Yazar: Deep Value Memetics, Çeviri: Altın Finans xiaozou
Bu yazıda Crypto X AI çerçevesinin geleceğini inceleyeceğiz. Mevcut dört ana çerçeveye (ELIZA, GAME, ARC, ZEREPY) ve her birinin teknik farklılıklarına odaklanacağız.
1. Giriş
Geçtiğimiz bir hafta içinde ELIZA, GAME, ARC, ZEREPY adlı dört ana Crypto X AI çerçevesini araştırıp test ettik, elde ettiğimiz sonuçlar aşağıdaki gibidir.
AI16Z'nin hakim olmaya devam edeceğine inanıyoruz. Eliza'nın değeri (yaklaşık %60 pazar payı, 1 milyar doların üzerinde piyasa değeri), 193 katılımcı, 1.800 çatal ve 6.000'den fazla yıldız gibi verilerle kanıtlandığı gibi, ilk hamle avantajında (Lindy etkisi) ve geliştiriciler tarafından artan kullanımında yatmaktadır ve bu da onu Github'daki en popüler depolardan biri haline getirmektedir.
Şu ana kadar GAME'in (piyasa payı yaklaşık %20, piyasa değeri yaklaşık 300 milyon dolar) gelişimi oldukça başarılı oldu, hızlı benimseme sağlıyor. VIRTUAL'un yeni duyurusuna göre, platformda 200'den fazla proje, günlük 150.000 talep ve %200'lük bir haftalık büyüme oranı var. GAME, VIRTUAL'un yükselişinden faydalanmaya devam edecek ve ekosisteminde en büyük kazananlardan biri haline gelecek.
Rig (ARC, pazar payı yaklaşık %15, piyasa değeri yaklaşık 160 milyon dolar) dikkat çekici çünkü modüler tasarımı oldukça kullanışlı ve Solana ekosisteminde (RUST) "pure-play" olarak baskın bir konumda bulunabiliyor.
Zerepy (pazar payı yaklaşık %5, piyasa değeri yaklaşık 300 milyon dolar) ZEREBRO topluluğuna yönelik niş bir uygulamadır ve yakın zamanda ai16z topluluğu ile yaptığı iş birliği sinerji yaratabilir.
Pazar payı hesaplamamızın piyasa değeri, geliştirme kayıtları ve altyapı işletim sistemi terminal pazarını kapsadığını fark ettik.
Bu piyasa döngüsünde, çerçeve alt pazarının en hızlı büyüyen alan olacağını düşünüyoruz; 1.7 milyar dolarlık toplam piyasa değeri, 20 milyar dolara kolayca yükselebilir. Bu, 2021'de L1'in zirve değerlemesiyle karşılaştırıldığında hala oldukça temkinli bir tahmin. O dönemde birçok L1'in değerlemesi 20 milyar doların üzerine çıktı. Bu çerçeveler farklı son kullanıcı pazarlarına (zincir/ekosistem) hizmet etse de, bu alanın sürekli bir yükseliş trendinde olduğunu düşündüğümüz için, piyasa değeri ağırlıklı yöntem en temkinli yaklaşım olabilir.
2、Dört Ana Çerçeve
Aşağıdaki tabloda, ana çerçevelerin kilit teknolojilerini, bileşenlerini ve avantajlarını listeledik.
(1) Çerçeve Genel Bakış
AI X Crypto kesişim alanında, AI gelişimini teşvik eden birkaç çerçeve bulunmaktadır. Bunlar AI16Z'nin ELIZA'sı, ARC'nin RIG'i, ZEREPY'nin ZEREBRO'su ve GAME'nin VIRTUAL'ıdır. Her bir çerçeve, açık kaynak topluluk projelerinden performansa odaklanan kurumsal çözümlere kadar, AI ajanı geliştirme sürecindeki farklı ihtiyaç ve felsefeleri karşılamaktadır.
Bu makale, çerçevelere, ne olduklarına, hangi programlama dillerini kullandıklarına, teknik mimarilere, algoritmalara, hangi benzersiz özelliklere sahip olduklarına ve çerçevenin hangi olası kullanım durumlarını kullanabileceğine bir girişle başlar. Daha sonra her çerçeveyi kullanılabilirlik, ölçeklenebilirlik, uyarlanabilirlik ve performans açısından karşılaştırır, güçlü yönlerini ve sınırlamalarını keşfederiz.
ELIZA (ai16z tarafından geliştirildi)
Eliza, özerk AI ajanları oluşturmak, dağıtmak ve yönetmek için tasarlanmış çoklu ajan simülasyonu açık kaynaklı bir çerçevedir. TypeScript programlama dili ile geliştirilmiştir ve bu akıllı ajanların insanlarla etkileşimde bulunmasını sağlarken, tutarlı bir kişilik ve bilgi koruyarak birden fazla platformda çalışabilmesi için esnek, ölçeklenebilir bir platform sunar.
Bu çerçevenin temel işlevleri, birden fazla benzersiz AI kişiliğini aynı anda dağıtma ve yönetme desteği sunan çoklu ajan mimarisi, farklı ajanlar oluşturmak için bir rol dosyası çerçevesi kullanma, ve uzun süreli bellek ile bağlamı algılayan bellek yönetimi özellikleri sunan Gelişmiş Alım Güçlendirme (RAG) sistemi içerir. Ayrıca, Eliza çerçevesi, Discord, X ve diğer sosyal medya platformlarıyla güvenilir bağlantılar kurarak sorunsuz bir platform entegrasyonu sağlar.
AI ajanlarının iletişim ve medya işlevleri açısından Eliza mükemmel bir seçimdir. İletişim açısından, bu çerçeve Discord'un ses kanalları işlevi, X işlevi, Telegram ve özel kullanım durumları için API doğrudan erişim entegrasyonunu desteklemektedir. Öte yandan, çerçevenin medya işleme işlevi, PDF belgelerinin okunması ve analizi, bağlantı içeriği çıkarımı ve özeti, ses transkripti, video içerik işleme, görüntü analizi ve sohbet özeti gibi işlevlerle genişletilebilir ve çeşitli medya girdi ve çıktıları etkili bir şekilde işleyebilir.
Eliza çerçevesi, açık kaynaklı modelin yerel çıkarımı, OpenAI'nin bulut çıkarımı ve varsayılan yapılandırmalar (örneğin Nous Hermes Llama 3.1B) aracılığıyla esnek AI modeli desteği sunar ve Claude'un karmaşık görevleri işleme desteğini entegre eder. Eliza, geniş bir işletim sistemi, özelleştirilmiş istemci desteği ve kapsamlı API ile modüler bir mimari benimser, bu da uygulamalar arasında ölçeklenebilirlik ve uyum sağlar.
Eliza'nın kullanım durumu, müşteri desteği, topluluk denetimi ve kişisel görevler için AI asistanı, içerik otomatik oluşturucusu, etkileşimli robotlar ve marka temsilcileri gibi sosyal medya rolleri gibi birçok alana yayılmaktadır. Ayrıca, bilgi çalışanı olarak araştırma asistanı, içerik analisti ve belge işleyici gibi rolleri üstlenebilir ve rol oynama robotları, eğitim mentorları ve ajan temsilcileri gibi etkileşimli rollerin desteklenmesine yardımcı olabilir.
Eliza'nın mimarisi, rol sistemi (model sağlayıcısı tarafından desteklenir), bellek yöneticisi (veritabanına bağlı) ve işletim sistemi (platform istemcisine bağlı) ile sorunsuz bir şekilde entegre olan aracı çalışma zamanı etrafında oluşturulmuştur. Çerçevenin benzersiz özellikleri arasında modüler işlev uzantılarını destekleyen, ses, metin ve medya gibi çok modlu etkileşimleri destekleyen ve Llama, GPT-4 ve Claude gibi önde gelen AI modelleriyle uyumlu bir eklenti sistemi bulunur. Çok yönlülüğü ve sağlam tasarımıyla Eliza, etki alanları arasında yapay zeka uygulamaları geliştirmek için güçlü bir araç olarak öne çıkıyor.
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 sağlamak amacıyla tasarlanmıştır. Bu çerçeve, AI ajanlarının davranışlarını, kararlarını ve öğrenme süreçlerini yönetmek için yapılandırılmış bir yöntem sunar.
