ELIZA, GAME, ARC ve ZEREPY dört büyük Crypto X AI çerçevesinin karşılaştırması

Yazar: Deep Value Memetics, Çeviri: Altın Finans xiaozou

Bu yazıda Crypto X AI çerçevesinin geleceğini ele alacağız. Mevcut dört ana çerçeveye (ELIZA, GAME, ARC, ZEREPY) ve bunların teknik farklılıklarına odaklanacağız.

1. Giriş

Geçtiğimiz hafta ELIZA, GAME, ARC, ZEREPY adlı dört ana Crypto X AI çerçevesini araştırdık ve test ettik, sonuçlarımız aşağıdaki gibidir.

AI16Z'nin hâlâ baskın bir konumda olacağına inanıyoruz. Eliza'nın değeri (pazar payı yaklaşık %60, piyasa değeri 1 milyar dolardan fazla) erken başlangıç avantajına (Lindy etkisi) ve giderek artan sayıda geliştirici tarafından kullanılmasına dayanmaktadır; 193 katkıda bulunan, 1800'den fazla çatallama ve 6000'den fazla yıldız gibi veriler bunu kanıtlamaktadır ve böylece onu Github'daki en popüler kod kütüphanelerinden biri haline getirmektedir.

Şu ana kadar GAME'in (pazar payı yaklaşık %20, piyasa değeri yaklaşık 300 milyon dolar) gelişimi oldukça başarılı geçti, hızlı benimseme sağlıyor. VIRTUAL'un yeni duyurusuna göre, bu platformda 200'den fazla proje, günlük 150.000 talep ve %200'lük bir haftalık büyüme oranı var. GAME, VIRTUAL'un yükselişinden yararlanmaya devam edecek ve ekosistemindeki en büyük kazananlardan biri haline gelecek.

Rig (ARC, pazar payı yaklaşık %15, piyasa değeri yaklaşık 160 milyon dolar) dikkat çekiyor çünkü modüler tasarımı oldukça kolay kullanılabilir ve Solana ekosisteminde (RUST) "pure-play" olarak ön planda yer alabilir.

Zerepy (pazar payı yaklaşık %5, piyasa değeri yaklaşık 300 milyon dolar) ZEREBRO topluluğuna özel olarak tasarlanmış nispeten niş bir uygulamadır ve son zamanlarda ai16z topluluğu ile yaptığı işbirliği sinerji yaratabilir.

Pazar payı hesaplamamızın piyasa değeri, geliştirme kayıtları ve alt sistem işletim sistemi terminal pazarı kapsamını kapsadığını fark ettik.

Bu piyasa döngüsünde, çerçeve alt pazarının en hızlı büyüyen alan olacağını düşünüyoruz, 1.7 milyar dolarlık toplam piyasa değeri kolayca 20 milyar dolara yükselebilir, bu da 2021'de L1'in zirve değerlemesi ile karşılaştırıldığında hâlâ oldukça temkinli, o dönemde birçok L1'in değerlemesi 20 milyar doların üzerine çıkmıştı. Bu çerçeveler farklı son kullanıcı pazarlarına (zincir/ekosistem) hizmet etse de, bu alanın sürekli yükselişte olduğunu düşündüğümüz için piyasa değeri ağırlıklı yöntem en temkinli yaklaşım olabilir.

2、Dört Büyük Çerçeve

Aşağıdaki tabloda, ana çerçevelerin temel teknolojilerini, bileşenlerini ve avantajlarını listeledik.

(1) Çerçeve Özeti

AI ve Kripto'nun kesişim alanında, AI'nın gelişimini teşvik eden birkaç çerçeve bulunmaktadır. Bunlar AI16Z'nin ELIZA'sı, ARC'nin RIG'i, ZEREPY'nin ZEREBRO'su ve GAME'in VIRTUAL'ıdır. Her bir çerçeve, açık kaynak topluluk projelerinden performansa odaklanan kurumsal düzey çözümlere kadar, AI ajanı geliştirme sürecindeki farklı ihtiyaç ve felsefelere hitap etmektedir.

Bu makalede öncelikle çerçeveler tanıtılacak, bunların ne olduğu, hangi programlama dillerinin kullanıldığı, teknik mimarileri, algoritmaları, sahip oldukları benzersiz özellikler ve çerçevenin potansiyel kullanım durumları hakkında bilgi verilecektir. Ardından, her çerçevenin kullanılabilirlik, ölçeklenebilirlik, uyumluluk ve performans açısından karşılaştırması yapılacak ve her birinin avantajları ve sınırlamaları keşfedilecektir.

