作者:Deep Value Memetics,翻譯:金色財經xiaozou
本文我們將探討Crypto X AI框架的前景。我們將著眼於當前主要的四個框架(ELIZA, GAME, ARC, ZEREPY)及各自的技術差異。
1、前言
我們在過去的一周裡研究測試了ELIZA、GAME、ARC、ZEREPY這四大主要Crypto X AI框架,我們得出的結論如下。
我們相信AI16Z將繼續佔據主導地位。Eliza的價值(市占率約60%,市值超10億美元)在於它的先發優勢(林迪效應),及其獲得越來越多開發人員的使用,193個貢獻者、1800個分叉和6000多個star等數據就證明了這一點,使它成為Github上最受歡迎的代碼庫之一。
到目前為止,GAME(市占率約20%,市值約3億美元)的發展非常順利,正在獲取快速採用,正如VIRTUAL剛剛宣布的那樣,該平台有超過200個項目,15萬的日請求量和200%的周增長率。GAME將繼續受益於VIRTUAL的崛起,並將成為其生態系統中最大的贏家之一。
Rig(ARC,市占率約15%,市值約1.6億美元)非常引人注目,因為其模塊化設計非常易於操作,並且可以作為「pure-play」在Solana生態系統(RUST)中占據主導地位。
Zerepy(市占率約5%,市值約3億美元)是一個相對小眾的應用程序,專門面向狂熱的ZEREBRO社區,它最近與ai16z社區的合作可能會產生協同效應。
我們注意到,我們的市占率計算覆蓋了市值、開發記錄和底層操作系統終端市場。
我們認為,在本市場周期中,框架細分市場將是增長最快的領域,17億美元的總市值可能很容易增長到200億美元,這與2021年L1的峰值估值相比仍然相對保守,當時許多L1的估值達到了200億美元以上。雖然這些框架都服務於不同的終端市場(鍊/生態系統),但鑑於我們認為該領域正處於不斷上升的趨勢,市值加權方法可能是最謹慎的方法。
2、四大框架
在下面這個表格中,我們列出了各主要框架的關鍵技術、組件和優勢。
(1)框架概述
在AI X Crypto的交叉領域,有幾個框架促進了AI的發展。它們是AI16Z的ELIZA, ARC的RIG,ZEREPY的ZEREBRO, 和GAME的VIRTUAL。每個框架都滿足AI代理開發過程中的不同需求和理念,從開源社區項目到側重性能的企業級解決方案。
本文首先來介紹框架,告訴大家它們是什麼,使用什麼編程語言、技術架構、算法,具有什麼獨特的功能,以及框架可以使用的潛在用例有哪些。然後,我們從可用性、可擴展性、適應性和性能方面來比較每個框架,探索各自的優勢和局限性。
ELIZA(由ai16z開發)
Eliza是一個多代理模擬開源框架,旨在創建、部署和管理自主AI代理。它是用TypeScript編程語言開發的,它為構建智能代理提供了一個靈活的可擴展平台,這些智能代理能夠在多個平台上實現與人類的互動,並保持一致的個性和知識。
該框架的核心功能包括一個支持同時部署和管理多個獨特AI個性的多代理架構,以及一個使用角色文件框架創建不同代理的角色系統,以及通過高級檢索增強生成(RAG)系統提供長期內存和上下文感知的內存管理功能。此外,Eliza框架還提供順暢的平台集成,可與Discord、X和其他社交媒體平台進行可靠的連接。
從AI 代理的通信和媒體功能方面來看,eliza 是一個極佳選擇。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API直接訪問的集成。另一方面,該框架的媒體處理功能可擴展至 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,可有效處理各類媒體輸入和輸出。
Eliza框架通過開源模型的本地推理、openAI的雲推理以及默認配置(如Nous Hermes Llama 3.1B)提供靈活的AI模型支持,並集成了對Claude處理複雜任務的支持。Eliza採用模塊化架構,具有廣泛的操作系統、自定義客戶端支持和全面的API,確保了應用程序之間的可擴展性和適應性。
