jakiro
Autor: Deep Value Memetics, Traducción: Bit Chain Vision Xiaozou
En este artículo, exploraremos las perspectivas del marco Crypto X AI.Nos centraremos en los cuatro marcos principales actuales (Eliza, Game, ARC, Zerepy) y sus respectivas diferencias técnicas.
1. Prólogo
Hemos estudiado y probado los cuatro principales marcos Crypto X AI, los cuatro principales marcos de AI Crypto X de Eliza, Game, ARC y Zerepy la semana pasada.
Creemos que AI16Z continuará dominando.El valor de Eliza (la participación de mercado es de aproximadamente el 60%, y el valor de mercado supera los US $ 1 mil millones) radica en su principal ventaja (efecto Lindy), y el uso de más y más desarrolladores, 193 colaboradores, 1,800 bits de horquillas y más de 6,000 Star y otros datos lo demuestran, lo que lo convierte en una de las bibliotecas de código más populares en GitHub.
Hasta ahora, el desarrollo del juego (cuota de mercado de aproximadamente el 20%y un valor de mercado de aproximadamente 300 millones de dólares estadounidenses) es muy sencillo, y se está utilizando rápidamente. 150,000 solicitudes diarias de 150,000 solicitudes diarias y 200%de tasa de crecimiento semanal.El juego continuará beneficiándose del aumento de la virtual y se convertirá en uno de los mayores ganadores en su ecosistema.
Rig (ARC, la cuota de mercado es aproximadamente del 15%, el valor de mercado es de aproximadamente 160 millones de dólares estadounidenses) es muy notable porque su diseño modular es muy fácil de operar y puede usarse como esencia de «juego puro»
Zerepy (la cuota de mercado es de aproximadamente el 5%, y el valor de mercado es de aproximadamente 300 millones de dólares) es una aplicación relativamente nicho de nicho.
Notamos que nuestro cálculo de participación de mercado cubre el valor de mercado, los registros de desarrollo y los mercados de terminal de sistemas operativos subyacentes.
Creemos que en este ciclo de mercado, el segmento del marco será el campo de más rápido crecimiento. . En ese momento, la valoración de muchos L1 alcanzó más de $ 20 mil millones.Aunque estos marcos sirven a diferentes mercados de terminales (cadena/ecosistemas), dado que creemos que el campo está en una tendencia creciente, el método ponderado de valor de mercado puede ser el método más cauteloso.
2. Cuatro marcos principales
En la siguiente forma, enumeramos las tecnologías, componentes y ventajas clave de cada marco principal.
>
(1) Descripción general del marco
En la intersección de Ai X Crypto, varios marcos han promovido el desarrollo de la IA.Son Eliza de AI16Z, Rig of Arc, Zerebro de Zerepy y Virtual of Games.Cada marco satisface diferentes necesidades y conceptos en el desarrollo de la Agencia AI, desde proyectos comunitarios de código abierto hasta soluciones corporativas que se centran en el rendimiento.
Este artículo presenta primero el marco para decirles a todos qué son, qué lenguaje de programación, arquitectura técnica, algoritmo, qué funciones únicas y cuáles son los casos potenciales que el marco puede usar.Luego, comparamos cada marco en términos de disponibilidad, escalabilidad, adaptabilidad y rendimiento, y exploramos sus respectivas ventajas y limitaciones.
Eliza (desarrollado por AI16Z)
Eliza es un marco de código abierto de simulación de múltiples agentes, cuyo objetivo es crear, implementar y administrar agentes de IA independientes.Se desarrolla en el lenguaje de programación en TypeScript.
La función central de este marco incluye una arquitectura de agencia múltiple que admite la implementación y la gestión de la personalidad de IA única, así como un sistema de caracteres que utiliza el marco de archivos de caracteres para crear diferentes agentes, así como la memoria a largo plazo y la memoria y la memoria a largo plazo. Contexto del sistema de generación mejorada (RAG) a través de la función de gestión de memoria percibida del sistema de búsqueda avanzada (RAG).Además, el marco Eliza también proporciona una integración de plataforma suave, que puede ser confiable con Discord, X y otras plataformas de redes sociales.
