jakiro
Autor: Deep Value Memetics, Übersetzung: Bit Chain Vision Xiaozou
In diesem Artikel werden wir die Aussichten des Crypto X AI -Frameworks untersuchen.Wir werden uns auf die aktuellen vier großen Frameworks (Eliza, Spiel, ARC, Zerpy) und ihre jeweiligen technischen Unterschiede konzentrieren.
1. Vorwort
Wir haben die vier großen Krypto X AI -Frameworks, die vier großen Krypto X AI -Frameworks von Eliza, Spiel, ARC und Zerpy, getestet.
Wir glauben, dass AI16Z weiterhin dominieren wird.Der Wert von Eliza (Marktanteil liegt bei etwa 60%, und der Marktwert übersteigt 1 Milliarde US -Dollar) liegt in seinem wichtigsten Vorteil (Lindy Effect) und der Verwendung von immer mehr Entwicklern, 193 Mitwirkenden, 1.800 Gabeln und mehr als 6.000 Star und andere Daten beweisen dies und machen es zu einer der beliebtesten Code -Bibliotheken auf GitHub.
Bisher ist die Entwicklung des Spiels (Marktanteil von etwa 20%und ein Marktwert von etwa 300 Millionen US -Dollar) sehr reibungslos und wird schnell verwendet. 150.000 tägliche Anfragen von 150.000 täglichen Anfragen und 200%wöchentliche Wachstumsrate.Das Spiel wird weiterhin vom Aufstieg von Virtual profitieren und einer der größten Gewinner in seinem Ökosystem.
Rig (ARC, Marktanteil liegt bei etwa 15%, der Marktwert beträgt ungefähr 160 Millionen US-Dollar) ist sehr auffällig, da sein modulares Design sehr einfach zu bedienen ist und als „reines Spiel“ -Stesce verwendet werden kann
Zerepy (Marktanteil beträgt etwa 5%und der Marktwert beträgt etwa 300 Millionen US -Dollar) ist eine relativ Nischenanwendung.
Wir haben festgestellt, dass unsere Marktanteilsberechnung den Marktwert, die Entwicklungsaufzeichnungen und die zugrunde liegenden Betriebssystem -Terminalmärkte abdeckt.
Wir glauben, dass in diesem Marktzyklus das Rahmensegment das am schnellsten wachsende Feld sein wird. Zu dieser Zeit erreichte die Bewertung vieler L1 mehr als 20 Milliarden US -Dollar.Obwohl diese Rahmenbedingungen unterschiedliche Terminalmärkte (Ketten-/Ökosysteme) dienen, da wir glauben, dass sich das Feld in einem steigenden Trend befindet, kann die gewichtete Marktwertmethode die vorsichtigste Methode sein.
2. Vier wichtige Rahmenbedingungen
In der folgenden Form listen wir die Schlüsseltechnologien, Komponenten und Vorteile jedes Hauptgerüsts auf.
>
(1) Rahmenübersicht
An der Schnittstelle von AI X Crypto haben mehrere Rahmenbedingungen die Entwicklung von AI gefördert.Sie sind AI16Z ‚Eliza, Rig of Arc, Zerebro von Zerepy und Virtual of Games.Jedes Rahmen erfüllt unterschiedliche Bedürfnisse und Konzepte in der Entwicklung der KI -Agentur, von Open -Source -Community -Projekten bis hin zu Unternehmenslösungen, die sich auf die Leistung konzentrieren.
In diesem Artikel wird zunächst den Framework vorgestellt, um allen zu sagen, was er ist, welche Programmiersprache, technische Architektur, Algorithmus, welche einzigartigen Funktionen und welche potenziellen Fälle, die das Framework verwenden kann.Anschließend vergleichen wir jeden Rahmen in Bezug auf Verfügbarkeit, Skalierbarkeit, Anpassungsfähigkeit und Leistung und untersuchen ihre jeweiligen Vorteile und Einschränkungen.
Eliza (entwickelt von AI16Z)
Eliza ist ein Open -Source -Framework für Multi -Agent -Simulation, das unabhängige KI -Agenten erstellen, bereitstellen und verwalten soll.Es wurde in der Programmiersprache in Typenkripte entwickelt.
