مقارنة بين أطر عمل Crypto X AI الأربعة الرئيسية: ELIZA وGAME وARC وZEREPY

المؤلف: Deep Value Memetics، الترجمة: Golden Finance xiaozou

في هذه المقالة سنناقش Crypto X احتمال إطار الذكاء الاصطناعي. سنلقي نظرة على الأطر الأربعة الرئيسية الحالية (ELIZA، GAME، ARC، ZEREPY) والاختلافات الفنية بينها.

1. مقدمة

في الأسبوع الماضي قمنا بعد ذلك من خلال البحث واختبار أطر عمل Crypto X AI الأربعة الرئيسية: ELIZA وGAME وARC وZEREPY، توصلنا إلى الاستنتاجات التالية.

نعتقد أن AI16Z سيستمر في الهيمنة. تكمن قيمة Eliza (الحصة السوقية حوالي 60%، والقيمة السوقية تتجاوز مليار دولار أمريكي) في ميزة المحرك الأول (تأثير Lindy) واستخدامها من قبل المزيد والمزيد من المطورين، و193 مساهمًا، و1800 شوكة، وهذا ما أثبتته البيانات مثل أكثر من 6000 نجمة، مما يجعلها واحدة من قواعد التعليمات البرمجية الأكثر شعبية على جيثب.

حتى الآن، تتطور لعبة GAME (بحصة سوقية تبلغ حوالي 20% وقيمة سوقية تبلغ حوالي 300 مليون دولار) بسلاسة كبيرة وتكتسب اعتمادًا سريعًا، كما أعلنت VIRTUAL للتو، تحتوي المنصة على أكثر من 200 مشروع و150.000 طلب يومي ومعدل نمو أسبوعي 200%. ستستمر GAME في الاستفادة من صعود VIRTUAL وستصبح واحدة من أكبر الفائزين في نظامها البيئي.

إن جهاز Rig (ARC، حصة سوقية تبلغ حوالي 15%، والقيمة السوقية حوالي 160 مليون دولار) ملفت للنظر للغاية لأن تصميمه المعياري سهل التشغيل للغاية يمكنه السيطرة على نظام Solana البيئي (RUST) باعتباره "لاعبًا خالصًا".

Zerepy (حوالي 5% من حصة السوق، وقيمة سوقية تبلغ حوالي 300 مليون دولار أمريكي) هو تطبيق متخصص نسبيًا يلبي احتياجات مجتمع ZEREBRO المتحمس على وجه التحديد، والذي تعاون مؤخرًا مع قد يقوم مجتمع ai16z بإنشاء أوجه تآزر.

نلاحظ أن حساب حصتنا في السوق يغطي القيمة السوقية وسجل التطوير والسوق النهائية لنظام التشغيل الأساسي.

نعتقد أن قطاع إطار العمل سيكون المجال الأسرع نموًا خلال دورة السوق هذه، حيث تبلغ القيمة السوقية الإجمالية 1.7 مليار دولار أمريكي ويمكن أن تنمو بسهولة إلى 200 دولار أمريكي. مليار دولار، وهو ما لا يزال محافظًا نسبيًا مقارنة بتقييمات الذروة للمستوى الأول في عام 2021، عندما وصلت العديد من تقييمات المستوى الأول إلى أكثر من 20 مليار دولار. في حين أن جميع هذه الأطر تخدم أسواقًا نهائية مختلفة (السلاسل/الأنظمة البيئية)، فمن المحتمل أن يكون النهج المرجح للقيمة السوقية هو النهج الأكثر حكمة نظرًا لأننا نعتقد أن المساحة في اتجاه تصاعدي.

2. أربعة أطر عمل رئيسية

في الجدول أدناه ، نقوم بإدراج التقنيات والمكونات والمزايا الرئيسية لكل إطار عمل رئيسي.

p>

(1) نظرة عامة على الأطر

في تقاطع AI X Crypto، هناك العديد من الأطر التي تعزز التطوير من الذكاء الاصطناعي. وهم ELIZA من AI16Z، وRIG من ARC، وZEREBRO من ZEREPY، وVIRTUAL من GAME. يعالج كل إطار احتياجات وفلسفات مختلفة في تطوير وكلاء الذكاء الاصطناعي، بدءًا من المشاريع المجتمعية مفتوحة المصدر وحتى حلول المؤسسات التي تركز على الأداء.

