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 tập trung vào bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và sự khác biệt về công nghệ 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, và chúng tôi rút ra kết luận như sau.
Chúng tôi tin rằng AI16Z sẽ tiếp tục chiếm ưu thế. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường hơn 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy) và việc ngày càng có nhiều nhà phát triển sử dụng nó, với 193 nhà 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 phổ biến nhất trên Github.
Đến thời điểm hiện tại, sự phát triển của GAME (chiếm khoảng 20% thị phần, giá trị thị trường khoảng 300 triệu USD) rất thuận lợi, 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%, giá trị thị trường khoảng 1.6 triệu USD) rất đáng chú ý vì thiết kế mô-đun của nó rất dễ sử dụng và có thể đóng vai trò "pure-play" trong hệ sinh thái Solana (RUST) để chiếm ưu thế.
Zerepy (thị phần khoảng 5%, giá trị thị trường khoảng 300 triệu USD) là một ứng dụng tương đối ít người biết đến, chuyên phục vụ cho cộng đồng ZEREBRO cuồng nhiệt, 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 bao gồm giá trị thị trường, hồ sơ phát triển và thị trường hệ điều hành nền tảng.
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, thành phần và ưu điểm chính của từng khung.
（1）Tổng quan khung
Tại giao điểm của AI X Crypto, có một số khuôn khổ tạo điều kiện thuận lợi cho sự phát triển của AI. ĐÓ LÀ ELIZA CHO AI16Z, RIG CHO ARC, ZEREBRO CHO ZEREPY VÀ VIRTUAL CHO GAME. Mỗi khuôn khổ giải quyết các nhu cầu và triết lý khác nhau trong quá trình phát triển tác nhân 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 sẽ bắt đầu bằng việc giới thiệu các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán ra sao, có những chức năng độc đáo gì, và các trường hợp sử dụng tiềm năng của framework là gì. Sau đó, chúng tôi sẽ so sánh từng framework từ góc độ khả năng sử dụng, khả năng mở rộng, tính thích ứng và hiệu suất, khám phá các lợi thế và hạn chế của chúng.
ELIZA (do ai16z phát triển)
Eliza là một khung mô phỏng đa tác nhân mã nguồn mở, được thiết kế để tạo, 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 có khả năng tương tác với con người trên nhiều nền tảng, đồng thời duy trì tính cách và kiến thức nhất quán.
Các tính năng cốt lõi của framework bao gồm kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều tính cách AI độc đáo, hệ thống vai trò sử dụng khung tệp vai trò để tạo các tác nhân khác nhau và khả năng quản lý bộ nhớ cung cấp bộ nhớ dài hạn và nhận thức ngữ cảnh thông qua hệ thống Advanced Retrieval Enhanced Generation (RAG). Ngoài ra, khung Eliza cung cấp tích hợp nền tảng mượt mà để kết nối đáng tin cậy với Discord, X và các nền tảng truyền thông xã hội khác.
Từ góc độ chức năng truyền thông và phương tiện của AI đại lý, Eliza là một lựa chọn tuyệt vời. Về mặt truyền thông, khung này hỗ trợ tích hợp với các chức năng kênh giọng nói của Discord, chức năng X, Telegram và truy cập trực tiếp vào API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung có thể mở rộng đến việc đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, chuyển âm thanh thành văn bản, 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 cho Claude xử lý các nhiệm vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ rộng rãi cho 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 qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, đánh giá 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 người lao động tri thức, đảm nhiệm vai trò 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 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 thực hiện các thí nghiệm với AI đại lý. 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 lý.
Các thành phần cốt lõi như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà 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 sẽ tổng hợp thông tin đầu vào thành định dạng phù hợp với động cơ lập kế hoạch chiến lược (Strategic Planning Engine) để đóng vai trò như một cơ chế đầu vào cảm giác của AI, cho dù dưới dạng đối thoại hay 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 đại lý, và phối hợp với hệ thống cảm nhận để giải thích và phản hồi hiệu quả đầu vào.