Temel bileşenleri şunlardır: Öncelikle, Ajan İkna Arayüzü (Agent Prompting Interface), geliştiricilerin GAME'i ajana entegre ederek ajan davranışlarına erişim noktasıdır. Algı Alt Sistemi (Perception Subsystem), oturum başlatmak için oturum ID'si, ajan ID'si, kullanıcı ve diğer ilgili ayrıntılar gibi parametreleri belirleyerek çalışır.
Bu, gelen bilgileri Stratejik Planlama Motoru (Strategic Planning Engine) için uygun bir formata dönüştürerek AI aracısının hissetme giriş mekanizması olarak işlev görür; bu, ister diyalog ister tepki biçiminde olsun. Temel bileşeni, aracılardan gelen mesajları ve yanıtları işlemek için kullanılan diyalog işleme modülüdür ve girdi yorumlamasını ve yanıt vermesini etkili bir şekilde sağlamak için algılama alt sistemiyle işbirliği yapar.
Stratejik planlama motoru, diyalog işleme modülü ve zincir üzerindeki cüzdan operatörü birlikte çalışarak yanıtlar ve planlar oluşturur. Bu motorun işlevi iki düzeye sahiptir: yüksek seviyeli planlayıcı olarak, bağlama veya hedefe göre kapsamlı stratejiler oluşturur; düşük seviyeli strateji olarak, bu stratejileri eyleme dönüştüren stratejidir. Bu strateji, belirli görevler için eylem planlayıcı ve görevleri yerine getiren plan yürütücüsü olarak daha da ayrılır.
Ayrıca bağımsız ama önemli bir bileşen olan World Context (Dünya Bağlamı), çevre, küresel bilgiler ve oyun durumu gibi unsurları referans alarak ajanların karar vermesi için gerekli olan bağlamı sağlar. Ayrıca, Agent Repository (Ajan Deposu) hedefler, yansımalar, deneyimler ve kişilik gibi uzun vadeli özellikleri saklamak için kullanılır; bunlar birlikte ajanın davranışını ve karar verme sürecini şekillendirir.
Bu çerçeve, kısa vadeli çalışma belleği ve uzun vadeli bellek işleyicisi kullanır. Kısa vadeli bellek, önceki davranışların, sonuçların ve mevcut planların ilgili bilgilerini saklar. Buna karşılık, uzun vadeli bellek işleyicisi, önem, yakınlık ve ilgili gibi kriterlere göre anahtar bilgileri çıkarır. Uzun vadeli bellek, ajanların deneyimlerini, yansımalarını, dinamik kişiliklerini, dünya bağlamını ve çalışma belleği gibi bilgileri depolarak karar verme sürecini geliştirir ve öğrenme temeli sağlar.
Öğrenme modülü, algı alt sisteminden gelen verileri kullanarak genel bilgi üretir; bu bilgiler, gelecekteki etkileşimleri geliştirmek için sisteme geri beslenir. Geliştiriciler, AI ajanının öğrenme yeteneğini artırmak ve planlama ile karar verme yeteneklerini geliştirmek için arayüz üzerinden hareketler, oyun durumu ve his verileri hakkında geri bildirim girebilirler.
Çalışma akışı, geliştiricilerin aracı uyarı arayüzü aracılığıyla etkileşime girmesiyle başlar. Girdi, algılama alt sistemi tarafından işlenir ve diyalog işleme modülüne iletilir; diyalog işleme modülü etkileşim mantığını yönetmekten sorumludur. Daha sonra, stratejik planlama motoru bu bilgilere dayanarak planlar geliştirilir ve uygulanır; yüksek düzeyde stratejiler ve ayrıntılı eylem planları kullanılır.
Dünyanın bağlamlarından ve aracı depolarından gelen veriler bu süreçleri bilgilendirirken, çalışma belleği anlık görevleri takip eder. Bu arada, uzun dönemli bellek işlemcisi uzun süreli bilgileri depolar ve geri alır. Öğrenme modülü sonuçları analiz eder ve yeni bilgileri sisteme entegre eder, böylece aracının davranışları ve etkileşimleri sürekli olarak geliştirilir.
RIG (ARC tarafından geliştirildi)
Rig, büyük dil modelleri uygulamalarının geliştirilmesini kolaylaştırmak için tasarlanmış açık kaynaklı bir Rust çerçevesidir. OpenAI ve Anthropic gibi birden fazla LLM sağlayıcısıyla etkileşim kurmak için birleşik bir arayüz sunar ve MongoDB ve Neo4j dahil olmak üzere 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 gibi temel bileşenleridir.
Rig'in birincil hedef kitlesi, Rust kullanarak AI/ML uygulamaları oluşturan geliştiricileri ve ardından birden fazla LLM sağlayıcısını ve vektör mağazasını kendi Rust uygulamalarına entegre etmek isteyen kuruluşları içerir. Depo, ölçeklenebilirliği ve verimli proje yönetimini desteklemek için birden çok kasaya sahip bir çalışma alanı mimarisi kullanır. Temel özelliği, tutarlı hata işleme ile farklı LLM sağlayıcıları arasında API'leri tamamlamak ve gömmek için standardizasyon sağlayan sağlayıcı soyutlama katmanıdır. Vektör Deposu Entegrasyonu bileşeni, birden çok arka uç için soyut bir arabirim sağlar ve vektör benzerliği aramalarını destekler. Ajan sistemi, LLM etkileşimlerini basitleştirir, Retrieval Enhanced Generation'ı (RAG) ve araç entegrasyonunu destekler. Buna ek olarak, gömme çerçevesi, tür güvenliği için toplu işleme yetenekleri ve gömme işlemleri sağlar.
Rig, güvenilirlik ve performansı sağlamak için bir dizi teknik avantaj kullanır. Asenkron işlemler, çok sayıda eşzamanlı isteği etkili bir şekilde işlemek için Rust'ın asenkron çalışma zamanını kullanır. Çerçevenin yerleşik hata işleme mekanizması, yapay zeka sağlayıcıları veya veritabanı işlemlerindeki hatalardan kurtulma yeteneğini artırır. Tür güvenliği, derleme sürecindeki hataları önleyerek kodun bakımını artırır. Verimli seri hale getirme ve ayrıştırma süreçleri, AI hizmetleri iletişimi ve depolama için kritik öneme sahip olan JSON gibi formatların veri işleme desteğini sağlar. Ayrıntılı günlük kaydı ve izleme, uygulamaların hata ayıklama ve izlenmesine daha da yardımcı olur.
Rig'in iş akışı, istemci bir talep başlattığında başlar; bu talep, sağlayıcı soyutlama katmanı aracılığıyla uygun LLM modeli ile etkileşime geçer. Ardından, veriler, ajanların araçları kullanabileceği veya bağlamın vektör deposuna erişebileceği çekirdek katmanda işlenir. Yanıt, istemciye geri gönderilmeden önce, belgelerin alınması ve bağlamın anlaşılması süreçlerini içeren karmaşık bir iş akışı (RAG gibi) aracılığıyla üretilir ve rafine edilir. Sistem, model kullanılabilirliği veya performans güncellemelerine uyum sağlayarak birden fazla LLM sağlayıcı ve vektör deposunu entegre eder.
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 ile müşteri hizmetleri veya eğitim için bağlam algılamalı etkileşim sağlayan sohbet botları veya sanal asistanlar bulunmaktadır. Ayrıca içerik üretimini destekler, öğrenme modlarına dayalı metin ve diğer materyaller oluşturulmasına olanak tanır, bu da onu geliştiriciler ve kuruluşlar için evrensel bir araç haline getirir.
Zerepy (ZEREPY ve blorm tarafından geliştirildi)
ZerePy, OpenAI veya Anthropic LLM'leri kullanarak aracıları X üzerinde dağıtmayı amaçlayan, Python dilinde yazılmış açık kaynaklı bir çerçevedir. Zerebro'nun arka ucunun modüler bir versiyonundan türetilen ZerePy, geliştiricilerin Zerebro'ya benzer temel işlevlere sahip aracıları başlatmasına olanak tanır. Çerçeve, aracı dağıtımı için temel sağlarken, yaratıcı çıktı oluşturmak için modelde ince ayar yapmak çok önemlidir. ZerePy, özellikle sosyal platformlarda içerik oluşturma için kişiselleştirilmiş yapay zeka aracılarının geliştirilmesini ve dağıtımını basitleştirerek, sanat ve merkezi olmayan uygulamalar için yapay zeka odaklı bir yaratıcı ekosistemi teşvik eder.
