У цьому звіті ми обговорюємо ландшафт Фреймворків в межах Crypto X AI. Ми розглянемо поточні типи (ELIZA, GAME, ARC, ZEREPY) та їх технологічні відмінності.

Чистий/Чистий:

За минулий тиждень ми розглянули та протестували 4 основні фреймворки, і наші висновки викладені тут (і так, є шпаргалка).

Ми вважаємо, що $AI16Z продовжить домінувати на ринку. Варто звернути увагу на перевагу першопочаткового руху (Lindy Effect) та прискорення використання серед розробників, що підтверджується 193 контриб'юторами, 1,8 тис. форків та 6000+ зірками, що призвело до того, що Eliza ($ai16z, ~60% ринкової частки, $900мкап) стала одним з найпопулярніших репозиторіїв на Github. Примітно, що українською мовою 'gate' означає 'ворота'.

$GAME (~20% ринкової частки, $300 млн Mcap), до цього часу, дуже гладко працює, і досвідчує швидке прийняття, як це вказує сьогоднішнє оголошення від $VIRTUAL, що показує 200+ проектів, 150 тис. щоденних запитів та зростання на 200% тиждень-на-тиждень. $GAMEпродовжить отримувати користь від зростання $VIRTUAL і є одним з найбільших переможців у їхньому екосистемі.

Rig ($ARC, ~15% ринкової частки, $160 млн Mcap) є дуже переконливим і легким у використанні завдяки своєму модульному дизайну і може визначити себе в екосистемі Solana (RUST) як «чиста гра».

Zerepy ($ZEREBRO, ~5% частка ринку, $300млн Mcap) - це більш спеціалізована додаткова програма, яка належить до культової спільноти під $ZEREBRO, і його недавнє партнерство з ai16z community ймовірно забезпечує синергію.

Ми відзначаємо, що наші розрахунки частки ринку є сумішшю MCap, досвіду розробки та широти базового кінцевого ринку ОС.

Ми вважаємо, що сегмент Framework буде зростати найшвидше в поточному циклі, оскільки ~$1,7 млрд у комбінованому MCap може легко зрости до $20 млрд, що все ще може бути консервативним порівняно з піковими оцінками L1 у 2021 році, коли багато хто досяг $20 млрд+ лише в оцінці. Незважаючи на те, що всі 3 сервіси обслуговують різні кінцеві ринки (ланцюжки/екосистеми), підхід, зважений за ринковою капіталізацією, може бути найбільш розсудливим, враховуючи, що ми розглядаємо цей сектор як зростаючу хвилю.

Шпаргалка по Фреймворку:

У цій таблиці ми викладаємо ключові технології, компоненти та переваги для кожної основної структури.

Шпаргалка для огляду фреймворків

Вступ до фреймворків

У перетині AI x Crypto з'явилося кілька фреймворків для полегшення розробки AI. Серед них ELIZA від $AI16Z, RIG від $ARC, ZEREPY від $ZEREBRO, та $GAME за $VIRTUAL. Кожна структура задовольняє різні потреби та філософії в агентних розробках, починаючи від проектів спільноти з відкритим кодом до підприємницьких рішень, спрямованих на досягнення високої продуктивності.

Ця примітка спочатку вводить рамки щодо того, що вони є, мови програмування, технічної архітектури, алгоритмів та унікальних особливостей з потенційними випадками використання, де можна використовувати рамки. Потім ми порівнюємо кожну рамку з точки зору використовуваності, масштабованості, пристосованості та продуктивності. Разом із їх перевагами та обмеженнями.

ELIZA фреймворк від @ai16zdao Через@shawmakesmagic

Eliza - це відкрита багатоагентна симуляційна платформа, яка призначена для створення, розгортання та управління автономними агентами штучного інтелекту. Розроблена на мові програмування TypeScript, вона надає гнучку та розширювану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на різних платформах, зберігаючи при цьому послідовність особистості та знань.