ELIZA (ai16z tarafından geliştirildi)

Eliza, otonom AI ajanları oluşturmak, dağıtmak ve yönetmek için tasarlanmış çoklu ajan simülasyon açık kaynak çerçevesidir. TypeScript programlama dili ile geliştirilmiştir ve bu akıllı ajanların insanlarla çoklu platformlarda etkileşimde bulunmasını sağlarken tutarlı bir kişilik ve bilgiye sahip olmaları için esnek bir ölçeklenebilir platform sunar.

Bu çerçevenin temel işlevleri, birden fazla benzersiz AI kişiliğini aynı anda dağıtmayı ve yönetmeyi destekleyen çoklu ajan mimarisi ile farklı ajanların rolleri için bir rol dosyası çerçevesi kullanarak oluşturulan bir rol sistemi ve uzun vadeli hafıza ve bağlam bilincine sahip hafıza yönetim işlevleri sunan Gelişmiş Arama Artırma (RAG) sistemi içermektedir. Ayrıca, Eliza çerçevesi, Discord, X ve diğer sosyal medya platformlarıyla güvenilir bağlantılar kurarak sorunsuz bir platform entegrasyonu sağlamaktadır.

AI aracının iletişim ve medya işlevleri açısından Eliza mükemmel bir seçimdir. İletişim açısından, bu çerçeve Discord'un ses kanalı işlevini, X işlevini, Telegram'ı ve özel kullanım durumları için API'ye doğrudan erişimi desteklemektedir. Öte yandan, bu çerçevenin medya işleme yetenekleri PDF belgelerinin okunması ve analizi, bağlantı içerik çıkarımı ve özetleme, ses transkripsiyonu, video içerik işleme, görüntü analizi ve diyalog özetine kadar genişleyebilir ve çeşitli medya giriş ve çıkışlarını etkili bir şekilde işleyebilir.

Eliza framework, açık kaynaklı modellerin yerel çıkarımı, OpenAI'nin bulut çıkarımı ve varsayılan yapılandırmalar (örneğin, Nous Hermes Llama 3.1B) aracılığıyla esnek AI model desteği sunmakta ve Claude'un karmaşık görevleri işleme desteğini entegre etmektedir. Eliza, geniş bir işletim sistemi, özelleştirilmiş istemci desteği ve kapsamlı API ile modüler bir mimari benimsemekte, uygulamalar arasında ölçeklenebilirlik ve uyarlanabilirlik sağlamaktadır.

Eliza'nın kullanım durumu, müşteri destek hizmetleri, topluluk denetimi ve kişisel görevler için AI asistanları gibi birçok alana yayılmaktadır. Ayrıca içerik otomatik oluşturucuları, etkileşimli botlar ve marka temsilcileri gibi sosyal medya rollerinde de yer alabilir. Bilgi çalışanı olarak araştırma asistanı, içerik analisti ve belge işleyici gibi rolleri üstlenebilir ve rol oynayan botlar, eğitim mentorları ve aracı temsilcileri gibi etkileşimli rolleri destekleyebilir.

Eliza'nın mimarisi, ajan çalışma zamanı (agent runtime) etrafında inşa edilmiştir; ajan çalışma zamanı, rol sistemi (model sağlayıcıları tarafından desteklenen), bellek yöneticisi (veritabanına bağlı) ve işletim sistemi (platform istemcisi ile bağlantılı) ile sorunsuz bir şekilde entegre olur. Bu çerçevenin benzersiz özellikleri arasında, modüler işlevsellik genişletmesini destekleyen eklenti sistemi, ses, metin ve medya gibi çok modlu etkileşimleri destekleme ve önde gelen AI modelleri (Llama, GPT-4 ve Claude gibi) ile uyumluluk bulunmaktadır. Fonksiyon çeşitliliği ve güçlü tasarımı sayesinde, Eliza, alanlar arası AI uygulamaları geliştirmek için güçlü bir araç olarak öne çıkmaktadır.

G.A.M.E (Virtuals Protocol tarafından geliştirildi)

Üretken Otonom Çok Modlu Varlık Çerçevesi (G.A.M.E), geliştiricilere AI ajan deneyleri için API ve SDK erişimi sağlamayı amaçlamaktadır. Bu çerçeve, AI ajanlarının davranışını, karar verme süreçlerini ve öğrenme süreçlerini yönetmek için yapılandırılmış bir yaklaşım sunar.

