jakiro
著者：ディープバリューミーム、翻訳：ビットチェーンビジョンXiaozou
この記事では、暗号X AIフレームワークの見通しを探ります。現在の4つの主要なフレームワーク（Eliza、Game、Arc、Zerepy）とそれぞれの技術的な違いに焦点を当てます。
1。序文
私たちは、4つの主要なCrypto X AIフレームワークを研究し、テストしました。
AI16Zは引き続き支配的であると考えています。Elizaの価値（市場シェアは約60％、市場価値は10億米ドルを超えています）は最高の利点（Lindy Effect）にあり、ますます多くの開発者、193の貢献者、1,800ビットのフォーク、6,000以上の使用Starおよびその他のデータはこれを証明しており、GitHubで最も人気のあるコードライブラリの1つとなっています。
これまでのところ、ゲームの開発（約20％の市場シェアと約3億米ドル）は非常にスムーズであり、仮想が発表したばかりで、プラットフォームには200以上のプロジェクトがあります。 150,000の150,000件のリクエストと毎週の成長率200％の150,000件のリクエスト。ゲームは仮想の台頭から引き続き恩恵を受け、そのエコシステムで最大の勝者の1つになります。
リグ（アーク、市場シェアは約15％、市場価値は約1億6,000万米ドル）は非常に顕著です。モジュラー設計は非常に簡単に動作し、「純粋なプレイ」エッセンスとして使用できるため
Zerepy（市場シェアは約5％、市場価値は約3億米ドルです）は、AI16Zコミュニティとの最近の協力に捧げられています。
当社の市場シェアの計算は、市場価値、開発記録、および基礎となるオペレーティングシステムのターミナル市場をカバーしていることに気付きました。
この市場サイクルでは、フレームワークセグメントは、17億ドルの総市場価値が20億米ドルに容易に増加する可能性があると考えています。当時、多くのL1の評価は200億ドル以上に達しました。これらのフレームワークは、さまざまなターミナル市場（チェーン/エコシステム）に役立ちますが、フィールドが上昇傾向にあると考えていることを考えると、市場価値の加重方法が最も慎重な方法である可能性があります。
2。4つの主要なフレームワーク
次の形式では、各主要なフレームワークの主要なテクノロジー、コンポーネント、および利点をリストします。
>
（1）フレームワークの概要
AI X Cryptoの交差点では、いくつかのフレームワークがAIの開発を促進しています。それらはAI16ZのEliza、Rig of Arc、ZerepyのZerebro、Virtual of Gamesです。各フレームワークは、オープンソースコミュニティプロジェクトからパフォーマンスに焦点を当てた企業ソリューションまで、AIエージェンシーの開発におけるさまざまなニーズと概念を満たしています。
この記事では、最初にフレームワークを紹介して、すべての人が何であるか、プログラミング言語、技術アーキテクチャ、アルゴリズム、どのようなユニークな機能、フレームワークが使用できる潜在的なケースを伝えるかを伝えます。次に、可用性、スケーラビリティ、適応性、パフォーマンスの観点から各フレームワークを比較し、それぞれの利点と制限を調査します。
エリザ（AI16Zが開発）
Elizaは、独立したAIエージェントの作成、展開、管理を目的とするマルチエージェントシミュレーションオープンソースフレームワークです。Typescriptのプログラミング言語で開発されています。
このフレームワークのコア機能には、複数のユニークなAIパーソナリティの展開と管理をサポートするマルチエージェンシーアーキテクチャ、およびキャラクターファイルフレームワークを使用してさまざまなエージェントを作成するキャラクターシステム、および長期メモリと長期メモリと長期のメモリを作成するキャラクターシステムが含まれます。 Advanced Search（RAG）システム（RAG）システム認識メモリ管理機能を介した強化された生成（RAG）システムのコンテキスト。さらに、Eliza Frameworkはスムーズなプラットフォーム統合も提供します。これは、Discord、X、その他のソーシャルメディアプラットフォームで信頼できるものです。