تقدم هذه المقالة أولاً إطار العمل، وتخبرك عن ماهيته، ولغة البرمجة، والبنية التقنية، والخوارزمية التي يستخدمونها، والوظائف الفريدة التي يمتلكونها، وما هي يمكن استخدام إطار العمل ما هي حالات الاستخدام المحتملة. نقوم بعد ذلك بمقارنة كل إطار من حيث سهولة الاستخدام وقابلية التوسع والقدرة على التكيف والأداء، واستكشاف نقاط القوة والقيود الخاصة بكل منها.

إليزا (تم تطويرها بواسطة ai16z)

إليزا هي إطار عمل مفتوح المصدر لمحاكاة متعدد الوكلاء مصمم لإنشاء ونشر وإدارة وكلاء الذكاء الاصطناعي المستقلين. تم تطويره باستخدام لغة برمجة TypeScript، وهو يوفر منصة مرنة وقابلة للتوسيع لبناء عملاء أذكياء قادرين على التفاعل مع البشر عبر منصات متعددة والحفاظ على شخصية ومعرفة متسقة.

تتضمن الميزات الأساسية لإطار العمل بنية متعددة الوكلاء تدعم النشر والإدارة المتزامنين للعديد من شخصيات الذكاء الاصطناعي الفريدة، وإنشاء أدوار لوكلاء مختلفين باستخدام نظام إطار عمل ملفات الدور، ويوفر ذاكرة طويلة المدى وإمكانيات إدارة الذاكرة المدركة للسياق من خلال نظام الجيل المعزز للاسترجاع المتقدم (RAG). بالإضافة إلى ذلك، يوفر إطار عمل Eliza تكاملًا سلسًا للنظام الأساسي للاتصالات الموثوقة مع Discord وX ومنصات الوسائط الاجتماعية الأخرى.

من منظور وظائف الاتصال والوسائط لوكيل الذكاء الاصطناعي، تعد إليزا خيارًا ممتازًا. من ناحية الاتصال، يدعم الإطار التكامل مع ميزة القناة الصوتية لـ Discord، وميزات X، وTelegram، والوصول المباشر إلى واجهة برمجة التطبيقات لحالات الاستخدام المخصصة. من ناحية أخرى، يمكن توسيع قدرات معالجة الوسائط الخاصة بالإطار لتشمل قراءة وتحليل مستندات PDF، واستخراج محتوى الارتباط وتلخيصه، والنسخ الصوتي، ومعالجة محتوى الفيديو، وتحليل الصور، وتلخيص الحوار، ويمكنه التعامل بشكل فعال مع أنواع مختلفة من مدخلات الوسائط و الإخراج.

يوفر إطار عمل Eliza دعمًا مرنًا لنموذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي لـ OpenAI، والتكوينات الافتراضية مثل Nous Hermes Llama 3.1B، و يدمج يوفر الدعم لكلود للتعامل مع المهام المعقدة. تستخدم Eliza بنية معيارية مع أنظمة تشغيل واسعة النطاق ودعم العملاء المخصص وواجهات برمجة التطبيقات الشاملة لضمان قابلية التوسع والقدرة على التكيف بين التطبيقات.

تمتد حالات استخدام Eliza إلى مجالات متعددة، مثل: مساعدي الذكاء الاصطناعي لدعم العملاء، والإشراف المجتمعي والمهام الشخصية، بالإضافة إلى منشئي المحتوى الآليين، والروبوتات التفاعلية، والوسائط الاجتماعية. الأدوار الإعلامية مثل ممثلي العلامات التجارية. ويمكنه أيضًا العمل كعامل معرفة في أدوار مثل مساعد البحث، ومحلل المحتوى، ومعالج المستندات، ودعم الأدوار التفاعلية في شكل روبوتات لعب الأدوار، والمدرسين التعليميين، ووكلاء الترفيه.

تم تصميم بنية Eliza حول وقت تشغيل الوكيل، والذي يعمل جنبًا إلى جنب مع نظام الأدوار الخاص به (المدعوم من قبل موفر النموذج)، ومدير الذاكرة (المتصل بقاعدة البيانات) ونظام التشغيل (مرتبط بعملاء النظام الأساسي) متكامل بسلاسة. تتضمن الميزات الفريدة للإطار نظامًا إضافيًا يدعم توسيع الوظائف المعيارية، ويدعم التفاعلات متعددة الوسائط مثل الصوت والنص والوسائط، ويتوافق مع نماذج الذكاء الاصطناعي الرائدة (مثل Llama وGPT-4 وClaude). ). بفضل تصميمها القوي والمتعدد الاستخدامات، تبرز Eliza كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر المجالات.