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. Chức năng của động cơ này có hai cấp độ: như một người 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, mà chiến lược này lại được chia thành các lập kế hoạch hành động cho các nhiệm vụ cụ thể và các trình thực hiện kế hoạch để thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng nữa 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, sự phản chiếu, kinh nghiệm và tính cách, tất cả cùng nhau định hình hành vi và quy 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 chính dựa trên các tiêu chí như tầm quan trọng, độ gần đây và tính liên quan. Bộ nhớ dài hạn lưu trữ kinh nghiệm, sự phản ánh, tính cách động, bối cảnh thế giới và kiến thức bộ nhớ làm việc của đại lý để tăng cường quyết định và cung cấp nền tảng học tập.
Các mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, kiến thức này được phản hồi lại vào hệ thống nhằm 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 giác 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 thông qua giao diện nhắc nhở của đại lý. Dữ liệu đầu vào được hệ thống cảm nhận xử lý và chuyển tiếp đến mô-đun xử lý hội thoại, mô-đun này 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 bộ nhớ làm việc theo dõi các nhiệm vụ tức thời. Trong khi đó, bộ xử lý bộ nhớ dài hạn lưu trữ và truy xuất kiến thức dài hạn. Mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, giúp cải thiện liên tục hành vi và tương tác của đại lý.
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 cung cấp phản hồi chính xác bằng cách truy xuất tài liệu liên quan, 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 ý thức theo 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, khiến nó trở 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 các đầu ra sáng tạo, phù hợp 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, hỗ trợ 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 bài, trả lời, thích và chia sẻ, từ đó nâng cao sự tham gia trên 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 quan điểm của chúng tôi, mỗi khung đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với những nhu cầu và môi trường cụ thể, chúng tôi đã chuyển trọng tâm từ mối quan hệ cạnh tranh giữa các khung sang sự 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 cho các nhà phát triển trò chơi, cung cấp giao diện low-code hoặc no-code thông qua API, giúp người dùng ít kỹ thuật hơn trong không gian trò chơi có thể truy cập được. Tuy nhiên, 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 vượt trội trong việc tạo nội dung thủ tục và hành vi NPC, nhưng bị giới hạn bởi sự phức tạp bổ sung của thị trường ngách và tích hợp blockchain.
Do việc sử dụng ngôn ngữ Rust, với sự phức tạp của nó, Rig có thể không thân thiện lắm, điều này mang lại những thách thức học tập đáng kể, nhưng đối với những người thành thạo lập trình hệ thống, nó có khả năng tương tác trực quan. So với typescript, ngôn ngữ lập trình này nổi tiếng về hiệu suất và an toàn bộ nhớ (memory safety). Nó có kiểm tra biên dịch nghiêm ngặt và trừu tượng không tốn chi phí, điều này là cần thiết cho việc chạy các thuật toán AI phức tạp. Ngôn ngữ này rất hiệu quả, và khả năng kiểm soát mức thấp của nó khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng AI tiêu tốn nhiều tài nguyên. Khung này cung cấp giải pháp hiệu suất cao với thiết kế mô-đun và có thể mở rộng, khiến 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 khó tránh khỏi phải đối mặt với đường cong học tập dốc.
Tận dụng Python, ZerePy cung cấp mức độ khả năng sử dụng cao cho các tác vụ AI sáng tạo, với đường cong học tập thấp cho các nhà phát triển Python, đặc biệt là đối với những người có nền tảng AI / ML và được hưởng lợi từ sự hỗ trợ mạnh mẽ của cộng đồng nhờ cộng đồng tiền điện tử của Zerebro. ZerePy chuyên về các ứng dụng AI 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 nhờ sự sáng tạo, nhưng nó có phạm vi tương đối hẹp so với các khuôn khổ khác.
Về khả năng mở rộng, ELIZA đã đạt được những tiến bộ đáng kể trong bản cập nhật V2 của mình, nó giới thiệu một dòng tin nhắn thống nhất và 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 gây ra 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 các động cơ trò chơi hoặc mạng blockchain cụ thể.