Bu çerçeve Python ile geliştirilmiştir, ajanın özerkliğine vurgu yapar, yaratıcı çıktı üretimine odaklanır ve ELIZA'nın mimarisi ile ELIZA ile olan işbirliği ilişkisini korur. Modüler tasarımı, bellek sisteminin entegrasyonunu destekler ve ajanın sosyal platformlarda dağıtılmasını sağlar. Ana işlevler arasında ajanın yönetimi için bir komut satırı arayüzü, Twitter ile entegrasyon, OpenAI ve Anthropic LLM desteği ve işlevselliği artırmak için modüler bağlantı sistemi bulunmaktadır.
ZerePy'nin kullanım durumları, sosyal medya otomasyonu alanını kapsar; kullanıcılar, platform etkileşimini artırmak amacıyla gönderi, yanıt, beğeni ve paylaşım yapmak için yapay zeka ajanları dağıtabilirler. Ayrıca, müzik, meme ve NFT gibi alanlarda içerik oluşturma ihtiyacını da karşılayarak, onu dijital sanat ve blok zinciri tabanlı içerik platformları için önemli bir araç haline getirir.
(2) Dört Büyük Çerçeve Karşılaştırması
Bizim açıdan, her bir çerçeve yapay zeka geliştirme için belirli ihtiyaçlara ve ortamlara uygun benzersiz bir yaklaşım sunmaktadır, bu nedenle odak noktamızı bu çerçevelerin rekabet ilişkilerinden onların benzersizliğine kaydırıyoruz.
ELIZA, özellikle JavaScript ve Node.js ortamlarına aşina olan geliştiriciler için kullanıcı dostu arayüzü ile öne çıkıyor. Kapsamlı belgeleri, çeşitli platformlarda yapay zeka aracılarının kurulmasına yardımcı olur, ancak kapsamlı özellik seti belirli bir öğrenme eğrisi ile gelebilir. TypeScript ile geliştirilen bu ürün, web altyapısının ön ucunun çoğu TypeScript ile geliştirildiğinden, Eliza'yı web'e gömülü proxy'ler oluşturmak için ideal hale getirir. Çerçeve, Discord, X ve Telegram gibi platformlarda farklı AI kişiliklerini konuşlandırabilen çok aracılı mimarisiyle tanınır. Gelişmiş bellek yönetimli RAG sistemi, onu özellikle sosyal medya uygulamalarında müşteri desteği veya yapay zeka asistanları için etkili hale getirir. Esneklik, güçlü topluluk desteği ve tutarlı platformlar arası performans sunsa da, hala erken aşamalarındadır ve geliştiriciler için bir öğrenme eğrisi oluşturabilir.
GAME, oyun geliştiricileri için özel olarak tasarlanmış bir platformdur. API aracılığıyla düşük kod veya kodsuz bir arayüz sunarak, oyun alanında teknik bilgi seviyesi düşük olan kullanıcıların da kullanabilmesini sağlar. Ancak, oyun geliştirme ve blok zinciri entegrasyonuna odaklanması nedeniyle, ilgili deneyimi olmayanlar için dik bir öğrenme eğrisi oluşturabilir. Program içeriği üretimi ve NPC davranışları konusunda öne çıkmasına rağmen, niş alanı ve blok zinciri entegrasyonu ile artan karmaşıklıkla sınırlıdır.
Rust dilinin kullanılması nedeniyle, bu dilin karmaşıklığı göz önüne alındığında, Rig pek dostça olmayabilir; bu da önemli öğrenme zorlukları getirir. Ancak sistem programlamasında uzman olanlar için sezgisel bir etkileşim sunar. Typescript ile karşılaştırıldığında, bu programlama dili performans ve bellek güvenliği (memory safety) ile tanınır. Karmaşık AI algoritmalarını çalıştırmak için gerekli olan katı derleme zamanı kontrollerine ve sıfır maliyetli soyutlamalara sahiptir. Bu dil son derece etkilidir ve düşük seviye kontrolü, onu kaynak yoğun yapay zeka uygulamaları için ideal bir seçim haline getirir. Bu çerçeve, modüler ve ölçeklenebilir tasarıma sahip yüksek performanslı çözümler sunarak, kurumsal uygulamalar için ideal bir seçim haline gelir. Ancak Rust ile tanışık olmayan geliştiriciler için Rust kullanmak kaçınılmaz olarak dik bir öğrenme eğrisi ile yüzleşmeyi gerektirir.
ZerePy, Python kullanarak yaratıcı AI görevleri için yüksek kullanılabilirlik sunar; Python geliştiricilerinin öğrenme eğrisi daha düşüktür, özellikle AI/ML geçmişine sahip geliştiriciler için ve Zerebro'nun kripto topluluğu sayesinde güçlü bir topluluk desteğinden faydalanır. ZerePy, NFT gibi yaratıcı yapay zeka uygulamalarında uzmandır ve kendisini dijital medya ve sanat için güçlü bir araç olarak konumlandırır. Yaratıcılık açısından gelişirken, diğer çerçevelerle karşılaştırıldığında kapsamı görece dar kalmaktadır.
Ölçeklenebilirlik açısından, ELIZA V2 güncellemesinde önemli ilerlemeler kaydetti; bu güncelleme, birden fazla platformda etkin yönetimi destekleyen birleşik bir mesaj hattı ve ölçeklenebilir bir çekirdek çerçevesi getirdi. Ancak, optimizasyon yapılmadığı takdirde, bu çoklu platform etkileşimi yönetimi ölçeklenebilirlik açısından zorluklar ortaya çıkarabilir.
GAME, oyunların gerektirdiği gerçek zamanlı işlem konusunda mükemmel bir performans sergilemekte olup, ölçeklenebilirlik verimli algoritmalar ve potansiyel bir blok zinciri dağıtık sistemi ile yönetilmektedir; ancak, belirli oyun motorları veya blok zinciri ağlarının kısıtlamalarına tabi olabilir.
Rig çerçevesi, Rust'ın ölçeklenebilirlik performansını kullanarak yüksek throughput uygulamaları için tasarlanmıştır; bu, kurumsal düzeyde dağıtımlar için özellikle etkilidir, ancak bu gerçek ölçeklenebilirliği gerçekleştirmenin karmaşık bir yapılandırma gerektirebileceği anlamına gelebilir.
Zerepy'nin ölçeklenebilirliği yaratıcı çıktılara odaklanmakta ve topluluk katkılarıyla desteklenmektedir, ancak odak noktası, daha geniş bir yapay zeka ortamındaki uygulamalarını sınırlayabilir; ölçeklenebilirlik, kullanıcı sayısından ziyade yaratıcı görevlerin çeşitliliği ile test edilebilir.
Uyum açısından, ELIZA eklenti sistemi ve çoklu platform uyumluluğu ile önde gelir, oyun ortamındaki GAME ve karmaşık AI görevlerini işleyen Rig de oldukça başarılıdır. ZerePy yaratıcılık alanında yüksek uyum gösterirken, daha geniş yapay zeka uygulamaları için pek uygun değildir.
Performans açısından, ELIZA hızlı sosyal medya etkileşimleri için optimize edilmiştir; hızlı yanıt süresi anahtardır, ancak daha karmaşık hesaplama görevlerini işlerken performansı farklılık gösterebilir.
Virtual Protocol tarafından geliştirilen GAME, oyun sahnelerinde yüksek performanslı gerçek zamanlı etkileşime odaklanmakta, etkili karar verme süreçleri ve potansiyel blok zinciri kullanarak merkeziyetsiz yapay zeka işlemleri gerçekleştirmektedir.
Rig çerçevesi Rust diline dayanarak, yüksek performanslı hesaplama görevleri için mükemmel bir performans sunar ve hesaplama verimliliğinin kritik olduğu kurumsal uygulamalar için uygundur.
Zerepy'nin performansı, yaratıcı içerik oluşturma için özel olarak tasarlanmıştır ve göstergeleri, içerik üretiminin verimliliği ve kalitesi etrafında döner, bu nedenle yaratıcı alanın dışındaki durumlarda pek genel olmayabilir.