Ana bileşenleri şunlardır: Öncelikle, Ajan İstemi Arayüzü (Agent Prompting Interface), geliştiricilerin GAME'i ajana entegre ederek ajanın davranışına erişim noktasıdır. Algılama Alt Sistemi (Perception Subsystem), oturum ID'si, ajan ID'si, kullanıcı ve diğer ilgili ayrıntılar gibi parametreleri belirleyerek oturumu başlatır.

Gelen bilgiyi, stratejik planlama motoruna (Strategic Planning Engine) uygun bir formatta birleştirerek AI ajanının algı mekanizması olarak işlev görecektir, ister diyalog ister tepki biçiminde olsun. Temelinde, ajandan gelen mesajları ve yanıtları işlemek için kullanılan bir diyalog işleme modülü bulunmaktadır ve girişleri etkili bir şekilde yorumlayıp yanıt vermek için algılama alt sistemi ile işbirliği yapmaktadır.

Stratejik planlama motoru, diyalog işleme modülü ve zincir üzerindeki cüzdan operatörü birlikte çalışarak yanıtlar ve planlar oluşturur. Bu motorun işlevi iki seviyeye sahiptir: yüksek düzeyde bir planlayıcı olarak, bağlama veya hedefe göre geniş stratejiler oluşturmak; düşük düzeyde stratejiler olarak bu stratejileri uygulanabilir stratejilere dönüştürmek, bu stratejiler de belirli görevler için eylem planlayıcıları ve görevlerin icrası için plan icra edicileri olarak daha da ayrılır.

Ayrıca bağımsız ama önemli bir bileşen de World Context (Dünya Bağlamı)dır; bu, ortamı, küresel bilgileri ve oyun durumunu referans alarak ajanların karar vermesi için gerekli bağlamı sağlar. Ayrıca, Agent Repository (Ajan Deposu), hedefler, yansımalar, deneyimler ve kişilik gibi uzun vadeli özellikleri depolamak için kullanılır; bunlar birlikte ajanın davranışını ve karar verme sürecini şekillendirir.

Bu çerçeve, kısa süreli bellek ve uzun süreli bellek işlemcileri kullanır. Kısa süreli bellek, önceki davranışların, sonuçların ve mevcut planların ilgili bilgilerini saklar. Buna karşılık, uzun süreli bellek işlemcisi, önem, yakınlık ve alaka gibi kriterlere göre anahtar bilgileri çıkarır. Uzun süreli bellek, ajanların deneyimlerini, düşüncelerini, dinamik kişiliklerini, dünya bağlamını ve çalışma belleği gibi bilgileri depolarak karar verme sürecini güçlendirir ve öğrenim temeli sağlamaya yardımcı olur.

Öğrenme modülü, algı alt sisteminden gelen verileri kullanarak genel bilgiler üretir. Bu bilgiler, gelecekteki etkileşimleri geliştirmek için sisteme geri bildirim olarak iletilir. Geliştiriciler, AI ajanının öğrenme yeteneğini artırmak ve planlama ve karar verme yeteneklerini geliştirmek için arayüz üzerinden eylem, oyun durumu ve hissedilen verilerle ilgili geri bildirim girebilir.

Çalışma akışı, geliştiricilerin aracı ipucu arayüzü aracılığıyla etkileşimde bulunmasıyla başlar. Girdi, algılama alt sistemi tarafından işlenir ve diyalog işleme modülüne iletilir; diyalog işleme modülü etkileşim mantığını yönetmekten sorumludur. Ardından, stratejik planlama motoru bu bilgilere dayanarak planlar oluşturur ve uygular, yüksek düzeyde stratejiler ve ayrıntılı eylem planları kullanarak.

Dünyanın bağlamlarından ve ajan depolarından gelen veriler, bu süreçleri bilgilendirirken, çalışma belleği anlık görevleri izler. Bu arada, uzun süreli bellek işlemcisi uzun süreli bilgileri depolar ve alır. Öğrenme modülü sonuçları analiz eder ve yeni bilgileri sisteme entegre eder, böylece ajanların davranışları ve etkileşimleri sürekli olarak geliştirilebilir.