Khung Rig sử dụng hiệu suất mở rộng của Rust, được thiết kế cho các ứng dụng có thông lượng cao, điều này đặc biệt hiệu quả cho 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 đóng góp từ cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế việc áp 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 bởi số lượng người dùng.
Về khả năng thích ứng, ELIZA dẫn đầu với hệ thống plugin và khả năng tương thích đa nền tảng, môi trường trò chơi GAME và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện tính 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 truyền thông xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các nhiệm vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác đi.
GAME do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong các cảnh game, sử dụng quy trình quyết định hiệu quả và blockchain tiềm năng để thực hiện các hoạt động trí tuệ nhân tạo phi tập trung.
Khung Rig được xây dựng trên ngôn ngữ Rust, cung cấp hiệu suất tuyệt vời cho các tác vụ tính toán hiệu suất cao, thích hợp cho các ứng dụng doanh nghiệp mà hiệu quả tính toán là rất quan trọng.
Hiệu suất của Zerepy được thiết kế đặc biệt cho việc tạo ra nội dung sáng tạo, với các chỉ tiêu tập trung vào hiệu quả và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Lợi thế của ELIZA là cung cấp tính linh hoạt và khả năng mở rộng, thông qua hệ thống plugin và cấu hình vai trò, nó có tính thích ứng cao, thuận lợi cho tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp tính năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi việc tích hợp blockchain với sự tham gia của AI mới lạ.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng của nó đối với các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, chú trọng cung cấp mã sạch và phân tách cho sức khỏe của các dự án dài hạn.
Zerepy chuyên về nuôi dưỡng sự sáng tạo, đứng đầu trong ứng dụng trí tuệ nhân tạo nghệ thuật số và được hỗ trợ bởi mô hình phát triển cộng đồng đầy năng động.
Mỗi khung đều có những hạn chế riêng, ELIZA vẫn đang ở giai đoạn đầu và có những vấn đề tiềm ẩn về tính ổn định cũng như đường cong học tập cho các nhà phát triển mới. Những trò chơi ngách có thể hạn chế việc áp dụng rộng rãi hơn nữa, và blockchain cũng làm tăng thêm độ phức tạp. Rig có thể khiến một phần các nhà phát triển cảm thấy e ngại do đường cong học tập dốc đứng từ Rust, trong khi Zerepy có sự chú ý hạn chế đến 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, chú trọng vào 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 dựa vào cộng đồng, mà chú trọng nhiều hơn vào 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 điều hành cao, với sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, làm cho nó có thể sử dụng cho một cơ sở phát triển AI rộng lớn 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 với sự phổ biến của Python và hỗ trợ từ các nhà đóng góp AI16Z, được kỳ vọng sẽ phát triển.
GAME（VIRTUAL）：
Điểm nhấn: Đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên các tương tác trong môi trường ảo.
Trường hợp sử dụng: Phù hợp nhất cho việc học và thích nghi của AI đại lý trong các tình huống, 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、Dữ liệu xu hướng Star trên Github
Hình trên là dữ liệu theo dõi sao GitHub kể từ khi các khung này được phát hành. Cần lưu ý rằng sao GitHub là chỉ số cho sự quan tâm của cộng đồng, độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức cơ sở thấp vào tháng 7, cho đến sự gia tăng đáng kể 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 chức năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sự chú ý 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 sự phù hợp hoặc 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 tương đối nhưng vẫn đang tăng trưởng liên tục, trong tháng tới rất có thể sẽ tăng mạnh. Nó đã đạt 1700 sao, nhưng vẫn đang tiếp tục tăng. Sự 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 số lượng 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. Điều đáng nhấn mạnh là ZerePy cần nhiều phát triển hơn để nâng cao tính khả thi và tỷ lệ áp dụng. Sự hợp tác với AI16Z có thể thu hút nhiều đóng góp mã hơn.