ELIZA'nın avantajı, eklenti sistemi ve rol yapılandırması sayesinde yüksek bir uyum sağlama yeteneği ile esneklik ve ölçeklenebilirlik sunmasıdır, bu da çoklu platformlarda sosyal AI etkileşimlerine olanak tanır.
GAME, oyunda benzersiz bir gerçek zamanlı etkileşim özelliği sunarak blok zinciri entegrasyonu ile yenilikçi AI katılımını artırmıştır.
Rig'in avantajları, uzun vadeli projelerin sağlığına temiz modüler kod sağlamaya odaklanarak, kurumsal yapay zeka görevleri için performans ve ölçeklenebilirlik üzerinedir.
Zerepy, yaratıcılığı geliştirmede uzmanlaşmıştır, dijital sanat yapay zeka uygulamalarında önde yer almakta ve dinamik bir topluluk destekli gelişim modeli ile desteklenmektedir.
Her çerçevenin kendi kısıtlamaları vardır, ELIZA hâlâ erken aşamalarda, potansiyel kararlılık sorunları ve yeni geliştiricilerin öğrenme eğrisi vardır, niş Game daha geniş bir uygulamayı sınırlayabilir ve blok zinciri de karmaşıklığı artırır, Rust yapısının dik öğrenme eğrisi nedeniyle Rig bazı geliştiricileri korkutabilir, Zerepy'nin yaratıcı çıktılara dar bir şekilde odaklanması diğer AI alanlarındaki kullanımını sınırlayabilir.
(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 esnekliğini ve topluluk katılımını vurgular.
Kullanım durumu: Sosyal etkileşim, DAO ve ticaret için tasarlandı, özellikle çoklu ajan sistemine vurgu yapıyor.
Topluluk: Yüksek derecede topluluk odaklı, geniş bir GitHub katılımına sahip.
ZerePy (ZEREBRO)：
Dil: Python, daha geniş bir AI geliştirici tabanı için kullanılabilir hale getirmek.
Kullanım durumu: Sosyal medya otomasyonu ve daha basit AI ajanı görevleri için uygundur.
Topluluk: Göreceli olarak yeni, ancak Python'un popülaritesi ve AI16Z katkıcılarının desteği sayesinde büyümesi bekleniyor.
Kullanım Durumu: AI ajanlarının öğrenmesi ve uyum sağlaması için en uygun senaryolar, örneğin oyunlar veya sanal dünyalardır.
Topluluk: Yenilikçi bir topluluk, ancak hala rekabetteki konumunu belirlemeye çalışıyor.
3、Github üzerindeki Star verileri eğilimi
Yukarıdaki grafik, bu çerçevelerin yayınlandığı tarihten bu yana GitHub yıldız takip verilerini göstermektedir. GitHub yıldızlarının, topluluk ilgisi, projenin popülaritesi ve projenin algılanan değeri açısından bir gösterge olduğunu belirtmek önemlidir.
ELIZA (Kırmızı Hat):
Temmuz'daki düşük bazdan itibaren artış göstererek, Kasım ayının sonuna doğru star sayısındaki büyük artış (61.000 yıldız) insanların ilgisinin hızla arttığını ve geliştiricilerin dikkatini çektiğini göstermektedir. Bu üstel büyüme, ELIZA'nın işlevleri, güncellemeleri ve topluluk katılımı sayesinde büyük bir çekim gücü kazandığını göstermektedir. Popülerliği diğer rakiplerinin çok ötesine geçmiştir ve bu, güçlü bir topluluk desteğine sahip olduğunu, yapay zeka topluluğunda daha geniş bir uygulanabilirlik veya ilgiye sahip olduğunu göstermektedir.
RIG (mavi çizgi):
Rig, dört büyük çerçeveden en uzun tarihe sahip olanıdır, star sayısı makul bir seviyededir ancak sürekli bir artış göstermektedir ve önümüzdeki bir ay içinde büyük bir artış yaşaması muhtemeldir. 1700 yıldız hedefine ulaşmıştır ama hala artmaya devam etmektedir. Sürekli gelişim, güncellemeler ve artan kullanıcı sayısı, kullanıcıların ilgisinin sürekli birikmesinin nedenidir. Bu, çerçevenin kullanıcılarının niş bir kitleyi temsil edebileceğini veya hâlâ itibar biriktirdiğini 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 geliştirmeye ihtiyaç duyduğu vurgulanmalıdır. AI16Z ile yapılan işbirliği daha fazla kod katkıcısı çekebilir.
OYUN (Yeşil Çizgi):
Bu projenin star sayısı en azdır, dikkat çekici olan ise bu çerçevenin API aracılığıyla sanal ekosistemdeki aracılara doğrudan uygulanabilmesidir, bu da Github görünürlüğüne olan ihtiyacı ortadan kaldırır. Ancak bu çerçeve, bir aydan biraz daha kısa bir süre önce inşaatçılara açılmıştır ve 200'den fazla proje GAME kullanarak inşa edilmektedir.
4, Çerçeve Yükseliş Gerekçeleri
Eliza'nın V2 versiyonu Coinbase Proxy Suite'i entegre edecek. Eliza'yı kullanan tüm projeler gelecekte yerel TEE'yi destekleyecek ve bu da proxy'nin güvenli bir ortamda çalışmasını sağlayacak. Eliza'nın yakında çıkacak bir özelliği, geliştiricilerin eklentileri sorunsuz bir şekilde kaydedip entegre etmelerini sağlayacak olan Eklenti Kaydı'dır.
Ayrıca, Eliza V2, otomatik anonim çoklu platform mesajlaşmasını destekleyecektir. Token ekonomisi beyaz kitabının 1 Ocak 2025'te yayınlanması planlanıyor ve bu, Eliza çerçevesinin temel AI16Z tokeni üzerinde olumlu bir etki yaratması bekleniyor. AI16Z, çerçevenin faydasını artırmaya devam etmeyi ve yüksek kaliteli yetenekleri çekmeyi planlıyor; başlıca katkıda bulunanların çabaları, bunun mümkün olduğunu kanıtlamıştır.
GAME çerçevesi, aracılara kodsuz entegrasyon sunarak, tek bir projede hem GAME hem de ELIZA'nın belirli amaçlara hizmet etmesine olanak tanır. Bu yaklaşım, teknik karmaşıklığı değil, iş mantığına odaklanan yapımcıları çekme umudunu taşımaktadır. Çerçeve sadece 30 gün kadar önce kamuya açık olarak yayınlanmış olmasına rağmen, ekip daha fazla katkı sağlayıcıyı çekmek için çaba sarf ettiğinden önemli ilerlemeler kaydedilmiştir. VIRTUAL'da başlatılan tüm projelerin GAME kullanması beklenmektedir.
ARC tokenunu temsil eden Rig'in büyük bir potansiyele sahip olduğu, ancak çerçevesinin hala erken büyüme aşamasında olduğu ve projeyi benimseme planlarının sadece birkaç gün önce devreye girdiği belirtiliyor. ARC'yi benimseyecek yüksek kaliteli projelerin kısa süre içinde ortaya çıkması bekleniyor, tıpkı Virtual flywheel gibi, ancak odak noktası Solana'da. Ekip, Solana ile işbirliğine olumlu bakıyor ve ARC ile Solana arasındaki ilişkiyi Virtual ile Base arasındaki ilişkiye benzetiyor. Önemli bir nokta, ekibin yalnızca yeni projelerin Rig ile başlatılmasını teşvik etmekle kalmayıp, aynı zamanda geliştiricilerin Rig çerçevesini güçlendirmelerini de teşvik etmesidir.
Zerepy, Eliza ile olan işbirliği sayesinde giderek daha fazla ilgi gören yeni bir çerçevedir. Bu çerçeve, Eliza'nın katkı sağlayıcılarını kendine çekmekte ve onlar aktif olarak iyileştirmeler yapmaktadır. ZEREBRO hayranlarının desteğiyle, tutkulu bir takipçi kitlesine sahiptir ve daha önce yapay zeka altyapısı rekabetinde yeterince temsil edilmeyen Python geliştiricilerine yeni fırsatlar sunmaktadır. Bu çerçeve, AI yaratıcılığında önemli bir rol oynayacaktır.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
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 inceleyeceğiz. Mevcut dört ana çerçeveye (ELIZA, GAME, ARC, ZEREPY) ve her birinin teknik farklılıklarına odaklanacağız.