Основні можливості цього фреймворку включають багатоагентну архітектуру, яка підтримує розгортання та управління кількома унікальними особистостями штучного інтелекту одночасно, а також систему персонажів для створення різноманітних агентів за допомогою фреймворку файлів символів, а також функцію керування пам'яттю за допомогою вдосконаленої системи пошуку доповненої генерації (RAG), яка забезпечує довготривалу пам'ять та контекстну обізнаність. Крім того, фреймворк Eliza пропонує плавну інтеграцію платформи для надійного з'єднання з Discord, X та іншими платформами соціальних мереж.

Еліза - відмінний вибір, коли мова йде про комунікаційні та медійні можливості штучних інтелектуальних агентів. Щодо комунікації, ця структура підтримує інтеграцію на Discord з можливостями голосових каналів, функціонал X, Telegram та прямий доступ до API для користувацьких випадків використання. З іншого боку, медійні можливості цієї структури розширюються до читання та аналізу PDF-документів, вилучення та узагальнення вмісту з посилань, транскрипції аудіо, обробки відео, аналізу зображень та узагальнення розмов для ефективної обробки різноманітних медійних вхідних та вихідних даних.

Фреймворк Eliza забезпечує гнучку підтримку моделі штучного інтелекту за допомогою локального висновування з моделями з відкритим вихідним кодом, хмарного висновування через OpenAI та конфігурацій за замовчуванням, таких як Nous Hermes Llama 3.1B, з підтримкою інтеграції для Claude для обробки складних запитів. Еліза використовує модульну архітектуру з розгалуженою системою дій, індивідуальною підтримкою клієнтів і комплексним API, що забезпечує як масштабованість, так і адаптивність у різних додатках.

Сфери застосування Eliza охоплюють кілька галузей, таких як: AI-помічники для підтримки клієнтів, модерації спільноти та особистих завдань, а також соціальних медіа профілів, таких як автоматичні створювачі контенту, боти взаємодії та представники бренду. Вона також служить знавцем для таких ролей, як дослідницький асистент, аналітик контенту та обробник документів, і підтримує інтерактивних персонажів у формі ботів-рольових ігор, навчальних вчителів та розважальних агентів.

Архітектура Eliza базується на робочому середовищі агента, яке інтегрується з її системою персонажів (підтримуваною постачальником моделей), менеджером пам'яті (підключеним до бази даних) та системою дій (пов'язаною з клієнтами платформи). Унікальні особливості фреймворку включають систему плагінів, яка дозволяє модульне розширення функціональності, підтримку багатомодальних взаємодій, таких як голос, текст і медіа, а також сумісність з провідними моделями штучного інтелекту, такими як Llama, GPT-4 і Claude. Завдяки своєй універсальній та надійній конструкції, Eliza виділяється як потужний інструмент для розробки застосунків штучного інтелекту в різних галузях.

G.A.M.E Framework by @virtuals_io через @everythingempt0

The Generative Autonomous Multimodal Entities Framework (G.A.M.E), призначений для надання розробникам доступу до API та SDK для експериментів з AI агентами. Цей фреймворк пропонує структурований підхід до управління поведінкою, процесами прийняття рішень та навчання AI агентів.

Основні компоненти: По-перше, інтерфейс промптування агента як точка входу для розробників для інтеграції ГРУ в агента для доступу до агентних поведінок. Підсистема сприйняття запускає сеанси, вказуючи параметри, такі як ідентифікатори сеансів, ідентифікатори агентів, користувачі та інші відповідні деталі.

Це синтезує вхідні повідомлення в формат, який підходить для Strategic Planning Engine, діючи як сенсорний вхідний механізм для штучного інтелекту, чи то у формі діалогу, чи то реакцій. Центральним є модуль обробки діалогу для обробки повідомлень та відповідей від агента та співпраця з підсистемою сприйняття для ефективного тлумачення та реагування на вхідні сигнали.