Eliza的用例跨多個領域,例如:用於客戶支持、社區審核和個人任務的AI助手,以及內容自動創建者、互動機器人和品牌代表等社交媒體角色。它還可以充當知識工作者,扮演研究助理、內容分析師和文檔處理器等角色,並支持角色扮演機器人、教育導師和娛樂代理等形式的互動角色。
Eliza的架構圍繞代理運行時(agent runtime)構建,代理運行時與其角色系統(由模型提供商支持)、內存管理器(連接到數據庫)和操作系統(與平台客戶端鏈接)無縫集成。該框架的獨特功能包括插件系統可支持模塊化功能擴展,支持語音、文本和媒體等多模態交互,並兼容領先的AI模型(如Llama、GPT-4和Claude)。憑藉其功能多樣和強大的設計,eliza作為跨領域開發AI應用程序的強大工具脫穎而出。
G.A.M.E(由Virtuals Protocol開發)
生成式自治多模態實體框架(G.A.M.E)旨在為開發人員提供API和SDK訪問進行AI代理實驗。這個框架提供一個結構化方法用來管理AI代理的行為、決策和學習過程。
其核心組件如下:首先,代理提示界面(Agent Prompting Interface)是開發者將GAME集成到代理中訪問代理行為的入口點。感知子系統(Perception Subsystem)通過指定會話ID、代理ID、用戶和其他相關細節等參數來啟動會話。
它將傳入信息合成為適合戰略規劃引擎(Strategic Planning engine)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。其核心是對話處理模塊,用於處理來自代理的消息和響應,並與感知子系統協作以有效地解釋並響應輸入。
戰略規劃引擎與對話處理模塊和鏈上錢包操作員共同工作,生成響應和計劃。該引擎功能有兩個層面:作為高層規劃器,根據上下文或目標創建廣泛的策略;作為低層策略將這些策略轉換為可操作的策略,該策略進一步分為用於指定任務的行動規劃器和用於執行任務的計劃執行器。
還有一個獨立但重要的組件就是World Context(世界上下文),它引用環境、全球信息和遊戲狀態,為代理的決策提供必要的上下文。此外,Agent Repository(代理庫)用於存儲長期屬性,如目標、反思、經驗和個性,它們共同塑造了代理的行為和決策過程。
該框架使用短期工作內存和長期內存處理器。短期內存保留了以前的行為、結果和當前計劃的相關信息。相比之下,長期內存處理器則根據重要性、近期性和相關性等標準提取關鍵信息。長期內存儲存了代理的經驗、反思、動態人格、世界上下文和工作內存等知識,以增強決策並為提供學習基礎。
學習模塊使用來自感知子系統的數據生成一般性知識,這些知識被反饋到系統中用以改進未來交互。開發者可以通過界面輸入有關動作、遊戲狀態和感覺數據的反饋,以增強AI代理的學習能力,提高其規劃和決策能力。
工作流程開始於開發人員通過代理提示界面進行交互。輸入由感知子系統處理並轉發給對話處理模塊,對話處理模塊負責管理交互邏輯。然後,戰略規劃引擎根據這些信息制定和執行計劃,利用高層次的戰略和詳細的行動計劃。
來自世界上下文和代理存儲庫的數據通知這些進程,同時工作內存跟蹤即時任務。與此同時,長期內存處理器存儲和檢索長期知識。學習模塊分析結果並將新知識集成到系統中,使代理的行為和交互能夠得到持續改進。
RIG(由ARC開發)
Rig是一個開源Rust框架,旨在簡化大語言模型應用程序的開發。它為與多個LLM提供商(如OpenAI和Anthropic)交互提供了統一接口,支持各種矢量存儲,包括MongoDB和Neo4j。該框架的模塊化架構的獨特之處在於其核心組件,如提供商抽象層(Provider Abstraction Layer)、向量存儲集成和代理系統,以促進LLM的無縫交互。