1. Giriş
Geçtiğimiz bir hafta içinde ELIZA, GAME, ARC, ZEREPY adlı dört ana Crypto X AI çerçevesini araştırıp test ettik, elde ettiğimiz sonuçlar aşağıdaki gibidir.
AI16Z'nin hakim olmaya devam edeceğine inanıyoruz. Eliza'nın değeri (yaklaşık %60 pazar payı, 1 milyar doların üzerinde piyasa değeri), 193 katılımcı, 1.800 çatal ve 6.000'den fazla yıldız gibi verilerle kanıtlandığı gibi, ilk hamle avantajında (Lindy etkisi) ve geliştiriciler tarafından artan kullanımında yatmaktadır ve bu da onu Github'daki en popüler depolardan biri haline getirmektedir.
Şu ana kadar GAME'in (piyasa payı yaklaşık %20, piyasa değeri yaklaşık 300 milyon dolar) gelişimi oldukça başarılı oldu, hızlı benimseme sağlıyor. VIRTUAL'un yeni duyurusuna göre, platformda 200'den fazla proje, günlük 150.000 talep ve %200'lük bir haftalık büyüme oranı var. GAME, VIRTUAL'un yükselişinden faydalanmaya devam edecek ve ekosisteminde en büyük kazananlardan biri haline gelecek.
Rig (ARC, pazar payı yaklaşık %15, piyasa değeri yaklaşık 160 milyon dolar) dikkat çekici çünkü modüler tasarımı oldukça kullanışlı ve Solana ekosisteminde (RUST) "pure-play" olarak baskın bir konumda bulunabiliyor.
Zerepy (pazar payı yaklaşık %5, piyasa değeri yaklaşık 300 milyon dolar) ZEREBRO topluluğuna yönelik niş bir uygulamadır ve yakın zamanda ai16z topluluğu ile yaptığı iş birliği sinerji yaratabilir.
Pazar payı hesaplamamızın piyasa değeri, geliştirme kayıtları ve altyapı işletim sistemi terminal pazarını kapsadığını fark ettik.
Bu piyasa döngüsünde, çerçeve alt pazarının en hızlı büyüyen alan olacağını düşünüyoruz; 1.7 milyar dolarlık toplam piyasa değeri, 20 milyar dolara kolayca yükselebilir. Bu, 2021'de L1'in zirve değerlemesiyle karşılaştırıldığında hala oldukça temkinli bir tahmin. O dönemde birçok L1'in değerlemesi 20 milyar doların üzerine çıktı. Bu çerçeveler farklı son kullanıcı pazarlarına (zincir/ekosistem) hizmet etse de, bu alanın sürekli bir yükseliş trendinde olduğunu düşündüğümüz için, piyasa değeri ağırlıklı yöntem en temkinli yaklaşım olabilir.
2、Dört Ana Çerçeve
Aşağıdaki tabloda, ana çerçevelerin kilit teknolojilerini, bileşenlerini ve avantajlarını listeledik.
(1) Çerçeve Genel Bakış
AI X Crypto kesişim alanında, AI gelişimini teşvik eden birkaç çerçeve bulunmaktadır. Bunlar AI16Z'nin ELIZA'sı, ARC'nin RIG'i, ZEREPY'nin ZEREBRO'su ve GAME'nin VIRTUAL'ıdır. Her bir çerçeve, açık kaynak topluluk projelerinden performansa odaklanan kurumsal çözümlere kadar, AI ajanı geliştirme sürecindeki farklı ihtiyaç ve felsefeleri karşılamaktadır.
Bu makale, çerçevelere, ne olduklarına, hangi programlama dillerini kullandıklarına, teknik mimarilere, algoritmalara, hangi benzersiz özelliklere sahip olduklarına ve çerçevenin hangi olası kullanım durumlarını kullanabileceğine bir girişle başlar. Daha sonra her çerçeveyi kullanılabilirlik, ölçeklenebilirlik, uyarlanabilirlik ve performans açısından karşılaştırır, güçlü yönlerini ve sınırlamalarını keşfederiz.
ELIZA (ai16z tarafından geliştirildi)
Eliza, özerk AI ajanları oluşturmak, dağıtmak ve yönetmek için tasarlanmış çoklu ajan simülasyonu açık kaynaklı bir çerçevedir. TypeScript programlama dili ile geliştirilmiştir ve bu akıllı ajanların insanlarla etkileşimde bulunmasını sağlarken, tutarlı bir kişilik ve bilgi koruyarak birden fazla platformda çalışabilmesi için esnek, ölçeklenebilir bir platform sunar.
Bu çerçevenin temel işlevleri, birden fazla benzersiz AI kişiliğini aynı anda dağıtma ve yönetme desteği sunan çoklu ajan mimarisi, farklı ajanlar oluşturmak için bir rol dosyası çerçevesi kullanma, ve uzun süreli bellek ile bağlamı algılayan bellek yönetimi özellikleri sunan Gelişmiş Alım Güçlendirme (RAG) sistemi içerir. Ayrıca, Eliza çerçevesi, Discord, X ve diğer sosyal medya platformlarıyla güvenilir bağlantılar kurarak sorunsuz bir platform entegrasyonu sağlar.
AI ajanlarının iletişim ve medya işlevleri açısından Eliza mükemmel bir seçimdir. İletişim açısından, bu çerçeve Discord'un ses kanalları işlevi, X işlevi, Telegram ve özel kullanım durumları için API doğrudan erişim entegrasyonunu desteklemektedir. Öte yandan, çerçevenin medya işleme işlevi, PDF belgelerinin okunması ve analizi, bağlantı içeriği çıkarımı ve özeti, ses transkripti, video içerik işleme, görüntü analizi ve sohbet özeti gibi işlevlerle genişletilebilir ve çeşitli medya girdi ve çıktıları etkili bir şekilde işleyebilir.
Eliza çerçevesi, açık kaynaklı modelin yerel çıkarımı, OpenAI'nin bulut çıkarımı ve varsayılan yapılandırmalar (örneğin Nous Hermes Llama 3.1B) aracılığıyla esnek AI modeli desteği sunar ve Claude'un karmaşık görevleri işleme desteğini entegre eder. Eliza, geniş bir işletim sistemi, özelleştirilmiş istemci desteği ve kapsamlı API ile modüler bir mimari benimser, bu da uygulamalar arasında ölçeklenebilirlik ve uyum sağlar.
Eliza'nın kullanım durumu, müşteri desteği, topluluk denetimi ve kişisel görevler için AI asistanı, içerik otomatik oluşturucusu, etkileşimli robotlar ve marka temsilcileri gibi sosyal medya rolleri gibi birçok alana yayılmaktadır. Ayrıca, bilgi çalışanı olarak araştırma asistanı, içerik analisti ve belge işleyici gibi rolleri üstlenebilir ve rol oynama robotları, eğitim mentorları ve ajan temsilcileri gibi etkileşimli rollerin desteklenmesine yardımcı olabilir.
Eliza'nın mimarisi, rol sistemi (model sağlayıcısı tarafından desteklenir), bellek yöneticisi (veritabanına bağlı) ve işletim sistemi (platform istemcisine bağlı) ile sorunsuz bir şekilde entegre olan aracı çalışma zamanı etrafında oluşturulmuştur. Çerçevenin benzersiz özellikleri arasında modüler işlev uzantılarını destekleyen, ses, metin ve medya gibi çok modlu etkileşimleri destekleyen ve Llama, GPT-4 ve Claude gibi önde gelen AI modelleriyle uyumlu bir eklenti sistemi bulunur. Çok yönlülüğü ve sağlam tasarımıyla Eliza, etki alanları arasında yapay zeka uygulamaları geliştirmek için güçlü bir araç olarak öne çıkıyor.
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 sağlamak amacıyla tasarlanmıştır. Bu çerçeve, AI ajanlarının davranışlarını, kararlarını ve öğrenme süreçlerini yönetmek için yapılandırılmış bir yöntem sunar.