Desde la perspectiva de las funciones de comunicación y medios de comunicación de AI, Eliza es una excelente opción.En términos de comunicación, el marco admite la integración con las funciones del canal de voz de Discord, las funciones X, el telegrama y las API utilizadas para personalizar los casos.Por otro lado, la función de procesamiento de medios del marco se puede extender a la lectura y análisis de documentos PDF, vincular la extracción de contenido y el resumen, la transcripción de audio, el procesamiento de contenido de video, el análisis de imágenes y el diálogo, que puede manejar efectivamente diversas entradas y salida de medios.
El Eliza Framework proporciona soporte de modelo de IA flexible a través del razonamiento local del modelo de código abierto, las ups de nubes de OpenAI y la configuración predeterminada (como Nous Hermes Llama 3.1B) e integra soporte para tareas complejas para Claude.Eliza utiliza una estructura modular y tiene una amplia gama de sistemas operativos, soporte personalizado del cliente y API integrales para garantizar la escalabilidad y la adaptabilidad entre las aplicaciones.
Los casos de uso de Eliza abarcan múltiples campos, como: Asistentes de IA para atención al cliente, revisión de la comunidad y tareas personales, así como roles de redes sociales como creadores automáticos, robots interactivos y representantes de la marca.También puede actuar como trabajadores del conocimiento, interpretar asistentes de investigación, analistas de contenido y procesadores de documentos, y apoya roles interactivos en las formas de robots de rol, mentores educativos y agentes de entretenimiento.
La arquitectura de Eliza se basa en la ejecución del agente (tiempo de ejecución del agente), y el tiempo de ejecución de la agencia se integra perfectamente con su sistema de roles (compatible con el proveedor de modelos), el administrador de memoria (conectado a la base de datos) y el sistema operativo (enlace con el cliente de la plataforma).Las características únicas de este marco incluyen el sistema de complemento que admite la expansión de la función modular, admite la interacción en modo múltiple, como la voz, el texto y los medios de comunicación, y es compatible con los principales modelos de IA (como LLAMA, GPT-4 y Claude ).Con su diseño diverso y poderoso, Eliza se destaca como una herramienta poderosa para el desarrollo de las aplicaciones de IA.
G.A.M.E (desarrollado por el protocolo Virtuals)
G.A.M.E (G.A.M.E) para generar autonomía autónoma basada en el objetivo de proporcionar a los desarrolladores acceso a AI y SDK a experimentos proxy de IA.Este marco proporciona un método estructurado para administrar el comportamiento, la toma de decisiones y el proceso de aprendizaje de los agentes de IA.
El componente central es el siguiente: en primer lugar, la interfaz de incorporación del agente es el punto de entrada donde el desarrollador integra el juego en el comportamiento proxy en el agente.Los subsistemas de percepción inician la sesión especificando parámetros como ID de sesión, ID proxy, usuario y otros detalles relacionados.
Integrará la información en el mecanismo de entrada del agente de IA en el formato del motor de planificación estratégica, ya sea en forma de diálogo o respuesta.El núcleo es el módulo de procesamiento de diálogo, que se utiliza para procesar mensajes y respuestas del proxy, y coopera con el subsistema de percepción para interpretar y responder de manera efectiva a la entrada.
El motor de planificación estratégica y el módulo de procesamiento de diálogo y el operador de billetera en la cadena trabajan juntos para generar respuesta y planes.Hay dos niveles de la función del motor: como planificador de alto nivel, se crea una amplia gama de estrategias de acuerdo con el contexto o el objetivo;
Otro componente independiente pero importante es el contexto mundial.Además, el repositorio de agentes se utiliza para almacenar atributos a largo plazo, como objetivos, reflexión, experiencia y personalidad, crean conjuntamente comportamientos de poder y procesos de toma de decisiones.
El marco utiliza memoria de trabajo a corto plazo y procesadores de memoria a largo plazo.La memoria a corto plazo conserva la información relevante, los resultados y la información relacionada con la planificación actual.Por el contrario, los procesadores de memoria a largo plazo extrajeron información clave para extraer información clave de acuerdo con estándares como importancia, naturaleza reciente y correlación.La memoria a largo plazo almacena el conocimiento, la reflexión, la personalidad dinámica, el contexto del mundo y la memoria laboral, para mejorar la toma de decisiones y proporcionar una base de aprendizaje.