Rig的主要受眾包括使用Rust構建AI/ML應用程序的開發人員,其次還包括尋求將多個LLM提供商和向量存儲集成到自己的Rust應用程序中的各組織。存儲庫使用工作空間架構,具有多個crate,支持可擴展性和高效的項目管理。其關鍵功能有提供商抽象層,它為在不同LLM提供商之間完成和嵌入API提供了標準化,具有一致的錯誤處理。向量存儲集成(Vector Store Integration)組件為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,嵌入框架還提供批處理功能和type safety的嵌入操作。
Rig利用多項技術優勢來確保可靠性和性能。異步操作利用Rust的異步運行時來有效地處理大量並發請求。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失敗的恢復能力。Type safety可以防止編譯過程中的錯誤,從而增強代碼的可維護性。高效的序列化和反序列化過程支持JSON等格式的數據處理,這對AI服務通信和存儲至關重要。詳細的日誌記錄和檢測進一步幫助調試和監視應用程序。
Rig的工作流在客戶端發起請求時開始,該請求通過提供商抽象層與適當的LLM模型交互。然後,數據由核心層處理,在核心層,代理可以使用工具或訪問上下文的向量存儲。響應在返回給客戶端之前,通過複雜的工作流(如RAG)生成和細化,過程涉及文檔檢索和上下文理解。該系統集成了多個LLM提供商和矢量存儲,對模型可用性或性能更新具有適應性。
Rig的用例多種多樣,包括檢索相關文檔以提供準確響應的問答系統、用於高效內容髮現的文檔搜索和檢索系統,以及為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手。它還支持內容生成,支持基於學習模式創建文本和其他材料,使其成為開發人員和組織機構的通用工具。
Zerepy(由ZEREPY和blorm開發)
ZerePy是一個使用Python語言編寫的開源框架,旨在利用OpenAI或Anthropic LLM在X上部署代理。源自Zerebro後端的一個模塊化版本,zerePy允許開發人員啟動具有類似於Zerebro核心功能的代理。雖然該框架為代理部署提供了基礎,但要生成創造性的輸出,微調模型是必不可少的。ZerePy簡化了個性化AI代理的開發和部署,特別是針對社交平台上的內容創作,培育了一個面向藝術和去中心化應用的AI驅動創意生態系統。
該框架使用Python開發,強調代理自主性,專注於創造性輸出生成,與ELIZA的架構以及與ELIZA的合作關系保持一致。其模塊化設計支持內存系統集成,支持在社交平台上部署代理。主要功能包括一個用於代理管理的命令行界面,與Twitter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領域,用戶可以部署人工智能代理來進行發布、回復、點讚和轉發,從而提高平台參與度。此外,它還迎合了音樂、meme和NFT等領域的內容創作,使其成為數字藝術和基於區塊鏈的內容平台的重要工具。
(2)四大框架對比
在我們看來,每個框架都為人工智能開發提供了一種獨特的方法,符合特定的需求和環境,我們將焦點從這些框架的競爭關係轉移到各框架的獨特性上。
ELIZA以其用戶友好的界面脫穎而出,特別是對於熟悉JavaScript和Node.js環境的開發人員來說。它的綜合文檔有助於在各種平台上設置人工智能代理,儘管其廣泛的功能集可能會帶來一定的學習曲線。使用TypeScript開發,使Eliza成為構建嵌入web中的代理的理想選擇,因為大多數web基礎設施的前端都是用TypeScript開發的。該框架以其多代理架構而聞名,可以在Discord、X和Telegram等平台上部署不同的人工智能個性。其先進的內存管理RAG系統使其對客戶支持或社交媒體應用程序中的人工智能助手特別有效。雖然它提供了靈活性、強大的社區支持和一致的跨平台性能,但它仍處於早期階段,可能會對開發人員構成學習曲線。
