So sánh bốn khung Crypto X AI: ELIZA, GAME, ARC và ZEREPY

Tác giả: Deep Value Memetics, dịch: Jinse Caijing xiaozou

Bài viết này chúng ta sẽ khám phá triển vọng của khung Crypto X AI. Chúng ta sẽ tập trung vào bốn khung chính hiện nay (ELIZA, GAME, ARC, ZEREPY) và sự khác biệt về công nghệ của chúng.

1、Lời mở đầu

Trong tuần qua, chúng tôi đã nghiên cứu và thử nghiệm bốn khung chính Crypto X AI là ELIZA, GAME, ARC, ZEREPY, và dưới đây là kết luận của chúng tôi.

Chúng tôi tin rằng AI16Z sẽ tiếp tục chiếm ưu thế. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường trên 1 tỷ USD) nằm ở lợi thế tiên phong của nó (hiệu ứng Lindy), và việc ngày càng có nhiều nhà phát triển sử dụng, với 193 người đóng góp, 1800 lần phân nhánh và hơn 6000 sao, đã chứng minh điều này, khiến nó trở thành một trong những kho mã phổ biến nhất trên Github.

Cho đến nay, sự phát triển của GAME (thị phần khoảng 20%, giá trị thị trường khoảng 300 triệu USD) rất thuận lợi, đang đạt được 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, chiếm khoảng 15% thị phần, giá trị thị trường khoảng 160 triệu USD) 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%, giá trị thị trường khoảng 300 triệu USD) là một ứng dụng tương đối nhỏ, chuyên phục vụ cho cộng đồng ZEREBRO nhiệt thành, gần đây việc hợp tác 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 đã bao gồm vốn hóa thị trường, hồ sơ phát triển và thị trường đầu cuối hệ điều hành cơ sở.

Chúng tôi tin rằng, trong chu kỳ thị trường này, phân khúc khung sẽ là lĩnh vực tăng trưởng nhanh nhất, với tổng giá trị thị trường 1,7 tỷ USD có thể dễ dàng tăng lên 20 tỷ USD, điều này vẫn tương đối bảo thủ so với mức định giá đỉnh điểm của L1 vào năm 2021, khi nhiều L1 đã đạt mức định giá trên 20 tỷ USD. Mặc dù những khung này phục vụ cho các thị trường đầu cuối khác nhau (chuỗi/ hệ sinh thái), nhưng với việc chúng tôi cho rằng lĩnh vực này đang trong xu hướng tăng, phương pháp trọng số theo giá trị thị trường có thể là phương pháp thận trọng nhất.

2、Bốn khung khổ

Trong bảng dưới đây, chúng tôi đã liệt kê các công nghệ, thành phần và lợi thế chính của các khung chính.

（1）Tổng quan khung

Trong lĩnh vực giao thoa giữa AI và Crypto, có một số khung công tác đã thúc đẩy sự phát triển của AI. Chúng là ELIZA của AI16Z, RIG của ARC, ZEREBRO của ZEREPY, và VIRTUAL của GAME. Mỗi khung công tác đều đáp ứng các nhu cầu và quan niệm khác nhau trong quá trình phát triển AI agent, 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 khung, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán, có những chức năng độc đáo nào, cũng như các trường hợp sử dụng tiềm năng của khung là gì. Sau đó, chúng tôi sẽ so sánh từng khung từ khía cạnh khả năng sử dụng, khả năng mở rộng, khả năng thích ứng và hiệu suất, khám phá những ưu điểm và hạn chế của chúng.

ELIZA (do ai16z phát triển)

Eliza là một khung mã nguồn mở mô phỏng đa tác nhân, nhằm tạo ra, triển khai và quản lý các tác nhân AI tự chủ. Nó được phát triển bằng ngôn ngữ lập trình TypeScript, cung cấp một nền tảng linh hoạt và mở rộng cho việc xây dựng các tác nhân thông minh, những tác nhân này có thể tương tác với con người trên nhiều nền tảng khác nhau 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 nhiều cá tính AI độc đáo cùng một lúc, cũng như một hệ thống vai trò tạo ra các tác nhân khác nhau bằng cách sử dụng khung tệp vai trò, và chức năng quản lý bộ nhớ có cảm nhận ngữ cảnh và bộ nhớ dài hạn thông qua hệ thống tăng cường sinh (RAG). Ngoài ra, 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.