El módulo de aprendizaje utiliza datos del subsistema de percepción para generar conocimiento general.Los desarrolladores pueden ingresar la retroalimentación de la acción, el estado del juego y los datos sensoriales a través de la interfaz para mejorar la capacidad de aprendizaje de los agentes de IA y mejorar sus capacidades de planificación y toma de decisiones.
El flujo de trabajo comenzó a interactuar en el desarrollador a través de la interfaz inmediata de la agencia.La entrada es procesada por el subsistema de percepción y se vuelve a publicar al módulo de procesamiento de diálogo.El motor de planificación estratégica formuló e implementó el plan basado en esta información, y utilizó planes de acción estratégicos y detallados de alto nivel.
Los datos del contexto y el repositorio de agentes del mundo notifican estos procesos, mientras que la memoria de trabajo rastrea las tareas instantáneas.Al mismo tiempo, el almacenamiento y el conocimiento a largo plazo del procesador de memoria a largo plazo a largo plazo.Aprenda los resultados del módulo e integre nuevos conocimientos en el sistema, para que el comportamiento y la interacción del agente puedan mejorarse continuamente.
Rig (desarrollado por ARC)
Rig es un marco de óxido de código abierto, cuyo objetivo es simplificar el desarrollo de aplicaciones de modelos de idiomas grandes.Proporciona una interfaz unificada para la interacción con múltiples proveedores de LLM (como OpenAI y Anthrope) para admitir diversos vectores, incluidos MongoDB y Neo4J.La singularidad de la arquitectura modular de este marco es su componente central, como la capa abstracta del proveedor y el sistema de integración y proxy de vectores para promover la interacción perfecta de LLM.
La audiencia principal de Rig incluye desarrolladores que utilizan aplicaciones AI/ML que usan Rust, y en segundo lugar incluyen la búsqueda de integrar múltiples proveedores y vectores de LLM en varias organizaciones en sus propias aplicaciones de óxido.El repositorio utiliza la arquitectura espacial de trabajo, con múltiples cajas, admite escalabilidad y gestión eficiente de proyectos.Las funciones clave son la capa abstracta del proveedor, que proporciona estandarización para la API de finalización e incrustación entre diferentes proveedores de LLM, y tiene errores consistentes.El componente de integración de la tienda vectorial proporciona una interfaz abstracta para múltiples back -end y soporte de vector de búsqueda similar.El sistema proxy simplifica la interacción LLM y admite la generación mejorada de recuperación (RAG) e integración de herramientas.Además, el marco integrado también proporciona una operación integrada de funciones de procesamiento por lotes y seguridad de tipo.
Rig utiliza una serie de ventajas técnicas para garantizar la confiabilidad y el rendimiento.La operación asincrónica utiliza la operación asíncrona de Rust para procesar efectivamente una gran cantidad de solicitudes concurrentes.El mecanismo de procesamiento incorrecto inherente al marco mejora la capacidad de recuperación de los proveedores de inteligencia artificial o las operaciones de la base de datos.La seguridad del tipo puede evitar errores en el proceso de compilación, mejorando así el mantenimiento del código.La serialización eficiente y el proceso desertil admiten el procesamiento de datos de JSON y otros formatos, lo cual es esencial para la comunicación y el almacenamiento del servicio de IA.Registros de registro detallados y detección Ayudan aún más las aplicaciones de depuración y monitoreo.
El flujo de trabajo de Rig comienza cuando el cliente inicia una solicitud.Los datos se procesan por la capa central.En respuesta, antes de regresar al cliente, se generó y se refina a través de flujos de trabajo complejos (como RAG).El sistema integra múltiples proveedores de LLM y almacenamiento vectorial, que es adaptable a la disponibilidad del modelo o las actualizaciones de rendimiento.