RIG (ARC tarafından geliştirildi)

Rig, büyük dil modelleri uygulamalarının geliştirilmesini kolaylaştırmak amacıyla oluşturulmuş açık kaynaklı bir Rust çerçevesidir. OpenAI ve Anthropic gibi birden fazla LLM sağlayıcısıyla etkileşim kurmak için birleşik bir arayüz sağlar ve MongoDB ve Neo4j gibi çeşitli vektör depolarını destekler. Bu çerçevenin modüler mimarisinin benzersizliği, LLM'lerin sorunsuz etkileşimini kolaylaştırmak için sağlayıcı soyutlama katmanı (Provider Abstraction Layer), vektör depolama entegrasyonu ve aracılar sistemi gibi çekirdek bileşenlerinde yatmaktadır.

Rig'in ana hedef kitlesi, Rust ile AI/ML uygulamaları geliştiren geliştiricilerdir, ardından Rust uygulamalarına birden fazla LLM sağlayıcısını ve vektör depolamayı entegre etmeye çalışan organizasyonlar gelmektedir. Depo, ölçeklenebilirlik ve verimli proje yönetimi destekleyen birden fazla crate ile çalışma alanı mimarisi kullanmaktadır. Temel özellikleri arasında, farklı LLM sağlayıcıları arasında tamamlamayı ve API'yi entegre etmek için standartlaştırma sağlayan bir sağlayıcı soyutlama katmanı vardır, tutarlı hata işleme ile birlikte. Vektör depolama entegrasyonu (Vector Store Integration) bileşeni, birden fazla arka uç için bir soyut arayüz sunar ve vektör benzerliği aramasını destekler. Proxy sistemi, LLM etkileşimini basitleştirir, bilgi artırma üretimi (RAG) ve araç entegrasyonunu destekler. Ayrıca, gömme çerçevesi, toplu işleme işlevselliği ve type safety ile gömme işlemleri sunar.

Rig, güvenilirlik ve performansı sağlamak için bir dizi teknik avantaj kullanmaktadır. Asenkron işlemler, yüksek sayıda eşzamanlı isteği etkili bir şekilde işlemek için Rust'ın asenkron çalışma zamanını kullanır. Çerçevenin yerleşik hata işleme mekanizması, yapay zeka sağlayıcıları veya veritabanı işlemlerinin başarısız olmasına karşı kurtarma yeteneğini artırır. Tip güvenliği, derleme sürecindeki hataları önleyerek kodun bakımını artırır. Verimli serileştirme ve serileştirmeden çıkarma süreçleri, AI hizmet iletişimi ve depolama için kritik öneme sahip olan JSON gibi veri biçimlerini destekler. Ayrıntılı günlük kaydı ve izleme, uygulamaların hata ayıklamasına ve izlenmesine yardımcı olur.

Rig'in iş akışı, istemcide bir isteğin başlatılmasıyla başlar; bu istek, sağlayıcı soyutlama katmanı aracılığıyla uygun LLM modeli ile etkileşimde bulunur. Ardından, veriler çekirdek katmanda işlenir; burada, ajan araçları kullanabilir veya bağlamın vektör deposuna erişebilir. Yanıt, istemciye geri gönderilmeden önce, belgelerin sorgulanması ve bağlamın anlaşılmasını içeren karmaşık bir iş akışı (örneğin RAG) aracılığıyla üretilir ve rafine edilir. Sistem, birden fazla LLM sağlayıcısını ve vektör deposunu entegre eder ve modelin kullanılabilirliği veya performans güncellemelerine uyum sağlar.

Rig'in kullanım durumları çeşitlidir, bunlar arasında doğru yanıtlar sağlamak için ilgili belgeleri arayan soru-cevap sistemleri, verimli içerik keşfi için belge arama ve retrieval sistemleri ve müşteri hizmetleri veya eğitim için bağlamı anlayan etkileşimler sunan sohbet robotları veya sanal asistanlar yer alır. Ayrıca, öğrenme moduna dayalı metin ve diğer materyaller oluşturma desteği ile içerik üretimini de destekler, bu da onu geliştiriciler ve kuruluşlar için evrensel bir araç haline getirir.

Zerepy (ZEREPY ve blorm tarafından geliştirildi)

ZerePy, Python dilinde yazılmış açık kaynaklı bir çerçevedir ve OpenAI veya Anthropic LLM'yi X üzerinde dağıtmak için tasarlanmıştır. Zerebro arka ucundan gelen modüler bir versiyon olan ZerePy, geliştiricilerin Zerebro'nun temel işlevlerine benzer özelliklere sahip ajanlar başlatmasına olanak tanır. Bu çerçeve ajan dağıtımı için bir temel sağlasa da, yaratıcı çıktılar üretmek için modelin ince ayarı gereklidir. ZerePy, kişiselleştirilmiş AI ajanlarının geliştirilmesini ve dağıtımını basitleştirir, özellikle sosyal platformlarda içerik oluşturma için, sanata ve merkeziyetsiz uygulamalara odaklı bir AI destekli yaratıcı ekosistemi besler.