Xét về khả năng giao tiếp và chức năng truyền thông của AI, Eliza là một sự lựa chọn tuyệt vời. Về mặt giao tiếp, khung này hỗ trợ tích hợp với các tính năng kênh thoại của Discord, chức năng X, Telegram và truy cập trực tiếp API cho các trường hợp tùy chỉnh. Mặt khác, khả năng xử lý media của khung này có thể mở rộng để đọc và phân tích tài liệu PDF, trích xuất nội dung liên kết và tóm tắt, chuyển đổi âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc đối thoại, có thể xử lý hiệu quả mọi loại đầu vào và đầu ra media.

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 cho Claude trong việc xử lý các nhiệm vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ rộng rãi cho các hệ điều hành, 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 rộng trên 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 người tạo nội dung tự động, robot tương tác và đại diện thương hiệu trong các vai trò truyền thông xã hội. Nó cũng có thể đóng vai trò là nhân viên tri thức, đóng vai trò trợ lý nghiên cứu, nhà phân tích nội dung và xử lý tài liệu, đồng thời hỗ trợ các vai trò tương tác như robot nhập vai, người hướng dẫn giáo dục và đại lý.

Kiến trúc của Eliza được xây dựng xung quanh thời gian chạy đại lý (agent runtime), thời gian chạy đại lý tích hợp liền mạch với hệ thống vai trò của nó (được hỗ trợ bởi nhà cung cấp mô hình), bộ quản lý bộ nhớ (kết nối với cơ sở dữ liệu) và hệ điều hành (liên kết với khách hàng nền tảng). Các tính năng độc đáo của khung này bao gồm hệ thống plugin hỗ trợ mở rộng chức năng theo mô-đun, hỗ trợ tương tác đa phương thức như giọng nói, văn bản và phương tiện truyền thông, và tương thích với các mô hình AI hàng đầu (như Llama, GPT-4 và Claude). Với thiết kế đa dạng và mạnh mẽ, Eliza nổi bật như một công cụ mạnh mẽ cho việc phát triển ứng dụng AI đa lĩnh vực.

G.A.M.E (do Virtuals Protocol phát triển)

Khung thực thể đa mô hình tự trị sinh sinh (G.A.M.E) nhằm cung cấp cho các nhà phát triển quyền truy cập API và SDK để thực hiện các thí nghiệm với AI đại diện. Khung này cung cấp một phương pháp có cấu trúc để quản lý hành vi, quyết định và quá trình học tập của AI đại diện.

Các thành phần cốt lõi như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập của các nhà phát triển để tích hợp GAME vào đại lý nhằm truy cập hành vi của đại lý. Hệ thống Cảm nhận (Perception Subsystem) khởi động phiên làm việc thông qua việc chỉ định các tham số như ID phiên, ID đại lý, người dùng và các chi tiết liên quan khác.

Nó sẽ tổng hợp thông tin đầu vào thành định dạng phù hợp cho động cơ lập kế hoạch chiến lược (Strategic Planning Engine) như một cơ chế đầu vào cảm giác của AI agent, dưới dạng đối thoại hoặc phản ứng. Cốt lõi của nó là mô-đun xử lý đối thoại, được sử dụng để xử lý các tin nhắn và phản hồi từ agent, và hợp tác với hệ thống cảm nhận để giải thích và phản hồi đầu vào một cách hiệu quả.

Động cơ lập kế hoạch chiến lược làm việc cùng với mô-đun xử lý đối thoại và người điều hành ví trên chuỗi, tạo ra phản hồi và kế hoạch. Động cơ này có hai cấp độ chức năng: như một nhà lập kế hoạch cấp cao, tạo ra các chiến lược rộng rãi dựa trên ngữ cảnh hoặc mục tiêu; như một chiến lược cấp thấp chuyển đổi những chiến lược này thành các chiến lược có thể hành động, chiến lược này được chia thành các lập kế hoạch hành động dùng cho nhiệm vụ cụ thể và các bộ thực thi kế hoạch dùng để thực hiện nhiệm vụ.

Một thành phần độc lập nhưng quan trọng khác là World Context (Ngữ 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 dài hạn như mục tiêu, suy ngẫm, kinh nghiệm và tính cách, tất cả chúng cùng nhau hình thành hành vi và quá trình ra quyết định của tác nhân.