Die Kernfunktion dieses Frameworks umfasst eine Multi -Agentur -Architektur, die die Bereitstellung und Verwaltung mehrerer eindeutiger KI -Persönlichkeit unterstützt, sowie ein Zeichensystem, das das Charakterdatei -Framework verwendet, um verschiedene Agenten sowie den Langzeitspeicher und den Langzeitspeicher zu erstellen und zu erstellen. Kontext des RAG -Systemsystems (Enhanced Generation) durch Advanced Search (RAG) -System wahrgenommene Speicherverwaltungsfunktion.Darüber hinaus bietet das Eliza Framework auch eine reibungslose Plattformintegration, die mit Zwietracht, X und anderen Social -Media -Plattformen zuverlässig sein kann.
Aus der Sicht der Kommunikations- und Medienfunktionen von AI ist Eliza eine ausgezeichnete Wahl.In Bezug auf die Kommunikation unterstützt das Framework die Integration in die Sprachkanalfunktionen, die X -Funktionen, das Telegramm und die APIs, die zum Anpassen von Fällen verwendet werden.Andererseits kann die Medienverarbeitungsfunktion des Frameworks auf das Lesen und Analysen von PDF -Dokumenten, die Link -Inhaltsextraktion und die Abstract, die Audio -Transkription, die Verarbeitung von Videoinhalten, die Bildanalyse und den Dialog von Videoinhalten erweitert werden, die verschiedene Medieneingaben und -ausgaben effektiv verarbeiten können.
Das Eliza -Framework bietet flexible KI -Modellunterstützung durch die lokale Argumentation des Open -Source -Modells, die Cloud -Push -ups von OpenAI und die Standardkonfiguration (wie Nous Hermes Llama 3.1b) und integriert die Unterstützung komplexer Aufgaben für Claude.Eliza verwendet eine modulare Struktur und verfügt über eine Vielzahl von Betriebssystemen, benutzerdefinierten Client -Unterstützung und umfassende APIs, um die Skalierbarkeit und Anpassungsfähigkeit zwischen Anwendungen sicherzustellen.
Die Anwendungsfälle von Eliza umfassen mehrere Felder, wie z.Es kann auch als Wissensarbeiter fungieren, Forschungsassistenten, Content -Analysten und Dokumentprozessoren spielen und interaktive Rollen in den Formen von Rollenspielen, Roboter, Bildungsmentoren und Unterhaltungsagenten unterstützen.
Die Architektur von Eliza basiert auf dem Agent Run (Agent Runtime), und die Laufzeit der Agentur ist nahtlos in das Rollensystem (unterstützt vom Modellanbieter), den Speichermanager (mit der Datenbank verbunden) und Betriebssystem (Link mit dem Plattform -Client).Zu den einzigartigen Merkmalen dieses Frameworks gehören das Plug-in-System, das die modulare Funktionserweiterung unterstützt, die Multi-Mode-Interaktion wie Sprache, Text und Medien unterstützt und mit führenden KI-Modellen kompatibel ist (wie LLAMA, GPT-4 und Claude ).Mit seinem vielfältigen und leistungsstarken Design sticht Eliza als leistungsstarkes Werkzeug für die Entwicklung von AI -Anwendungen aus.
G.A.M.E (entwickelt von Virtuals Protocol)
G.A.M.E.Dieser Framework bietet eine strukturierte Methode zur Verwaltung des Verhaltens, der Entscheidung und des Lernprozesses von AI -Agenten.
Die Kernkomponente lautet wie folgt: Erstens ist die Einstiegspunkte der Agent die Einstiegspunkte, an der der Entwickler das Spiel in das Proxy -Verhalten im Agenten integriert.Perception -Subsysteme starten die Sitzung, indem sie Parameter wie Sitzungs -ID, Proxy -ID, Benutzer und andere verwandte Details angeben.
Es wird die Informationen in den Eingabemechanismus des AI -Agenten in Format der strategischen Planungsmotor integriert, unabhängig davon, ob sie sich in Form von Dialog oder Antwort befindet.Der Kern ist das Dialogverarbeitungsmodul, mit dem Nachrichten und Antworten von Proxy verarbeitet werden, und kooperiert mit dem Wahrnehmungssubsystem, um die Eingaben effektiv zu interpretieren und zu reagieren.