Bu çerçeve, Python ile geliştirilmiştir ve aracının özerkliğine vurgu yaparak yaratıcı çıktı üretimine odaklanmaktadır; ELIZA'nın mimarisiyle ve ELIZA ile olan işbirliği ile tutarlıdır. Modüler tasarımı, bellek sistemi entegrasyonunu destekler ve sosyal platformlarda aracının dağıtımını sağlar. Temel işlevleri, aracının yönetimi için bir komut satırı arayüzü, Twitter ile entegrasyon, OpenAI ve Anthropic LLM desteği ve işlevselliği artırmak için modüler bağlantı sistemidir.

ZerePy'nin kullanım durumları, sosyal medya otomasyonu alanını kapsamaktadır. Kullanıcılar, platform etkileşimini artırmak için gönderi oluşturma, yanıt verme, beğenme ve paylaşma işlemleri için yapay zeka ajanları dağıtabilirler. Ayrıca, müzik, meme ve NFT gibi alanlarda içerik oluşturma ihtiyacını da karşılayarak, dijital sanat ve blok zinciri tabanlı içerik platformları için önemli bir araç haline gelmektedir.

(2) Dört Ana Çerçevenin Karşılaştırması

Bizim bakış açımıza göre, her çerçeve yapay zeka geliştirme için belirli ihtiyaçlara ve ortamlara uygun benzersiz bir yaklaşım sunmaktadır. Bu nedenle, bu çerçevelerin rekabet ilişkilerinden ziyade her bir çerçevenin benzersizliğine odaklanıyoruz.

ELIZA, kullanıcı dostu arayüzü ile öne çıkıyor, özellikle JavaScript ve Node.js ortamlarına aşina olan geliştiriciler için. Kapsamlı belgeleri, çeşitli platformlarda yapay zeka ajanlarının ayarlanmasına yardımcı olur, ancak geniş özellik seti belirli bir öğrenme eğrisi getirebilir. TypeScript ile geliştirilmesi, Eliza'yı web'e gömülü ajanlar oluşturmak için ideal bir seçenek haline getiriyor, çünkü çoğu web altyapısının ön yüzü TypeScript ile geliştirilmiştir. Bu çerçeve, Discord, X ve Telegram gibi platformlarda farklı yapay zeka kişiliklerini dağıtma yeteneği ile çoklu ajan mimarisi ile tanınır. Gelişmiş bellek yönetim RAG sistemi, müşteri desteği veya sosyal medya uygulamalarındaki yapay zeka asistanları için özellikle etkili olmasını sağlar. Esneklik, güçlü topluluk desteği ve tutarlı çoklu platform performansı sunmasına rağmen, hala erken aşamalardadır ve geliştiriciler için bir öğrenme eğrisi oluşturabilir.

GAME, oyun geliştiricileri için tasarlanmış olup, API aracılığıyla düşük kod veya kodsuz bir arayüz sunarak oyun alanında teknik bilgi düzeyi düşük olan kullanıcıların da kullanımına olanak tanır. Ancak, oyun geliştirme ve blok zinciri entegrasyonuna odaklandığı için, ilgili deneyimi olmayanlar için dik bir öğrenme eğrisi oluşturabilir. Program içeriği oluşturma ve NPC davranışları konusunda öne çıkmasına rağmen, niş alanı ve blok zinciri entegrasyonunun getirdiği karmaşıklık nedeniyle sınırlıdır.

Rust dilinin kullanılması nedeniyle, bu dilin karmaşıklığı göz önüne alındığında, Rig pek dostça olmayabilir ve bu büyük öğrenme zorlukları getirebilir. Ancak sistem programlamasında uzmanlaşmış olanlar için sezgisel bir etkileşim sunar. Typescript ile karşılaştırıldığında, bu programlama dili kendisi performans ve bellek güvenliği (memory safety) ile tanınır. Karmaşık AI algoritmalarının çalışması için gerekli olan sıkı derleme zamanında kontroller ve sıfır maliyetli soyutlamalara sahiptir. Bu dil son derece etkilidir ve düşük seviyeli kontrolü, onu kaynak yoğun yapay zeka uygulamaları için ideal bir seçim haline getirir. Bu çerçeve, modüler ve ölçeklenebilir bir tasarıma sahip yüksek performanslı çözümler sunarak, kurumsal uygulamalar için ideal bir seçim haline gelir. Ancak, Rust ile tanışık olmayan geliştiriciler için Rust kullanmak, dik bir öğrenme eğrisi ile karşılaşmayı kaçınılmaz hale getirir.