GAME是專為遊戲開發者設計的,通過API提供低代碼或無代碼界面,使遊戲領域技術含量較低的用戶也可以使用。然而,它專注於遊戲開發和區塊鏈整合,可能會對那些沒有相關經驗的人構成陡峭的學習曲線。它在程序內容生成和NPC行為方面表現突出,但受到其細分領域和區塊鏈整合所增加的複雜性的限制。
由於使用了Rust語言,鑑於該語言的複雜性,rig可能不太友好,這帶來了重大的學習挑戰,但對於那些精通系統編程的人來說,它具有直觀交互。與typescripe相比,該編程語言本身以性能和內存安全(memory safety)而聞名。它具有嚴格的編譯時檢查和零成本抽象,這是運行複雜AI算法所必需的。該語言非常高效,其低程度控制使其成為資源密集型人工智能應用的理想選擇。該框架提供了具有模塊化和可擴展設計的高性能解決方案,使其成為企業應用程序的理想選擇。然而,對於不熟悉Rust的開發人員來說,使用Rust避免不了要面對陡峭的學習曲線。
ZerePy利用Python,為創造性AI任務提供了高度可用性,python開發人員的學習曲線較低,特別是對於那些具有AI/ML背景的開發人員,並且由於Zerebro的加密社區而受益於強大的社區支持。ZerePy擅長於NFT等創造性人工智能應用,將自身定位為數字媒體和藝術的強大工具。雖然它在創造力方面蓬勃發展,但與其他框架相比,範圍相對較窄。
在可擴展性方面,ELIZA在其V2更新中取得了長足的進步,它引入了統一的消息線和可擴展核心框架,支持跨多個平台進行有效的管理。然而,如果不進行優化,這種多平台交互的管理可能會帶來可擴展性方面的挑戰。
GAME在遊戲所需的實時處理方面表現出色,可擴展性是通過高效算法和潛在的區塊鏈分布式系統來管理的,儘管它可能受到特定遊戲引擎或區塊鏈網絡的限制。
Rig框架利用Rust的可擴展性性能,針對高吞吐量應用程序而設計,這對於企業級部署特別有效,儘管這可能意味著實現真正的可擴展性需要復雜的設置。
Zerepy的可擴展性面向創造性輸出,有社區貢獻的支持,但其聚焦的重心可能會限制其在更廣泛的人工智能環境中的應用,可擴展性可能會受到創造性任務的多樣性而非用戶數量的考驗。
在適應性方面,ELIZA以其插件系統和跨平台兼容性領先,其遊戲環境下的GAME和處理複雜AI任務的Rig也很出色。ZerePy在創意領域表現出高度適應性,但不太適合更廣泛的人工智能應用。
在性能方面,ELIZA針對快速社交媒體交互進行了優化,快速響應時間是關鍵,但在處理更複雜的計算任務時,其表現可能會有所不同。
Virtual Protocol開發的GAME專注於遊戲場景中的高性能實時交互,利用高效的決策過程和潛在區塊鏈進行去中心化人工智能操作。
Rig框架基於Rust語言,為高性能計算任務提供了出色的性能,適用於計算效率至關重要的企業應用程序。
Zerepy的表現是為創意內容的創建量身定製的,其指標以內容生成的效率和質量為中心,在創意領域之外可能不太通用。
ELIZA的優勢是提供了靈活性和可擴展性,通過其插件系統和角色配置使其具有很高的適應性,有利於跨平台的社交AI交互。
GAME在遊戲中提供了獨特的實時交互功能,通過區塊鏈集成增強了新穎的AI參與。
Rig的優勢在於其對針對企業人工智能任務的性能和可擴展性,重點是為長期項目健康提供乾淨的模塊化代碼。
Zerepy擅長培養創造力,在數字藝術人工智能應用方面處於領先地位,並以充滿活力的社區驅動發展模式為支持。
每個框架都有自身局限性,ELIZA仍處於早期階段,存在潛在的穩定性問題和新開發者學習曲線,小眾的Game可能會限制更廣泛的應用,並且區塊鏈還增加了複雜性,rig由於Rust構成的陡峭學習曲線可能會嚇退一部分開發者,而Zerepy對創意輸出的小範圍關注可能會限制其在其他AI領域的使用。
(3)框架對比小結
Rig (ARC):
語言:Rust,關注安全和性能。
用例:企業級AI應用的理想選擇,因為它注重效率和可擴展性。
社區:不太受社區驅動,更多地關注技術開發人員。
Eliza (AI16Z):