Die strategische Planungsmotor und das Dialogverarbeitungsmodul und der Brieftaschenbetreiber in der Kette arbeiten zusammen, um Reaktion und Pläne zu generieren.Es gibt zwei Ebenen der Motorfunktion: Als hoher Planer werden eine breite Palette von Strategien nach dem Kontext oder dem Ziel erstellt.
Eine weitere unabhängige, aber wichtige Komponente ist der Weltkontext.Darüber hinaus wird das Agent -Repository verwendet, um langfristige Attribute wie Ziele, Reflexion, Erfahrung und Persönlichkeit zu speichern. Sie schaffen gemeinsam Proxy -Verhalten und Entscheidungsprozesse.
Das Framework verwendet Kurzzeitprozessoren für Arbeitsspeicher und Langzeitgedächtnis.Der Kurzzeitgedächtnis behält die relevanten Informationen, Ergebnisse und aktuellen planungsbezogenen Informationen bei.Im Gegensatz dazu extrahierten Langzeitgedächtnisprozessoren wichtige Informationen, um Schlüsselinformationen gemäß Standards wie Bedeutung, jüngster Natur und Korrelation zu extrahieren.Langzeitgedächtnis speichert das Wissen, die Reflexion, die dynamische Persönlichkeit, der Welt -End -Kontext und das Arbeitsgedächtnis, um die Entscheidungsfindung zu verbessern und eine Lerngrundlage zu liefern.
Das Lernmodul verwendet Daten aus dem Wahrnehmungssubsystem, um allgemeines Wissen zu generieren.Entwickler können das Feedback von Aktion, Spielstatus und sensorischen Daten über die Schnittstelle eingeben, um die Lernfähigkeit von AI -Agenten zu verbessern und ihre Planungs- und Entscheidungsfunktionen zu verbessern.
Der Workflow begann über die Eingabeaufforderung der Agentur im Entwickler zu interagieren.Die Eingabe wird durch das Wahrnehmungssubsystem verarbeitet und in das Dialogverarbeitungsmodul verantwortlich gemacht.Die strategische Planungsmaschine formulierte und implementierte dann den Plan anhand dieser Informationen und verwendete strategische und detaillierte Aktionspläne mit hoher Ebene.
Daten aus dem weltweit Kontext und Agenten -Repository benachrichtigen diese Prozesse, während Arbeitsspeicher -Verfolgung von Sofortaufgaben verfolgt.Gleichzeitig speichern und Abruf von Langzeitgedächtnisprozessor Langzeitkenntnissen.Erfahren Sie die Ergebnisse des Moduls und integrieren Sie neues Wissen in das System, damit das Verhalten und die Interaktion des Agenten kontinuierlich verbessert werden können.
Rig (entwickelt von ARC)
RIG ist ein Open -Source -Rost -Framework, das die Entwicklung großer Sprachmodellanwendungen vereinfachen soll.Es bietet eine einheitliche Schnittstelle für die Interaktion mit mehreren LLM -Anbietern (wie OpenAI und Anthropic), um verschiedene Vektorspeicher, einschließlich MongoDB und NEO4J, zu unterstützen.Die Einzigartigkeit der modularen Architektur dieses Frameworks ist seine Kernkomponente wie die abstrakte Schicht des Anbieters und die Vektorspeicherintegration und das Proxy -System, um die nahtlose Wechselwirkung von LLM zu fördern.
Zu den Hauptpublikum von Rig gehören Entwickler, die KI/ML -Anwendungen verwenden, und zweitens die Suche nach mehreren LLM -Anbietern und Vektoren in verschiedene Organisationen in ihren eigenen Rust -Anwendungen.Das Repository verwendet die räumliche Architektur mit mehreren Kisten, unterstützt Skalierbarkeit und effizientes Projektmanagement.Die Schlüsselfunktionen sind die abstrakte Schicht des Anbieters, die eine Standardisierung für die Vervollständigung und Einbettung der API zwischen verschiedenen LLM -Anbietern bietet und konsistente Fehler aufweist.Die Vektorspeicherintegrationskomponente bietet eine abstrakte Schnittstelle für mehrere Backends und unterstützt Vektor ähnliche Suche.Das Proxy -System vereinfacht die LLM -Interaktion und unterstützt die Integration von RAG (ARRAVAL ENTERNEHMENTEGENDE (TOL).Darüber hinaus bietet das eingebettete Framework auch einen eingebetteten Betrieb von Batch -Verarbeitungsfunktionen und Typensicherheit.