GAME（绿线）：
Số lượng star của dự án này là ít nhất, đáng lưu ý là khung này có thể được áp dụng trực tiếp cho các đại lý trong hệ sinh thái ảo thông qua API, từ đó loại bỏ nhu cầu về tính khả thi trên Github. Tuy nhiên, khung này chỉ mới được công khai cho các nhà xây dựng cách đây hơn một tháng, có hơn 200 dự án đang sử dụng GAME để xây dựng.
4、Lý do tích cực cho 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 hoạt động trong một môi trường an toàn. Một tính năng sắp ra mắt của Eliza là bảng đăng ký plugin (Plugin Registry), giúp các nhà phát triển dễ dàng đăng ký và tích hợp plugin.
Ngoài ra, Eliza V2 sẽ hỗ trợ việc nhắn tin tự động hóa 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, dự kiến sẽ có tác động tích cực đến token AI16Z của khung Eliza. AI16Z có kế hoạch tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, 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 đồng thời GAME và ELIZA trong một dự án duy nhất, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn sẽ thu hút sự chú ý của những người xây dựng tập trung vào logic kinh doanh hơn là sự phức tạp về kỹ thuật. Mặc dù khung này chỉ mới được công bố trong hơn 30 ngày, nhưng với nỗ lực của đội ngũ trong việc thu hút nhiều sự hỗ trợ từ các cộng tác viên hơn, nó đã đạt được những 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 lớn, mặc dù khung của nó vẫn đang trong giai đoạn tăng trưởng ban đầu và kế hoạch thúc đẩy áp dụng dự án chỉ mới ra mắt 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. Đội ngũ có thái độ lạc quan về sự hợp tác với Solana, họ so sánh mối quan hệ giữa ARC và Solana giống như Virtual đối với Base. Đáng chú ý, đội ngũ không chỉ khuyến khích các dự án mới sử dụng Rig để khởi động, mà còn khuyến khích các nhà phát triển cải thiện chính khung Rig.
Zerepy là một khuôn khổ mới được ra mắt, đang nhận được sự chú ý ngày càng tăng nhờ mối quan hệ hợp tác với Eliza. Khuôn khổ này thu hút những người đóng góp của Eliza, họ đang tích cực cải tiến nó. Dưới sự thúc đẩy của những người hâm mộ ZEREBRO, nó có một nhóm người theo dõi cuồng nhiệt và mang đến cho các lập trình viên Python những cơ hội mới, những người trước đây thiếu đại diện trong cuộc cạnh tranh cơ sở hạ tầng trí tuệ nhân tạo. Khuôn khổ này sẽ đóng một vai trò quan trọng trong khía cạnh 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 tập trung vào bốn khung chính hiện tại (ELIZA, GAME, ARC, ZEREPY) và sự khác biệt về công nghệ 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, và chúng tôi rút ra kết luận như sau.
Chúng tôi tin rằng AI16Z sẽ tiếp tục chiếm ưu thế. Giá trị của Eliza (thị phần khoảng 60%, giá trị thị trường hơn 1 tỷ USD) nằm ở lợi thế tiên phong (hiệu ứng Lindy) và việc ngày càng có nhiều nhà phát triển sử dụng nó, với 193 nhà 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 phổ biến nhất trên Github.
Đến thời điểm hiện tại, sự phát triển của GAME (chiếm khoảng 20% thị phần, giá trị thị trường khoảng 300 triệu USD) rất thuận lợi, 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%, giá trị thị trường khoảng 1.6 triệu USD) rất đáng chú ý vì thiết kế mô-đun của nó rất dễ sử dụng và có thể đóng vai trò "pure-play" trong hệ sinh thái Solana (RUST) để chiếm ưu thế.
Zerepy (thị phần khoảng 5%, giá trị thị trường khoảng 300 triệu USD) là một ứng dụng tương đối ít người biết đến, chuyên phục vụ cho cộng đồng ZEREBRO cuồng nhiệt, 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 bao gồm giá trị thị trường, hồ sơ phát triển và thị trường hệ điều hành nền tảng.