語言:TypeScript,強調web3的靈活性和社區參與。
用例:為社交交互、DAO和交易而設計,特別強調多代理系統。
社區:高度社區驅動,具有廣泛的GitHub參與。
ZerePy (ZEREBRO):
語言:Python,使其可用於更廣泛的AI開發人員基礎。
用例:適用於社交媒體自動化和更簡單的AI代理任務。
社區:相對較新,但由於Python的流行和AI16Z貢獻者的支持,有望增長。
GAME(VIRTUAL):
焦點:自主、自適應的人工智能代理,可以根據虛擬環境中的交互而進化。
用例:最適合AI代理學習和適應場景,比如遊戲或虛擬世界。
社區:創新社區,但仍在確定自己在競爭中的定位。
3、Github上的Star數據走勢
上圖是自這些框架發布以來的GitHub star關注數據。值得注意的是,GitHub star是社區興趣、項目受歡迎程度和項目感知價值的指標。
ELIZA(紅線):
從7月的低基數開始上漲,再到11月下旬star數量的大幅增加(達6.1萬顆星),這表明人們的興趣迅速增加,吸引了開發者的注意。這種指數級增長表明,由於其功能、更新和社區參與,ELIZA已經獲得了巨大的吸引力。它的受歡迎程度遠遠超過其他競對,這表明它具有強大的社區支持,在人工智能社區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久的,其star數量適度但一直持續增長,在接下來的一個月裡很可能大幅增加。它已經達到了1700顆星,但仍在不斷上升。持續的開發、更新和不斷增長的用戶數量是用戶興趣不斷積累的原因。這可能反映出該框架用戶小眾或仍在累積聲譽。
ZEREPY(黃線):
ZerePy幾天前剛剛推出,已經累積了181顆星。值得強調的是,zerePy需要更多的開發來提高其可見性和採用率。與AI16Z的合作可能會吸引更多的代碼貢獻者。
GAME(綠線):
這個項目的star數量最少,值得注意的是,這個框架可以通過API直接應用於虛擬生態系統中的代理,從而消除了對Github可見性的需求。然而,這個框架僅在一個多月前才向建設者公開開放,有200多個項目正在使用GAME構建。
4、框架看漲理由
Eliza的V2版本將集成Coinbase代理套件。所有使用Eliza的項目將來都將支持原生TEE,從而使代理能夠在安全的環境中運行。Eliza即將推出的一個功能是插件註冊表(Plugin Registry),可以讓開發人員無縫地註冊和集成插件。
此外,eliza V2將支持自動化匿名跨平台消息傳遞。代幣經濟學白皮書定於2025年1月1日發布,預計將對Eliza框架的底層AI16Z代幣產生積極影響。AI16Z計劃繼續增強框架的效用,繼續吸引高質量人才,其主要貢獻者的努力已經證明它具有這樣的能力。
GAME框架為代理提供無代碼集成,允許在單個項目中同時使用GAME和ELIZA,各自服務於特定目的。這種方法有望吸引關注業務邏輯而非技術複雜性的建設者。儘管該框架只公開發布了30幾天,但在團隊努力吸引更多貢獻者的支持下,它已取得實質性進展。預計在VIRTUAL上啟動的所有項目都將使用GAME。
以ARC代幣為代表的Rig具有巨大潛力,儘管其框架還處於早期增長階段,並且推動項目採用的計劃也僅上線幾天而已。但採用ARC的高質量項目預計很快就會出現,類似於Virtual飛輪,但重心放在了Solana。該團隊對與Solana的合作持樂觀態度,將ARC與Solana的關係比作Virtual之於Base。值得注意的是,該團隊不僅鼓勵新項目使用Rig啟動,還鼓勵開發人員增強Rig框架本身。
Zerepy是一個新推出的框架,由於與Eliza的合作關係,它正獲得越來越多的關注。該框架吸引了Eliza的貢獻者,他們正在積極對它進行改進。在ZEREBRO粉絲的推動下,它擁有一批狂熱的追隨者,並為Python開發人員提供了新機會,這些開發人員之前在人工智能基礎設施的競爭中缺乏代表性。該框架將在AI創造性方面發揮重要作用。