ZerePy, Python kullanarak yaratıcı AI görevleri için yüksek kullanılabilirlik sağlar; Python geliştiricileri için öğrenme eğrisi daha düşüktür, özellikle AI/ML geçmişi olan geliştiriciler için ve Zerebro'nun kripto topluluğundan dolayı güçlü bir topluluk desteğinden faydalanır. ZerePy, NFT gibi yaratıcı yapay zeka uygulamalarında uzmanlaşmıştır ve kendisini dijital medya ve sanat için güçlü bir araç olarak konumlandırmaktadır. Yaratıcılık açısından gelişirken, diğer çerçevelerle karşılaştırıldığında kapsamı nispeten dar kalmaktadır.

Ölçeklenebilirlik açısından, ELIZA V2 güncellemesi ile önemli ilerlemeler kaydetti; bu güncelleme, çoklu platformlarda etkili yönetimi destekleyen birleştirilmiş bir mesaj hattı ve ölçeklenebilir bir çekirdek çerçeve getirdi. Ancak, optimizasyon yapılmadığı takdirde, bu çoklu platform etkileşimi yönetimi ölçeklenebilirlik açısından zorluklar yaratabilir.

GAME, oyun için gereken gerçek zamanlı işleme konusunda mükemmel bir performans sergiliyor, ölçeklenebilirlik ise verimli algoritmalar ve potansiyel blok zinciri dağıtık sistemler aracılığıyla yönetiliyor, ancak belirli oyun motorları veya blok zinciri ağlarının sınırlamalarına tabi olabilir.

Rig çerçevesi, Rust'ın ölçeklenebilirlik performansını kullanarak yüksek throughput uygulamalar için tasarlandı; bu, kurumsal düzeyde dağıtımlar için özellikle etkilidir, ancak bu gerçek bir ölçeklenebilirlik sağlamak için karmaşık bir yapılandırma gerektirebilir.

Zerepy'nin ölçeklenebilirliği yaratıcı çıktılara yöneliktir, topluluk katkılarıyla desteklenmektedir, ancak odak noktası, daha geniş bir yapay zeka ortamındaki uygulamasını sınırlayabilir; ölçeklenebilirlik, kullanıcı sayısından ziyade yaratıcı görevlerin çeşitliliği ile test edilebilir.

Uyarlanabilirlik açısından, ELIZA eklenti sistemi ve çapraz platform uyumluluğu ile öne çıkarken, oyun ortamındaki GAME ve karmaşık AI görevlerini işleyen Rig de oldukça başarılıdır. ZerePy, yaratıcılık alanında yüksek bir uyarlanabilirlik gösterirken, daha geniş yapay zeka uygulamaları için pek uygun değildir.

Performans açısından, ELIZA hızlı sosyal medya etkileşimleri için optimize edilmiştir; hızlı yanıt süresi kritik öneme sahiptir, ancak daha karmaşık hesaplama görevlerini işlerken performansı farklılık gösterebilir.

Virtual Protocol tarafından geliştirilen GAME, oyun sahnelerindeki yüksek performanslı gerçek zamanlı etkileşime odaklanmakta, verimli karar alma süreçlerini ve potansiyel blok zincirini kullanarak merkeziyetsiz yapay zeka operasyonları gerçekleştirmektedir.

Rig çerçevesi Rust diline dayanmaktadır ve yüksek performanslı hesaplama görevleri için mükemmel bir performans sunar, hesaplama verimliliğinin kritik öneme sahip olduğu kurumsal uygulamalar için uygundur.

Zerepy'nin performansı, yaratıcı içerik oluşturma için özel olarak tasarlanmıştır ve göstergeleri içerik üretiminin verimliliği ve kalitesi üzerine odaklanmaktadır, bu nedenle yaratıcı alanın dışındaki uygulamalar için pek uygun olmayabilir.

ELIZA'nın avantajı, eklenti sistemi ve rol yapılandırması sayesinde yüksek bir uyum sağlarken esneklik ve ölçeklenebilirlik sunmasıdır; bu, platformlar arası sosyal AI etkileşimlerini destekler.