G.A.M.E (تم تطويرها بواسطة Virtuals Protocol)

الجيل تم تصميم Autonomous Multimodal Entity Framework (G.A.M.E) لتزويد المطورين بإمكانية الوصول إلى API وSDK لتجربة وكلاء الذكاء الاصطناعي. يوفر هذا الإطار نهجًا منظمًا لإدارة السلوك وصنع القرار وعملية التعلم لعملاء الذكاء الاصطناعي.

المكونات الأساسية هي كما يلي: أولاً، واجهة مطالبة الوكيل هي نقطة الدخول للمطورين لدمج GAME في الوكيل للوصول إلى سلوك الوكيل. يبدأ نظام الإدراك الفرعي الجلسة عن طريق تحديد معلمات مثل معرف الجلسة ومعرف الوكيل والمستخدم والتفاصيل الأخرى ذات الصلة.

يعمل على تجميع المعلومات الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي (محرك التخطيط الاستراتيجي) يعمل كآلية الإدخال الحسي لعامل الذكاء الاصطناعي سواء في شكل المحادثة أو شكل رد الفعل. في جوهرها توجد وحدة معالجة الحوار التي تعالج الرسائل والاستجابات من الوكيل وتتعاون مع نظام الإدراك الفرعي لتفسير المدخلات والرد عليها بكفاءة.

يعمل محرك التخطيط الاستراتيجي مع وحدة معالجة المحادثة ومشغلي المحفظة على السلسلة لإنشاء الاستجابات والخطط. يعمل المحرك على مستويين: كمخطط رفيع المستوى يقوم بإنشاء استراتيجيات واسعة تعتمد على السياق أو الأهداف؛ وكإستراتيجية منخفضة المستوى تحول هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي تنقسم أيضًا إلى مخططي عمل ومخططي عمل المستخدم المهام المحددة. منفذ الخطة لتنفيذ المهام.

هناك عنصر آخر مستقل ولكنه مهم وهو السياق العالمي، والذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة لتوفير المعلومات الضرورية لاتخاذ القرار لدى الوكيل. سياق. بالإضافة إلى ذلك، يتم استخدام مستودع الوكيل لتخزين السمات طويلة المدى مثل الأهداف والأفكار والخبرات والشخصية، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.

يستخدم إطار العمل الذاكرة العاملة قصيرة المدى ومعالجات الذاكرة طويلة المدى. تحتفظ الذاكرة قصيرة المدى بمعلومات حول الإجراءات السابقة والنتائج والخطط الحالية. في المقابل، تقوم معالجات الذاكرة طويلة المدى باستخراج المعلومات المهمة بناءً على معايير مثل الأهمية والحداثة والملاءمة. تقوم الذاكرة طويلة المدى بتخزين المعرفة مثل تجربة العميل، والتفكير، والشخصية الديناميكية، والسياق العالمي، والذاكرة العاملة لتعزيز عملية صنع القرار وتوفير أساس للتعلم.

تستخدم وحدة التعلم البيانات من النظام الفرعي للإدراك لتوليد المعرفة العامة، والتي يتم تغذيتها مرة أخرى في النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال تعليقات حول الإجراءات وحالات اللعبة والبيانات الحسية من خلال الواجهة لتعزيز قدرات التعلم لوكيل الذكاء الاصطناعي وتحسين قدراته على التخطيط واتخاذ القرار.

يبدأ سير العمل بتفاعل المطور من خلال واجهة موجه الوكيل. تتم معالجة المدخلات من خلال النظام الفرعي للإدراك وإرسالها إلى وحدة معالجة الحوار، المسؤولة عن إدارة منطق التفاعل. يقوم محرك التخطيط الاستراتيجي بعد ذلك بتطوير وتنفيذ الخطط بناءً على هذه المعلومات، وذلك باستخدام استراتيجيات عالية المستوى وخطط عمل مفصلة.

تبلغ البيانات من السياق العالمي ومستودعات الوكلاء هذه العمليات، بينما تقوم الذاكرة العاملة بتتبع المهام المباشرة. وفي الوقت نفسه، تقوم معالجات الذاكرة طويلة المدى بتخزين واسترجاع المعرفة طويلة المدى. تقوم وحدة التعلم بتحليل النتائج ودمج المعرفة الجديدة في النظام، مما يتيح تحسين سلوك الوكيل وتفاعلاته بشكل مستمر.