Temel bileşenleri şunlardır: Öncelikle, Ajan İkna Arayüzü (Agent Prompting Interface), geliştiricilerin GAME'i ajana entegre ederek ajan davranışlarına erişim noktasıdır. Algı Alt Sistemi (Perception Subsystem), oturum başlatmak için oturum ID'si, ajan ID'si, kullanıcı ve diğer ilgili ayrıntılar gibi parametreleri belirleyerek çalışır.
Bu, gelen bilgileri Stratejik Planlama Motoru (Strategic Planning Engine) için uygun bir formata dönüştürerek AI aracısının hissetme giriş mekanizması olarak işlev görür; bu, ister diyalog ister tepki biçiminde olsun. Temel bileşeni, aracılardan gelen mesajları ve yanıtları işlemek için kullanılan diyalog işleme modülüdür ve girdi yorumlamasını ve yanıt vermesini etkili bir şekilde sağlamak için algılama alt sistemiyle işbirliği yapar.
Stratejik planlama motoru, diyalog işleme modülü ve zincir üzerindeki cüzdan operatörü birlikte çalışarak yanıtlar ve planlar oluşturur. Bu motorun işlevi iki düzeye sahiptir: yüksek seviyeli planlayıcı olarak, bağlama veya hedefe göre kapsamlı stratejiler oluşturur; düşük seviyeli strateji olarak, bu stratejileri eyleme dönüştüren stratejidir. Bu strateji, belirli görevler için eylem planlayıcı ve görevleri yerine getiren plan yürütücüsü olarak daha da ayrılır.
Ayrıca bağımsız ama önemli bir bileşen olan World Context (Dünya Bağlamı), çevre, küresel bilgiler ve oyun durumu gibi unsurları referans alarak ajanların karar vermesi için gerekli olan bağlamı sağlar. Ayrıca, Agent Repository (Ajan Deposu) hedefler, yansımalar, deneyimler ve kişilik gibi uzun vadeli özellikleri saklamak için kullanılır; bunlar birlikte ajanın davranışını ve karar verme sürecini şekillendirir.
Bu çerçeve, kısa vadeli çalışma belleği ve uzun vadeli bellek işleyicisi kullanır. Kısa vadeli bellek, önceki davranışların, sonuçların ve mevcut planların ilgili bilgilerini saklar. Buna karşılık, uzun vadeli bellek işleyicisi, önem, yakınlık ve ilgili gibi kriterlere göre anahtar bilgileri çıkarır. Uzun vadeli bellek, ajanların deneyimlerini, yansımalarını, dinamik kişiliklerini, dünya bağlamını ve çalışma belleği gibi bilgileri depolarak karar verme sürecini geliştirir ve öğrenme temeli sağlar.
Öğrenme modülü, algı alt sisteminden gelen verileri kullanarak genel bilgi üretir; bu bilgiler, gelecekteki etkileşimleri geliştirmek için sisteme geri beslenir. Geliştiriciler, AI ajanının öğrenme yeteneğini artırmak ve planlama ile karar verme yeteneklerini geliştirmek için arayüz üzerinden hareketler, oyun durumu ve his verileri hakkında geri bildirim girebilirler.
Çalışma akışı, geliştiricilerin aracı uyarı arayüzü aracılığıyla etkileşime girmesiyle başlar. Girdi, algılama alt sistemi tarafından işlenir ve diyalog işleme modülüne iletilir; diyalog işleme modülü etkileşim mantığını yönetmekten sorumludur. Daha sonra, stratejik planlama motoru bu bilgilere dayanarak planlar geliştirilir ve uygulanır; yüksek düzeyde stratejiler ve ayrıntılı eylem planları kullanılır.
Dünyanın bağlamlarından ve aracı depolarından gelen veriler bu süreçleri bilgilendirirken, çalışma belleği anlık görevleri takip eder. Bu arada, uzun dönemli bellek işlemcisi uzun süreli bilgileri depolar ve geri alır. Öğrenme modülü sonuçları analiz eder ve yeni bilgileri sisteme entegre eder, böylece aracının davranışları ve etkileşimleri sürekli olarak geliştirilir.
RIG (ARC tarafından geliştirildi)
Rig, büyük dil modelleri uygulamalarının geliştirilmesini kolaylaştırmak için tasarlanmış açık kaynaklı bir Rust çerçevesidir. OpenAI ve Anthropic gibi birden fazla LLM sağlayıcısıyla etkileşim kurmak için birleşik bir arayüz sunar ve MongoDB ve Neo4j dahil olmak üzere 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 gibi temel bileşenleridir.
Rig'in birincil hedef kitlesi, Rust kullanarak AI/ML uygulamaları oluşturan geliştiricileri ve ardından birden fazla LLM sağlayıcısını ve vektör mağazasını kendi Rust uygulamalarına entegre etmek isteyen kuruluşları içerir. Depo, ölçeklenebilirliği ve verimli proje yönetimini desteklemek için birden çok kasaya sahip bir çalışma alanı mimarisi kullanır. Temel özelliği, tutarlı hata işleme ile farklı LLM sağlayıcıları arasında API'leri tamamlamak ve gömmek için standardizasyon sağlayan sağlayıcı soyutlama katmanıdır. Vektör Deposu Entegrasyonu bileşeni, birden çok arka uç için soyut bir arabirim sağlar ve vektör benzerliği aramalarını destekler. Ajan sistemi, LLM etkileşimlerini basitleştirir, Retrieval Enhanced Generation'ı (RAG) ve araç entegrasyonunu destekler. Buna ek olarak, gömme çerçevesi, tür güvenliği için toplu işleme yetenekleri ve gömme işlemleri sağlar.
Rig, güvenilirlik ve performansı sağlamak için bir dizi teknik avantaj kullanır. Asenkron işlemler, çok sayıda eşzamanlı isteği etkili bir şekilde işlemek için Rust'ın asenkron çalışma zamanını kullanır. Çerçevenin yerleşik hata işleme mekanizması, yapay zeka sağlayıcıları veya veritabanı işlemlerindeki hatalardan kurtulma yeteneğini artırır. Tür güvenliği, derleme sürecindeki hataları önleyerek kodun bakımını artırır. Verimli seri hale getirme ve ayrıştırma süreçleri, AI hizmetleri iletişimi ve depolama için kritik öneme sahip olan JSON gibi formatların veri işleme desteğini sağlar. Ayrıntılı günlük kaydı ve izleme, uygulamaların hata ayıklama ve izlenmesine daha da yardımcı olur.
Rig'in iş akışı, istemci bir talep başlattığında başlar; bu talep, sağlayıcı soyutlama katmanı aracılığıyla uygun LLM modeli ile etkileşime geçer. Ardından, veriler, ajanların araçları kullanabileceği veya bağlamın vektör deposuna erişebileceği çekirdek katmanda işlenir. Yanıt, istemciye geri gönderilmeden önce, belgelerin alınması ve bağlamın anlaşılması süreçlerini içeren karmaşık bir iş akışı (RAG gibi) aracılığıyla üretilir ve rafine edilir. Sistem, model kullanılabilirliği veya performans güncellemelerine uyum sağlayarak birden fazla LLM sağlayıcı ve vektör deposunu entegre eder.
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 ile müşteri hizmetleri veya eğitim için bağlam algılamalı etkileşim sağlayan sohbet botları veya sanal asistanlar bulunmaktadır. Ayrıca içerik üretimini destekler, öğrenme modlarına dayalı metin ve diğer materyaller oluşturulmasına olanak tanır, bu da onu geliştiriciler ve kuruluşlar için evrensel bir araç haline getirir.
Zerepy (ZEREPY ve blorm tarafından geliştirildi)
ZerePy, OpenAI veya Anthropic LLM'leri kullanarak aracıları X üzerinde dağıtmayı amaçlayan, Python dilinde yazılmış açık kaynaklı bir çerçevedir. Zerebro'nun arka ucunun modüler bir versiyonundan türetilen ZerePy, geliştiricilerin Zerebro'ya benzer temel işlevlere sahip aracıları başlatmasına olanak tanır. Çerçeve, aracı dağıtımı için temel sağlarken, yaratıcı çıktı oluşturmak için modelde ince ayar yapmak çok önemlidir. ZerePy, özellikle sosyal platformlarda içerik oluşturma için kişiselleştirilmiş yapay zeka aracılarının geliştirilmesini ve dağıtımını basitleştirerek, sanat ve merkezi olmayan uygulamalar için yapay zeka odaklı bir yaratıcı ekosistemi teşvik eder.