GAME, oyunda benzersiz bir gerçek zamanlı etkileşim özelliği sunmakta ve blok zinciri entegrasyonu sayesinde yenilikçi AI katılımını artırmaktadır.

Rig'in avantajı, uzun vadeli projelerin sağlığına temiz modüler kod sağlamaya odaklanarak, işletmelere yönelik yapay zeka görevlerindeki performansı ve ölçeklenebilirliğidir.

Zerepy, yaratıcılığı geliştirme konusunda uzmandır, dijital sanat yapay zeka uygulamaları alanında öncüdür ve dinamik bir topluluk destekli gelişim modeli ile desteklenmektedir.

Her çerçevenin kendi sınırlamaları vardır, ELIZA hâlâ erken aşamadadır, potansiyel istikrar sorunları ve yeni geliştiricilerin öğrenme eğrisi mevcuttur, niş oyunlar daha geniş uygulamaları kısıtlayabilir ve blok zinciri karmaşıklığı artırmaktadır, Rig'in Rust'tan kaynaklanan dik öğrenme eğrisi bazı geliştiricileri korkutabilir, Zerepy'nin yaratıcı çıktılara yönelik dar kapsamlı ilgisi ise diğer AI alanlarındaki kullanımını kısıtlayabilir.

(3) Çerçeve Karşılaştırma Özeti

Rig (ARC)：

Dil: Rust, güvenlik ve performansa odaklanır.

Kullanım durumu: Verimlilik ve ölçeklenebilirliğe odaklandığı için kurumsal AI uygulamaları için ideal bir seçim.

Topluluk: Topluluk tarafından pek yönlendirilmiyor, daha çok teknik geliştiricilere odaklanıyor.

Eliza (AI16Z)：

Dil: TypeScript, web3'ün esnekliği ve topluluk katılımını vurguluyor.

Kullanım durumu: Sosyal etkileşim, DAO ve ticaret için tasarlandı, özellikle çoklu ajan sistemine vurgu yapılıyor.

Topluluk: Yüksek derecede topluluk odaklı, geniş bir GitHub katılımına sahip.

ZerePy (ZEREBRO)：

Dil: Python, daha geniş bir AI geliştirici tabanında kullanılabilir hale getirmek için.

Kullanım durumu: Sosyal medya otomasyonu ve daha basit AI ajanı görevleri için uygundur.

Topluluk: Göreceli olarak yeni, ancak Python'un popülaritesi ve AI16Z katkı sağlayıcılarının desteği sayesinde büyüme bekleniyor.

OYUN (SANAL):

Odak: Kendi kendine evrilebilen, sanal ortamda etkileşimlere göre gelişen otonom, uyum sağlayan yapay zeka ajanları.

Kullanım Durumu: AI ajanlarının öğrenmesi ve uyum sağlaması için en uygun senaryolar, örneğin oyun veya sanal dünya.

Topluluk: Yenilikçi bir topluluk, ancak hala rekabet içindeki konumunu belirlemekte.

3、Github üzerindeki Star verilerinin eğilimi

Yukarıdaki grafik, bu çerçevelerin yayınlanmasından bu yana GitHub star takip verilerini göstermektedir. GitHub star'ın, topluluk ilgisi, proje popülaritesi ve proje algılanan değeri için bir gösterge olduğunu belirtmek önemlidir.

ELIZA (Kırmızı Hat):

Temmuz ayındaki düşük bazdan başlayarak, Kasım ayının sonlarına doğru star sayısındaki büyük artış (61.000 yıldıza ulaştı) insanların ilgisinin hızla arttığını ve geliştiricilerin dikkatini çektiğini gösteriyor. Bu üstel büyüme, ELIZA'nın işlevselliği, güncellemeleri ve topluluk katılımı nedeniyle büyük bir çekim gücü kazandığını ortaya koyuyor. Popülaritesi, diğer rakiplerden çok daha fazla ve bu, güçlü bir topluluk desteğine sahip olduğunu ve yapay zeka topluluğunda daha geniş bir kullanılabilirlik veya ilgiye sahip olduğunu gösteriyor.

RIG (Mavi Hat):

Rig, tarih boyunca dört ana çerçeveden en eskisi olup, yıldız sayısı makul düzeyde ama sürekli bir artış göstermektedir. Önümüzdeki bir ay içinde büyük bir artış yaşanması muhtemeldir. Şu anda 1700 yıldız seviyesine ulaşmış durumda, ancak bu sayı hala artmaya devam etmektedir. Sürekli gelişim, güncellemeler ve artan kullanıcı sayısı, kullanıcı ilgisinin sürekli birikmesinin sebeplerindendir. Bu durum, çerçevenin kullanıcılarının niş bir kitleye hitap ettiğini veya hala itibar kazanma aşamasında olduğunu yansıtıyor olabilir.