RIG (تم تطويره بواسطة ARC)

Rig هو عبارة عن إطار عمل Rust مفتوح المصدر مصمم لتبسيط تطوير تطبيقات نماذج اللغة الكبيرة. فهو يوفر واجهة موحدة للتفاعل مع العديد من موفري LLM مثل OpenAI وAnthropic، ويدعم مجموعة متنوعة من مخازن المتجهات، بما في ذلك MongoDB وNeo4j. تعتبر البنية المعيارية لإطار العمل فريدة من نوعها في مكوناتها الأساسية مثل طبقة تجريد الموفر وتكامل تخزين المتجهات ونظام الوكيل لتسهيل التفاعل السلس مع LLM.

يشمل الجمهور الأساسي لـ Rig المطورين الذين ينشئون تطبيقات AI/ML باستخدام Rust، وبدرجة أقل المطورين الذين يتطلعون إلى دمج موفري LLM المتعددين ومخازن المتجهات في مؤسساتهم الخاصة في تطبيقات الصدأ. يستخدم المستودع بنية مساحة عمل تحتوي على صناديق متعددة لدعم قابلية التوسع وإدارة المشروعات بكفاءة. وتتمثل وظيفتها الرئيسية في طبقة تجريد الموفر، التي توفر توحيدًا لإكمال واجهات برمجة التطبيقات وتضمينها عبر موفري LLM المختلفين، مع معالجة الأخطاء بشكل متسق. يوفر مكون Vector Store Integration واجهة مجردة للعديد من الواجهات الخلفية ويدعم عمليات البحث عن تشابه المتجهات. يعمل نظام الوكيل على تبسيط تفاعل LLM ويدعم توليد زيادة الاسترجاع (RAG) وتكامل الأدوات. بالإضافة إلى ذلك، يوفر إطار التضمين أيضًا إمكانات معالجة الدفعات وعمليات التضمين الآمنة للنوع.

يستخدم Rig مزايا تقنية متعددة لضمان الموثوقية والأداء. تعمل العمليات غير المتزامنة على الاستفادة من وقت التشغيل غير المتزامن لـ Rust للتعامل بكفاءة مع أعداد كبيرة من الطلبات المتزامنة. تعمل آلية معالجة الأخطاء المتأصلة في إطار العمل على تحسين المرونة في مواجهة حالات الفشل في عمليات مزود الذكاء الاصطناعي أو قاعدة البيانات. يمكن لسلامة الكتابة أن تمنع الأخطاء أثناء التجميع، وبالتالي تعزيز إمكانية صيانة التعليمات البرمجية. تدعم عمليات التسلسل وإلغاء التسلسل الفعالة معالجة البيانات بتنسيقات مثل JSON، وهو أمر بالغ الأهمية لاتصالات خدمة الذكاء الاصطناعي وتخزينها. يساعد التسجيل التفصيلي والأجهزة في تصحيح أخطاء التطبيقات ومراقبتها.

يبدأ سير عمل Rig عندما يبدأ العميل طلبًا، والذي يتفاعل مع نموذج LLM المناسب من خلال طبقة تجريد الموفر. تتم بعد ذلك معالجة البيانات بواسطة الطبقة الأساسية، حيث يمكن للوكلاء استخدام الأدوات أو الوصول إلى مخزن المتجهات الخاص بالسياق. يتم إنشاء الاستجابات وتحسينها من خلال مسارات عمل معقدة (مثل RAG) تتضمن استرجاع المستندات وفهم السياق قبل إعادتها إلى العميل. يدمج النظام العديد من موفري LLM ومخازن المتجهات، مما يجعله قابلاً للتكيف مع توفر النموذج أو تحديثات الأداء.

تتنوع حالات استخدام Rig، بما في ذلك أنظمة الأسئلة والأجوبة التي تسترد المستندات ذات الصلة لتوفير استجابات دقيقة، وأنظمة البحث عن المستندات واسترجاعها لاكتشاف المحتوى بكفاءة، وروبوتات الدردشة أو المساعدون الافتراضيون الذين يوفرون تفاعلات واعية بالسياق لخدمة العملاء أو التعليم. كما أنه يدعم إنشاء المحتوى، مما يتيح إنشاء النصوص والمواد الأخرى بناءً على نماذج التعلم، مما يجعله أداة عالمية للمطورين والمؤسسات.