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, thành phần và ưu điểm chính của từng khung.
（1）Tổng quan khung
Tại giao điểm của AI X Crypto, có một số khuôn khổ tạo điều kiện thuận lợi cho sự phát triển của AI. ĐÓ LÀ ELIZA CHO AI16Z, RIG CHO ARC, ZEREBRO CHO ZEREPY VÀ VIRTUAL CHO GAME. Mỗi khuôn khổ giải quyết các nhu cầu và triết lý khác nhau trong quá trình phát triển tác nhân 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 sẽ bắt đầu bằng việc giới thiệu các framework, cho mọi người biết chúng là gì, sử dụng ngôn ngữ lập trình nào, kiến trúc công nghệ, thuật toán ra sao, có những chức năng độc đáo gì, và các trường hợp sử dụng tiềm năng của framework là gì. Sau đó, chúng tôi sẽ so sánh từng framework từ góc độ khả năng sử dụng, khả năng mở rộng, tính thích ứng và hiệu suất, khám phá các lợi thế và hạn chế của chúng.
ELIZA (do ai16z phát triển)
Eliza là một khung mô phỏng đa tác nhân mã nguồn mở, được thiết kế để tạo, 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 có khả năng tương tác với con người trên nhiều nền tảng, đồng thời duy trì tính cách và kiến thức nhất quán.
Các tính năng cốt lõi của framework bao gồm kiến trúc đa tác nhân hỗ trợ triển khai và quản lý đồng thời nhiều tính cách AI độc đáo, hệ thống vai trò sử dụng khung tệp vai trò để tạo các tác nhân khác nhau và khả năng quản lý bộ nhớ cung cấp bộ nhớ dài hạn và nhận thức ngữ cảnh thông qua hệ thống Advanced Retrieval Enhanced Generation (RAG). Ngoài ra, khung Eliza cung cấp tích hợp nền tảng mượt mà để kết nối đáng tin cậy với Discord, X và các nền tảng truyền thông xã hội khác.
Từ góc độ chức năng truyền thông và phương tiện của AI đại lý, Eliza là một lựa chọn tuyệt vời. Về mặt truyền thông, khung này hỗ trợ tích hợp với các chức năng kênh giọng nói của Discord, chức năng X, Telegram và truy cập trực tiếp vào API cho các trường hợp tùy chỉnh. Mặt khác, chức năng xử lý phương tiện của khung có thể mở rộng đến việc đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, chuyển âm thanh thành văn bản, 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 cho Claude xử lý các nhiệm vụ phức tạp. Eliza áp dụng kiến trúc mô-đun, có hỗ trợ rộng rãi cho 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 qua nhiều lĩnh vực, chẳng hạn như: trợ lý AI cho hỗ trợ khách hàng, đánh giá 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 người lao động tri thức, đảm nhiệm vai trò 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 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 thực hiện các thí nghiệm với AI đại lý. 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 lý.
Các thành phần cốt lõi như sau: Đầu tiên, Giao diện Gợi ý Đại lý (Agent Prompting Interface) là điểm truy cập mà 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 sẽ tổng hợp thông tin đầu vào thành định dạng phù hợp với động cơ lập kế hoạch chiến lược (Strategic Planning Engine) để đóng vai trò như một cơ chế đầu vào cảm giác của AI, cho dù dưới dạng đối thoại hay 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 đại lý, và phối hợp với hệ thống cảm nhận để giải thích và phản hồi hiệu quả đầu vào.
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. Chức năng của động cơ này có hai cấp độ: như một người 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, mà chiến lược này lại được chia thành các lập kế hoạch hành động cho các nhiệm vụ cụ thể và các trình thực hiện kế hoạch để thực hiện nhiệm vụ.