AIのコミュニケーションとメディア機能の観点から見ると、Elizaは優れた選択です。コミュニケーションの観点から、フレームワークは、Discordの音声チャネル関数、X関数、電報、およびケースのカスタマイズに使用されるAPIとの統合をサポートします。一方、フレームワークのメディア処理機能は、さまざまなメディア入力と出力を効果的に処理できる、PDFドキュメントの読み、分析、リンクコンテンツ抽出と抽象、音声転写、ビデオコンテスト、画像分析とダイアログに拡張できます。
Elizaフレームワークは、オープンソースモデルのローカル推論、OpenAIのクラウドプッシュアップ、およびデフォルトの構成（Nous Hermes Llama 3.1bなど）を通じて柔軟なAIモデルサポートを提供し、Claudeの複雑なタスクのサポートを統合します。Elizaはモジュラー構造を使用しており、アプリケーション間のスケーラビリティと適応性を確保するために、幅広いオペレーティングシステム、カスタムクライアントサポート、包括的なAPIを備えています。
Elizaのユースケースは、カスタマーサポート、コミュニティレビュー、個人タスクのAIアシスタント、自動クリエイター、インタラクティブロボット、ブランド担当者などのソーシャルメディアの役割など、複数のフィールドに及びます。また、ナレッジワーカーとして機能し、研究アシスタント、コンテンツアナリスト、ドキュメントプロセッサとして機能し、ロボット、教育指導者、エンターテイメントエージェントの役割の形でインタラクティブな役割をサポートできます。
Elizaのアーキテクチャは、エージェントラン（エージェントランタイム）を中心に構築されており、エージェンシーのランタイムは、そのロールシステム（モデルプロバイダーがサポート）、メモリマネージャー（データベースに接続）、オペレーティングシステム（プラットフォームクライアントとのリンク）とシームレスに統合されています。このフレームワークのユニークな機能には、モジュラー機能拡張をサポートし、音声、テキスト、メディアなどのマルチモード相互作用をサポートし、主要なAIモデル（Llama、GPT-4、Claudeなどのマルチモード相互作用をサポートするプラグインシステムが含まれます。 ）。エリザは、多様で強力なデザインにより、AIアプリケーションのクロスドメイン開発のための強力なツールとして際立っています。
G.A.M.E（Virtuals Protocolによって開発）
G.A.M.E（G.A.M.E）Generateベースの自律自律性は、開発者にAIおよびSDKアクセスをAIプロキシ実験に提供することを目的としています。このフレームワークは、AIエージェントの動作、意思決定、学習プロセスを管理するための構造化された方法を提供します。
コアコンポーネントは次のとおりです。まず、エージェントプロンプトインターフェイスは、開発者がゲームをエージェントのプロキシ動作に統合するエントリポイントです。Perceptionサブシステムは、セッションID、プロキシID、ユーザー、その他の関連する詳細などのパラメーターを指定することにより、セッションを開始します。
情報を、対話または応答の形式であろうと、戦略的計画エンジンの形式でAIエージェントの入力メカニズムに統合します。コアはダイアログ処理モジュールです。これは、プロキシからのメッセージと応答を処理するために使用され、Perceptionサブシステムと協力して、入力を効果的に解釈して応答します。
戦略的計画エンジンとダイアログ処理モジュールとチェーン上のウォレットオペレーターは、協力して応答と計画を生成します。エンジン関数には、高レベルのプランナーとして、これらの戦略がタスクを実行するための計画アクチュエーターとして変換されます。
別の独立したが重要なコンポーネントは、世界のコンテキスト、グローバルな情報、ゲームステータスを引用して、エージェントの決定に必要なコンテキストを提供します。さらに、エージェントリポジトリは、目標、反省、経験、性格などの長期的な属性を保存するために使用され、共同でプロキシ行動と意思決定プロセスを作成します。
フレームワークでは、短期作業メモリと長期メモリプロセッサを使用します。短期メモリは、関連する情報、結果、および現在の計画関連情報を保持します。対照的に、長期メモリプロセッサは重要な情報を抽出して、重要性、最近の性質、相関などの基準に従って重要な情報を抽出しました。長期記憶は、知識、反省、ダイナミックな性格、世界のエンドのコンテキスト、作業記憶を保存し、意思決定を強化し、学習基盤を提供します。