Zerepy (تم تطويره بواسطة ZEREPY وblorm)

ZerePy هو إطار عمل مفتوح المصدر مكتوب بلغة Python ومصمم لنشر الوكلاء على X باستخدام OpenAI أو Anthropic LLM. مشتق من نسخة معيارية من واجهة Zerebro الخلفية، يسمح ZerePy للمطورين بإطلاق وكلاء بوظائف Zerebro الأساسية المماثلة. على الرغم من أن الإطار يوفر أساسًا لنشر الوكيل، إلا أن ضبط النموذج يعد أمرًا ضروريًا لتوليد مخرجات إبداعية. تعمل ZerePy على تبسيط تطوير ونشر وكلاء الذكاء الاصطناعي المخصصين، خاصة لإنشاء المحتوى على المنصات الاجتماعية، وتنمية نظام بيئي إبداعي يعتمد على الذكاء الاصطناعي للتطبيقات الفنية واللامركزية.

تم تطوير إطار العمل بلغة Python، ويؤكد على استقلالية الوكيل، ويركز على توليد المخرجات الإبداعية، ويتوافق مع بنية ELIZA والشراكة مع ELIZA. يتيح تصميمه المعياري تكامل نظام الذاكرة ويدعم نشر الوكلاء على المنصات الاجتماعية. تتضمن الميزات الرئيسية واجهة سطر أوامر لإدارة الوكيل، والتكامل مع Twitter، ودعم OpenAI وAnthropic LLM، ونظام اتصال معياري لتحسين الوظائف.

تغطي حالات استخدام ZerePy مجال أتمتة الوسائط الاجتماعية، حيث يمكن للمستخدمين نشر عملاء الذكاء الاصطناعي للنشر والرد والإعجاب وإعادة التغريد، وبالتالي زيادة التفاعل مع النظام الأساسي. بالإضافة إلى ذلك، فهي تلبي أيضًا احتياجات إنشاء المحتوى في مجالات مثل الموسيقى والميمات والرموز غير القابلة للاستبدال، مما يجعلها أداة مهمة للفن الرقمي ومنصات المحتوى القائمة على blockchain.

(2) مقارنة بين الأطر الأربعة الرئيسية

في منطقتنا، يبدو أن كل إطار عمل يوفر نهجًا فريدًا لتطوير الذكاء الاصطناعي يتوافق مع الاحتياجات والظروف المحددة، ونحن نحول التركيز من العلاقات المتنافسة لهذه الأطر إلى تفرد كل إطار.

تتميز ELIZA بواجهتها سهلة الاستخدام، خاصة للمطورين المطلعين على بيئات JavaScript وNode.js. تساعد وثائقها الشاملة في إعداد عملاء الذكاء الاصطناعي على مجموعة متنوعة من المنصات، على الرغم من أن مجموعة ميزاتها الشاملة قد تأتي مع منحنى تعليمي بسيط. تم تطوير Eliza في TypeScript، وهو مثالي لبناء الوكلاء المضمنين في الويب، حيث يتم تطوير معظم الواجهات الأمامية للبنية التحتية للويب في TypeScript. يُعرف إطار العمل ببنيته متعددة الوكلاء، والتي تتيح نشر شخصيات الذكاء الاصطناعي المختلفة على منصات مثل Discord وX وTelegram. إن نظام RAG لإدارة الذاكرة المتقدم الخاص به يجعله فعالاً بشكل خاص لمساعدي الذكاء الاصطناعي في دعم العملاء أو تطبيقات الوسائط الاجتماعية. على الرغم من أنه يوفر المرونة والدعم المجتمعي القوي والأداء المتسق عبر الأنظمة الأساسية، إلا أنه لا يزال في مراحله الأولى وقد يشكل منحنى تعليميًا للمطورين.

تم تصميم GAME خصيصًا لمطوري الألعاب، حيث توفر واجهة منخفضة التعليمات البرمجية أو بدون تعليمات برمجية من خلال واجهة برمجة التطبيقات، بحيث يمكن للمستخدمين ذوي المحتوى الفني المنخفض في مجال اللعبة استخدمه أيضًا. ومع ذلك، فإن تركيزها على تطوير الألعاب وتكامل blockchain قد يشكل منحنى تعليميًا حادًا لأولئك الذين ليس لديهم خبرة ذات صلة. إنها تتفوق في إنشاء المحتوى الإجرائي وسلوك الشخصيات غير القابلة للعب، ولكنها محدودة بسبب التعقيد الذي تضيفه التجزئة وتكامل blockchain.