Một thành phần độc lập nhưng quan trọng nữa 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, sự phản chiếu, kinh nghiệm và tính cách, tất cả cùng nhau định hình hành vi và quy 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 chính dựa trên các tiêu chí như tầm quan trọng, độ gần đây và tính liên quan. Bộ nhớ dài hạn lưu trữ kinh nghiệm, sự phản ánh, tính cách động, bối cảnh thế giới và kiến thức bộ nhớ làm việc của đại lý để tăng cường quyết định và cung cấp nền tảng học tập.
Các mô-đun học sử dụng dữ liệu từ hệ thống cảm nhận để tạo ra kiến thức chung, kiến thức này được phản hồi lại vào hệ thống nhằm 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 giác 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 thông qua giao diện nhắc nhở của đại lý. Dữ liệu đầu vào được hệ thống cảm nhận xử lý và chuyển tiếp đến mô-đun xử lý hội thoại, mô-đun này 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 bộ nhớ làm việc theo dõi các nhiệm vụ tức thời. Trong khi đó, bộ xử lý bộ nhớ dài hạn lưu trữ và truy xuất kiến thức dài hạn. Mô-đun học phân tích kết quả và tích hợp kiến thức mới vào hệ thống, giúp cải thiện liên tục hành vi và tương tác của đại lý.
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 cung cấp phản hồi chính xác bằng cách truy xuất tài liệu liên quan, 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 ý thức theo 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, khiến nó trở 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 các đầu ra sáng tạo, phù hợp 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, hỗ trợ 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 bài, trả lời, thích và chia sẻ, từ đó nâng cao sự tham gia trên 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 quan điểm của chúng tôi, mỗi khung đều cung cấp một phương pháp độc đáo cho việc phát triển trí tuệ nhân tạo, phù hợp với những nhu cầu và môi trường cụ thể, chúng tôi đã chuyển trọng tâm từ mối quan hệ cạnh tranh giữa các khung sang sự 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 cho các nhà phát triển trò chơi, cung cấp giao diện low-code hoặc no-code thông qua API, giúp người dùng ít kỹ thuật hơn trong không gian trò chơi có thể truy cập được. Tuy nhiên, 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 vượt trội trong việc tạo nội dung thủ tục và hành vi NPC, nhưng bị giới hạn bởi sự phức tạp bổ sung của thị trường ngách và tích hợp blockchain.
Do việc sử dụng ngôn ngữ Rust, với sự phức tạp của nó, Rig có thể không thân thiện lắm, điều này mang lại những thách thức học tập đáng kể, nhưng đối với những người thành thạo lập trình hệ thống, nó có khả năng tương tác trực quan. So với typescript, ngôn ngữ lập trình này nổi tiếng về hiệu suất và an toàn bộ nhớ (memory safety). Nó có kiểm tra biên dịch nghiêm ngặt và trừu tượng không tốn chi phí, điều này là cần thiết cho việc chạy các thuật toán AI phức tạp. Ngôn ngữ này rất hiệu quả, và khả năng kiểm soát mức thấp của nó khiến nó trở thành lựa chọn lý tưởng cho các ứng dụng AI tiêu tốn nhiều tài nguyên. Khung này cung cấp giải pháp hiệu suất cao với thiết kế mô-đun và có thể mở rộng, khiến 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 khó tránh khỏi phải đối mặt với đường cong học tập dốc.
Tận dụng Python, ZerePy cung cấp mức độ khả năng sử dụng cao cho các tác vụ AI sáng tạo, với đường cong học tập thấp cho các nhà phát triển Python, đặc biệt là đối với những người có nền tảng AI / ML và được hưởng lợi từ sự hỗ trợ mạnh mẽ của cộng đồng nhờ cộng đồng tiền điện tử của Zerebro. ZerePy chuyên về các ứng dụng AI 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 nhờ sự sáng tạo, nhưng nó có phạm vi tương đối hẹp so với các khuôn khổ khác.
Về khả năng mở rộng, ELIZA đã đạt được những tiến bộ đáng kể trong bản cập nhật V2 của mình, nó giới thiệu một dòng tin nhắn thống nhất và 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 gây ra 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 các động cơ trò chơi hoặc mạng blockchain cụ thể.
