Tác giả: Deep Value Memetics, dịch: Jinse Caijing xiaozou
Trong bài viết này, chúng ta sẽ khám phá triển vọng của khung Crypto X AI. Chúng ta sẽ xem xét bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và các khác biệt kỹ thuật của chúng.
1、Giới thiệu
Chúng tôi đã nghiên cứu và thử nghiệm bốn khung Crypto X AI chính là ELIZA, GAME, ARC, ZEREPY trong tuần qua. Dưới đây là kết luận của chúng tôi.
Chúng tôi tin rằng AI16Z sẽ tiếp tục giữ vị trí thống trị. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường vượt quá 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy), cũng như việc ngày càng có nhiều nhà phát triển sử dụng, với 193 người đóng góp, 1800 nhánh và hơn 6000 sao, dữ liệu này đã chứng minh điều đó, khiến nó trở thành một trong những kho mã được yêu thích nhất trên Github.
Cho đến nay, sự phát triển của GAME (thị phần khoảng 20%, giá trị thị trường khoảng 300 triệu USD) rất suôn sẻ, đang thu hút sự chấp nhận nhanh chóng, như VIRTUAL vừa mới công bố, nền tảng này có hơn 200 dự án, 150.000 yêu cầu hàng ngày và tỷ lệ tăng trưởng hàng tuần 200%. GAME sẽ tiếp tục hưởng lợi từ sự trỗi dậy của VIRTUAL và sẽ trở thành một trong những người chiến thắng lớn nhất trong hệ sinh thái của nó.
Rig（ARC，thị phần khoảng 15%，vốn hóa khoảng 1.6 triệu đô la Mỹ）rất nổi bật vì thiết kế mô-đun của nó rất dễ vận hành và có thể chiếm ưu thế như một "pure-play" trong hệ sinh thái Solana (RUST).
Zerepy (thị phần khoảng 5%, vốn hóa khoảng 300 triệu USD) là một ứng dụng tương đối nhỏ, chuyên phục vụ cho cộng đồng ZEREBRO cuồng nhiệt, và việc hợp tác gần đây với cộng đồng ai16z có thể tạo ra hiệu ứng hợp tác.
Chúng tôi nhận thấy rằng, việc tính toán thị phần của chúng tôi bao gồm giá trị thị trường, hồ sơ phát triển và thị trường thiết bị đầu cuối hệ điều hành cơ sở.
Chúng tôi tin rằng phân khúc khung sẽ là lĩnh vực tăng trưởng nhanh nhất trong chu kỳ thị trường này, với tổng vốn hóa thị trường 1,7 tỷ USD có khả năng tăng trưởng dễ dàng lên 20 tỷ USD, vẫn còn tương đối thận trọng so với mức định giá L1 cao nhất vào năm 2021, khi nhiều L1 đạt mức định giá trên 20 tỷ USD. Mặc dù tất cả các khuôn khổ này đều phục vụ các thị trường cuối cùng (chuỗi/hệ sinh thái) khác nhau, nhưng chúng tôi tin rằng không gian đang có xu hướng tăng, cách tiếp cận theo trọng số vốn hóa thị trường có lẽ là cách tiếp cận thận trọng nhất.
2, Bốn khung chính
Trong bảng dưới đây, chúng tôi đã liệt kê các công nghệ chính, thành phần và lợi thế của các khung chính.
（1）Tổng quan khung
Trong lĩnh vực giao thoa giữa AI và Crypto, có một vài khung thúc đẩy sự phát triển của AI. Chúng là ELIZA của AI16Z, RIG của ARC, ZEREBRO của ZEREPY, và VIRTUAL của GAME. Mỗi khung đều đáp ứng những nhu cầu và triết lý khác nhau trong quá trình phát triển đại lý AI, từ các dự án cộng đồng mã nguồn mở đến các giải pháp cấp doanh nghiệp tập trung vào hiệu suất.
Bài viết này trước tiên sẽ giới thiệu về các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán nào, có những chức năng độc đáo nào, và những trường hợp sử dụng tiềm năng mà framework có thể áp dụng. Sau đó, chúng ta sẽ so sánh từng framework từ khía cạnh khả năng sử dụng, khả năng mở rộng, khả năng thích ứng và hiệu suất, khám phá những lợi thế và hạn chế của từng loại.
ELIZA (do ai16z phát triển)
Eliza là một khung mã nguồn mở mô phỏng đa đại lý, nhằm mục đích tạo ra, triển khai và quản lý các đại lý AI tự chủ. Nó được phát triển bằng ngôn ngữ lập trình TypeScript, cung cấp một nền tảng linh hoạt có thể mở rộng để xây dựng các đại lý thông minh, những đại lý này có khả năng tương tác với con người trên nhiều nền tảng và duy trì tính cách và kiến thức nhất quán.
Các chức năng cốt lõi của khung này bao gồm một kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều nhân cách AI độc đáo, cũng như một hệ thống vai trò tạo ra các tác nhân khác nhau bằng cách sử dụng khung tệp vai trò, và cung cấp các chức năng quản lý bộ nhớ có khả năng nhận thức ngữ cảnh và bộ nhớ lâu dài thông qua hệ thống tăng cường tạo ra (RAG). Hơn nữa, khung Eliza còn cung cấp tích hợp nền tảng mượt mà, cho phép kết nối đáng tin cậy với Discord, X và các nền tảng mạng xã hội khác.
Từ góc độ chức năng truyền thông và phương tiện của AI agent, Eliza là một sự lựa chọn tuyệt vời. Về mặt giao tiếp, khung này hỗ trợ tích hợp với các chức năng kênh âm thanh của Discord, chức năng X, Telegram và truy cập API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung này có thể mở rộng đến việc đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, phiên âm âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc hội thoại, có thể xử lý hiệu quả các loại đầu vào và đầu ra phương tiện.
Khung Eliza cung cấp hỗ trợ mô hình AI linh hoạt thông qua suy diễn cục bộ của mô hình mã nguồn mở, suy diễn đám mây của OpenAI và cấu hình mặc định (như Nous Hermes Llama 3.1B), đồng thời tích hợp hỗ trợ Claude xử lý các tác vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ hệ điều hành rộng rãi, hỗ trợ khách hàng tùy chỉnh và API toàn diện, đảm bảo khả năng mở rộng và thích ứng giữa các ứng dụng.
Các trường hợp sử dụng của Eliza trải dài qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, kiểm duyệt cộng đồng và nhiệm vụ cá nhân, cũng như các vai trò trên mạng xã hội như nhà tạo nội dung tự động, robot tương tác và đại diện thương hiệu. Nó cũng có thể đóng vai trò là một người lao động tri thức, đảm nhận các vai trò như trợ lý nghiên cứu, nhà phân tích nội dung và xử lý tài liệu, đồng thời hỗ trợ các hình thức vai trò tương tác như robot đóng vai, người hướng dẫn giáo dục và đại lý.
Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy tác nhân, tích hợp liền mạch với hệ thống vai trò của nó (được hỗ trợ bởi nhà cung cấp mô hình), trình quản lý bộ nhớ (được kết nối với cơ sở dữ liệu) và hệ điều hành (được liên kết với máy khách nền tảng). Các tính năng độc đáo của framework bao gồm hệ thống plug-in hỗ trợ các phần mở rộng chức năng mô-đun, hỗ trợ các tương tác đa phương thức như giọng nói, văn bản và phương tiện, đồng thời tương thích với các mô hình AI hàng đầu như Llama, GPT-4 và Claude. Với tính linh hoạt và thiết kế mạnh mẽ, Eliza nổi bật như một công cụ mạnh mẽ để phát triển các ứng dụng AI trên các miền.
G.A.M.E (do Virtuals Protocol phát triển)
Khung thực thể đa phương thức tự trị sinh sinh (G.A.M.E) nhằm cung cấp cho các nhà phát triển quyền truy cập API và SDK để thử nghiệm đại lý AI. Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quyết định và quá trình học tập của đại lý AI.
Các thành phần cốt lõi như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà các nhà phát triển tích hợp GAME vào đại lý để truy cập hành vi của đại lý. Hệ thống cảm nhận (Perception Subsystem) khởi động phiên bằng cách chỉ định các tham số như ID phiên, ID đại lý, người dùng và các chi tiết liên quan khác.