نظرًا لاستخدام لغة Rust، قد لا يكون Rig سهل الاستخدام نظرًا لتعقيد اللغة، مما يشكل تحديًا تعليميًا كبيرًا، ولكن بالنسبة لأولئك الذين يتقنون النظام بالنسبة للمبرمجين، فهو يتمتع بتفاعلات بديهية. لغة البرمجة نفسها معروفة بأدائها وسلامة الذاكرة مقارنةً بالطباعة المطبوعة. ويتميز بفحوصات صارمة لوقت الترجمة وتجريدات بدون تكلفة، وهي ضرورية لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة للغاية ومستوى التحكم المنخفض يجعلها مثالية لتطبيقات الذكاء الاصطناعي كثيفة الاستخدام للموارد. يوفر الإطار حلولاً عالية الأداء بتصميم معياري وقابل للتوسيع، مما يجعله مثاليًا لتطبيقات المؤسسات. ومع ذلك، بالنسبة للمطورين الجدد في Rust، هناك منحنى تعليمي حاد عند استخدام Rust.

تستفيد ZerePy من لغة Python لتوفير قابلية استخدام عالية لمهام الذكاء الاصطناعي الإبداعية، مع منحنى تعليمي منخفض لمطوري لغة Python، وخاصة أولئك الذين لديهم خلفية في الذكاء الاصطناعي/التعلم الآلي الاستفادة من الدعم المجتمعي القوي بفضل مجتمع العملات المشفرة في Zerebro. تتخصص ZerePy في تطبيقات الذكاء الاصطناعي الإبداعية مثل NFTs، وتضع نفسها كأداة قوية للوسائط الرقمية والفنون. وفي حين أنها تزدهر بالإبداع، إلا أن نطاقها ضيق نسبيًا مقارنة بالأطر الأخرى.

فيما يتعلق بقابلية التوسع، حققت ELIZA تقدمًا كبيرًا في تحديث V2 الخاص بها، والذي قدم سطر رسائل موحدًا وإطار عمل أساسي قابل للتوسيع لدعم الأنظمة الأساسية المتعددة لـ الإدارة الفعالة. ومع ذلك، فإن إدارة هذا التفاعل متعدد المنصات يمكن أن تشكل تحديات قابلية التوسع إذا لم يتم تحسينها.

تتفوق لعبة GAME في المعالجة في الوقت الفعلي المطلوبة للألعاب، وتتم إدارة قابلية التوسع من خلال خوارزميات فعالة ونظام توزيع blockchain أساسي، على الرغم من أنها قد تكون محدودة بشروط محددة محركات الألعاب أو شبكات blockchain.

يعمل إطار عمل Rig على تعزيز أداء قابلية التوسع في Rust وهو مصمم للتطبيقات عالية الإنتاجية، وهذا فعال بشكل خاص لعمليات النشر على مستوى المؤسسة، على الرغم من أن هذا قد يعني تنفيذ قابلية التوسع الحقيقية يتطلب إعدادًا معقدًا.

إن قابلية التوسع في Zerepy موجهة نحو الإنتاج الإبداعي ويتم دعمها من خلال مساهمات المجتمع، ولكن تركيزها قد يحد من استخدامها في بيئة الذكاء الاصطناعي الأوسع، وقد تكون قابلية التوسع كذلك تم اختبارها من خلال مجموعة متنوعة من المهام الإبداعية، بدلاً من عدد المستخدمين.

فيما يتعلق بالقدرة على التكيف، تتصدر ELIZA الطريق من خلال نظام المكونات الإضافية والتوافق عبر الأنظمة الأساسية المهام هي أيضا ممتازة . يُظهر ZerePy قدرة عالية على التكيف في المجالات الإبداعية، ولكنه أقل ملاءمة لتطبيقات الذكاء الاصطناعي الأوسع.

فيما يتعلق بالأداء، تم تحسين ELIZA للتفاعلات السريعة على وسائل التواصل الاجتماعي، حيث يكون وقت الاستجابة السريع أمرًا أساسيًا، ولكن قد يتأثر أدائه عند التعامل مع مهام الحوسبة الأكثر تعقيدًا. سوف تختلف.

تركز لعبة GAME التي طورتها Virtual Protocol على التفاعل عالي الأداء في الوقت الفعلي في سيناريوهات اللعبة، باستخدام عمليات صنع القرار الفعالة وسلاسل الكتل الأساسية لعمليات الذكاء الاصطناعي اللامركزية. .

يعتمد إطار عمل Rig على لغة Rust ويوفر أداءً ممتازًا لمهام الحوسبة عالية الأداء وهو مناسب لتطبيقات المؤسسات حيث تعد كفاءة الحوسبة أمرًا بالغ الأهمية.