Стратегічний плануючий двигун працює спільно з модулем обробки діалогів та оператором гаманця on-chain, генерує відповіді та плани. Цей двигун працює на двох рівнях: як високорівневий планувальник для створення широких стратегій на основі контексту або цілей, так і як низькорівнева політика для перекладу цих стратегій в дійсні політики, які поділяються на Планувальник дій для визначення завдань та Виконавець плану для їх виконання.

Окремо, але критичною складовою є світовий контекст, який посилається на середовище, світову інформацію та стани гри, забезпечуючи необхідний контекст для прийняття рішень агента. Крім того, є агентський репозиторій для зберігання довготривалих атрибутів, таких як цілі, роздуми, досвіди та особистості, які разом формують поведінку та процеси прийняття рішень агента.

Ця рамка використовує короткострокову робочу пам'ять та процесор довгострокової пам'яті. Короткострокова пам'ять зберігає відповідну інформацію про попередні дії, результати та поточні плани. Натомість процесор довгострокової пам'яті витягує ключову інформацію на основі критеріїв, таких як важливість, свіжість та актуальність. Ця пам'ять зберігає знання про досвіди агента, його відображення, динамічну особистість, світовий контекст та робочу пам'ять для покращення прийняття рішень та створення основи для навчання.

Щоб доповнити макет, навчальний модуль споживає дані з підсистеми сприйняття для генерації загальних знань, які повертаються назад у систему для уточнення майбутніх взаємодій. Розробники можуть вводити відгуки про дії, стани гри та сенсорні дані через інтерфейс, щоб покращити навчання агента ШІ та покращити його можливості планування та прийняття рішень.

Робочий процес починається з взаємодії розробників через інтерфейс підказок агента. Вхідні дані обробляються Підсистемою сприйняття і пересилаються до Модуля обробки діалогів, який керує логікою взаємодії. Далі Стратегічний планувальний двигун формулює та виконує плани на основі цієї інформації, використовуючи як високорівневі стратегії, так і детальне планування дій.

Дані зі Світового контексту та репозиторію агентів інформують про ці процеси, тоді як робоча пам'ять відстежує безпосередні завдання. Одночасно процесор довготривалої пам'яті зберігає та отримує знання з часом. Навчальний модуль аналізує результати та інтегрує нові знання в систему, забезпечуючи постійне вдосконалення поведінки та взаємодії агента.

RIG фреймворк від @arcdotfun через @Playgrounds0x

Rig - це відкритий фреймворк на основі Rust, призначений для спрощення розробки додатків на великі мовні моделі. Він надає єдиний інтерфейс для взаємодії з декількома постачальниками LLM, такими як OpenAI та Anthropic, і підтримує різні векторні сховища, включаючи MongoDB та Neo4j. Модульна архітектура фреймворку має основні компоненти, такі як Шар абстракції постачальника, Інтеграція векторних сховищ та Система агентів для полегшення безперервної взаємодії з LLM.

Основною аудиторією для Rig є розробники, які створюють додатки AI/ML на мові Rust, а вторинною аудиторією є організації, які бажають інтегрувати кілька постачальників LLM та векторних наборів в свої додатки на мові Rust. Репозиторій організований за допомогою структури на основі робочого простору з кількома скринями, що дозволяє масштабування та ефективне управління проектом. Основними особливостями є абстракційний шар постачальника, який стандартизує API для завершення та вбудовування в постачальників LLM з уніфікованою обробкою помилок. Компонент інтеграції векторного набору пропонує абстрактний інтерфейс для кількох фонових систем і підтримує пошук схожості векторів. Система агента спрощує взаємодію з LLM, підтримуючи Retrieval Augmented Generation (RAG) та інтеграцію засобів. Крім того, фреймворк Embeddings надає можливості пакетної обробки та операцій з безпечним типом вбудовування.

Rig використовує кілька технічних переваг для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний режим виконання Rust для ефективної обробки багатьох одночасних запитів. Вбудовані механізми обробки помилок фреймворку покращують стійкість до відмов постачальників ШІ або операцій з базами даних. Вище зазначена типобезпека завдяки перевірці на етапі компіляції запобігає появі помилок, поліпшуючи підтримку коду. Ефективні процеси серіалізації та десеріалізації сприяють обробці даних для форматів, таких як JSON, що є важливим для зв'язку та зберігання послуг ШІ. Детальне ведення журналів та інструментарій допомагають у відлагодженні та моніторингу додатків.