Nó tổng hợp thông tin đến thành một định dạng phù hợp với Công cụ lập kế hoạch chiến lược và hoạt động như một cơ chế đầu vào cảm giác cho các tác nhân AI, cho dù ở dạng cuộc trò chuyện hay phản ứng. Cốt lõi của nó là mô-đun xử lý hộp thoại, xử lý các thông điệp và phản hồi từ các tác nhân và cộng tác với hệ thống con nhận thức để giải thích và phản hồi đầu vào một cách hiệu quả.
Công cụ lập kế hoạch chiến lược hoạt động cùng với mô-đun xử lý cuộc trò chuyện và các nhà điều hành ví trên chuỗi để tạo phản hồi và kế hoạch. Công cụ hoạt động ở hai cấp độ: như một nhà lập kế hoạch cấp cao để tạo ra một chiến lược rộng dựa trên bối cảnh hoặc mục tiêu; Các chính sách này được chuyển đổi thành các chính sách có thể hành động dưới dạng chính sách cấp thấp, được chia thành các công cụ lập kế hoạch hành động cho các nhiệm vụ cụ thể và trình thực hiện lịch trình để thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng khác là World Context (Bối cảnh thế giới), nó tham chiếu đến môi trường, thông tin toàn cầu và trạng thái trò chơi, cung cấp ngữ cảnh cần thiết cho quyết định của tác nhân. Ngoài ra, Agent Repository (Kho lưu trữ tác nhân) được sử dụng để lưu trữ các thuộc tính lâu dài như mục tiêu, sự phản ánh, kinh nghiệm và tính cách, chúng cùng nhau hình thành hành vi và quy trình ra quyết định của tác nhân.
Framework sử dụng bộ nhớ làm việc ngắn hạn và bộ xử lý bộ nhớ dài hạn. Thông tin về các hành vi, kết quả và kế hoạch hiện tại trước đây được lưu giữ trong một khoảng thời gian ngắn. Ngược lại, bộ xử lý bộ nhớ dài hạn trích xuất thông tin quan trọng dựa trên các tiêu chí như tầm quan trọng, thời gian gần đây và mức độ liên quan. Trí nhớ dài hạn lưu trữ kiến thức về kinh nghiệm, phản ánh, tính cách năng động, bối cảnh thế giới và trí nhớ làm việc của tác nhân để tăng cường việc ra quyết định và cung cấp cơ sở cho việc học tập.
Mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, những kiến thức này được phản hồi vào hệ thống để cải thiện các tương tác trong tương lai. Các nhà phát triển có thể nhập thông tin phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm giác thông qua giao diện, nhằm tăng cường khả năng học tập của AI và nâng cao khả năng lập kế hoạch và ra quyết định của nó.
Quy trình làm việc bắt đầu khi các nhà phát triển tương tác thông qua giao diện nhắc nhở đại lý. Dữ liệu đầu vào được hệ thống cảm nhận xử lý và chuyển tiếp đến mô-đun xử lý đối thoại, mô-đun xử lý đối thoại chịu trách nhiệm quản lý logic tương tác. Sau đó, động cơ lập kế hoạch chiến lược dựa trên những thông tin này để xây dựng và thực hiện kế hoạch, sử dụng các chiến lược cấp cao và kế hoạch hành động chi tiết.
Dữ liệu từ ngữ cảnh toàn cầu và kho lưu trữ đại lý thông báo cho các quy trình này, trong khi theo dõi bộ nhớ làm việc cho các nhiệm vụ tức thời. Trong khi đó, bộ xử lý bộ nhớ lâu dài lưu trữ và truy xuất kiến thức lâu dài. Mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, cho phép hành vi và tương tác của đại lý được cải thiện liên tục.
RIG (do ARC phát triển)
Rig là một khung Rust mã nguồn mở được thiết kế để đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn. Nó cung cấp một giao diện thống nhất để tương tác với nhiều nhà cung cấp LLM, chẳng hạn như OpenAI và Anthropic, đồng thời hỗ trợ nhiều cửa hàng vector, bao gồm MongoDB và Neo4j. Kiến trúc mô-đun của framework là duy nhất trong các thành phần cốt lõi của nó, chẳng hạn như Lớp trừu tượng hóa nhà cung cấp, tích hợp lưu trữ vector và hệ thống proxy, để tạo điều kiện tương tác liền mạch với LLM.
Đối tượng chính của Rig bao gồm các nhà phát triển xây dựng các ứng dụng AI/ML bằng Rust, tiếp theo là các tổ chức đang tìm cách tích hợp nhiều nhà cung cấp LLM và kho lưu trữ vectơ vào các ứng dụng Rust của riêng họ. Kho lưu trữ sử dụng kiến trúc không gian làm việc với nhiều thùng để hỗ trợ khả năng mở rộng và quản lý dự án hiệu quả. Tính năng chính của nó là lớp trừu tượng hóa nhà cung cấp, cung cấp tiêu chuẩn hóa để hoàn thành và nhúng API giữa các nhà cung cấp LLM khác nhau với khả năng xử lý lỗi nhất quán. Thành phần Tích hợp kho vectơ cung cấp một giao diện trừu tượng cho nhiều phụ trợ và hỗ trợ tìm kiếm sự tương đồng vectơ. Hệ thống tác nhân đơn giản hóa các tương tác LLM, hỗ trợ Retrieval Enhanced Generation (RAG) và tích hợp công cụ. Ngoài ra, khung nhúng cung cấp khả năng xử lý hàng loạt và các hoạt động nhúng để đảm bảo an toàn cho loại.
Rig tận dụng một số lợi thế kỹ thuật để đảm bảo độ tin cậy và hiệu suất. Các hoạt động không đồng bộ tận dụng thời gian chạy không đồng bộ của Rust để xử lý hiệu quả một số lượng lớn các yêu cầu đồng thời. Cơ chế xử lý lỗi vốn có của khung giúp cải thiện khả năng phục hồi đối với các hoạt động cơ sở dữ liệu hoặc nhà cung cấp AI bị lỗi. An toàn kiểu có thể ngăn ngừa lỗi trong quá trình biên dịch, do đó nâng cao khả năng bảo trì mã. Các quy trình tuần tự hóa và giải tuần tự hóa hiệu quả hỗ trợ xử lý dữ liệu ở các định dạng như JSON, điều này rất cần thiết cho giao tiếp và lưu trữ dịch vụ AI. Ghi nhật ký chi tiết và thiết bị đo lường hỗ trợ thêm trong việc gỡ lỗi và giám sát các ứng dụng.
Quy trình làm việc của Rig bắt đầu khi một khách hàng bắt đầu một yêu cầu, tương tác với mô hình LLM thích hợp thông qua lớp trừu tượng hóa nhà cung cấp. Dữ liệu sau đó được xử lý bởi lớp cốt lõi, nơi tác nhân có thể sử dụng các công cụ hoặc truy cập vào kho lưu trữ vectơ của ngữ cảnh. Phản hồi được tạo và tinh chỉnh thông qua quy trình làm việc phức tạp như RAG trước khi được trả lại cho khách hàng, một quá trình liên quan đến việc truy xuất tài liệu và hiểu ngữ cảnh. Hệ thống tích hợp với nhiều nhà cung cấp LLM và lưu trữ vector, giúp nó có thể thích ứng với tính khả dụng của mô hình hoặc cập nhật hiệu suất.
Các trường hợp sử dụng của Rig rất đa dạng, bao gồm hệ thống hỏi đáp để truy xuất tài liệu liên quan nhằm cung cấp phản hồi chính xác, hệ thống tìm kiếm và truy xuất tài liệu cho việc phát hiện nội dung hiệu quả, cũng như chatbot hoặc trợ lý ảo cung cấp tương tác nhận thức ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, hỗ trợ tạo văn bản và các tài liệu khác dựa trên mô hình học, biến nó thành một công cụ đa năng cho các nhà phát triển và tổ chức.