Khung này sử dụng bộ xử lý bộ nhớ ngắn hạn và bộ nhớ dài hạn. Bộ nhớ ngắn hạn giữ lại thông tin liên quan đến hành vi trước đó, kết quả và kế hoạch hiện tại. Ngược lại, bộ xử lý bộ nhớ dài hạn trích xuất thông tin quan trọng dựa trên các tiêu chí như tầm quan trọng, tính gần gũi và sự liên quan. Bộ nhớ dài hạn lưu trữ kinh nghiệm, sự phản ánh, tính cách động, ngữ cảnh thế giới và kiến thức về bộ nhớ làm việc của tác nhân để tăng cường quyết định và cung cấp nền tảng học tập.

Mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức tổng quát, 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 phản hồi về hành động, trạng thái trò chơi và dữ liệu cảm nhận thông qua giao diện, nhằm tăng cường khả năng học hỏi 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 qua giao diện nhắc nhở của đại lý. Dữ liệu đầu vào được xử lý bởi hệ thống cảm nhận và chuyển tiếp đến mô-đun xử lý hội thoại, mô-đun xử lý hội 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 lập ra và thực hiện kế hoạch, sử dụng các chiến lược cấp cao và kế hoạch hành động chi tiết.

Dữ liệu từ bối cảnh toàn cầu và kho lưu trữ đại lý thông báo cho các quy trình này, trong khi bộ nhớ làm việc theo dõi các nhiệm vụ ngay lập tức. Trong khi đó, bộ xử lý bộ nhớ dài hạn lưu trữ và truy xuất kiến thức dài hạn. Các 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 framework Rust mã nguồn mở, nhằm 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), hỗ trợ nhiều loại lưu trữ vector, bao gồm MongoDB và Neo4j. Điểm độc đáo của kiến trúc mô-đun của framework này là các thành phần cốt lõi của nó, chẳng hạn như lớp trừu tượng nhà cung cấp (Provider Abstraction Layer), tích hợp lưu trữ vector và hệ thống đại diện, nhằm tạo điều kiện cho sự tương tác liền mạch với LLM.

Đối tượng chính của Rig bao gồm các nhà phát triển sử dụng Rust để xây dựng các ứng dụng AI/ML, tiếp theo là các tổ chức tìm kiếm cách tích hợp nhiều nhà cung cấp LLM và lưu trữ vector vào các ứng dụng Rust của họ. Kho lưu trữ sử dụng kiến trúc không gian làm việc, với nhiều crate, hỗ trợ khả năng mở rộng và quản lý dự án hiệu quả. Các tính năng chính bao gồm lớp trừu tượng nhà cung cấp, nó cung cấp tiêu chuẩn hóa cho việc hoàn thành và nhúng API giữa các nhà cung cấp LLM khác nhau, với xử lý lỗi nhất quán. Thành phần Tích hợp Lưu trữ Vector cung cấp một giao diện trừu tượng cho nhiều backend và hỗ trợ tìm kiếm tương đồng vector. Hệ thống đại lý đơn giản hóa tương tác LLM, hỗ trợ tạo ra nâng cao thông tin truy xuất (RAG) và tích hợp công cụ. Ngoài ra, khung nhúng còn cung cấp chức năng xử lý theo lô và các thao tác nhúng an toàn kiểu.

Rig sử dụng nhiều lợi thế công nghệ để đảm bảo độ tin cậy và hiệu suất. Hoạt động bất đồng bộ sử dụng runtime bất đồng bộ của Rust để xử lý hiệu quả một lượng lớn yêu cầu đồng thời. Cơ chế xử lý lỗi vốn có của khung nâng cao khả năng phục hồi đối với các nhà cung cấp trí tuệ nhân tạo hoặc sự cố khi thực hiện các thao tác cơ sở dữ liệu. An toàn kiểu dữ liệu có thể ngăn chặn lỗi trong quá trình biên dịch, từ đó tăng cường khả năng bảo trì của mã. 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 quan trọng cho việc giao tiếp và lưu trữ dịch vụ AI. Ghi log chi tiết và phát hiện thêm giúp việc gỡ lỗi và giám sát ứng dụng.