Робочий процес в Rig починається з моменту, коли клієнт ініціює запит, який протікає через шар абстракції постачальника для взаємодії з відповідною моделлю LLM. Дані обробляються ядром системи, де агенти можуть використовувати інструменти або отримувати доступ до векторних сховищ для контексту. Відповіді генеруються і уточнюються за допомогою складних робочих процесів, таких як RAG, який включає в себе отримання документів і розуміння контексту, перш ніж повернутися клієнту. Система інтегрує кілька постачальників LLM та векторних сховищ, що дозволяє пристосуватися до доступності моделей або змін продуктивності.

Різноманітні використання Rig включають системи відповідей на запитання, які отримують відповідні документи для доставки точних відповідей, пошук та отримання документів для ефективного пошуку контенту, а також чат-боти або віртуальні помічники, які надають контекстно-залежні взаємодії для обслуговування клієнтів або освіти. Він також підтримує генерацію контенту, що дозволяє створювати текст та інші матеріали на основі вивчених шаблонів, роблячи його універсальним інструментом як для розробників, так і для організацій.

Фреймворк Zerepy від @0xzerebroі @blorm_ через @jyu_eth

ZerePy - це відкрите програмне забезпечення, написане на мові Python, яке призначене для розгортання агентів на X з використанням OpenAI або Anthropic LLMs. Виведений з модульної версії основи Zerebro, ZerePy дає розробникам можливість запускати агентів з функціональністю, подібною до основних функцій Zerebro. Хоча фреймворк надає основу для розгортання агентів, для генерації творчих виходів необхідне налаштування моделей. ZerePy спрощує розробку та розгортання персоналізованих AI-агентів, особливо для створення контенту на соціальних платформах, створюючи екосистему творчості, що працює на основі штучного інтелекту та спрямовану на художні та децентралізовані застосування.

Фреймворк, побудований на Python, наголошує на самостійності агента з акцентом на творчому генерації виводу, що відповідає архітектурі ELIZA + Партнерство з ELIZA. Його модульний дизайн підтримує інтеграцію системи пам'яті та сприяє розгортанню агента на соціальних платформах. Основні функції включають інтерфейс командного рядка для управління агентом, інтеграцію з Twitter, підтримку OpenAI та Anthropic LLMs, а також модульну систему підключення для покращеної функціональності.

Використання ZerePy охоплює автоматизацію соціальних медіа, де користувачі можуть використовувати AI-агентів для публікації, відповіді, лайків та ретвітів, що підвищує залученість платформи. Крім того, він обслуговує створення контенту в галузях, таких як музика, меми та NFT, що робить його цінним інструментом для цифрового мистецтва та платформ контенту на основі блокчейн.

Порівняння між чотирма фреймворками

На наш погляд, кожен фреймворк пропонує унікальний підхід до розробки штучного інтелекту, задовольняючи конкретні потреби та середовища, що відводить дискусію від того, що ці фреймворки є конкурентами, до того, щоб замикатися на аргументах кожного фреймворку, пропонуючи унікальну пропозицію.

ELIZA вирізняється своїм зручним інтерфейсом, особливо для розробників, знайомих з JavaScript та Node.js середовищами. Його вичерпна документація допомагає налаштувати агентів штучного інтелекту на різних платформах, хоча його широкий набір функцій може забезпечити помірну криву навчання. Розроблена на TypeScript, робить Eliza ідеальною для створення агентів, які вбудовані в Інтернет, оскільки більша частина інтерфейсу веб-інфраструктури побудована на TypeScript. Фреймворк вирізняється своєю багатоагентною архітектурою, що дозволяє розгортати різноманітні особистості штучного інтелекту на таких платформах, як Discord, X і Telegram. Його вдосконалена система RAG для управління пам'яттю робить його особливо ефективним для помічників зі штучним інтелектом у підтримці клієнтів або програмах соціальних мереж. Незважаючи на те, що він забезпечує гнучкість, потужну підтримку спільноти та стабільну кросплатформну продуктивність, він залишається на ранніх стадіях і може стати кривою навчання для розробників.