تم تصميم أداء Zerepy لإنشاء محتوى إبداعي، مع مقاييس تركز على كفاءة وجودة إنشاء المحتوى الذي قد لا يكون مفيدًا خارج المجال الإبداعي. عامة جدًا.

تتمثل ميزة ELIZA في أنها توفر المرونة وقابلية التوسع، مما يجعلها قابلة للتكيف بشكل كبير من خلال نظام المكونات الإضافية وتكوين الأدوار، مما يفضي إلى الذكاء الاصطناعي الاجتماعي عبر الأنظمة الأساسية. تفاعل.

توفر GAME إمكانات فريدة للتفاعل في الوقت الفعلي في الألعاب، مع تعزيز تفاعل الذكاء الاصطناعي الجديد من خلال تكامل blockchain.

تكمن قوة Rig في أدائها وقابلية التوسع لمهام الذكاء الاصطناعي للمؤسسات، مع التركيز على توفير تعليمات برمجية معيارية نظيفة لصحة المشروع على المدى الطويل.

Zerepy متخصصة في رعاية الإبداع وهي رائدة في تطبيق الذكاء الاصطناعي في الفن الرقمي، مدعومًا بنموذج تطوير نابض بالحياة يعتمد على المجتمع.

كل إطار عمل له حدوده الخاصة، ولا يزال ELIZA في مراحله الأولى، مع وجود مشكلات محتملة في الاستقرار ومنحنيات التعلم للمطورين الجدد، وقد تحد من التطبيق على نطاق أوسع ، كما يضيف blockchain أيضًا تعقيدًا. قد يؤدي منحنى التعلم الحاد لـ Rig بسبب Rust إلى تخويف بعض المطورين، في حين أن تركيز Zerepy الضيق على الإنتاج الإبداعي قد يحد من استخدامه في مجالات استخدام الذكاء الاصطناعي الأخرى.

(3) ملخص مقارنة الإطارات

منصة (ARC):

اللغة: الصدأ، مع التركيز على السلامة والأداء.

حالة الاستخدام: مثالية لتطبيقات الذكاء الاصطناعي على مستوى المؤسسة بسبب تركيزها على الكفاءة وقابلية التوسع.

المجتمع: أقل اهتمامًا بالمجتمع وأكثر تركيزًا على المطورين التقنيين.

إليزا (AI16Z):

اللغة: TypeScript، التركيز على مرونة web3 والمشاركة المجتمعية.

حالات الاستخدام: مصممة للتفاعل الاجتماعي وDAOs والمعاملات، مع التركيز بشكل خاص على الأنظمة متعددة الوكلاء.

المجتمع: يعتمد بشكل كبير على المجتمع، مع مشاركة واسعة النطاق في GitHub.

ZerePy (ZEREBRO):

اللغة: بايثون، إتاحتها لقاعدة أوسع من مطوري الذكاء الاصطناعي.

حالات الاستخدام: مناسبة لأتمتة الوسائط الاجتماعية ومهام وكيل الذكاء الاصطناعي الأبسط.

المجتمع: جديد نسبيًا، ولكن من المتوقع أن ينمو بسبب شعبية Python ودعم المساهمين في AI16Z.

اللعبة (افتراضية):

التركيز: الاستقلالية، عوامل الذكاء الاصطناعي التكيفية التي تتطور بناءً على التفاعلات في البيئات الافتراضية.

حالة الاستخدام: الأكثر ملاءمة لعملاء الذكاء الاصطناعي للتعلم والتكيف مع السيناريوهات، مثل الألعاب أو العوالم الافتراضية.

المجتمع: مجتمع مبتكر ولكنه لا يزال يحدد مكانته بين المنافسة.

3. تمييز اتجاهات البيانات على Github

الصورة أعلاه هي بيانات انتباه GitHub المميزة منذ إصدار هذه الأطر. ومن الجدير بالذكر أن نجمة GitHub هي مؤشر على اهتمام المجتمع وشعبية المشروع والقيمة المتصورة للمشروع.

إليزا (الخط الأحمر):

من يوليو بدأت القاعدة المنخفضة في الارتفاع، ومن ثم أظهرت الزيادة الهائلة في عدد النجوم في أواخر نوفمبر (إلى 61 ألف نجم) أن الاهتمام كان يتزايد بسرعة وجذب انتباه المطورين. يُظهر هذا النمو المتسارع أن ELIZA اكتسبت قوة جذب كبيرة بسبب ميزاتها وتحديثاتها ومشاركتها المجتمعية. إن شعبيتها تتجاوز بكثير شعبية منافسيها، مما يشير إلى أنها تتمتع بدعم مجتمعي قوي وقابلية تطبيق أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.