Khung Rig sử dụng hiệu suất mở rộng của Rust, được thiết kế cho các ứng dụng có thông lượng cao, điều này đặc biệt hiệu quả cho 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 đóng góp từ cộng đồng, nhưng trọng tâm mà nó tập trung có thể hạn chế việc áp 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 bởi số lượng người dùng.
Về khả năng thích ứng, ELIZA dẫn đầu với hệ thống plugin và khả năng tương thích đa nền tảng, môi trường trò chơi GAME và Rig xử lý các nhiệm vụ AI phức tạp cũng rất xuất sắc. ZerePy thể hiện tính 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 truyền thông xã hội nhanh chóng, thời gian phản hồi nhanh là rất quan trọng, nhưng khi xử lý các nhiệm vụ tính toán phức tạp hơn, hiệu suất của nó có thể khác đi.
GAME do Virtual Protocol phát triển tập trung vào tương tác thời gian thực hiệu suất cao trong các cảnh game, sử dụng quy trình quyết định hiệu quả và blockchain tiềm năng để thực hiện các hoạt động trí tuệ nhân tạo phi tập trung.
Khung Rig được xây dựng trên ngôn ngữ Rust, cung cấp hiệu suất tuyệt vời cho các tác vụ tính toán hiệu suất cao, thích hợp cho các ứng dụng doanh nghiệp mà hiệu quả tính toán là rất quan trọng.
Hiệu suất của Zerepy được thiết kế đặc biệt cho việc tạo ra nội dung sáng tạo, với các chỉ tiêu tập trung vào hiệu quả và chất lượng của việc tạo nội dung, có thể không phổ biến ngoài lĩnh vực sáng tạo.
Lợi thế của ELIZA là cung cấp tính linh hoạt và khả năng mở rộng, thông qua hệ thống plugin và cấu hình vai trò, nó có tính thích ứng cao, thuận lợi cho tương tác AI xã hội trên nhiều nền tảng.
GAME cung cấp tính năng tương tác thời gian thực độc đáo trong trò chơi, được tăng cường bởi việc tích hợp blockchain với sự tham gia của AI mới lạ.
Lợi thế của Rig nằm ở hiệu suất và khả năng mở rộng của nó đối với các nhiệm vụ trí tuệ nhân tạo doanh nghiệp, chú trọng cung cấp mã sạch và phân tách cho sức khỏe của các dự án dài hạn.
Zerepy chuyên về nuôi dưỡng sự sáng tạo, đứng đầu trong ứng dụng trí tuệ nhân tạo nghệ thuật số và được hỗ trợ bởi mô hình phát triển cộng đồng đầy năng động.
Mỗi khung đều có những hạn chế riêng, ELIZA vẫn đang ở giai đoạn đầu và có những vấn đề tiềm ẩn về tính ổn định cũng như đường cong học tập cho các nhà phát triển mới. Những trò chơi ngách có thể hạn chế việc áp dụng rộng rãi hơn nữa, và blockchain cũng làm tăng thêm độ phức tạp. Rig có thể khiến một phần các nhà phát triển cảm thấy e ngại do đường cong học tập dốc đứng từ Rust, trong khi Zerepy có sự chú ý hạn chế đến 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, chú trọng vào 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 dựa vào cộng đồng, mà chú trọng nhiều hơn vào 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 điều hành cao, với sự tham gia rộng rãi từ GitHub.
ZerePy (ZEREBRO)：
Ngôn ngữ: Python, làm cho nó có thể sử dụng cho một cơ sở phát triển AI rộng lớn 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 với sự phổ biến của Python và hỗ trợ từ các nhà đóng góp AI16Z, được kỳ vọng sẽ phát triển.
GAME（VIRTUAL）：
Điểm nhấn: Đại lý trí tuệ nhân tạo tự chủ, tự thích ứng, có thể tiến hóa dựa trên các tương tác trong môi trường ảo.