Existen muchos casos de RIG, que incluyen documentos relacionados con la recuperación para proporcionar sistemas de preguntas y respuestas de respuesta precisas, sistema de búsqueda y recuperación de documentos para el descubrimiento de alta eficiencia y robots de chat o asistentes virtuales que brindan a los clientes una interacción contextual de comprensión.También admite la generación de contenido, admite la creación y otros materiales basados en modelos de aprendizaje, lo que lo convierte en una herramienta general para desarrolladores y organizaciones.
Zerepy (desarrollado por Zerepy y Blorm)
Zerepy es un marco de código abierto escrito en el lenguaje Python, cuyo objetivo es usar OpenAI o antrópico LLM para desplegar agentes en X.Una versión modular derivada del back -end de Zerebro, Zerepey permite a los desarrolladores iniciar agentes similares a la función central de Zerebro.Aunque el marco proporciona la base para la implementación de la agencia, es esencial formar salida creativa, modelos de fino.Zerepy simplifica el desarrollo y el despliegue de agentes de IA personalizados, especialmente para la creación de contenido en plataformas sociales, y cultiva un ecosistema creativo impulsado por la IA para el arte y las aplicaciones descentralizadas.
Este marco utiliza el desarrollo de Python, enfatizando la autonomía de la agencia, centrándose en la generación de resultados creativos y consistente con la arquitectura y cooperación de Eliza con Eliza.Su diseño modular admite la integración del sistema de memoria y admite agentes de implementación en plataformas sociales.Las funciones principales incluyen una interfaz de línea de comandos para la gestión de agencias, integración con Twitter, soporte para OpenAI y Anthrope LLM y sistemas de conexión modular para funciones mejoradas.
El caso de uso de Zerepy cubre el campo de la automatización de las redes sociales.Además, también atiende la creación de contenido en los campos de la música, el meme y el NFT, lo que lo convierte en una herramienta importante para el arte digital y las plataformas de contenido basadas en blockchain.
(2) Comparación de cuatro marcos principales
En nuestra opinión, cada marco proporciona un método único para el desarrollo de la inteligencia artificial, que satisface las necesidades y el entorno específicos.
Eliza se destaca con su interfaz amigable para el usuario, especialmente para los desarrolladores que están familiarizados con JavaScript y Node.js EngLOUNDY.Sus documentos completos ayudan a establecer agentes de inteligencia artificial en varias plataformas, aunque su extenso conjunto funcional puede traer una cierta curva de aprendizaje.Desarrollado usando TypeScript para hacer de Eliza una opción ideal para construir un agente integrado en la web, porque la mayor parte del extremo frontal de la infraestructura web se desarrolla con TypeScript.Este marco es conocido por su arquitectura de múltiples agencias y puede implementar una personalidad de inteligencia artificial diferente en plataformas como Discord, X y Telegram.Su sistema avanzado de RAG de gestión de memoria lo hace particularmente efectivo para la atención al cliente o las aplicaciones de redes sociales.Aunque proporciona un apoyo comunitario flexible y poderoso y un rendimiento de plataforma cruzada constante, todavía se encuentra en la etapa inicial y puede constituir una curva de aprendizaje para los desarrolladores.
El juego está diseñado para desarrolladores de juegos.Sin embargo, se centra en el desarrollo de juegos y la integración de blockchain, que puede constituir una curva de aprendizaje empinada para aquellos que no tienen experiencia relevante.Tiene un rendimiento sobresaliente en el contenido del programa y el comportamiento de NPC, pero está limitado por la complejidad aumentada por sus segmentos e integración de blockchain.
Debido al uso del lenguaje de óxido, la plataforma puede no ser muy amigable dada por la complejidad del lenguaje, lo que trae desafíos de aprendizaje importantes, pero para aquellos que son competentes en la programación del sistema, tiene una interacción intuitiva.En comparación con TypesCripe, el lenguaje de programación en sí es conocido por su rendimiento y seguridad de la memoria.Tiene una inspección de compilación estricta y una abstracción porcentual cero, que es necesaria para ejecutar algoritmos de IA complejos.Este lenguaje es muy eficiente, y su bajo grado de control lo ha convertido en una opción ideal para aplicaciones de inteligencia artificial intensiva en recursos.Este marco proporciona soluciones de alto rendimiento con diseños modulares y escalables, por lo que es una opción ideal para aplicaciones corporativas.Sin embargo, para los desarrolladores que no están familiarizados con el óxido, el uso de óxido no puede evitar enfrentar curvas de aprendizaje empinadas.