学習モジュールは、認識サブシステムからのデータを使用して、一般的な知識を生成して、将来の相互作用を改善します。開発者は、アクション、ゲームステータス、感覚データのフィードバックをインターフェイスを介して入力して、AIエージェントの学習能力を高め、計画と決定の能力を向上させることができます。
ワークフローは、エージェンシープロンプトインターフェイスを通じて開発者と相互作用し始めました。入力は、Perception Subsystemによって処理され、ダイアログ処理モジュールに再投稿されます。戦略的計画エンジンは、これらの情報に基づいて計画を策定および実装し、高レベルの戦略的および詳細なアクションプランを使用しました。
世界のコンテキストとエージェントリポジトリからのデータは、これらのプロセスに通知し、ワーキングメモリトラッキングインスタントタスクを通知します。同時に、長期メモリプロセッサのストレージと検索長期知識。モジュールの結果を学び、新しい知識をシステムに統合して、エージェントの動作と相互作用を継続的に改善できるようにします。
リグ（アークによって開発）
Rigは、大規模な言語モデルアプリケーションの開発を簡素化することを目的としたオープンソースのRustフレームワークです。MongoDBやNeo4Jを含むさまざまなベクターストレージをサポートするために、複数のLLMプロバイダー（OpenAIや人類など）との相互作用のための統一されたインターフェイスを提供します。このフレームワークのモジュラーアーキテクチャの独自性は、プロバイダーの抽象レイヤー、LLMのシームレスな相互作用を促進するためのベクトルストレージ積分とプロキシシステムなど、そのコアコンポーネントです。
RIGの主要なオーディエンスには、Rustを使用してAI/MLアプリケーションを使用して開発者が含まれ、次に、複数のLLMプロバイダーとベクターを独自のRustアプリケーションでさまざまな組織に統合しようとすることを求めています。リポジトリは、複数のクレートを備えた作業空間アーキテクチャを使用し、スケーラビリティと効率的なプロジェクト管理をサポートします。重要な機能は、プロバイダーの抽象的なレイヤーであり、異なるLLMプロバイダー間にAPIを完了し、埋め込むための標準化を提供し、一貫した間違いを持っています。ベクトルストア統合コンポーネントは、複数のバックエンドの抽象インターフェイスを提供し、ベクトルの同様の検索をサポートします。プロキシシステムはLLMの相互作用を簡素化し、検索強化生成（RAG）とツール統合をサポートします。さらに、組み込みフレームワークは、バッチ処理機能とタイプの安全性の埋め込み操作も提供します。
リグは、多くの技術的な利点を使用して、信頼性とパフォーマンスを確保しています。非同期操作は、Rustの非同期操作を使用して、多数の同時リクエストを効果的に処理します。フレームワークに固有の誤った処理メカニズムは、人工知能プロバイダーまたはデータベース操作の回復能力を改善します。タイプの安全性により、コンパイルプロセスのエラーを防ぐことができ、コードのメンテナンスが強化されます。効率的なシリアル化と砂漠のプロセスは、JSONおよびその他の形式のデータ処理をサポートします。これは、AIサービスの通信とストレージに不可欠です。詳細なログレコードと検出は、アプリケーションのデバッグと監視にさらに役立ちます。
リグのワークフローは、クライアントがリクエストを開始すると、プロバイダーの抽象レイヤーを介して適切なLLMモデルと相互作用します。データは、コアレイヤーで処理されます。エージェントはツールを使用するか、コンテキストベクトルストレージにアクセスできます。これに応じて、クライアントに戻る前に、複雑なワークフロー（RAGなど）を介して生成され、洗練されました。このシステムは、複数のLLMプロバイダーとベクトルストレージを統合します。これは、モデルの可用性またはパフォーマンスの更新に適応できます。
正確な応答Q＆Aシステムを提供する検索関連のドキュメント、高効率発見のためのドキュメント検索および検索システム、顧客にコンテキスト理解相互作用を顧客に提供するチャットロボットまたは仮想アシスタントなど、多くのケースがあります。また、コンテンツ生成をサポートし、学習モデルに基づいた作成やその他の資料をサポートし、開発者や組織向けの一般的なツールにします。
Zerepy（Zerepy and Blormによって開発）