Bu çerçeve Python ile geliştirilmiştir, ajanın özerkliğine vurgu yapar, yaratıcı çıktı üretimine odaklanır ve ELIZA'nın mimarisi ile ELIZA ile olan işbirliği ilişkisini korur. Modüler tasarımı, bellek sisteminin entegrasyonunu destekler ve ajanın sosyal platformlarda dağıtılmasını sağlar. Ana işlevler arasında ajanın yönetimi için bir komut satırı arayüzü, Twitter ile entegrasyon, OpenAI ve Anthropic LLM desteği ve işlevselliği artırmak için modüler bağlantı sistemi bulunmaktadır.
ZerePy'nin kullanım durumları, sosyal medya otomasyonu alanını kapsar; kullanıcılar, platform etkileşimini artırmak amacıyla gönderi, yanıt, beğeni ve paylaşım yapmak için yapay zeka ajanları dağıtabilirler. Ayrıca, müzik, meme ve NFT gibi alanlarda içerik oluşturma ihtiyacını da karşılayarak, onu dijital sanat ve blok zinciri tabanlı içerik platformları için önemli bir araç haline getirir.
(2) Dört Büyük Çerçeve Karşılaştırması
Bizim açıdan, her bir çerçeve yapay zeka geliştirme için belirli ihtiyaçlara ve ortamlara uygun benzersiz bir yaklaşım sunmaktadır, bu nedenle odak noktamızı bu çerçevelerin rekabet ilişkilerinden onların benzersizliğine kaydırıyoruz.
ELIZA, özellikle JavaScript ve Node.js ortamlarına aşina olan geliştiriciler için kullanıcı dostu arayüzü ile öne çıkıyor. Kapsamlı belgeleri, çeşitli platformlarda yapay zeka aracılarının kurulmasına yardımcı olur, ancak kapsamlı özellik seti belirli bir öğrenme eğrisi ile gelebilir. TypeScript ile geliştirilen bu ürün, web altyapısının ön ucunun çoğu TypeScript ile geliştirildiğinden, Eliza'yı web'e gömülü proxy'ler oluşturmak için ideal hale getirir. Çerçeve, Discord, X ve Telegram gibi platformlarda farklı AI kişiliklerini konuşlandırabilen çok aracılı mimarisiyle tanınır. Gelişmiş bellek yönetimli RAG sistemi, onu özellikle sosyal medya uygulamalarında müşteri desteği veya yapay zeka asistanları için etkili hale getirir. Esneklik, güçlü topluluk desteği ve tutarlı platformlar arası performans sunsa da, hala erken aşamalarındadır ve geliştiriciler için bir öğrenme eğrisi oluşturabilir.
GAME, oyun geliştiricileri için özel olarak tasarlanmış bir platformdur. API aracılığıyla düşük kod veya kodsuz bir arayüz sunarak, oyun alanında teknik bilgi seviyesi düşük olan kullanıcıların da kullanabilmesini sağlar. Ancak, oyun geliştirme ve blok zinciri entegrasyonuna odaklanması nedeniyle, ilgili deneyimi olmayanlar için dik bir öğrenme eğrisi oluşturabilir. Program içeriği üretimi ve NPC davranışları konusunda öne çıkmasına rağmen, niş alanı ve blok zinciri entegrasyonu ile artan karmaşıklıkla sınırlıdır.
Rust dilinin kullanılması nedeniyle, bu dilin karmaşıklığı göz önüne alındığında, Rig pek dostça olmayabilir; bu da önemli öğrenme zorlukları getirir. Ancak sistem programlamasında uzman olanlar için sezgisel bir etkileşim sunar. Typescript ile karşılaştırıldığında, bu programlama dili performans ve bellek güvenliği (memory safety) ile tanınır. Karmaşık AI algoritmalarını çalıştırmak için gerekli olan katı derleme zamanı kontrollerine ve sıfır maliyetli soyutlamalara sahiptir. Bu dil son derece etkilidir ve düşük seviye kontrolü, onu kaynak yoğun yapay zeka uygulamaları için ideal bir seçim haline getirir. Bu çerçeve, modüler ve ölçeklenebilir tasarıma sahip yüksek performanslı çözümler sunarak, kurumsal uygulamalar için ideal bir seçim haline gelir. Ancak Rust ile tanışık olmayan geliştiriciler için Rust kullanmak kaçınılmaz olarak dik bir öğrenme eğrisi ile yüzleşmeyi gerektirir.
ZerePy, Python kullanarak yaratıcı AI görevleri için yüksek kullanılabilirlik sunar; Python geliştiricilerinin öğrenme eğrisi daha düşüktür, özellikle AI/ML geçmişine sahip geliştiriciler için ve Zerebro'nun kripto topluluğu sayesinde güçlü bir topluluk desteğinden faydalanır. ZerePy, NFT gibi yaratıcı yapay zeka uygulamalarında uzmandır ve kendisini dijital medya ve sanat için güçlü bir araç olarak konumlandırır. Yaratıcılık açısından gelişirken, diğer çerçevelerle karşılaştırıldığında kapsamı görece dar kalmaktadır.
Ölçeklenebilirlik açısından, ELIZA V2 güncellemesinde önemli ilerlemeler kaydetti; bu güncelleme, birden fazla platformda etkin yönetimi destekleyen birleşik bir mesaj hattı ve ölçeklenebilir bir çekirdek çerçevesi getirdi. Ancak, optimizasyon yapılmadığı takdirde, bu çoklu platform etkileşimi yönetimi ölçeklenebilirlik açısından zorluklar ortaya çıkarabilir.
GAME, oyunların gerektirdiği gerçek zamanlı işlem konusunda mükemmel bir performans sergilemekte olup, ölçeklenebilirlik verimli algoritmalar ve potansiyel bir blok zinciri dağıtık sistemi ile yönetilmektedir; ancak, belirli oyun motorları veya blok zinciri ağlarının kısıtlamalarına tabi olabilir.
Rig çerçevesi, Rust'ın ölçeklenebilirlik performansını kullanarak yüksek throughput uygulamaları için tasarlanmıştır; bu, kurumsal düzeyde dağıtımlar için özellikle etkilidir, ancak bu gerçek ölçeklenebilirliği gerçekleştirmenin karmaşık bir yapılandırma gerektirebileceği anlamına gelebilir.
Zerepy'nin ölçeklenebilirliği yaratıcı çıktılara odaklanmakta ve topluluk katkılarıyla desteklenmektedir, ancak odak noktası, daha geniş bir yapay zeka ortamındaki uygulamalarını sınırlayabilir; ölçeklenebilirlik, kullanıcı sayısından ziyade yaratıcı görevlerin çeşitliliği ile test edilebilir.
Uyum açısından, ELIZA eklenti sistemi ve çoklu platform uyumluluğu ile önde gelir, oyun ortamındaki GAME ve karmaşık AI görevlerini işleyen Rig de oldukça başarılıdır. ZerePy yaratıcılık alanında yüksek uyum gösterirken, daha geniş yapay zeka uygulamaları için pek uygun değildir.
Performans açısından, ELIZA hızlı sosyal medya etkileşimleri için optimize edilmiştir; hızlı yanıt süresi anahtardır, ancak daha karmaşık hesaplama görevlerini işlerken performansı farklılık gösterebilir.
Virtual Protocol tarafından geliştirilen GAME, oyun sahnelerinde yüksek performanslı gerçek zamanlı etkileşime odaklanmakta, etkili karar verme süreçleri ve potansiyel blok zinciri kullanarak merkeziyetsiz yapay zeka işlemleri gerçekleştirmektedir.
Rig çerçevesi Rust diline dayanarak, yüksek performanslı hesaplama görevleri için mükemmel bir performans sunar ve hesaplama verimliliğinin kritik olduğu kurumsal uygulamalar için uygundur.
Zerepy'nin performansı, yaratıcı içerik oluşturma için özel olarak tasarlanmıştır ve göstergeleri, içerik üretiminin verimliliği ve kalitesi etrafında döner, bu nedenle yaratıcı alanın dışındaki durumlarda pek genel olmayabilir.