Zerepy utiliza Python para proporcionar un alto grado de disponibilidad para las tareas creativas de IA.Zerepy es bueno en aplicaciones creativas de inteligencia artificial como NFT y posicionándose como una herramienta poderosa para los medios digitales y el arte.Aunque está en auge en la creatividad, el rango es relativamente estrecho en comparación con otros marcos.
En términos de escalabilidad, Eliza ha logrado un gran progreso en su actualización V2.Sin embargo, si no se realiza una optimización, esta gestión de interacción multiformforma puede traer desafíos de escalabilidad.
El juego funciona bien en el procesamiento de tiempo real requerido por el juego.
El marco de la plataforma utiliza las propiedades de escalabilidad de Rust para diseñarlo para aplicaciones de alto rendimiento, lo que es particularmente efectivo para la implementación de nivel empresarial, aunque esto puede significar que la escalabilidad real requiere configuraciones complejas.
La escalabilidad de Zerepy enfrenta la producción creativa y respalda el apoyo de las contribuciones de la comunidad, pero su centro de gravedad de enfoque puede limitar su aplicación en una prueba de inteligencia artificial más amplia.
En términos de adaptabilidad, Eliza lidera su sistema Plug -in y la compatibilidad de la plataforma cruzada y la plataforma de misiones complejas de IA en el entorno del juego también son excelentes.Zerepy ha mostrado una alta adaptabilidad en el campo creativo, pero no es adecuado para aplicaciones de inteligencia artificial más amplias.
En términos de rendimiento, Eliza optimiza la interacción rápida de las redes sociales.
El juego desarrollado por el protocolo virtual se centra en la interacción de tiempo real de alto rendimiento en los escenarios del juego, y utiliza procesos eficientes de toma de decisiones y posibles blockchains para operaciones de inteligencia artificial descentralizadas.
El marco de la plataforma se basa en el lenguaje de óxido, que proporciona un excelente rendimiento para las tareas informáticas de alto rendimiento, y es adecuado para calcular aplicaciones corporativas con eficiencia crucial.
El rendimiento de Zerepy está hecho a medida para la creación de contenido creativo.
La ventaja de Eliza es que proporciona flexibilidad y escalabilidad.
El juego proporciona una función interactiva única en tiempo real en el juego, que mejora la novela participación de IA a través de Blockchain.
La ventaja de la plataforma radica en su rendimiento y escalabilidad para las tareas de inteligencia artificial corporativa, centrándose en proporcionar un código modular limpio para la salud del proyecto a largo plazo.
Zerepy es bueno para cultivar la creatividad, liderando en aplicaciones de inteligencia artificial del arte digital y apoyando el vibrante modelo de desarrollo impulsado por la comunidad.
Cada marco tiene sus propias limitaciones. Rust puede asustar a algunos desarrolladores, la pequeña atención a escala de Zerey para la producción creativa puede limitar su uso en otros campos de IA.
(3) Resumen de comparación del marco
Rig (arco):
Idioma: óxido, presta atención a la seguridad y el rendimiento.
Ejemplo: elección ideal para aplicaciones de IA empresariales porque se centra en la eficiencia y la escalabilidad.
Comunidad: No muy impulsado por la comunidad, preste más atención a los desarrolladores técnicos.
Eliza (AI16Z):
Idioma: TypeScript, enfatizando la flexibilidad de Web3 y la participación comunitaria.
Ejemplo: diseñado para interacción social, DAO y transacciones, especialmente énfasis en los sistemas de múltiples agencias.
Comunidad: alta comunidad impulsada, con una extensa participación de GitHub.
Zerepy (Zerebro):
Idioma: Python, para que pueda usarse para una gama más amplia de desarrolladores de IA.
Ejemplo: Adecuado para la automatización de las redes sociales y las tareas de agencia de IA más simples.
Comunidad: relativamente nueva, pero debido a la popularidad de Python y el apoyo de los contribuyentes de AI16Z, se espera que crezca.
Gameal (virtual):
Enfoque: los agentes de inteligencia artificial autónomo y adaptativo pueden evolucionar de acuerdo con la interacción en el entorno virtual.