Quy trình làm việc của Rig bắt đầu khi một yêu cầu được khởi xướng từ phía khách hàng, yêu cầu này tương tác với mô hình LLM thích hợp thông qua lớp trừu tượng nhà cung cấp. Sau đó, dữ liệu được xử lý bởi lớp lõi, tại lớp lõi, các đại lý có thể sử dụng công cụ hoặc truy cập vào lưu trữ vector của ngữ cảnh. Phản hồi được tạo ra và tinh chỉnh thông qua quy trình làm việc phức tạp (chẳng hạn như RAG) trước khi được trả lại cho khách hàng, quá trình này liên quan đến việc truy xuất tài liệu và hiểu biết về ngữ cảnh. Hệ thống tích hợp nhiều nhà cung cấp LLM và lưu trữ vector, có khả năng thích ứng với các cập nhật về khả năng sử dụng hoặc hiệu suất của mô hình.

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 có ngữ cảnh cho dịch vụ khách hàng hoặc giáo dục. Nó cũng hỗ trợ tạo nội dung, hỗ trợ việc tạo văn bản và các tài liệu khác dựa trên các mô hình học, khiến nó trở thành công cụ đa năng cho các nhà phát triển và tổ chức.

Zerepy (do ZEREPY và blorm phát triển)

ZerePy là một khung mã nguồn mở được viết bằng ngôn ngữ Python, nhằm mục đích triển khai các đại lý trên X bằng cách sử dụng OpenAI hoặc Anthropic LLM. Là một phiên bản mô-đun xuất phát từ backend Zerebro, ZerePy cho phép các nhà phát triển khởi động các đại lý có chức năng tương tự như các chức năng cốt lõi của Zerebro. Mặc dù khung này cung cấp nền tảng cho việc triển khai đại lý, nhưng việc tinh chỉnh mô hình là điều cần thiết để tạo ra các đầu ra sáng tạo. ZerePy đơn giản hóa việc phát triển và triển khai các đại lý AI cá nhân hóa, đặc biệt là cho việc sáng tạo nội dung trên các nền tảng xã hội, nuôi dưỡng một hệ sinh thái sáng tạo AI hướng tới 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, nhất quán với kiến trúc của ELIZA và mối quan hệ hợp tác với ELIZA. Thiết kế mô-đun của nó hỗ trợ tích hợp hệ thống bộ nhớ, cho phép triển khai đại lý trên các nền tảng xã hội. Các chức năng chính bao gồm một 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 bao gồm lĩnh vực tự động hóa truyền thông xã hội, người dùng có thể triển khai các đại lý trí tuệ nhân tạo để thực hiện việc đăng tải, trả lời, thích và chia sẻ, từ đó nâng cao mức độ tham gia của nền tảng. Hơn nữa, nó còn phục vụ cho việc sáng 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 đều cung cấp một phương pháp độc đáo cho phát triển trí tuệ nhân tạo, phù hợp với nhu cầu và môi trường cụ thể, chúng tôi chuyển sự chú ý từ mối quan hệ cạnh tranh của các khung sang tính độc đáo của từng khung.

ELIZA nổi bật với giao diện thân thiện với người dùng, đặc biệt đối với các nhà phát triển quen thuộc với môi trường JavaScript và Node.js. Tài liệu toàn diện của nó giúp thiết lập các đại lý trí tuệ nhân tạo trên nhiều nền tảng khác nhau, mặc dù bộ tính năng phong phú của nó có thể gây ra một số đường cong học tập. Được phát triển bằng TypeScript, Eliza trở thành sự lựa chọn lý tưởng để xây dựng các đại lý nhúng vào web, vì hầu hết cơ sở hạ tầng web đều được phát triển bằng TypeScript. Khung này nổi tiếng với kiến trúc đa đại lý của nó, cho phép triển khai các cá tính trí tuệ nhân tạo khác nhau trên các nền tảng như Discord, X và Telegram. Hệ thống quản lý bộ nhớ RAG tiên tiến của nó khiến nó đặc biệt hiệu quả trong các ứng dụng trợ lý trí tuệ nhân tạo trong hỗ trợ khách hàng hoặc truyền thông xã hội. Mặc dù nó cung cấp tính linh hoạt, hỗ trợ cộng đồng mạnh mẽ và hiệu suất nhất quán trên nhiều nền tảng, nhưng nó vẫn ở giai đoạn đầu và có thể tạo ra 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 mã thông qua API, giúp người dùng có trình độ 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 một 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 sự phức tạp gia tăng do lĩnh vực con của nó và tích hợp blockchain.