RIG nutzt eine Reihe technischer Vorteile, um Zuverlässigkeit und Leistung sicherzustellen.Der asynchrone Betrieb verwendet den asynchronen Betrieb von Rust, um eine große Anzahl von gleichzeitigen Anforderungen effektiv zu verarbeiten.Der falsche Verarbeitungsmechanismus, der dem Framework inhärent ist, verbessert die Wiederherstellungsfähigkeit künstlicher Intelligenzanbieter oder Datenbankoperationen.Type Sicherheit kann Fehler im Kompilierungsprozess verhindern und so die Wartung des Codes verbessern.Die effiziente Serialisierung und der Wesentile -Prozess unterstützen die Datenverarbeitung von JSON und anderen Formaten, was für die Kommunikation und Speicherung von AI -Dienstleistungen von wesentlicher Bedeutung ist.Detaillierte Protokolldatensätze und Erkennung helfen weiter, Anwendungen zu debuggen und zu überwachen.
Der Workflow von Rig beginnt, wenn der Kunde eine Anfrage initiiert.Die Daten werden dann von der Kernschicht verarbeitet.Als Antwort zum Kunden wurde es durch komplexe Workflows (z. B. RAG) generiert und verfeinert.Das System integriert mehrere LLM -Anbieter und Vektorspeicher, die an die Modellverfügbarkeit oder die Leistungsaktualisierungen der Modellanpassungen anpassbar sind.
Es gibt viele Fälle von Rig, einschließlich Abrufenbezogener Dokumente, um genaue Antwort -Q & A -Systeme, Dokumentsuch- und Abrufsysteme für die Erkennung mit hoher Effizienz sowie Chat -Roboter oder virtuelle Assistenten bereitzustellen, die Kunden kontextbezogene Interaktion mit kontextuellem Verständnis bieten.Es unterstützt auch die Inhaltsgenerierung, unterstützt die Erstellung und andere Materialien basierend auf Lernmodellen und macht es zu einem allgemeinen Instrument für Entwickler und Organisationen.
Zerepy (entwickelt von Zerepy und Blorm)
Zerepy ist ein Open -Source -Framework, das in Python -Sprache geschrieben wurde und die OpenAI- oder Anthropic LLM verwenden soll, um Agenten auf X zu bereitstellen.Zerepy, eine modulare Version, die aus dem Zerebro -Back -End abgeleitet ist, ermöglicht Entwicklern, Agenten zu starten, die der Kernfunktion von Zerebro ähneln.Obwohl das Framework die Grundlage für die Bereitstellung von Agenturen bietet, ist es wichtig, kreative Output -Modelle zu bilden.Zerepy vereinfacht die Entwicklung und den Einsatz personalisierter KI -Agenten, insbesondere für die Erstellung von Inhalten auf sozialen Plattformen, und kultiviert ein kreatives KI -steuerliches kreatives Ökosystem für Kunst- und dezentrale Anwendungen.
In diesem Rahmen werden die Python -Entwicklung verwendet, wobei die Autonomie der Agentur betont wird, sich auf die Erzeugung der kreativen Produktion konzentriert und mit Elizas Architektur und Zusammenarbeit mit Eliza übereinstimmt.Das modulare Design unterstützt die Integration des Speichersystems und unterstützt Bereitstellungsagenten auf sozialen Plattformen.Die Hauptfunktionen umfassen eine Befehlszeilenschnittstelle für die Agenturverwaltung, die Integration in Twitter, die Unterstützung von OpenAI und anthropischem LLM sowie modulare Verbindungssysteme für erweiterte Funktionen.
Der Anwendungsfall von Zerepy deckt das Gebiet der Social -Media -Automatisierung ab.Darüber hinaus ist es auch für die Erstellung von Inhalten in den Bereichen Musik, Meme und NFT und ist damit ein wichtiges Werkzeug für digitale Kunst- und Blockchain -basierte Inhaltsplattformen.