Zerepyは、Python Languageで書かれたオープンソースフレームワークであり、OpenAIまたはAnthropic LLMを使用してXにエージェントを展開することを目的としています。ゼレブロのバックエンドから派生したモジュラーバージョンであるZerepyにより、開発者はZerebroのコア機能に似たエージェントを開始できます。このフレームワークは、代理店の展開の基盤を提供しますが、創造的な出力、すばらしい調整モデルを形成することが不可欠です。Zerepyは、特にソーシャルプラットフォームでのコンテンツ作成のために、パーソナライズされたAIエージェントの開発と展開を簡素化し、AI駆動型の創造的なエコシステムをアートと分散型アプリケーションのために栽培します。
このフレームワークでは、Python開発を使用し、エージェンシーの自律性を強調し、創造的な生産生成に焦点を当て、エリザのエリザとの協力と一致しています。そのモジュラー設計は、メモリシステムの統合をサポートし、ソーシャルプラットフォーム上の展開エージェントをサポートします。主な機能には、エージェンシー管理のコマンドラインインターフェイス、Twitterとの統合、OpenAIおよび人類LLMのサポート、および機能強化機能のモジュラー接続システムが含まれます。
Zerepyのユースケースは、ソーシャルメディアオートメーションの分野をカバーしています。さらに、音楽、ミーム、NFTの分野でのコンテンツ作成にも対応しているため、デジタルアートとブロックチェーンベースのコンテンツプラットフォームの重要なツールになります。
（2）4つの主要なフレームワークの比較
私たちの意見では、各フレームワークは、特定のニーズと環境を満たす人工知能の開発のためのユニークな方法を提供します。
Elizaは、特にJavaScriptおよびnode.js環境に精通している開発者向けに、ユーザーのフレンドリーなインターフェイスで際立っています。その包括的な文書は、さまざまなプラットフォームに人工知能エージェントの設定に役立ちますが、その広範な機能セットは特定の学習曲線をもたらす可能性があります。TypeScriptを使用して開発して、WebインフラストラクチャのフロントエンドのほとんどがTypeScriptで開発されているため、ElizaをWebに組み込んだエージェントを構築する理想的な選択肢になりました。このフレームワークは、マルチエージェンシーアーキテクチャで知られており、Discord、X、Telegramなどのプラットフォームに異なる人工知能パーソナリティを展開できます。高度なメモリ管理RAGシステムにより、カスタマーサポートやソーシャルメディアアプリケーションに特に効果的です。柔軟で強力なコミュニティサポートと一貫したクロスプラットフォームパフォーマンスを提供しますが、まだ初期段階にあり、開発者にとって学習曲線を構成する可能性があります。
ゲームはゲーム開発者向けに設計されています。これにより、APIを介してコードが低い場合もあります。ただし、ゲーム開発とブロックチェーンの統合に焦点を当てています。これは、関連する経験がない人の急な学習曲線を構成する可能性があります。プログラムのコンテンツとNPCの動作において優れたパフォーマンスがありますが、セグメントとブロックチェーンの統合により複雑さが増加することで制限されています。
錆言語の使用により、リグは言語の複雑さによってあまり友好的ではないかもしれません。これは主要な学習の課題をもたらしますが、システムプログラミングに熟練した人にとっては、直感的な相互作用があります。Typesscripeと比較して、プログラミング言語自体は、そのパフォーマンスとメモリの安全性で知られています。複雑なAIアルゴリズムを実行するために必要な、厳格なコンピレーション検査とゼロパーセントの抽象化があります。この言語は非常に効率的であり、その程度の制御が低いため、リソース集約型の人工知能アプリケーションに理想的な選択肢となっています。このフレームワークは、モジュール式およびスケーラブルな設計を備えた高性能ソリューションを提供し、企業アプリケーションに理想的な選択肢となります。ただし、錆に精通していない開発者にとって、錆を使用することは急な学習曲線に直面することを避けることはできません。