Zerepy (do ZEREPY và blorm phát triển)
ZerePy là một framework mã nguồn mở được viết bằng ngôn ngữ Python nhằm mục đích triển khai các tác nhân trên X bằng cách sử dụng OpenAI hoặc Anthropic LLM. Bắt nguồn từ một phiên bản mô-đun của phần phụ trợ của Zerebro, ZerePy cho phép các nhà phát triển khởi chạy các tác nhân với chức năng cốt lõi tương tự như Zerebro. Mặc dù khuôn khổ cung cấp nền tảng cho việc triển khai tác nhân, nhưng việc tinh chỉnh mô hình là điều cần thiết để tạo ra đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai các tác nhân AI được cá nhân hóa, đặc biệt là để tạo nội dung trên các nền tảng xã hội, thúc đẩy hệ sinh thái sáng tạo dựa trên AI cho nghệ thuật và các ứng dụng phi tập trung.
Khung này được phát triển bằng Python, nhấn mạnh tính tự chủ của đại lý, tập trung vào việc tạo ra đầu ra sáng tạo, giữ nguyên cấu trúc và mối quan hệ hợp tác với ELIZA. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống bộ nhớ, hỗ trợ triển khai đại lý trên các nền tảng xã hội. Các chức năng chính bao gồm giao diện dòng lệnh để quản lý đại lý, tích hợp với Twitter, hỗ trợ OpenAI và Anthropic LLM, cũng như hệ thống kết nối mô-đun để tăng cường chức năng.
Các trường hợp sử dụng của ZerePy trải dài trong lĩnh vực tự động hóa truyền thông xã hội, nơi người dùng có thể triển khai các tác nhân AI để đăng, trả lời, thích và tweet lại để tăng mức độ tương tác của nền tảng. Ngoài ra, nó phục vụ cho việc tạo nội dung trong các lĩnh vực như âm nhạc, meme và NFT, khiến nó trở thành một công cụ quan trọng cho nghệ thuật kỹ thuật số và nền tảng nội dung dựa trên blockchain.
(2) So sánh bốn khung
Theo chúng tôi, mỗi khung công tác đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với các nhu cầu và môi trường cụ thể, chúng tôi sẽ chuyển sự chú ý từ mối quan hệ cạnh tranh giữa các khung công tác sang tính độc đáo của từng khung.
ELIZA nổi bật với giao diện thân thiện với người dùng, đặc biệt là đối với các nhà phát triển đã quen thuộc với JavaScript và môi trường Node.js. Tài liệu toàn diện của nó giúp thiết lập các tác nhân AI trên nhiều nền tảng khác nhau, mặc dù bộ tính năng mở rộng của nó có thể đi kèm với một đường cong học tập nhất định. Được phát triển với TypeScript, làm cho Eliza trở nên lý tưởng để xây dựng proxy được nhúng vào web, vì hầu hết giao diện người dùng của cơ sở hạ tầng web được phát triển bằng TypeScript. Framework được biết đến với kiến trúc đa tác nhân, có thể triển khai các tính cách AI khác nhau trên các nền tảng như Discord, X và Telegram. Hệ thống RAG được quản lý bộ nhớ tiên tiến của nó làm cho nó đặc biệt hiệu quả cho hỗ trợ khách hàng hoặc trợ lý AI trong các ứng dụng truyền thông xã hội. Mặc dù nó cung cấp tính linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất đa nền tảng nhất quán, nhưng nó vẫn đang ở giai đoạn đầu và có thể tạo ra một đường cong học tập cho các nhà phát triển.
GAME được thiết kế đặc biệt cho các nhà phát triển trò chơi, cung cấp giao diện mã thấp hoặc không cần mã qua API, cho phép những người dùng có kỹ thuật thấp trong lĩnh vực trò chơi cũng có thể sử dụng. Tuy nhiên, nó tập trung vào phát triển trò chơi và tích hợp blockchain, có thể tạo ra đường cong học tập dốc cho những người không có kinh nghiệm liên quan. Nó nổi bật trong việc tạo nội dung chương trình và hành vi NPC, nhưng bị giới hạn bởi độ phức tạp gia tăng do lĩnh vực chuyên biệt của nó và sự tích hợp blockchain.
Do sử dụng ngôn ngữ Rust, Rig có thể không thân thiện với người dùng lắm do sự phức tạp của ngôn ngữ, điều này gây ra một thách thức học tập đáng kể, nhưng nó có sự tương tác trực quan cho những người thành thạo lập trình hệ thống. Trái ngược với TypeScripe, bản thân ngôn ngữ lập trình được biết đến với hiệu suất và an toàn bộ nhớ. Nó có kiểm tra thời gian biên dịch nghiêm ngặt và trừu tượng hóa không tốn chi phí, cần thiết để chạy các thuật toán AI phức tạp. Ngôn ngữ này có hiệu quả cao và mức độ kiểm soát thấp khiến nó trở nên lý tưởng cho các ứng dụng AI sử dụng nhiều tài nguyên. Framework cung cấp giải pháp hiệu suất cao với thiết kế mô-đun và có thể mở rộng, lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với những nhà phát triển không quen thuộc với Rust, việc sử dụng Rust chắc chắn sẽ dẫn đến một đường cong học tập dốc.
ZerePy sử dụng Python, cung cấp tính khả dụng cao cho các nhiệm vụ AI sáng tạo, với đường cong học tập thấp cho các lập trình viên Python, đặc biệt là đối với những lập trình viên có nền tảng AI/ML, và được hưởng lợi từ sự hỗ trợ mạnh mẽ của cộng đồng nhờ vào cộng đồng mã hóa Zerebro. ZerePy xuất sắc trong các ứng dụng AI sáng tạo như NFT, định vị mình như một công cụ mạnh mẽ cho phương tiện kỹ thuật số và nghệ thuật. Mặc dù nó phát triển mạnh về sự sáng tạo, nhưng phạm vi của nó tương đối hẹp so với các khung khác.
Về khả năng mở rộng, ELIZA đã đạt được những tiến bộ đáng kể trong bản cập nhật V2 của mình, với việc giới thiệu một dòng tin nhắn thống nhất và một khung lõi có thể mở rộng, hỗ trợ quản lý hiệu quả trên nhiều nền tảng. Tuy nhiên, nếu không được tối ưu hóa, việc quản lý tương tác đa nền tảng này có thể mang đến những thách thức về khả năng mở rộng.
GAME thể hiện xuất sắc trong việc xử lý thời gian thực cần thiết cho các trò chơi, khả năng mở rộng được quản lý thông qua các thuật toán hiệu quả và hệ thống phân phối blockchain tiềm năng, mặc dù nó có thể bị hạn chế bởi các công cụ game engine hoặc mạng blockchain cụ thể.
Khung Rig sử dụng khả năng mở rộng của Rust, được thiết kế cho các ứng dụng có thông lượng cao, điều này đặc biệt hiệu quả cho việc triển khai cấp doanh nghiệp, mặc dù điều này có thể có nghĩa là việc đạt được khả năng mở rộng thực sự đòi hỏi một quá trình thiết lập phức tạp.
Khả năng mở rộng của Zerepy hướng tới sản phẩm sáng tạo, được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế ứng dụng của nó trong môi trường trí tuệ nhân tạo rộng lớn hơn, khả năng mở rộng có thể bị thử thách bởi sự đa dạng của các nhiệm vụ sáng tạo hơn là số lượng người dùng.
Về khả năng thích ứng, ELIZA vượt trội với hệ thống plugin và khả năng tương thích đa nền tảng, trong khi GAME trong môi trường trò chơi và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện khả năng thích ứng cao trong lĩnh vực sáng tạo, nhưng không phù hợp lắm với các ứng dụng AI rộng hơn.
Về hiệu suất, ELIZA đã được tối ưu hóa cho các tương tác trên mạng xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các tác vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác nhau.
GAMEM do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong bối cảnh trò chơi, sử dụng quy trình ra quyết định hiệu quả và blockchain tiềm năng để thực hiện các thao tác trí tuệ nhân tạo phi tập trung.
Khung Rig dựa trên ngôn ngữ Rust, cung cấp hiệu suất xuất sắc cho các nhiệm vụ tính toán hiệu suất cao, phù hợp với các ứng dụng doanh nghiệp mà hiệu quả tính toán là cực kỳ quan trọng.