GAME, розроблена з урахуванням ігрових розробників, пропонує інтерфейси з низьким кодом або без коду через API, що робить її доступною для менш технічно обізнаних користувачів у галузі геймінгу. Однак, її спеціалізоване спрямування на розробку ігор та інтеграцію блокчейн може створювати велику криву навчання для тих, хто не має відповідного досвіду. Вона виділяється за процедурним генеруванням контенту та поведінкою NPC, але обмежується своїм спеціалізованим спрямуванням та складністю, що додається інтеграцією блокчейну.

Rig, через своє використання Rust, може бути менш зручним для користувачів через складність мови, викликаючи значне виклик навчання, але для тих, хто знайомий з системним програмуванням, він пропонує інтуїтивну взаємодію. Сама мова програмування відома своєю продуктивністю та безпекою пам'яті порівняно з typescript. Вона має строгі перевірки часу компіляції та абстракції без вартості, які необхідні для виконання складних алгоритмів штучного інтелекту. Мова є ефективною, а її контроль низького рівня робить її ідеальною для ресурсоємних додатків штучного інтелекту. Цей фреймворк пропонує високопродуктивні рішення з модульною та масштабованою конструкцією, що робить його ідеальним для підприємницьких додатків. Однак використання Rust вимагає значного зусилля в навчанні для розробників, які не знають мови.

ZerePy, використовуючи Python, забезпечує високу зручність для творчих завдань з штучним інтелектом, знижуючи поріг вивчення для розробників Python, особливо тих, хто має досвід з AI / ML, та користується підтримкою активною спільноти завдяки залученості Zerebro до криптоспільноти. Він відмінно працює в творчих застосуваннях AI, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він просувається в творчості, його область застосування відносно вужча порівняно з іншими фреймворками.

Щодо масштабованості, ELIZA зробила кроки вперед із своєм оновленням V2, яке вводить уніфіковану шину повідомлень та масштабову ядрову структуру, що дозволяє ефективно керувати на кількох платформах. Однак керування цією взаємодією на кількох платформах може викликати проблеми масштабованості, якщо не оптимізовано.

GAME відрізняється в режимі реального часу, необхідному для гри, де масштабованість керується ефективними алгоритмами і потенційно розподіленими системами блокчейну, хоча вона може бути обмежена конкретним гральним двигуном або обмеженнями мережі блокчейну.

Rig Framework використовує продуктивність Rust для масштабованості, що вбудовано проектована для застосувань з високою пропускною спроможністю, що може бути особливо ефективним для розгортання на підприємницькому рівні, хоча це може означати складні налаштування для досягнення справжньої масштабованості.

Масштабованість Zerepy спрямована на творчі висновки, підтримувані внесками спільноти, але її фокус може обмежити застосування в широких контекстах штучного інтелекту, з масштабованістю, ймовірно, протестовано різноманітністю творчих завдань, а не обсягом користувачів.

Щодо адаптивності, ELIZA веде за своєю системою додатків та сумісністю з крос-платформою, за якою йде GAME в гральних середовищах та Rig для обробки складних завдань штучного інтелекту. ZerePy демонструє високу адаптивність в творчих галузях, але менш підходить для широких застосувань штучного інтелекту.

Щодо продуктивності, ELIZA оптимізована для швидких взаємодій у соціальних медіа, де ключовими є швидкість відповіді, але її продуктивність може варіюватися при роботі з більш складними обчислювальними завданнями.

GAME від Virtual Protocol спрямовується на високопродуктивну взаємодію в режимі реального часу в ігрових сценаріях, використовуючи ефективні процеси прийняття рішень та можливо блокчейн для децентралізованих операцій штучного інтелекту.