Caso de uso: la escena de aprendizaje y adaptación de agente de IA más adecuada, como juegos o mundos virtuales.
Comunidad: innovar a la comunidad, pero aún determina su posicionamiento en la competencia.
3. Tendencia de los datos de Star en Github
>
La imagen de arriba es la estrella de GitHub desde el lanzamiento de estos marcos.Vale la pena señalar que Github Star es un indicador de intereses comunitarios, popularidad del proyecto y valor de percepción del proyecto.
Eliza (línea roja):
Desde la base baja en julio, el número de estrellas a fines de noviembre (alcanzando 61,000 estrellas), lo que indica que los intereses de las personas han aumentado rápidamente y atrajo la atención de los desarrolladores.Este crecimiento de nivel índice muestra que Eliza ha ganado un gran atractivo debido a sus funciones, actualizaciones y participación de la comunidad.Su popularidad es mucho más que otras competencias, lo que muestra que tiene un fuerte apoyo comunitario y tiene una aplicabilidad o interés más amplio en la comunidad de inteligencia artificial.
Rig (línea azul):
Rig es el más largo de los cuatro marcos principales.Ha alcanzado 1700 estrellas, pero todavía está aumentando.El desarrollo continuo, la renovación y el número creciente de usuarios son la razón de la acumulación continua del interés del usuario.Esto puede reflejar que el nicho de los usuarios del marco aún puede acumular reputación.
Zerey (línea amarilla):
Zerepy acaba de lanzarse hace unos días y ha acumulado 181 estrellas.Vale la pena enfatizar que Zerey necesita más desarrollo para mejorar su visibilidad y tasa de adopción.La cooperación con AI16Z puede atraer a más contribuyentes de código.
Juego (línea verde):
El número de estrellas en este proyecto es el menor.Sin embargo, este marco estaba abierto a los constructores hace más de un mes, y se construyen más de 200 proyectos utilizando el juego.
4. Razones para la mierda del marco
La versión V2 de Eliza integrará el kit de proxy Coinbase.Todos los proyectos que usan Eliza apoyarán la TEE nativa en el futuro, para que el agente pueda ejecutarse en un entorno seguro.Una característica de Eliza es el Registro Plug -In (Registro de complementos), que permite a los desarrolladores registrarse sin problemas e integrado plug -in.
Además, Eliza V2 admitirá mensajes de plataforma cruzada anónima automatizadas.El Libro Blanco Token Economics está programado para ser lanzado el 1 de enero de 2025, y se espera que tenga un impacto positivo en la ficha AI16Z subyacente del marco Eliza.El plan AI16Z continúa mejorando la efectividad del marco y continúa atrayendo talentos de alta calidad.
El marco del juego proporciona a un agente una integración sin códigos, lo que permite usar Game y Eliza en un solo proyecto para cumplir propósitos específicos.Se espera que este método atraiga a los constructores preocupados por la lógica comercial en lugar de la complejidad técnica.Aunque el marco solo se ha lanzado durante más de 30 días, con el apoyo de los esfuerzos del equipo para atraer a más contribuyentes, ha logrado un progreso sustancial.Se espera que todos los elementos que comienzan en virtual usen el juego.
Rig, representada por Tokens ARC, tiene un gran potencial.Sin embargo, se espera que el proyecto de alta calidad de ARC aparezca pronto, similar al volante virtual, pero centrado en Solana.El equipo es optimista sobre la cooperación con Solana y compara la relación entre Arc y Solana con virtual a base.Vale la pena señalar que el equipo no solo alienta a los nuevos proyectos a usar la startup de la plataforma, sino que también alienta a los desarrolladores a mejorar el marco de la plataforma en sí.
Zerepy es un marco recientemente lanzado que está recibiendo cada vez más atención debido a la cooperación con Eliza.El marco atrajo a los contribuyentes de Eliza y lo están mejorando activamente.Impulsado por los fanáticos de Zerebro, tiene un lote de seguidores fanáticos y ofrece nuevas oportunidades para los desarrolladores de Python.Este marco desempeñará un papel importante en la creatividad de la IA.