Hiệu suất của Zerepy được thiết kế riêng cho việc tạo ra nội dung sáng tạo, với các chỉ số tập trung vào hiệu quả và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Ưu điểm của ELIZA là cung cấp tính linh hoạt và khả năng mở rộng, nhờ vào hệ thống plugin và cấu hình vai trò mà nó có độ thích ứng cao, thuận lợi cho việc tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp chức năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi sự tích hợp blockchain với sự tham gia của AI mới lạ.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng cho các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, tập trung vào việc cung cấp mã mô-đun sạch cho sức khỏe của các dự án lâu dài.
Zerepy chuyên nuôi dưỡng sự sáng tạo, đang dẫn đầu trong ứng dụng trí tuệ nhân tạo nghệ thuật số và được hỗ trợ bởi mô hình phát triển dựa vào cộng đồng năng động.
Mỗi khung đều có giới hạn riêng, ELIZA vẫn ở giai đoạn đầu, tồn tại vấn đề về độ ổn định tiềm năng và đường cong học tập cho các nhà phát triển mới, những trò chơi nhỏ có thể hạn chế ứng dụng rộng rãi hơn, và blockchain còn làm tăng thêm độ phức tạp, Rig có thể làm một số nhà phát triển chùn bước vì đường cong học tập dốc đứng do Rust tạo ra, trong khi sự chú ý hạn chế của Zerepy đối với đầu ra sáng tạo có thể hạn chế việc sử dụng của nó trong các lĩnh vực AI khác.
(3) Tóm tắt so sánh khung hình
Rig (ARC)：
Ngôn ngữ: Rust, chú trọng đến an toàn và hiệu suất.
Trường hợp sử dụng: Lựa chọn lý tưởng cho ứng dụng AI cấp doanh nghiệp, vì nó chú trọng vào hiệu suất và khả năng mở rộng.
Cộng đồng: Không quá được thúc đẩy bởi cộng đồng, nhiều hơn tập trung vào các nhà phát triển kỹ thuật.
Eliza (AI16Z)：
Ngôn ngữ: TypeScript, nhấn mạnh tính linh hoạt của web3 và sự tham gia của cộng đồng.
Trường hợp sử dụng: được thiết kế cho tương tác xã hội, DAO và giao dịch, đặc biệt nhấn mạnh vào hệ thống đa đại lý.
Cộng đồng: Cộng đồng được điều khiển cao, với sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, làm cho nó có thể được sử dụng cho một cơ sở phát triển AI rộng hơn.
Trường hợp sử dụng: Thích hợp cho tự động hóa mạng xã hội và các nhiệm vụ đại lý AI đơn giản hơn.
Cộng đồng: Tương đối mới, nhưng nhờ vào sự phổ biến của Python và sự hỗ trợ từ những người đóng góp AI16Z, có triển vọng phát triển.
TRÒ CHƠI (ẢO):
Trọng tâm: Các đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên sự tương tác trong môi trường ảo.
Trường hợp sử dụng: Thích hợp nhất cho các tình huống học hỏi và thích ứng của đại lý AI, chẳng hạn như trò chơi hoặc thế giới ảo.
Cộng đồng: Cộng đồng đổi mới, nhưng vẫn đang xác định vị trí của mình trong cuộc cạnh tranh.
3、Xu hướng dữ liệu Star trên Github
Biểu đồ trên là dữ liệu tập trung ngôi sao GitHub kể từ khi phát hành các framework này. Điều đáng chú ý là GitHub star là một chỉ số về sự quan tâm của cộng đồng, mức độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức thấp vào tháng 7, sau đó đến cuối tháng 11, số lượng star tăng mạnh (đạt 61.000 sao), điều này cho thấy sự quan tâm của mọi người tăng nhanh, thu hút sự chú ý của các nhà phát triển. Sự tăng trưởng theo cấp số nhân này cho thấy, nhờ vào các tính năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sức hấp dẫn to lớn. Sự phổ biến của nó vượt xa các đối thủ khác, cho thấy nó có sự hỗ trợ mạnh mẽ từ cộng đồng và có tính ứng dụng hoặc sự quan tâm rộng rãi hơn trong cộng đồng trí tuệ nhân tạo.
RIG（蓝线）：
Rig là khung lâu đời nhất trong bốn khung, số lượng sao của nó vừa phải nhưng vẫn đang tăng trưởng liên tục, trong tháng tới có khả năng sẽ tăng mạnh. Nó đã đạt 1700 sao nhưng vẫn đang tiếp tục tăng. Việc phát triển liên tục, cập nhật và số lượng người dùng ngày càng tăng là lý do khiến sự quan tâm của người dùng ngày càng tích lũy. Điều này có thể phản ánh rằng người dùng của khung này còn ít ỏi hoặc vẫn đang tích lũy danh tiếng.
ZEREPY（黄线）：
ZerePy mới được ra mắt vài ngày trước và đã tích lũy được 181 sao. Đáng chú ý là ZerePy cần nhiều phát triển hơn để nâng cao khả năng hiển thị và tỷ lệ áp dụng. Sự hợp tác với AI16Z có thể thu hút nhiều người đóng góp mã hơn.
GAME（绿线）：
Số lượng sao của dự án này là ít nhất, điều đáng chú ý là khung này có thể được áp dụng trực tiếp vào các đại lý trong hệ sinh thái ảo thông qua API, từ đó loại bỏ nhu cầu về độ khả dụng của Github. Tuy nhiên, khung này chỉ mới được mở cho các nhà phát triển cách đây hơn một tháng, với hơn 200 dự án đang sử dụng GAME để xây dựng.
4, Lý do tăng giá khung
Phiên bản V2 của Eliza sẽ tích hợp bộ công cụ đại lý Coinbase. Tất cả các dự án sử dụng Eliza trong tương lai sẽ hỗ trợ TEE gốc, cho phép đại lý chạy trong một môi trường an toàn. Một tính năng sắp ra mắt của Eliza là đăng ký plugin (Plugin Registry), cho phép các nhà phát triển đăng ký và tích hợp các plugin một cách liền mạch.
Ngoài ra, Eliza V2 sẽ hỗ trợ nhắn tin ẩn danh tự động trên nhiều nền tảng. Sách trắng về kinh tế token dự kiến sẽ được phát hành vào ngày 1 tháng 1 năm 2025, được kỳ vọng sẽ có tác động tích cực đến token AI16Z cơ sở của khung Eliza. AI16Z dự định tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, và nỗ lực của các nhà đóng góp chính đã chứng minh rằng nó có khả năng như vậy.
Khung GAME cung cấp tích hợp không mã cho các đại lý, cho phép sử dụng cả GAME và ELIZA trong một dự án duy nhất, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn thu hút các nhà xây dựng quan tâm đến logic kinh doanh hơn là độ phức tạp về kỹ thuật. Mặc dù khung này chỉ được phát hành công khai trong khoảng 30 ngày, nhưng với nỗ lực của đội ngũ để thu hút thêm sự hỗ trợ từ các nhà đóng góp, nó đã đạt được tiến bộ đáng kể. Dự kiến tất cả các dự án khởi động trên VIRTUAL sẽ sử dụng GAME.
Rig, được đại diện bởi token ARC, có tiềm năng lớn, mặc dù khuôn khổ của nó vẫn đang trong giai đoạn đầu tăng trưởng và kế hoạch thúc đẩy việc áp dụng dự án chỉ mới hoạt động được vài ngày. Nhưng các dự án chất lượng cao với ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual Flywheel, nhưng tập trung vào Solana. Nhóm lạc quan về mối quan hệ đối tác với Solana, ví mối quan hệ của ARC với Solana với Virtual to Base. Điều đáng chú ý là nhóm không chỉ khuyến khích các dự án mới bắt đầu với Rig mà còn khuyến khích các nhà phát triển nâng cao chính framework Rig.
Zerepy là một khung mới được ra mắt, nhờ mối quan hệ hợp tác với Eliza, nó đang nhận được ngày càng nhiều sự chú ý. Khung này thu hút các đóng góp viên từ Eliza, những người đang tích cực cải tiến nó. Dưới sự thúc đẩy của các fan hâm mộ ZEREBRO, nó có một nhóm người theo dõi cuồng nhiệt và cung cấp cơ hội mới cho các nhà phát triển Python, những người trước đây thiếu đại diện trong cuộc cạnh tranh hạ tầng trí tuệ nhân tạo. Khung này sẽ đóng vai trò quan trọng trong sự sáng tạo của AI.