ZEREPY (Sarı Hat):

ZerePy birkaç gün önce piyasaya sürüldü ve zaten 181 yıldız topladı. ZerePy'nin görünürlüğünü ve benimsenme oranını artırmak için daha fazla geliştirme gerektirdiğini vurgulamak önemlidir. AI16Z ile yapılan işbirliği, daha fazla kod katkıcısı çekebilir.

OYUN (Yeşil Çizgi):

Bu projenin star sayısı en az, dikkat çeken bir nokta ise, bu çerçevenin API aracılığıyla sanal ekosistemdeki aracılara doğrudan uygulanabilmesidir, böylece Github görünürlüğüne olan ihtiyaç ortadan kalkmaktadır. Ancak, bu çerçeve yalnızca bir aydan biraz fazla bir süre önce inşaatçılara açılmıştır ve 200'den fazla proje GAME ile inşa edilmektedir.

4, Çerçeve Yükseliş Gerekçeleri

Eliza'nın V2 sürümü, Coinbase aracı setini entegre edecek. Eliza'yı kullanan tüm projeler, gelecekte yerel TEE'yi destekleyecek ve böylece aracılar güvenli bir ortamda çalışabilecek. Eliza'nın yakında çıkacak bir özelliği, geliştiricilerin eklentileri sorunsuz bir şekilde kaydedip entegre etmelerine olanak tanıyan Eklenti Kayıt Defteri (Plugin Registry) olacak.

Ayrıca, Eliza V2, otomatik anonim çapraz platform mesajlaşmasını destekleyecek. Token ekonomisi beyaz kitabının 1 Ocak 2025'te yayımlanması planlanıyor ve bu durum Eliza çerçevesinin temel AI16Z tokeni üzerinde olumlu bir etki yaratması bekleniyor. AI16Z, çerçevenin faydasını artırmaya devam etmeyi ve yüksek kaliteli yetenekleri çekmeye devam etmeyi planlıyor; ana katkı sağlayıcılarının çabaları bunun böyle bir yeteneği olduğunu kanıtladı.

GAME çerçevesi, ajanslara kodsuz entegrasyon sunarak, tek bir projede hem GAME hem de ELIZA'yı kullanmalarına olanak tanır; her biri belirli bir amaca hizmet eder. Bu yaklaşım, teknik karmaşıklıktan ziyade iş mantığına odaklanan inşaatçılar için ilgi çekici olma potansiyeline sahiptir. Çerçeve yalnızca 30 gün önce kamuya açık hale gelmesine rağmen, ekibin daha fazla katkı sağlayıcıyı çekme çabalarıyla önemli ilerlemeler kaydedilmiştir. VIRTUAL'da başlatılan tüm projelerin GAME kullanması beklenmektedir.

ARC tokenunu temsil eden Rig, büyük bir potansiyele sahip olmasına rağmen, çerçevenin henüz erken büyüme aşamasında olması ve proje benimseme planının da sadece birkaç gün önce başlatılması gibi bazı zorluklar içermektedir. Ancak, ARC'yi benimseyen yüksek kaliteli projelerin yakında ortaya çıkması bekleniyor, bu Virtual flywheel'a benzer bir şekilde, ancak odak noktası Solana üzerinde. Ekip, Solana ile işbirliği konusunda iyimser bir tutum sergiliyor ve ARC ile Solana arasındaki ilişkiyi Virtual'ın Base ile olan ilişkisine benzetiyor. Ayrıca, ekip yeni projeleri Rig ile başlatmaya teşvik etmenin yanı sıra, geliştiricilerin Rig çerçevesini güçlendirmelerini de teşvik ediyor.

Zerepy, Eliza ile olan işbirliği sayesinde giderek artan bir ilgi gören yeni bir çerçevedir. Bu çerçeve, onu aktif olarak geliştiren Eliza katkıcılarını kendine çekmektedir. ZEREBRO hayranlarının desteğiyle, tutkulu bir takipçi kitlesine sahiptir ve daha önce yapay zeka altyapısındaki rekabette temsil eksikliği yaşayan Python geliştiricilerine yeni fırsatlar sunmaktadır. Bu çerçeve, yapay zeka yaratıcılığı alanında önemli bir rol oynayacaktır.