(2) Vergleich von vier Hauptrahmen
Unserer Meinung nach bietet jeder Rahmen eine einzigartige Methode für die Entwicklung künstlicher Intelligenz, die bestimmte Bedürfnisse und Umgebungen entspricht.
Eliza zeichnet sich mit seiner benutzerfreundlichen Schnittstelle aus, insbesondere für Entwickler, die mit der JavaScript- und Node.js -Umgebung vertraut sind.Seine umfassenden Dokumente helfen, künstliche Intelligenz -Agenten auf verschiedenen Plattformen festzulegen, obwohl sein umfangreiches Funktionssatz eine bestimmte Lernkurve mit sich bringen kann.Mit TypeScript entwickelt, um Eliza zu einer idealen Wahl zu machen, um einen in das Web eingebetteten Agenten zu erstellen, da der größte Teil des Frontends der Webinfrastruktur mit TypeScript entwickelt wird.Dieser Rahmen ist bekannt für seine Multi -Agentur -Architektur und kann verschiedene Persönlichkeit für künstliche Intelligenz auf Plattformen wie Zwietracht, X und Telegramm bereitstellen.Das Advanced Memory Management Rag -System macht es besonders effektiv für Kundensupport oder Social -Media -Anwendungen.Obwohl es eine flexible, leistungsstarke Unterstützung in der Gemeinschaft und eine konsistente Cross -Plattform -Leistung liefert, ist es immer noch in der frühen Phase und kann eine Lernkurve für Entwickler darstellen.
Das Spiel ist für Spieleentwickler ausgelegt.Es konzentriert sich jedoch auf die Entwicklung von Spielen und die Blockchain -Integration, die eine steile Lernkurve für diejenigen darstellen können, die keine relevanten Erfahrungen haben.Es hat eine hervorragende Leistung in den Programminhalten und im NPC -Verhalten, ist jedoch durch die Komplexität begrenzt, die durch seine Segmente und die Blockchain -Integration erhöht wird.
Aufgrund der Verwendung der Rostsprache ist das Rig möglicherweise nicht sehr freundlich, da die Komplexität der Sprache, die wichtige Lernherausforderungen mit sich bringt, aber für diejenigen, die die Systemprogrammierung beherrschen, intuitive Interaktion aufweist.Im Vergleich zu Typscripe ist die Programmiersprache selbst für ihre Leistung und Speichersicherheit bekannt.Es verfügt über eine strenge Kompilierungsinspektion und keine prozentuale Abstraktion, die für den Ausführen komplexer AI -Algorithmen erforderlich ist.Diese Sprache ist sehr effizient und ihr geringer Kontrollgrad hat sie zu einer idealen Wahl für ressourcenintensive Anwendungen für künstliche Intelligenz gemacht.Dieses Framework bietet leistungsstarke Lösungen mit modularen und skalierbaren Designs, was es zu einer idealen Wahl für Unternehmensanwendungen macht.Für Entwickler, die mit Rost nicht vertraut sind, kann es jedoch nicht vermeiden, steile Lernkurven zu konfrontieren.
Zerepy verwendet Python, um ein hohes Maß an Verfügbarkeit für kreative KI -Aufgaben zu bieten.Zerepy ist gut in kreativen Anwendungen für künstliche Intelligenz wie NFT und Positionierung als leistungsstarkes Werkzeug für digitale Medien und Kunst.Obwohl es in der Kreativität boomt, ist der Bereich im Vergleich zu anderen Rahmenbedingungen relativ eng.
In Bezug auf die Skalierbarkeit hat Eliza in seinem V2 -Update große Fortschritte erzielt.Wenn jedoch keine Optimierung durchgeführt wird, kann dieses Multi -Plattform -Interaktionsmanagement Skalierbarkeitsprobleme bringen.
Das Spiel funktioniert in der realen Zeitverarbeitung, die vom Spiel gefordert wird.
Das Rig -Framework verwendet die Skalierbarkeitseigenschaften von Rust, um es für Anwendungen mit hohem Durchsatz zu entwerfen.
Die Skalierbarkeit von Zerepy für die kreative Leistung und die Unterstützung von Community -Beiträgen, aber sein Fokussierungszentrum kann seine Anwendung in einer breiteren Umgebung für künstliche Intelligenz einschränken.