Rig Framework, з його основою Rust, пропонує чудову продуктивність для високопродуктивних обчислювальних завдань, підходить для корпоративних додатків, де обчислювальна ефективність має першорядне значення.

Продуктивність Zerepy спрямована на створення творчого контенту, з метрикою, спрямованою на ефективність та якість генерації контенту, можливо, менш універсальна за межами творчих галузей.

Розглядаючи переваги, ELIZA надає гнучкість та розширюваність, роблячи її високоадаптивною через свою систему плагінів та конфігурацію персонажів, корисну для соціальних AI-взаємодій на різних платформах.

GAME пропонує унікальні можливості взаємодії в реальному часі в іграх, посилені інтеграцією блокчейну для залучення нового штучного інтелекту.

Перевага Rig полягає в його продуктивності та масштабованості для корпоративних завдань зі штучного інтелекту, з фокусом на чистому, модульному коді для довгострокової стійкості проекту.

Zerepy відрізняється в сприянні творчості, провідній в застосуванні штучного інтелекту для цифрового мистецтва, підтримуваному живою моделлю розвитку, що базується на спільноті.

Кожен фреймворк має свої обмеження, ELIZA все ще знаходиться на ранніх стадіях з потенційними проблемами стабільності та кривою навчання для нових розробників, нішевий фокус гри може обмежити ширші застосування, а блокчейн додає складності, крута крива навчання Rig через Rust може відлякати деяких розробників, а вузька спрямованість Zerepy на творчі результати може обмежити її використання в інших галузях штучного інтелекту.

Ключові висновки у порівнянні фреймворків

Rig ($ARC):

Мова: Rust, зосереджена на безпеці та продуктивності.

Використання: Ідеально підходить для корпоративних застосувань штучного інтелекту завдяки своїй спрямованості на ефективність та масштабованість.

Спільнота: менше спрямована на спільноту, більше зосереджена на технічних розробниках.

Eliza ($AI16Z):

Мова: TypeScript, наголошуючи на гнучкість web3 та участь спільноти.

Використання: Розроблений для соціальних взаємодій, DAOs та торгівлі, зі значною акцентуацією на багатоагентних системах.

Спільнота: Високо залучена спільнота з активною участю на GitHub.

ZerePy ($ZEREBRO):

Мова: Python, що робить її доступною для ширшої бази розробників штучного інтелекту.

Використання: Підходить для автоматизації соціальних мереж та простіших завдань агента ШІ.

Спільнота: Відносно нова, але готується до зростання завдяки популярності Python та підтримці учасника AI16Z.

GAME ($VIRTUAL):

Увага: На автономних, адаптивних штучних інтелектуальних агентах, які можуть еволюціонувати на основі взаємодій у віртуальних середовищах.

Використання: Найкраще для сценаріїв, де агентам потрібно вчитися та адаптуватися, наприклад, у гральних або віртуальних світах.

Спільнота: інноваційна, але все ще визначає своє місце серед конкуренції.

Історія зірок на Github

Історія зірок Github

Ілюстрація вище є посиланням на історію зірок GitHub фреймворків з моменту їх запуску. Зазначається, що зірки GitHub слугують індикатором зацікавленості спільноти, популярності проекту і сприйнятого його значення.

ELIZA - Червона лінія:

Демонструє значне і стабільне зростання зірок, починаючи з низької бази в липні і переживаючи значний вибух зірок, починаючи з кінця листопада і досягаючи 6,1 тис. зірок. Це свідчить про швидкий вибух інтересу, який привернув увагу розробників. Експоненціальний ріст свідчить про те, що ELIZA здобула значну тягу завдяки своїм можливостям, оновленням та залученню спільноти. Її популярність далеко перевищує інші, що свідчить про сильну підтримку спільноти та широку застосовність або інтерес у спільноті штучного інтелекту.