Zerepyは、Pythonを使用して、特にAI/MLの背景を持つ開発者にとって、創造的なAIタスクに高度な可用性を提供し、Zerebroの暗号化されたコミュニティのために強力なコミュニティサポートの恩恵を受けています。Zerepyは、NFTなどのクリエイティブな人工知能アプリケーションや、デジタルメディアやアートの強力なツールとしての位置付けに優れています。創造性は活況を呈していますが、他のフレームワークと比較して範囲は比較的狭いです。
スケーラビリティの観点から、ElizaはV2アップデートで大きな進歩を遂げました。ただし、最適化が実行されない場合、このマルチプラットフォームインタラクション管理はスケーラビリティの課題をもたらす可能性があります。
ゲームは、スケーラビリティが高効率アルゴリズムと潜在的なブロックチェーン分散システムによって管理されていますが、実際の時間処理でうまく機能します。
リグフレームワークでは、Rustのスケーラビリティプロパティを使用して高スループットアプリケーション向けに設計します。これは、エンタープライズレベルの展開に特に効果的ですが、これは実際のスケーラビリティに複雑な設定が必要であることを意味する場合があります。
Zerepyのスケーラビリティは、創造的な出力に直面し、コミュニティの貢献のサポートをサポートしていますが、その重心の中心は、より広い人工知能環境での適用を制限する可能性があります。
適応性の観点から、Elizaはプラグインシステムとクロスプラットフォームの互換性をリードしています。Zerepyは創造的な分野で高い適応性を示していますが、より広い人工知能アプリケーションには適していません。
パフォーマンスの観点から、Elizaは迅速なソーシャルメディアの相互作用を最適化しますが、より複雑なコンピューティングタスクを扱う場合、そのパフォーマンスは異なる場合があります。
Virtual Protocolによって開発されたゲームは、ゲームシナリオでのパフォーマンスの高いリアルタイム相互作用に焦点を当てており、分散型人工知能操作に効率的な決定プロセスと潜在的なブロックチェーンを使用しています。
リグフレームワークは、パフォーマンスの高いコンピューティングタスクに優れたパフォーマンスを提供するRust言語に基づいており、重要な効率で企業アプリケーションを計算するのに適しています。
Zerepyのパフォーマンスは、創造的なコンテンツの作成に合わせて仕立てられています。
Elizaの利点は、柔軟性とスケーラビリティを提供することです。
ゲームは、ゲーム内のユニークなリアルタイムインタラクティブ機能を提供し、ブロックチェーンを介した新しいAI参加を強化します。
リグの利点は、企業の人工知能タスクのパフォーマンスとスケーラビリティにあり、長期プロジェクトの健康のためのクリーンモジュラーコードの提供に焦点を当てています。
Zerepyは、創造性の育成に優れており、デジタルアート人工知能アプリケーションをリードし、活気のあるコミュニティ駆動型開発モデルをサポートしています。
それぞれのフレームは、潜在的な安定性の問題と、広く使用されているアプリケーションを制限する可能性があります錆は一部の開発者を怖がらせる可能性があり、Zerepyのクリエイティブな出力に対する小さな注目は、他のAIフィールドでの使用を制限する可能性があります。
（3）フレームワークの比較概要
リグ（アーク）：
言語：錆、安全性とパフォーマンスに注意してください。
例：エンタープライズAIアプリケーションに最適な選択は、効率とスケーラビリティに焦点を当てているためです。
コミュニティ：コミュニティによってあまり動かされていないので、技術開発者にもっと注意を払います。
Eliza（AI16Z）：
言語：TypeScript、Web3の柔軟性とコミュニティへの参加を強調します。
例：社会的相互作用、DAO、トランザクション、特にマルチエージェンシーシステムに重点を置くために設計されています。
コミュニティ：コミュニティが駆動し、Githubが大幅に参加しています。
Zerepy（Zerebro）：
言語：Python。そのため、より広い範囲のAI開発者に使用できます。
例：ソーシャルメディアの自動化とよりシンプルなAIエージェンシータスクに適しています。
コミュニティ：比較的新しいが、Pythonの人気とAI16Zの寄稿者のサポートにより、成長することが期待されています。
Gameal（仮想）：
フォーカス：自律的および適応性のある人工知能エージェントは、仮想環境での相互作用に応じて進化する可能性があります。
ユースケース：ゲームや仮想世界など、最も適切なAIエージェントの学習シーンと適応シーン。