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
So sánh bốn khung Crypto X AI: ELIZA, GAME, ARC và ZEREPY
Tác giả: Deep Value Memetics, dịch: Jinse Caijing xiaozou
Trong bài viết này, chúng ta sẽ khám phá triển vọng của khung Crypto X AI. Chúng ta sẽ xem xét bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và các khác biệt kỹ thuật của chúng.
1、Giới thiệu
Chúng tôi đã nghiên cứu và thử nghiệm bốn khung Crypto X AI chính là ELIZA, GAME, ARC, ZEREPY trong tuần qua. Dưới đây là kết luận của chúng tôi.
Chúng tôi tin rằng AI16Z sẽ tiếp tục giữ vị trí thống trị. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường vượt quá 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy), cũng như việc ngày càng có nhiều nhà phát triển sử dụng, với 193 người đóng góp, 1800 nhánh và hơn 6000 sao, dữ liệu này đã chứng minh điều đó, khiến nó trở thành một trong những kho mã được yêu thích nhất trên Github.
Cho đến nay, sự phát triển của GAME (thị phần khoảng 20%, giá trị thị trường khoảng 300 triệu USD) rất suôn sẻ, đang thu hút sự chấp nhận nhanh chóng, như VIRTUAL vừa mới công bố, nền tảng này có hơn 200 dự án, 150.000 yêu cầu hàng ngày và tỷ lệ tăng trưởng hàng tuần 200%. GAME sẽ tiếp tục hưởng lợi từ sự trỗi dậy của VIRTUAL và sẽ trở thành một trong những người chiến thắng lớn nhất trong hệ sinh thái của nó.
Rig（ARC，thị phần khoảng 15%，vốn hóa khoảng 1.6 triệu đô la Mỹ）rất nổi bật vì thiết kế mô-đun của nó rất dễ vận hành và có thể chiếm ưu thế như một "pure-play" trong hệ sinh thái Solana (RUST).
Zerepy (thị phần khoảng 5%, vốn hóa khoảng 300 triệu USD) là một ứng dụng tương đối nhỏ, chuyên phục vụ cho cộng đồng ZEREBRO cuồng nhiệt, và việc hợp tác gần đây với cộng đồng ai16z có thể tạo ra hiệu ứng hợp tác.
Chúng tôi nhận thấy rằng, việc tính toán thị phần của chúng tôi bao gồm giá trị thị trường, hồ sơ phát triển và thị trường thiết bị đầu cuối hệ điều hành cơ sở.
Chúng tôi tin rằng phân khúc khung sẽ là lĩnh vực tăng trưởng nhanh nhất trong chu kỳ thị trường này, với tổng vốn hóa thị trường 1,7 tỷ USD có khả năng tăng trưởng dễ dàng lên 20 tỷ USD, vẫn còn tương đối thận trọng so với mức định giá L1 cao nhất vào năm 2021, khi nhiều L1 đạt mức định giá trên 20 tỷ USD. Mặc dù tất cả các khuôn khổ này đều phục vụ các thị trường cuối cùng (chuỗi/hệ sinh thái) khác nhau, nhưng chúng tôi tin rằng không gian đang có xu hướng tăng, cách tiếp cận theo trọng số vốn hóa thị trường có lẽ là cách tiếp cận thận trọng nhất.
2, Bốn khung chính
Trong bảng dưới đây, chúng tôi đã liệt kê các công nghệ chính, thành phần và lợi thế của các khung chính.
（1）Tổng quan khung
Trong lĩnh vực giao thoa giữa AI và Crypto, có một vài khung thúc đẩy sự phát triển của AI. Chúng là ELIZA của AI16Z, RIG của ARC, ZEREBRO của ZEREPY, và VIRTUAL của GAME. Mỗi khung đều đáp ứng những nhu cầu và triết lý khác nhau trong quá trình phát triển đại lý AI, từ các dự án cộng đồng mã nguồn mở đến các giải pháp cấp doanh nghiệp tập trung vào hiệu suất.
Bài viết này trước tiên sẽ giới thiệu về các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán nào, có những chức năng độc đáo nào, và những trường hợp sử dụng tiềm năng mà framework có thể áp dụng. Sau đó, chúng ta sẽ so sánh từng framework từ khía cạnh khả năng sử dụng, khả năng mở rộng, khả năng thích ứng và hiệu suất, khám phá những lợi thế và hạn chế của từng loại.
ELIZA (do ai16z phát triển)
Eliza là một khung mã nguồn mở mô phỏng đa đại lý, nhằm mục đích tạo ra, triển khai và quản lý các đại lý AI tự chủ. Nó được phát triển bằng ngôn ngữ lập trình TypeScript, cung cấp một nền tảng linh hoạt có thể mở rộng để xây dựng các đại lý thông minh, những đại lý này có khả năng tương tác với con người trên nhiều nền tảng và duy trì tính cách và kiến thức nhất quán.
Các chức năng cốt lõi của khung này bao gồm một kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều nhân cách AI độc đáo, cũng như một hệ thống vai trò tạo ra các tác nhân khác nhau bằng cách sử dụng khung tệp vai trò, và cung cấp các chức năng quản lý bộ nhớ có khả năng nhận thức ngữ cảnh và bộ nhớ lâu dài thông qua hệ thống tăng cường tạo ra (RAG). Hơn nữa, khung Eliza còn cung cấp tích hợp nền tảng mượt mà, cho phép kết nối đáng tin cậy với Discord, X và các nền tảng mạng xã hội khác.
Từ góc độ chức năng truyền thông và phương tiện của AI agent, Eliza là một sự lựa chọn tuyệt vời. Về mặt giao tiếp, khung này hỗ trợ tích hợp với các chức năng kênh âm thanh của Discord, chức năng X, Telegram và truy cập API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung này có thể mở rộng đến việc đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, phiên âm âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc hội thoại, có thể xử lý hiệu quả các loại đầu vào và đầu ra phương tiện.
Khung Eliza cung cấp hỗ trợ mô hình AI linh hoạt thông qua suy diễn cục bộ của mô hình mã nguồn mở, suy diễn đám mây của OpenAI và cấu hình mặc định (như Nous Hermes Llama 3.1B), đồng thời tích hợp hỗ trợ Claude xử lý các tác vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ hệ điều hành rộng rãi, hỗ trợ khách hàng tùy chỉnh và API toàn diện, đảm bảo khả năng mở rộng và thích ứng giữa các ứng dụng.
Các trường hợp sử dụng của Eliza trải dài qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, kiểm duyệt cộng đồng và nhiệm vụ cá nhân, cũng như các vai trò trên mạng xã hội như nhà tạo nội dung tự động, robot tương tác và đại diện thương hiệu. Nó cũng có thể đóng vai trò là một người lao động tri thức, đảm nhận các vai trò như trợ lý nghiên cứu, nhà phân tích nội dung và xử lý tài liệu, đồng thời hỗ trợ các hình thức vai trò tương tác như robot đóng vai, người hướng dẫn giáo dục và đại lý.
Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy tác nhân, tích hợp liền mạch với hệ thống vai trò của nó (được hỗ trợ bởi nhà cung cấp mô hình), trình quản lý bộ nhớ (được kết nối với cơ sở dữ liệu) và hệ điều hành (được liên kết với máy khách nền tảng). Các tính năng độc đáo của framework bao gồm hệ thống plug-in hỗ trợ các phần mở rộng chức năng mô-đun, hỗ trợ các tương tác đa phương thức như giọng nói, văn bản và phương tiện, đồng thời tương thích với các mô hình AI hàng đầu như Llama, GPT-4 và Claude. Với tính linh hoạt và thiết kế mạnh mẽ, Eliza nổi bật như một công cụ mạnh mẽ để phát triển các ứng dụng AI trên các miền.
G.A.M.E (do Virtuals Protocol phát triển)
Khung thực thể đa phương thức tự trị sinh sinh (G.A.M.E) nhằm cung cấp cho các nhà phát triển quyền truy cập API và SDK để thử nghiệm đại lý AI. Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quyết định và quá trình học tập của đại lý AI.
Các thành phần cốt lõi như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà các nhà phát triển tích hợp GAME vào đại lý để truy cập hành vi của đại lý. Hệ thống cảm nhận (Perception Subsystem) khởi động phiên bằng cách chỉ định các tham số như ID phiên, ID đại lý, người dùng và các chi tiết liên quan khác.