Trường hợp sử dụng: Phù hợp nhất cho việc học và thích nghi của AI đại lý trong các tình huống, 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、Dữ liệu xu hướng Star trên Github
Hình trên là dữ liệu theo dõi sao GitHub kể từ khi các khung này được phát hành. Cần lưu ý rằng sao GitHub là chỉ số cho sự quan tâm của cộng đồng, độ phổ biến của dự án và giá trị cảm nhận của dự án.
ELIZA（红线）：
Bắt đầu từ mức cơ sở thấp vào tháng 7, cho đến sự gia tăng đáng kể 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 chức năng, cập nhật và sự tham gia của cộng đồng, ELIZA đã thu hút được sự chú ý 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 sự phù hợp hoặc 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 tương đối nhưng vẫn đang tăng trưởng liên tục, trong tháng tới rất có thể sẽ tăng mạnh. Nó đã đạt 1700 sao, nhưng vẫn đang tiếp tục tăng. Sự 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 số lượng 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. Điều đáng nhấn mạnh là ZerePy cần nhiều phát triển hơn để nâng cao tính khả thi và tỷ lệ áp dụng. Sự hợp tác với AI16Z có thể thu hút nhiều đóng góp mã hơn.
GAME（绿线）：
Số lượng star của dự án này là ít nhất, đáng lưu ý là khung này có thể được áp dụng trực tiếp cho các đại lý trong hệ sinh thái ảo thông qua API, từ đó loại bỏ nhu cầu về tính khả thi trên Github. Tuy nhiên, khung này chỉ mới được công khai cho các nhà xây dựng cách đây hơn một tháng, có hơn 200 dự án đang sử dụng GAME để xây dựng.
4、Lý do tích cực cho 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 hoạt động trong một môi trường an toàn. Một tính năng sắp ra mắt của Eliza là bảng đăng ký plugin (Plugin Registry), giúp các nhà phát triển dễ dàng đăng ký và tích hợp plugin.
Ngoài ra, Eliza V2 sẽ hỗ trợ việc nhắn tin tự động hóa 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, dự kiến sẽ có tác động tích cực đến token AI16Z của khung Eliza. AI16Z có kế hoạch tiếp tục nâng cao tính hữu dụng của khung, tiếp tục thu hút nhân tài chất lượng cao, 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 đồng thời GAME và ELIZA trong một dự án duy nhất, phục vụ cho các mục đích cụ thể. Phương pháp này hứa hẹn sẽ thu hút sự chú ý của những người xây dựng tập trung vào logic kinh doanh hơn là sự phức tạp về kỹ thuật. Mặc dù khung này chỉ mới được công bố trong hơn 30 ngày, nhưng với nỗ lực của đội ngũ trong việc thu hút nhiều sự hỗ trợ từ các cộng tác viên hơn, nó đã đạt được những 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 lớn, mặc dù khung của nó vẫn đang trong giai đoạn tăng trưởng ban đầu và kế hoạch thúc đẩy áp dụng dự án chỉ mới ra mắt 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. Đội ngũ có thái độ lạc quan về sự hợp tác với Solana, họ so sánh mối quan hệ giữa ARC và Solana giống như Virtual đối với Base. Đáng chú ý, đội ngũ không chỉ khuyến khích các dự án mới sử dụng Rig để khởi động, mà còn khuyến khích các nhà phát triển cải thiện chính khung Rig.
Zerepy là một khuôn khổ mới được ra mắt, đang nhận được sự chú ý ngày càng tăng nhờ mối quan hệ hợp tác với Eliza. Khuôn khổ này thu hút những người đóng góp của Eliza, họ đang tích cực cải tiến nó. Dưới sự thúc đẩy của những người hâm mộ ZEREBRO, nó có một nhóm người theo dõi cuồng nhiệt và mang đến cho các lập trình viên Python những cơ hội mới, những người trước đây thiếu đại diện trong cuộc cạnh tranh cơ sở hạ tầng trí tuệ nhân tạo. Khuôn khổ này sẽ đóng một vai trò quan trọng trong khía cạnh sáng tạo của AI.