コミュニティ：コミュニティを革新しますが、それでも競争におけるポジショニングを決定します。
3。Githubの星データトレンド
>
上の写真は、これらのフレームワークのリリース以来のGitHubスターです。Github Starは、コミュニティの関心、プロジェクトの人気、プロジェクトの認識価値の指標であることは注目に値します。
エリザ（赤い線）：
7月の低いベースから、11月下旬の星の数（61,000人の星に達する）は、人々の利益が急速に増加し、開発者の注目を集めたことを示しています。このインデックスレベルの成長は、その機能、更新、コミュニティへの参加により、Elizaが大きな魅力を獲得したことを示しています。その人気は他の競争よりもはるかに多く、コミュニティの強力なサポートがあり、人工知能コミュニティへの適用性または関心が広いことを示しています。
リグ（青い線）：
リグは、4つの主要なフレームワークの中で最も長いですが、緩やかですが、成長し続けています。1700星に達しましたが、まだ上昇しています。継続的な開発、更新、およびユーザーの数の増加が、ユーザーの関心の継続的な蓄積の理由です。これは、フレームワークのニッチがまだ評判を蓄積する可能性があることを反映している可能性があります。
Zerepy（黄色の線）：
Zerepyは数日前に発売されたばかりで、181個の星を蓄積しました。Zerepyは、視界と養子縁組率を改善するためにより多くの開発が必要であることを強調する価値があります。AI16Zとの協力は、より多くのコード貢献者を引き付ける可能性があります。
ゲーム（グリーンライン）：
このプロジェクトの星の数は、このフレームワークをAPIを介して仮想エコシステムのエージェントに直接適用できることに注意してください。ただし、このフレームワークは1か月以上前にビルダーに開かれており、ゲームを使用して200を超えるプロジェクトが構築されています。
4。フレームワークのでたらめの理由
ElizaのV2バージョンは、Coinbase Proxyキットを統合します。エリザを使用しているすべてのプロジェクトは、将来的にネイティブTシャツをサポートし、エージェントが安全な環境で実行できるようにします。Elizaの機能の1つは、Plug -in Registry（Plugin Registry）です。これにより、開発者はプラグインをシームレスに登録および統合することができます。
さらに、Eliza V2は、自動化された匿名のクロスプラットフォームメッセージをサポートします。トークン経済学のホワイトペーパーは、2025年1月1日にリリースされる予定であり、Elizaフレームワークの基礎となるAI16Zトークンにプラスの影響を与えると予想されます。AI16Z計画は、フレームワークの有効性を高め続けており、その主な貢献者の努力がこの能力を持っていることを証明しています。
ゲームフレームワークは、エージェントにコードレス統合を提供し、単一のプロジェクトでゲームとElizaを使用して特定の目的を果たすことができます。この方法は、技術的な複雑さではなくビジネスロジックを懸念しているビルダーを引き付けることが期待されています。このフレームワークは30日以上しかリリースされていませんが、より多くの貢献者を引き付けるためのチームの取り組みをサポートしていますが、大きな進歩を遂げています。Virtualから始まるすべてのアイテムがゲームを使用することが期待されています。
アークトークンに代表されるリグには、そのフレームワークはまだ初期の成長段階にありますが、プロジェクトで採用されたプロジェクトを促進するのは数日しかありません。ただし、ARCの高品質プロジェクトは、仮想フライホイールと同様にすぐに表示されると予想されますが、Solanaに焦点を当てています。チームはソラナとの協力について楽観的であり、アークとソラナの関係を仮想とベースと比較しています。チームが新しいプロジェクトにリグスタートアップの使用を奨励するだけでなく、開発者がリグフレームワーク自体を強化することを奨励することは注目に値します。
Zerepyは、Elizaとの協力により、ますます注目を集めている新たに立ち上げられたフレームワークです。このフレームワークは、エリザの貢献者を引き付け、積極的に改善しています。Zerebroのファンが駆動し、ファンティカルフォロワーがあり、Python開発者に新しい機会を提供します。このフレームワークは、AIの創造性において重要な役割を果たします。