Nó tổng hợp thông tin đến thành một định dạng phù hợp với Công cụ lập kế hoạch chiến lược và hoạt động như một cơ chế đầu vào cảm giác cho các tác nhân AI, cho dù ở dạng cuộc trò chuyện hay phản ứng. Cốt lõi của nó là mô-đun xử lý hộp thoại, xử lý các thông điệp và phản hồi từ các tác nhân và cộng tác với hệ thống con nhận thức để giải thích và phản hồi đầu vào một cách hiệu quả.
Công cụ lập kế hoạch chiến lược hoạt động cùng với mô-đun xử lý cuộc trò chuyện và các nhà điều hành ví trên chuỗi để tạo phản hồi và kế hoạch. Công cụ hoạt động ở hai cấp độ: như một nhà lập kế hoạch cấp cao để tạo ra một chiến lược rộng dựa trên bối cảnh hoặc mục tiêu; Các chính sách này được chuyển đổi thành các chính sách có thể hành động dưới dạng chính sách cấp thấp, được chia thành các công cụ lập kế hoạch hành động cho các nhiệm vụ cụ thể và trình thực hiện lịch trình để thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng khác là World Context (Bối cảnh thế giới), nó tham chiếu đến môi trường, thông tin toàn cầu và trạng thái trò chơi, cung cấp ngữ cảnh cần thiết cho quyết định của tác nhân. Ngoài ra, Agent Repository (Kho lưu trữ tác nhân) được sử dụng để lưu trữ các thuộc tính lâu dài như mục tiêu, sự phản ánh, kinh nghiệm và tính cách, chúng cùng nhau hình thành hành vi và quy trình ra quyết định của tác nhân.
Framework sử dụng bộ nhớ làm việc ngắn hạn và bộ xử lý bộ nhớ dài hạn. Thông tin về các hành vi, kết quả và kế hoạch hiện tại trước đây được lưu giữ trong một khoảng thời gian ngắn. Ngược lại, bộ xử lý bộ nhớ dài hạn trích xuất thông tin quan trọng dựa trên các tiêu chí như tầm quan trọng, thời gian gần đây và mức độ liên quan. Trí nhớ dài hạn lưu trữ kiến thức về kinh nghiệm, phản ánh, tính cách năng động, bối cảnh thế giới và trí nhớ làm việc của tác nhân để tăng cường việc ra quyết định và cung cấp cơ sở cho việc học tập.
Mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, những kiến thức này được phản hồi vào hệ thống để cải thiện các tương tác trong tương lai. Các nhà phát triển có thể nhập thông tin phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm giác thông qua giao diện, nhằm tăng cường khả năng học tập của AI và nâng cao khả năng lập kế hoạch và ra quyết định của nó.
Quy trình làm việc bắt đầu khi các nhà phát triển tương tác thông qua giao diện nhắc nhở đại lý. Dữ liệu đầu vào được hệ thống cảm nhận xử lý và chuyển tiếp đến mô-đun xử lý đối thoại, mô-đun xử lý đối thoại chịu trách nhiệm quản lý logic tương tác. Sau đó, động cơ lập kế hoạch chiến lược dựa trên những thông tin này để xây dựng và thực hiện kế hoạch, sử dụng các chiến lược cấp cao và kế hoạch hành động chi tiết.
Dữ liệu từ ngữ cảnh toàn cầu và kho lưu trữ đại lý thông báo cho các quy trình này, trong khi theo dõi bộ nhớ làm việc cho các nhiệm vụ tức thời. Trong khi đó, bộ xử lý bộ nhớ lâu dài lưu trữ và truy xuất kiến thức lâu dài. Mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, cho phép hành vi và tương tác của đại lý được cải thiện liên tục.
RIG (do ARC phát triển)
Rig là một khung Rust mã nguồn mở được thiết kế để đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn. Nó cung cấp một giao diện thống nhất để tương tác với nhiều nhà cung cấp LLM, chẳng hạn như OpenAI và Anthropic, đồng thời hỗ trợ nhiều cửa hàng vector, bao gồm MongoDB và Neo4j. Kiến trúc mô-đun của framework là duy nhất trong các thành phần cốt lõi của nó, chẳng hạn như Lớp trừu tượng hóa nhà cung cấp, tích hợp lưu trữ vector và hệ thống proxy, để tạo điều kiện tương tác liền mạch với LLM.
Đối tượng chính của Rig bao gồm các nhà phát triển xây dựng các ứng dụng AI/ML bằng Rust, tiếp theo là các tổ chức đang tìm cách tích hợp nhiều nhà cung cấp LLM và kho lưu trữ vectơ vào các ứng dụng Rust của riêng họ. Kho lưu trữ sử dụng kiến trúc không gian làm việc với nhiều thùng để hỗ trợ khả năng mở rộng và quản lý dự án hiệu quả. Tính năng chính của nó là lớp trừu tượng hóa nhà cung cấp, cung cấp tiêu chuẩn hóa để hoàn thành và nhúng API giữa các nhà cung cấp LLM khác nhau với khả năng xử lý lỗi nhất quán. Thành phần Tích hợp kho vectơ cung cấp một giao diện trừu tượng cho nhiều phụ trợ và hỗ trợ tìm kiếm sự tương đồng vectơ. Hệ thống tác nhân đơn giản hóa các tương tác LLM, hỗ trợ Retrieval Enhanced Generation (RAG) và tích hợp công cụ. Ngoài ra, khung nhúng cung cấp khả năng xử lý hàng loạt và các hoạt động nhúng để đảm bảo an toàn cho loại.
Rig tận dụng một số lợi thế kỹ thuật để đảm bảo độ tin cậy và hiệu suất. Các hoạt động không đồng bộ tận dụng thời gian chạy không đồng bộ của Rust để xử lý hiệu quả một số lượng lớn các yêu cầu đồng thời. Cơ chế xử lý lỗi vốn có của khung giúp cải thiện khả năng phục hồi đối với các hoạt động cơ sở dữ liệu hoặc nhà cung cấp AI bị lỗi. An toàn kiểu có thể ngăn ngừa lỗi trong quá trình biên dịch, do đó nâng cao khả năng bảo trì mã. Các quy trình tuần tự hóa và giải tuần tự hóa hiệu quả hỗ trợ xử lý dữ liệu ở các định dạng như JSON, điều này rất cần thiết cho giao tiếp và lưu trữ dịch vụ AI. Ghi nhật ký chi tiết và thiết bị đo lường hỗ trợ thêm trong việc gỡ lỗi và giám sát các ứng dụng.
Quy trình làm việc của Rig bắt đầu khi một khách hàng bắt đầu một yêu cầu, tương tác với mô hình LLM thích hợp thông qua lớp trừu tượng hóa nhà cung cấp. Dữ liệu sau đó được xử lý bởi lớp cốt lõi, nơi tác nhân có thể sử dụng các công cụ hoặc truy cập vào kho lưu trữ vectơ của ngữ cảnh. Phản hồi được tạo và tinh chỉnh thông qua quy trình làm việc phức tạp như RAG trước khi được trả lại cho khách hàng, một quá trình liên quan đến việc truy xuất tài liệu và hiểu ngữ cảnh. Hệ thống tích hợp với nhiều nhà cung cấp LLM và lưu trữ vector, giúp nó có thể thích ứng với tính khả dụng của mô hình hoặc cập nhật hiệu suất.
Các trường hợp sử dụng của Rig rất đa dạng, bao gồm hệ thống hỏi đáp để truy xuất tài liệu liên quan nhằm cung cấp phản hồi chính xác, hệ thống tìm kiếm và truy xuất tài liệu cho việc phát hiện nội dung hiệu quả, cũng như chatbot hoặc trợ lý ảo cung cấp tương tác nhận thức ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, hỗ trợ tạo văn bản và các tài liệu khác dựa trên mô hình học, biến nó thành một công cụ đa năng cho các nhà phát triển và tổ chức.