In Bezug auf die Anpassungsfähigkeit leitet Eliza das Plattensystem und die Kompatibilität für Cross -Plattform.Zerepy hat im kreativen Bereich eine hohe Anpassungsfähigkeit gezeigt, ist jedoch nicht für breitere Anwendungen für künstliche Intelligenz geeignet.
In Bezug auf die Leistung optimiert Eliza die schnelle Interaktion mit den sozialen Medien.
Das von Virtual Protocol entwickelte Spiel konzentriert sich auf die echte Interaktion mit hoher Performance in Spielszenarien und verwendet effiziente Entscheidungsprozesse und potenzielle Blockchains für dezentrale Operationen für künstliche Intelligenz.
Das Rig -Framework basiert auf der Rostsprache, die eine hervorragende Leistung für Hochleistungs -Computeraufgaben bietet und für die Berechnung von Unternehmensanwendungen mit entscheidender Effizienz geeignet ist.
Die Leistung von Zerepy ist maßgeschneidert für die Erstellung kreativer Inhalte.
Der Vorteil von Eliza besteht darin, dass es Flexibilität und Skalierbarkeit bietet.
Das Spiel bietet eine einzigartige reale interaktive Funktion im Spiel, die die neuartige KI -Teilnahme durch die Blockchain verbessert.
Der Vorteil von Rig liegt in seiner Leistung und Skalierbarkeit für künstliche Intelligenzaufgaben und konzentriert sich auf die Bereitstellung eines sauberen modularen Code für langfristige Projektgesundheit.
Zerepy ist gut darin, Kreativität zu kultivieren, in digitalen Kunstkunstkunstanwendungen zu führen und das lebendige Entwicklungsmodell für die von der Gemeinschaft zugesetzte Gemeinschaft zu unterstützen.
Jedes Rahmen hat seine eigenen Einschränkungen. Rost kann einige Entwickler erschrecken, die kleine Aufmerksamkeit von Zerepy für die kreative Ausgabe kann seine Verwendung in anderen KI -Feldern einschränken.
(3) Rahmenvergleichszusammenfassung
Rig (ARC):
Sprache: Rost, achten Sie auf Sicherheit und Leistung.
Beispiel: Ideale Wahl für Unternehmensanwendungen, da es sich auf Effizienz und Skalierbarkeit konzentriert.
Community: Nicht sehr von der Community angetrieben, achten Sie den technischen Entwicklern mehr Aufmerksamkeit.
Eliza (AI16Z):
Sprache: TypeScript, die die Flexibilität von Web3 und Community -Beteiligung betont.
Beispiel: Ausgelegt für soziale Interaktion, DAO und Transaktionen, insbesondere für die Betonung von Multi -Agentur -Systemen.
Community: High Community -Diven, mit umfangreicher Github -Beteiligung.
Zerepy (Zerebro):
Sprache: Python, so dass es für eine breitere Palette von AI -Entwicklern verwendet werden kann.
Beispiel: Geeignet für Social -Media -Automatisierung und einfachere KI -Agenturaufgaben.
Community: Relativ neu, aber aufgrund der Beliebtheit von Python und der Unterstützung von AI16Z -Mitwirkenden wird es voraussichtlich wachsen.
Gameal (virtuell):
Fokus: Autonome und adaptive Agenten für künstliche Intelligenz können sich entsprechend der Interaktion in der virtuellen Umgebung entwickeln.
Anwendungsfall: Die am besten geeignete KI -Agent -Lern- und -anpassungsszene wie Spiele oder virtuelle Welten.
Community: Innovieren Sie die Gemeinschaft, bestimmt aber dennoch ihre Positionierung im Wettbewerb.
3. Sterndatentrend auf GitHub
>
Das Bild oben ist der Github -Stern seit der Veröffentlichung dieser Frameworks.Es ist erwähnenswert, dass Github Star ein Indikator für die Interessen der Gemeinschaft, die Popularität von Projekten und den Projektwahrnehmungswert ist.
