主、自適應的 AI 代理，可根據虛擬環境中的互動進行進化。

• 用例：最適用於代理需要學習和適應的場景，如遊戲或虛擬世界。

• 社區：具有創新性，但仍在競爭中確定自己的定位。

Github 數據增長情況

上述圖表是自這些框架自推出以來在 GitHub 上掛星數據的變化情況。一般而言，GitHub 的星星可作爲社區興趣、項目流行度和項目感知價值的指標。

• Eliza（紅線）：圖表顯示出該框架星星數量增長顯著且趨勢穩定，從 7 月的低基數開始，在 11 月下旬開始激增，現已達到 6100 顆星。這表明圍繞着該框架興趣迅速激增，吸引了開發者的注意。指數級的增長則表明，Eliza 因其功能、更新和社區參與而獲得了巨大的吸引力，它的受歡迎程度遠遠超過了其他產品，這表明它得到了社區的大力支持，在人工智能社區中具有更廣泛的適用性或興趣。

• Rig（藍線）：Rig 是四大框架中歷史最“悠久”的一個，它的星星增長幅度不大，但很穩定，最近一個月則明顯上升。它的星星總量已達 1700 顆，但仍處於上升軌道。關注度的穩定積累得益於持續的開發、更新和不斷增長的用戶羣。這可能反映了 Rig 是仍在積累聲譽的框架。

• ZerePy（黃線）：ZerePy 幾天前剛剛啓動，星星數量已增長到了 181 。需要強調的是，ZerePy 需要更多的開發來提高其可見度和採用率，與 ai16z 的合作可能會吸引更多的貢獻者參與其代碼庫。

• G.A.M.E（綠線）：該框架的星星數量很少，但值得注意的是，該框架可以通過 API 直接應用於 Virtual 生態系統中的代理，因此無需在 Github 上發佈。然而，雖然該框架僅在一個多月前才公開供構建者使用，但目前已有 200 多個項目在使用 G.A.M.E 進行構建。

AI 框架的升級預期

Eliza 的 2.0 版本將包括與 Coinbase 代理工具包的集成。所有使用 Eliza 的項目將獲得對未來原生 TEE（可信執行環境）的支持，使代理能夠在安全環境中運行。插件註冊中心（Plugin Registry）是 Eliza 即將推出的一項功能，允許開發人員無縫註冊和集成插件。

此外，Eliza 2.0 將支持自動化的匿名跨平臺消息傳遞。預計於 2025 年 1 月 1 日發佈的 Tokenomics 白皮書（已公佈相關提案）將對支撐 Eliza 框架的 AI16Z 代幣產生積極影響。ai16z 計劃繼續加強該框架的實用性，並利用其主要貢獻者所做的努力，引進高素質人才。

G.A.M.E 框架爲代理提供了無代碼集成，使得在單個項目中可同時使用 G.A.M.E 和 Eliza，各自服務於特定用例。這種方法預計將吸引專注於業務邏輯而非技術複雜性的構建者。儘管該框架僅公開可用 30 多天，但在團隊努力吸引更多貢獻者的支持下，該框架已取得實質性進展。預計在 VirtualI 上啓動的每個項目都將採用 G.A.M.E。

由 ARC 代幣驅動的 Rig 框架具有顯著潛力，儘管其框架的成長處於早期階段，推動 Rig 採用的項目合約計劃也僅上線幾天。不過，預計不久後將出現與 ARC 搭配的高質量項目，類似於 Virtual 飛輪，但專注於 Solana。Rig 團隊對與 Solana 的合作持樂觀態度，將 ARC 定位爲 Solana 的 Virtual。值得注意的是，該團隊不僅激勵使用 Rig 啓動的新項目，還激勵開發者增強 Rig 框架本身。

Zerepy 是一個新推出的框架，由於與 ai16z（Eliza 框架）的合作正在獲得大量關注，該框架已吸引了來自 Eliza 的貢獻者，他們正在積極努力地改進該框架。Zerepy 享有由 ZEREBRO 社區驅動的狂熱支持，且正在爲此前在競爭激烈的 AI 基礎設施領域缺乏發揮空間的 Python 開發者開闢了新機會。預計該框架將在 AI 的創意方面發揮重要作用。