Zerepy (do ZEREPY và blorm phát triển)
ZerePy là một framework mã nguồn mở được viết bằng ngôn ngữ Python nhằm mục đích triển khai các tác nhân trên X bằng cách sử dụng OpenAI hoặc Anthropic LLM. Bắt nguồn từ một phiên bản mô-đun của phần phụ trợ của Zerebro, ZerePy cho phép các nhà phát triển khởi chạy các tác nhân với chức năng cốt lõi tương tự như Zerebro. Mặc dù khuôn khổ cung cấp nền tảng cho việc triển khai tác nhân, nhưng việc tinh chỉnh mô hình là điều cần thiết để tạo ra đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai các tác nhân AI được cá nhân hóa, đặc biệt là để tạo nội dung trên các nền tảng xã hội, thúc đẩy hệ sinh thái sáng tạo dựa trên AI cho nghệ thuật và các ứng dụng phi tập trung.
Khung này được phát triển bằng Python, nhấn mạnh tính tự chủ của đại lý, tập trung vào việc tạo ra đầu ra sáng tạo, giữ nguyên cấu trúc và mối quan hệ hợp tác với ELIZA. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống bộ nhớ, hỗ trợ triển khai đại lý trên các nền tảng xã hội. Các chức năng chính bao gồm giao diện dòng lệnh để quản lý đại lý, tích hợp với Twitter, hỗ trợ OpenAI và Anthropic LLM, cũng như hệ thống kết nối mô-đun để tăng cường chức năng.
Các trường hợp sử dụng của ZerePy trải dài trong lĩnh vực tự động hóa truyền thông xã hội, nơi người dùng có thể triển khai các tác nhân AI để đăng, trả lời, thích và tweet lại để tăng mức độ tương tác của nền tảng. Ngoài ra, nó phục vụ cho việc tạo nội dung trong các lĩnh vực như âm nhạc, meme và NFT, khiến nó trở thành một công cụ quan trọng cho nghệ thuật kỹ thuật số và nền tảng nội dung dựa trên blockchain.
(2) So sánh bốn khung
Theo chúng tôi, mỗi khung công tác đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với các nhu cầu và môi trường cụ thể, chúng tôi sẽ chuyển sự chú ý từ mối quan hệ cạnh tranh giữa các khung công tác sang tính độc đáo của từng khung.
ELIZA nổi bật với giao diện thân thiện với người dùng, đặc biệt là đối với các nhà phát triển đã quen thuộc với JavaScript và môi trường Node.js. Tài liệu toàn diện của nó giúp thiết lập các tác nhân AI trên nhiều nền tảng khác nhau, mặc dù bộ tính năng mở rộng của nó có thể đi kèm với một đường cong học tập nhất định. Được phát triển với TypeScript, làm cho Eliza trở nên lý tưởng để xây dựng proxy được nhúng vào web, vì hầu hết giao diện người dùng của cơ sở hạ tầng web được phát triển bằng TypeScript. Framework được biết đến với kiến trúc đa tác nhân, có thể triển khai các tính cách AI khác nhau trên các nền tảng như Discord, X và Telegram. Hệ thống RAG được quản lý bộ nhớ tiên tiến của nó làm cho nó đặc biệt hiệu quả cho hỗ trợ khách hàng hoặc trợ lý AI trong các ứng dụng truyền thông xã hội. Mặc dù nó cung cấp tính linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất đa nền tảng nhất quán, nhưng nó vẫn đang ở giai đoạn đầu và có thể tạo ra một đường cong học tập cho các nhà phát triển.
GAME được thiết kế đặc biệt cho các nhà phát triển trò chơi, cung cấp giao diện mã thấp hoặc không cần mã qua API, cho phép những người dùng có kỹ thuật thấp trong lĩnh vực trò chơi cũng có thể sử dụng. Tuy nhiên, nó tập trung vào phát triển trò chơi và tích hợp blockchain, có thể tạo ra đường cong học tập dốc cho những người không có kinh nghiệm liên quan. Nó nổi bật trong việc tạo nội dung chương trình và hành vi NPC, nhưng bị giới hạn bởi độ phức tạp gia tăng do lĩnh vực chuyên biệt của nó và sự tích hợp blockchain.
Do sử dụng ngôn ngữ Rust, Rig có thể không thân thiện với người dùng lắm do sự phức tạp của ngôn ngữ, điều này gây ra một thách thức học tập đáng kể, nhưng nó có sự tương tác trực quan cho những người thành thạo lập trình hệ thống. Trái ngược với TypeScripe, bản thân ngôn ngữ lập trình được biết đến với hiệu suất và an toàn bộ nhớ. Nó có kiểm tra thời gian biên dịch nghiêm ngặt và trừu tượng hóa không tốn chi phí, cần thiết để chạy các thuật toán AI phức tạp. Ngôn ngữ này có hiệu quả cao và mức độ kiểm soát thấp khiến nó trở nên lý tưởng cho các ứng dụng AI sử dụng nhiều tài nguyên. Framework cung cấp giải pháp hiệu suất cao với thiết kế mô-đun và có thể mở rộng, lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với những nhà phát triển không quen thuộc với Rust, việc sử dụng Rust chắc chắn sẽ dẫn đến một đường cong học tập dốc.
ZerePy sử dụng Python, cung cấp tính khả dụng cao cho các nhiệm vụ AI sáng tạo, với đường cong học tập thấp cho các lập trình viên Python, đặc biệt là đối với những lập trình viên có nền tảng AI/ML, và được hưởng lợi từ sự hỗ trợ mạnh mẽ của cộng đồng nhờ vào cộng đồng mã hóa Zerebro. ZerePy xuất sắc trong các ứng dụng AI sáng tạo như NFT, định vị mình như một công cụ mạnh mẽ cho phương tiện kỹ thuật số và nghệ thuật. Mặc dù nó phát triển mạnh về sự sáng tạo, nhưng phạm vi của nó tương đối hẹp so với các khung khác.
Về khả năng mở rộng, ELIZA đã đạt được những tiến bộ đáng kể trong bản cập nhật V2 của mình, với việc giới thiệu một dòng tin nhắn thống nhất và một khung lõi có thể mở rộng, hỗ trợ quản lý hiệu quả trên nhiều nền tảng. Tuy nhiên, nếu không được tối ưu hóa, việc quản lý tương tác đa nền tảng này có thể mang đến những thách thức về khả năng mở rộng.
GAME thể hiện xuất sắc trong việc xử lý thời gian thực cần thiết cho các trò chơi, khả năng mở rộng được quản lý thông qua các thuật toán hiệu quả và hệ thống phân phối blockchain tiềm năng, mặc dù nó có thể bị hạn chế bởi các công cụ game engine hoặc mạng blockchain cụ thể.
Khung Rig sử dụng khả năng mở rộng của Rust, được thiết kế cho các ứng dụng có thông lượng cao, điều này đặc biệt hiệu quả cho việc triển khai cấp doanh nghiệp, mặc dù điều này có thể có nghĩa là việc đạt được khả năng mở rộng thực sự đòi hỏi một quá trình thiết lập phức tạp.
Khả năng mở rộng của Zerepy hướng tới sản phẩm sáng tạo, được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế ứng dụng của nó trong môi trường trí tuệ nhân tạo rộng lớn hơn, khả năng mở rộng có thể bị thử thách bởi sự đa dạng của các nhiệm vụ sáng tạo hơn là số lượng người dùng.
Về khả năng thích ứng, ELIZA vượt trội với hệ thống plugin và khả năng tương thích đa nền tảng, trong khi GAME trong môi trường trò chơi và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện khả năng thích ứng cao trong lĩnh vực sáng tạo, nhưng không phù hợp lắm với các ứng dụng AI rộng hơn.
Về hiệu suất, ELIZA đã được tối ưu hóa cho các tương tác trên mạng xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các tác vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác nhau.
GAMEM do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong bối cảnh trò chơi, sử dụng quy trình ra quyết định hiệu quả và blockchain tiềm năng để thực hiện các thao tác trí tuệ nhân tạo phi tập trung.
Khung Rig dựa trên ngôn ngữ Rust, cung cấp hiệu suất xuất sắc cho các nhiệm vụ tính toán hiệu suất cao, phù hợp với các ứng dụng doanh nghiệp mà hiệu quả tính toán là cực kỳ quan trọng.