Eliza (rote Linie):
Von der niedrigen Basis im Juli von der Anzahl der Sterne Ende November (erreicht 61.000 Sterne), was darauf hinweist, dass die Interessen der Menschen schnell zugenommen und die Aufmerksamkeit der Entwickler auf sich gezogen haben.Dieses Wachstum von Index -Level zeigt, dass Eliza aufgrund seiner Funktionen, Aktualisierungen und der Teilnahme in der Gemeinschaft große Anziehungskraft erlangt hat.Seine Popularität ist weitaus mehr als andere Wettbewerbe, was zeigt, dass es eine starke Unterstützung in der Gemeinschaft hat und eine umfassendere Anwendbarkeit oder Interesse an der Gemeinschaft künstlicher Intelligenz hat.
Rig (blaue Linie):
Rig ist die längste der vier Hauptrahmen.Es hat 1700 Sterne erreicht, aber es steigt immer noch.Die kontinuierliche Entwicklung, Erneuerung und zunehmende Anzahl von Benutzern sind der Grund für die kontinuierliche Akkumulation des Benutzerinteresses.Dies kann widerspiegeln, dass die Nische der Framework -Benutzer möglicherweise weiterhin Ruf ansammeln.
Zerepy (gelbe Linie):
Zerepy hat erst vor ein paar Tagen veröffentlicht und 181 Sterne angesammelt.Es lohnt sich, zu betonen, dass Zerepy mehr Entwicklung braucht, um seine Sichtbarkeit und Annahme zu verbessern.Die Zusammenarbeit mit AI16Z kann mehr Code -Mitwirkende anziehen.
Spiel (grüne Linie):
Die Anzahl der Sterne in diesem Projekt ist am wenigsten.Dieser Rahmen war jedoch vor mehr als einem Monat offen für die Bauherren, und mehr als 200 Projekte werden mit Spiel gebaut.
4. Gründe für den Bullshit des Rahmens
Die V2 -Version von Eliza wird das Coinbase -Proxy -Kit integrieren.Alle Projekte, die Eliza verwenden, werden in Zukunft ein natives T -Shirt unterstützen, damit der Agent in einer sicheren Umgebung laufen kann.Eine Funktion von Eliza ist die Plug -in -Registrierung (Plugin -Registrierung), mit der Entwickler die Stecker nahtlos registrieren und integriert werden können.
Darüber hinaus unterstützt Eliza V2 automatisierte anonyme Cross -Plattform -Nachrichten.Das Whitepapier von Token Economics soll am 1. Januar 2025 veröffentlicht werden, und es wird erwartet, dass sie sich positiv auf das zugrunde liegende AI16Z -Token des Eliza -Frameworks auswirken.Der AI16Z -Plan verbessert weiterhin die Wirksamkeit des Rahmens und zieht weiterhin hochwertige Talente an.
Der Spielframework bietet einem Agenten eine codelische Integration und ermöglicht die Verwendung von Game und Eliza in einem einzigen Projekt, um bestimmte Zwecke zu erfüllen.Es wird erwartet, dass diese Methode die Bauherren anzieht, die besorgt über Geschäftslogik als über die technische Komplexität sind.Obwohl der Rahmen nur seit mehr als 30 Tagen veröffentlicht wurde, unter Unterstützung der Bemühungen des Teams, mehr Mitwirkende zu gewinnen, hat er erhebliche Fortschritte erzielt.Es wird erwartet, dass alle Elemente, die mit Virtual beginnen, ein Spiel verwenden.
Rig, vertreten von ARC -Token, hat ein großes Potenzial.Es wird jedoch erwartet, dass das hochwertige Projekt von ARC bald auftritt, ähnlich wie das virtuelle Schwungrad, sich jedoch auf Solana konzentriert.Das Team ist optimistisch in Bezug auf die Zusammenarbeit mit Solana und vergleicht die Beziehung zwischen ARC und Solana mit Virtual mit der Basis.Es ist erwähnenswert, dass das Team nicht nur neue Projekte zur Verwendung von Rig -Startup ermutigt, sondern auch Entwickler dazu ermutigt, das Rig -Framework selbst zu verbessern.
Zerepy ist ein neu gestarteter Framework, der aufgrund der Zusammenarbeit mit Eliza immer mehr Aufmerksamkeit erregt.Der Rahmen zog die Mitwirkenden von Eliza an und sie verbessern ihn aktiv.Angetrieben von Zerebro -Fans hat eine Reihe von fanatischen Followern und bietet Python -Entwicklern neue Möglichkeiten.Dieser Rahmen wird eine wichtige Rolle bei der KI -Kreativität spielen.