RIG - Синя лінія:

Ріг є найстарішим серед чотирьох, демонструючи скромне, але послідовне зростання зірок, з помітним зростанням у поточному місяці. Він досяг позначки в 1,7 тисячі зірок, але рухається по висхідній траєкторії. Постійне накопичення інтересу пов'язане з постійним розвитком, оновленнями та зростаючою базою користувачів. Це може відображати нішеву аудиторію або фреймворк, який все ще формує свою репутацію.

ZEREPY - Жовта лінія:

ZerePy щойно запустився кілька днів тому і здобув 181 зірку. Відзначається, що ZerePy потребує більшого розвитку для збільшення своєї видимості та прийняття. Партнерство з $AI16Z, ймовірно, приверне більше співавторів до кодової бази.

ГРА - Зелена лінія:

Цей проект має мінімальну кількість зірок, відзначається, що цю структуру можна безпосередньо застосувати до агентів у віртуальному екосистемі через API, що усуває необхідність в перегляді на Github. Однак ця структура стала доступною для будівельників лише трохи більше місяця тому зі 200+ проектами, які будуються з GAME.

Биківська теза для рамок

Версія 2 Елізи буде містити інтеграцію з набором агентів Coinbase. Всі проекти, що використовують Елізу, матимуть майбутню підтримку нативної TEE, що дозволить агентам працювати в безпечних середовищах. Однією з найближчих можливостей Елізи є Реєстр плагінів, що дозволяє розробникам зареєструвати та інтегрувати плагіни безперешкодно.

Додатково, Eliza V2 буде підтримувати автоматизовану, анонімну перехресну платформу повідомлень. Біла книга з токеноміки, запланована на випуск 1 січня 2025 року, очікується, що позитивно вплине на токен AI16Z, який лежить в основі фреймворку Eliza. AI16Z планує продовжувати покращувати корисність фреймворку, використовуючи залучення висококваліфікованого персоналу, як показано зусиллями його головного учасника.

Фреймворк GAME пропонує інтеграцію без коду для агентів, що дозволяє одночасне використання GAME та ELIZA в межах одного проєкту, кожен з яких виконує певні цілі. Цей підхід очікує привернути будівельників, які зосереджені на бізнес-логіці, а не на технічних складнощах. Незважаючи на те, що фреймворк доступний для загального використання всього лише понад 30 днів, він показав значний прогрес, підтриманий зусиллями команди залучати більше співробітників. Очікується, що кожен проєкт, запущений на $VIRTUAL, буде використовувати GAME.

Rig, представлений за допомогою $ARCтокен має великий потенціал, хоча його структура знаходиться на початкових етапах розвитку. Програма handshake для включення проектів, що використовують Rig, запущена лише кілька днів тому. Однак, очікуються якісні проекти, сполучені з ARC, схожі на віртуальне колесо, але з фокусом на Solana. Команда позитивно налаштована на партнерство з Solana, позиціонуючи ARC як віртуальне для Base. Зокрема, команда стимулює не тільки нові проекти, запущені з Rig, але й розробників для поліпшення самої структури Rig.

Zerepy, недавно запущена рамка, набирає обертів завдяки співпраці з $AI16Z (Еліза). Рамка привернула увагу учасників Елізи, які активно працюють над її вдосконаленням. Вона користується культовим слідуванням, що його підтримують фани $ZEREBRO, і відкрила нові можливості для розробників Python, які раніше не мали представництва в конкурентному середовищі інфраструктури ШІ. Ця рамка призначена відігравати важливу роль у творчих аспектах ШІ.

Відмова від відповідальності:

1. Ця стаття передрукована з [X]. Усі авторські права належать оригінальному автору [@DV_Memetics]. Якщо є зауваження до цього перепосту, будь ласка, зв'яжіться з Ворота Навчаннякоманда, і вони оперативно вирішать це.
2. Відмова від відповідальності: Погляди та думки, висловлені в цій статті, є виключно поглядами автора і не становлять інвестиційної поради.
3. Команда Gate Learn перекладала статтю на інші мови. Копіювання, поширення або плагіат перекладених статей заборонено, якщо не зазначено інше.