Hiệu suất của Zerepy được thiết kế riêng cho việc tạo ra nội dung sáng tạo, với các chỉ số tập trung vào hiệu quả và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Ưu điểm của ELIZA là cung cấp tính linh hoạt và khả năng mở rộng, nhờ vào hệ thống plugin và cấu hình vai trò mà nó có độ thích ứng cao, thuận lợi cho việc tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp chức năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi sự tích hợp blockchain với sự tham gia của AI mới lạ.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng cho các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, tập trung vào việc cung cấp mã mô-đun sạch cho sức khỏe của các dự án lâu dài.
Zerepy chuyên nuôi dưỡng sự sáng tạo, đang dẫn đầu trong ứng dụng trí tuệ nhân tạo nghệ thuật số và được hỗ trợ bởi mô hình phát triển dựa vào cộng đồng năng động.
Mỗi khung đều có giới hạn riêng, ELIZA vẫn ở giai đoạn đầu, tồn tại vấn đề về độ ổn định tiềm năng và đường cong học tập cho các nhà phát triển mới, những trò chơi nhỏ có thể hạn chế ứng dụng rộng rãi hơn, và blockchain còn làm tăng thêm độ phức tạp, Rig có thể làm một số nhà phát triển chùn bước vì đường cong học tập dốc đứng do Rust tạo ra, trong khi sự chú ý hạn chế của Zerepy đối với đầu ra sáng tạo có thể hạn chế việc sử dụng của nó trong các lĩnh vực AI khác.
(3) Tóm tắt so sánh khung hình
Rig (ARC)：
Ngôn ngữ: Rust, chú trọng đến an toàn và hiệu suất.
Trường hợp sử dụng: Lựa chọn lý tưởng cho ứng dụng AI cấp doanh nghiệp, vì nó chú trọng vào hiệu suất và khả năng mở rộng.
Cộng đồng: Không quá được thúc đẩy bởi cộng đồng, nhiều hơn tập trung vào các nhà phát triển kỹ thuật.
Eliza (AI16Z)：
Ngôn ngữ: TypeScript, nhấn mạnh tính linh hoạt của web3 và sự tham gia của cộng đồng.
Trường hợp sử dụng: được thiết kế cho tương tác xã hội, DAO và giao dịch, đặc biệt nhấn mạnh vào hệ thống đa đại lý.
Cộng đồng: Cộng đồng được điều khiển cao, với sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, làm cho nó có thể được sử dụng cho một cơ sở phát triển AI rộng hơn.
Trường hợp sử dụng: Thích hợp cho tự động hóa mạng xã hội và các nhiệm vụ đại lý AI đơn giản hơn.
Cộng đồng: Tương đối mới, nhưng nhờ vào sự phổ biến của Python và sự hỗ trợ từ những người đóng góp AI16Z, có triển vọng phát triển.
TRÒ CHƠI (ẢO):
Trọng tâm: Các đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên sự tương tác trong môi trường ảo.
Trường hợp sử dụng: Thích hợp nhất cho các tình huống học hỏi và thích ứng của đại lý AI, chẳng hạn như trò chơi hoặc thế giới ảo.
Cộng đồng: Cộng đồng đổi mới, nhưng vẫn đang xác định vị trí của mình trong cuộc cạnh tranh.
3、Xu hướng dữ liệu Star trên Github
Biểu đồ trên là dữ liệu tập trung ngôi sao GitHub kể từ khi phát hành các framework này. Điều đáng chú ý là GitHub star là một chỉ số về sự quan tâm của cộng đồng, mức độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức thấp vào tháng 7, sau đó đến cuối tháng 11, số lượng star tăng mạnh (đạt 61.000 sao), điều này cho thấy sự quan tâm của mọi người tăng nhanh, thu hút sự chú ý của các nhà phát triển. Sự tăng trưởng theo cấp số nhân này cho thấy, nhờ vào các tính năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sức hấp dẫn to lớn. Sự phổ biến của nó vượt xa các đối thủ khác, cho thấy nó có sự hỗ trợ mạnh mẽ từ cộng đồng và có tính ứng dụng hoặc sự quan tâm rộng rãi hơn trong cộng đồng trí tuệ nhân tạo.
RIG（蓝线）：
Rig là khung lâu đời nhất trong bốn khung, số lượng sao của nó vừa phải nhưng vẫn đang tăng trưởng liên tục, trong tháng tới có khả năng sẽ tăng mạnh. Nó đã đạt 1700 sao nhưng vẫn đang tiếp tục tăng. Việc phát triển liên tục, cập nhật và số lượng người dùng ngày càng tăng là lý do khiến sự quan tâm của người dùng ngày càng tích lũy. Điều này có thể phản ánh rằng người dùng của khung này còn ít ỏi hoặc vẫn đang tích lũy danh tiếng.
ZEREPY（黄线）：
ZerePy mới được ra mắt vài ngày trước và đã tích lũy được 181 sao. Đáng chú ý là ZerePy cần nhiều phát triển hơn để nâng cao khả năng hiển thị và tỷ lệ áp dụng. Sự hợp tác với AI16Z có thể thu hút nhiều người đóng góp mã hơn.
GAME（绿线）：
Số lượng sao của dự án này là ít nhất, điều đáng chú ý là khung này có thể được áp dụng trực tiếp vào các đại lý trong hệ sinh thái ảo thông qua API, từ đó loại bỏ nhu cầu về độ khả dụng của Github. Tuy nhiên, khung này chỉ mới được mở cho các nhà phát triển cách đây hơn một tháng, với hơn 200 dự án đang sử dụng GAME để xây dựng.
4, Lý do tăng giá khung
Phiên bản V2 của Eliza sẽ tích hợp bộ công cụ đại lý Coinbase. Tất cả các dự án sử dụng Eliza trong tương lai sẽ hỗ trợ TEE gốc, cho phép đại lý chạy trong một môi trường an toàn. Một tính năng sắp ra mắt của Eliza là đăng ký plugin (Plugin Registry), cho phép các nhà phát triển đăng ký và tích hợp các plugin một cách liền mạch.
Ngoài ra, Eliza V2 sẽ hỗ trợ nhắn tin ẩn danh tự động trên nhiều nền tảng. Sách trắng về kinh tế token dự kiến sẽ được phát hành vào ngày 1 tháng 1 năm 2025, được kỳ vọng sẽ có tác động tích cực đến token AI16Z cơ sở của khung Eliza. AI16Z dự định tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, và nỗ lực của các nhà đóng góp chính đã chứng minh rằng nó có khả năng như vậy.
Khung GAME cung cấp tích hợp không mã cho các đại lý, cho phép sử dụng cả GAME và ELIZA trong một dự án duy nhất, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn thu hút các nhà xây dựng quan tâm đến logic kinh doanh hơn là độ phức tạp về kỹ thuật. Mặc dù khung này chỉ được phát hành công khai trong khoảng 30 ngày, nhưng với nỗ lực của đội ngũ để thu hút thêm sự hỗ trợ từ các nhà đóng góp, nó đã đạt được tiến bộ đáng kể. Dự kiến tất cả các dự án khởi động trên VIRTUAL sẽ sử dụng GAME.
Rig, được đại diện bởi token ARC, có tiềm năng lớn, mặc dù khuôn khổ của nó vẫn đang trong giai đoạn đầu tăng trưởng và kế hoạch thúc đẩy việc áp dụng dự án chỉ mới hoạt động được vài ngày. Nhưng các dự án chất lượng cao với ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual Flywheel, nhưng tập trung vào Solana. Nhóm lạc quan về mối quan hệ đối tác với Solana, ví mối quan hệ của ARC với Solana với Virtual to Base. Điều đáng chú ý là nhóm không chỉ khuyến khích các dự án mới bắt đầu với Rig mà còn khuyến khích các nhà phát triển nâng cao chính framework Rig.
Zerepy là một khung mới được ra mắt, nhờ mối quan hệ hợp tác với Eliza, nó đang nhận được ngày càng nhiều sự chú ý. Khung này thu hút các đóng góp viên từ Eliza, những người đang tích cực cải tiến nó. Dưới sự thúc đẩy của các fan hâm mộ ZEREBRO, nó có một nhóm người theo dõi cuồng nhiệt và cung cấp cơ hội mới cho các nhà phát triển Python, những người trước đây thiếu đại diện trong cuộc cạnh tranh hạ tầng trí tuệ nhân tạo. Khung này sẽ đóng vai trò quan trọng trong sự sáng tạo của AI.