Do việc sử dụng ngôn ngữ Rust, do sự phức tạp của ngôn ngữ này, Rig có thể không thân thiện lắm, điều này mang lại những thách thức học tập lớn, nhưng đối với những ai thành thạo lập trình hệ thống, nó có sự tương tác trực quan. So với typescript, ngôn ngữ lập trình này nổi tiếng với hiệu suất và an toàn bộ nhớ (memory safety). Nó có kiểm tra biên dịch nghiêm ngặt và trừu tượng không chi phí, điều này là cần thiết để chạy các thuật toán AI phức tạp. Ngôn ngữ này rất hiệu quả, với khả năng kiểm soát mức độ thấp của nó khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng AI tốn tài nguyên. Khung này cung cấp giải pháp hiệu suất cao với thiết kế mô-đun và có thể mở rộng, làm cho nó trở thành lựa chọn lý tưởng cho các ứng dụng doanh nghiệp. Tuy nhiên, đối với các nhà phát triển không quen thuộc với Rust, việc sử dụng Rust không thể tránh khỏi việc phải đối mặt với 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 tiền điện tử Zerebro. ZerePy nổi bật trong các ứng dụng trí tuệ nhân tạo sáng tạo như NFT, định vị mình là một công cụ mạnh mẽ cho phương tiện kỹ thuật số và nghệ thuật. Mặc dù nó phát triển mạnh mẽ về mặt sáng tạo, nhưng so với các khuôn khổ khác, phạm vi của nó tương đối hẹp.

Về khả năng mở rộng, ELIZA đã đạt được những tiến bộ đáng kể trong bản cập nhật V2 của mình, khi nó giới thiệu một dòng tin nhắn thống nhất và khung lõi mở rộng, hỗ trợ quản lý hiệu quả trên nhiều nền tảng khác nhau. Tuy nhiên, nếu không được tối ưu hóa, việc quản lý tương tác đa nền tảng này có thể mang lại những thách thức về khả năng mở rộng.

GAME thể hiện xuất sắc trong việc xử lý thời gian thực cần thiết cho 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 một số engine trò chơi hoặc mạng lưới blockchain cụ thể.

Khung Rig tận 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 các triển khai cấp doanh nghiệp, mặc dù điều này có thể có nghĩa là việc đạt được khả năng mở rộng thực sự cần một cấu hình phức tạp.

Khả năng mở rộng của Zerepy hướng tới đầu ra sáng tạo, được hỗ trợ bởi sự đóng góp của cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế khả năng 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 chứ không phải số lượng người dùng.

Về mặt thích ứng, ELIZA dẫn đầu 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 rãi hơn.

Về mặt 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.

GAME 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 hoạt động 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 cho các ứng dụng doanh nghiệp mà hiệu quả tính toán là rất 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, thông qua hệ thống plugin và cấu hình vai trò giúp nó có tính thích ứng cao, có lợi cho sự tương tác AI xã hội đa 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 mới mẻ của AI.

Lợi thế của Rig nằm ở khả năng hiệu suất và khả năng mở rộng đối với 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 dài hạn.

Zerepy chuyên phát triển sự sáng tạo, đứng đầu trong ứng dụng trí tuệ nhân tạo nghệ thuật số, và được hỗ trợ bởi mô hình phát triển do cộng đồng sôi động thúc đẩy.

Mỗi khung đều có những hạn chế riêng, ELIZA vẫn đang ở giai đoạn đầu, có vấn đề tiềm ẩn về độ ổn định và đường cong học tập cho các nhà phát triển mới, các game ngách 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 do đường cong học tập dốc đứng từ Rust, 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

Rig (ARC)：

Ngôn ngữ: Rust, tập trung vào an toàn và hiệu suất.

Trường hợp: 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 phụ thuộc vào cộng đồng, chú trọng nhiều hơn đến các nhà phát triển công nghệ.

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 hệ thống đa đại lý.

Cộng đồng: Cộng đồng được thúc đẩy cao độ, có sự tham gia rộng rãi từ GitHub.

ZerePy (ZEREBRO)：

Ngôn ngữ: Python, để nó có thể được sử dụng cho một nền tảng các nhà phát triển AI rộng rãi hơn.

Trường hợp sử dụng: Thích hợp cho tự động hóa mạng xã hội và các nhiệm vụ đại diện AI đơn giản hơn.

Cộng đồng: Tương đối mới nhưng có khả năng phát triển nhờ sự phổ biến của Python và sự hỗ trợ từ các nhà đóng góp AI16Z.

TRÒ CHƠI (ẢO):

Trọng điểm: 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: Tốt nhất cho các tình huống học tập và thích ứng của 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 cạnh tranh.