ELIZA'nın avantajı, eklenti sistemi ve rol yapılandırması sayesinde yüksek bir uyum sağlama yeteneği ile esneklik ve ölçeklenebilirlik sunmasıdır, bu da çoklu platformlarda sosyal AI etkileşimlerine olanak tanır.
GAME, oyunda benzersiz bir gerçek zamanlı etkileşim özelliği sunarak blok zinciri entegrasyonu ile yenilikçi AI katılımını artırmıştır.
Rig'in avantajları, uzun vadeli projelerin sağlığına temiz modüler kod sağlamaya odaklanarak, kurumsal yapay zeka görevleri için performans ve ölçeklenebilirlik üzerinedir.
Zerepy, yaratıcılığı geliştirmede uzmanlaşmıştır, dijital sanat yapay zeka uygulamalarında önde yer almakta ve dinamik bir topluluk destekli gelişim modeli ile desteklenmektedir.
Her çerçevenin kendi kısıtlamaları vardır, ELIZA hâlâ erken aşamalarda, potansiyel kararlılık sorunları ve yeni geliştiricilerin öğrenme eğrisi vardır, niş Game daha geniş bir uygulamayı sınırlayabilir ve blok zinciri de karmaşıklığı artırır, Rust yapısının dik öğrenme eğrisi nedeniyle Rig bazı geliştiricileri korkutabilir, Zerepy'nin yaratıcı çıktılara dar bir şekilde odaklanması diğer AI alanlarındaki kullanımını sınırlayabilir.
(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 esnekliğini ve topluluk katılımını vurgular.
Kullanım durumu: Sosyal etkileşim, DAO ve ticaret için tasarlandı, özellikle çoklu ajan sistemine vurgu yapıyor.
Topluluk: Yüksek derecede topluluk odaklı, geniş bir GitHub katılımına sahip.
ZerePy (ZEREBRO)：
Dil: Python, daha geniş bir AI geliştirici tabanı için kullanılabilir hale getirmek.
Kullanım durumu: Sosyal medya otomasyonu ve daha basit AI ajanı görevleri için uygundur.
Topluluk: Göreceli olarak yeni, ancak Python'un popülaritesi ve AI16Z katkıcılarının desteği sayesinde büyümesi bekleniyor.
OYUN (SANAL):
Odak: Otonom, öz-adaptif yapay zeka ajanları, sanal ortamdaki etkileşimlere göre evrim geçirebilir.
Kullanım Durumu: AI ajanlarının öğrenmesi ve uyum sağlaması için en uygun senaryolar, örneğin oyunlar veya sanal dünyalardır.
Topluluk: Yenilikçi bir topluluk, ancak hala rekabetteki konumunu belirlemeye çalışıyor.
3、Github üzerindeki Star verileri eğilimi
Yukarıdaki grafik, bu çerçevelerin yayınlandığı tarihten bu yana GitHub yıldız takip verilerini göstermektedir. GitHub yıldızlarının, topluluk ilgisi, projenin popülaritesi ve projenin algılanan değeri açısından bir gösterge olduğunu belirtmek önemlidir.
ELIZA (Kırmızı Hat):
Temmuz'daki düşük bazdan itibaren artış göstererek, Kasım ayının sonuna doğru star sayısındaki büyük artış (61.000 yıldız) insanların ilgisinin hızla arttığını ve geliştiricilerin dikkatini çektiğini göstermektedir. Bu üstel büyüme, ELIZA'nın işlevleri, güncellemeleri ve topluluk katılımı sayesinde büyük bir çekim gücü kazandığını göstermektedir. Popülerliği diğer rakiplerinin çok ötesine geçmiştir ve bu, güçlü bir topluluk desteğine sahip olduğunu, yapay zeka topluluğunda daha geniş bir uygulanabilirlik veya ilgiye sahip olduğunu göstermektedir.
RIG (mavi çizgi):
Rig, dört büyük çerçeveden en uzun tarihe sahip olanıdır, star sayısı makul bir seviyededir ancak sürekli bir artış göstermektedir ve önümüzdeki bir ay içinde büyük bir artış yaşaması muhtemeldir. 1700 yıldız hedefine ulaşmıştır ama hala artmaya devam etmektedir. Sürekli gelişim, güncellemeler ve artan kullanıcı sayısı, kullanıcıların ilgisinin sürekli birikmesinin nedenidir. Bu, çerçevenin kullanıcılarının niş bir kitleyi temsil edebileceğini veya hâlâ itibar biriktirdiğini 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 geliştirmeye ihtiyaç duyduğu vurgulanmalıdır. AI16Z ile yapılan işbirliği daha fazla kod katkıcısı çekebilir.
OYUN (Yeşil Çizgi):
Bu projenin star sayısı en azdır, dikkat çekici olan ise bu çerçevenin API aracılığıyla sanal ekosistemdeki aracılara doğrudan uygulanabilmesidir, bu da Github görünürlüğüne olan ihtiyacı ortadan kaldırır. Ancak bu çerçeve, bir aydan biraz daha kısa bir süre önce inşaatçılara açılmıştır ve 200'den fazla proje GAME kullanarak inşa edilmektedir.
4, Çerçeve Yükseliş Gerekçeleri
Eliza'nın V2 versiyonu Coinbase Proxy Suite'i entegre edecek. Eliza'yı kullanan tüm projeler gelecekte yerel TEE'yi destekleyecek ve bu da proxy'nin güvenli bir ortamda çalışmasını sağlayacak. Eliza'nın yakında çıkacak bir özelliği, geliştiricilerin eklentileri sorunsuz bir şekilde kaydedip entegre etmelerini sağlayacak olan Eklenti Kaydı'dır.
Ayrıca, Eliza V2, otomatik anonim çoklu platform mesajlaşmasını destekleyecektir. Token ekonomisi beyaz kitabının 1 Ocak 2025'te yayınlanması planlanıyor ve bu, Eliza çerçevesinin temel AI16Z tokeni üzerinde olumlu bir etki yaratması bekleniyor. AI16Z, çerçevenin faydasını artırmaya devam etmeyi ve yüksek kaliteli yetenekleri çekmeyi planlıyor; başlıca katkıda bulunanların çabaları, bunun mümkün olduğunu kanıtlamıştır.
GAME çerçevesi, aracılara kodsuz entegrasyon sunarak, tek bir projede hem GAME hem de ELIZA'nın belirli amaçlara hizmet etmesine olanak tanır. Bu yaklaşım, teknik karmaşıklığı değil, iş mantığına odaklanan yapımcıları çekme umudunu taşımaktadır. Çerçeve sadece 30 gün kadar önce kamuya açık olarak yayınlanmış olmasına rağmen, ekip daha fazla katkı sağlayıcıyı çekmek için çaba sarf ettiğinden önemli ilerlemeler kaydedilmiştir. VIRTUAL'da başlatılan tüm projelerin GAME kullanması beklenmektedir.
ARC tokenunu temsil eden Rig'in büyük bir potansiyele sahip olduğu, ancak çerçevesinin hala erken büyüme aşamasında olduğu ve projeyi benimseme planlarının sadece birkaç gün önce devreye girdiği belirtiliyor. ARC'yi benimseyecek yüksek kaliteli projelerin kısa süre içinde ortaya çıkması bekleniyor, tıpkı Virtual flywheel gibi, ancak odak noktası Solana'da. Ekip, Solana ile işbirliğine olumlu bakıyor ve ARC ile Solana arasındaki ilişkiyi Virtual ile Base arasındaki ilişkiye benzetiyor. Önemli bir nokta, ekibin yalnızca yeni projelerin Rig ile başlatılmasını teşvik etmekle kalmayıp, aynı zamanda geliştiricilerin Rig çerçevesini güçlendirmelerini de teşvik etmesidir.
Zerepy, Eliza ile olan işbirliği sayesinde giderek daha fazla ilgi gören yeni bir çerçevedir. Bu çerçeve, Eliza'nın katkı sağlayıcılarını kendine çekmekte ve onlar aktif olarak iyileştirmeler yapmaktadır. ZEREBRO hayranlarının desteğiyle, tutkulu bir takipçi kitlesine sahiptir ve daha önce yapay zeka altyapısı rekabetinde yeterince temsil edilmeyen Python geliştiricilerine yeni fırsatlar sunmaktadır. Bu çerçeve, AI yaratıcılığında önemli bir rol oynayacaktır.