3、Xu hướng dữ liệu Star trên Github

Hình trên là dữ liệu theo dõi sao GitHub kể từ khi các khung này được phát hành. Đáng chú ý là sao GitHub là 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 (Đường đỏ):

Bắt đầu từ mức thấp vào tháng 7, cho đến sự gia tăng mạnh mẽ số lượng star vào cuối tháng 11 (đạt 61.000 ngôi sao), điều này cho thấy sự quan tâm của mọi người đã tăng nhanh chóng, 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 rất lớn. Sự phổ biến của nó vượt xa các đối thủ khác, điều này 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（đường xanh）：

Rig là khung lâu đời nhất trong bốn khung, số lượng sao vừa phải nhưng vẫn đang tiếp tục tăng trưởng, có khả năng sẽ tăng mạnh trong tháng tới. Nó đã đạt được 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 cho sự tích lũy quan tâm của người dùng. Điều này có thể phản ánh rằng người dùng của khung này còn ít hoặc vẫn đang tích lũy danh tiếng.

ZEREPY（黄线）：

ZerePy vừa mới ra mắt cách đây vài ngày và đã tích lũy được 181 sao. Đáng chú ý là ZerePy cần nhiều phát triển hơn để cải thiện khả năng hiển thị và tỷ lệ chấp nhận. 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, đáng lưu ý rằng khuôn khổ này có thể được áp dụng trực tiếp cho các đại lý trong hệ sinh thái ảo thông qua API, qua đó loại bỏ nhu cầu về khả năng hiển thị trên Github. Tuy nhiên, khuôn khổ này chỉ được mở cho các nhà xây dựng cách đây hơn một tháng, và hiện có 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 proxy Coinbase. Tất cả các dự án sử dụng Eliza trong tương lai sẽ hỗ trợ TEE gốc, cho phép proxy hoạt động trong 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 plugin một cách liền mạch.

Ngoài ra, Eliza V2 sẽ hỗ trợ việc truyền thông tự động ẩn danh trên nhiều nền tảng. Bản whitepaper về kinh tế token dự kiến sẽ được phát hành vào ngày 1 tháng 1 năm 2025, và dự kiến sẽ có tác động tích cực đến token AI16Z nền tảng của khung Eliza. AI16Z dự định tiếp tục nâng cao tính hữu ích của khung, tiếp tục thu hút nhân tài chất lượng cao, và nỗ lực của những người 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 GAME và ELIZA trong cùng một dự án, mỗi cái phục vụ cho mục đích cụ thể. Phương pháp này hy vọng sẽ thu hút sự chú ý của những người xây dựng tập trung vào logic kinh doanh hơn là sự phức tạp về công nghệ. Mặc dù khung này chỉ mới được công bố công khai trong hơn 30 ngày, nhưng dưới nỗ lực của đội ngũ để thu hút sự hỗ trợ từ nhiều người đóng góp hơn, nó đã đạt được tiến bộ đáng kể. Dự kiến tất cả các dự án được khởi động trên VIRTUAL sẽ sử dụng GAME.

Rig đại diện cho token ARC có tiềm năng to lớn, mặc dù khung của nó vẫn đang trong giai đoạn tăng trưởng sớm và kế hoạch thúc đẩy việc áp dụng dự án chỉ mới được triển khai vài ngày. Tuy nhiên, các dự án chất lượng cao áp dụng ARC dự kiến sẽ sớm xuất hiện, tương tự như Virtual flywheel, nhưng tập trung vào Solana. Nhóm phát triển tỏ ra lạc quan về sự hợp tác với Solana, so sánh mối quan hệ giữa ARC và Solana với Virtual đối với Base. Đáng chú ý là, nhóm không chỉ khuyến khích các dự án mới sử dụng Rig để khởi động, mà còn khuyến khích các nhà phát triển tăng cường khung Rig chính nó.

Zerepy là một khung mới được giới thiệu, nhờ vào mối quan hệ hợp tác với Eliza, nó đang nhận được sự chú ý ngày càng tăng. Khung này thu hút các đóng góp viên của Eliza, những người đang tích cực cải tiến nó. Dưới sự thúc đẩy của các fan hâm mộ ZEREBRO, nó có một nhóm những 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 cơ sở hạ tầng trí tuệ nhân tạo. Khung này sẽ đóng vai trò quan trọng trong khía cạnh sáng tạo của AI.