RIG (الخط الأزرق):

المنصة أربعة وهو أقدم الأطر الكبيرة، وكان عدد نجومه متواضعا ولكنه مستمر في النمو، ومن المرجح أن يزداد بشكل كبير في الشهر المقبل. وقد وصل إلى 1700 نجم ومازال في ارتفاع. التطوير المستمر والتحديثات والعدد المتزايد للمستخدمين هي أسباب التراكم المستمر لاهتمام المستخدمين. قد يعكس هذا أن إطار العمل لديه قاعدة مستخدمين متخصصة أو أنه لا يزال يبني سمعة طيبة.

ZEREPY (الخط الأصفر):

ZerEPY قليل أيام تم إطلاقه للتو وقد جمع بالفعل 181 نجمًا. تجدر الإشارة إلى أن ZerePy يحتاج إلى مزيد من التطوير لزيادة ظهوره واعتماده. قد يؤدي التعاون مع AI16Z إلى جذب المزيد من المساهمين في التعليمات البرمجية.

اللعبة (الخط الأخضر):

هذا المشروع مع الحد الأدنى من عدد النجوم، تجدر الإشارة إلى أنه يمكن تطبيق هذا الإطار مباشرة على الوكلاء في الأنظمة البيئية الافتراضية عبر واجهة برمجة التطبيقات (API)، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، أصبح إطار العمل متاحًا للعامة للمنشئين منذ ما يزيد قليلاً عن شهر، ويتم إنشاء أكثر من 200 مشروع باستخدام GAME.

4. أسباب كون الإطار صعوديًا

سيتم دمج مجموعة بروكسي Coinbase ذات الإصدار الثاني من Eliza. ستدعم جميع المشاريع التي تستخدم Eliza TEE الأصلي في المستقبل، مما يمكّن الوكلاء من العمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل المكونات الإضافية، والذي سيسمح للمطورين بتسجيل المكونات الإضافية ودمجها بسلاسة.

بالإضافة إلى ذلك، سيدعم Eliza V2 المراسلة التلقائية المجهولة عبر الأنظمة الأساسية. من المقرر إصدار الورقة البيضاء الخاصة بـ Token Economics في 1 يناير 2025، ومن المتوقع أن يكون لها تأثير إيجابي على رمز AI16Z الأساسي لـ Eliza Framework. تخطط AI16Z لمواصلة تعزيز فائدة إطار العمل والاستمرار في جذب المواهب عالية الجودة، وقد أثبتت جهود المساهمين الرئيسيين بالفعل قدرتها على القيام بذلك.

يوفر إطار عمل GAME تكاملًا بدون تعليمات برمجية للوكلاء، مما يسمح باستخدام كل من GAME وELIZA في مشروع واحد، حيث يخدم كل منهما غرضًا محددًا. ومن المتوقع أن يجذب هذا النهج شركات البناء التي تركز على منطق الأعمال بدلاً من التعقيد الفني. على الرغم من أن الإطار كان متاحًا للجمهور لمدة 30 يومًا فقط، إلا أنه حقق تقدمًا كبيرًا، مدعومًا بجهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي تم إطلاقها على VIRTUAL GAME.

يتمتع Rig، الذي يمثله رمز ARC، بإمكانات هائلة، على الرغم من أن إطاره لا يزال في مراحله الأولى من النمو وأن الخطط لدفع اعتماد المشروع لم تكن متاحة إلا عبر الإنترنت لبضعة أيام. ولكن من المتوقع ظهور مشاريع عالية الجودة باستخدام ARC قريبًا، على غرار Virtual Flywheel، ولكن مع التركيز على Solana. الفريق متفائل بشأن العمل مع Solana، ومقارنة علاقة ARC مع Solana بعلاقة Virtual مع Base. ومن الجدير بالذكر أن الفريق لا يشجع فقط إطلاق المشاريع الجديدة باستخدام Rig، ولكنه يشجع أيضًا المطورين على تحسين إطار عمل Rig نفسه.

Zerepy هو إطار عمل تم إطلاقه حديثًا ويحظى باهتمام متزايد بسبب شراكته مع Eliza. يجذب الإطار مساهمي إليزا الذين يعملون بنشاط على تحسينه. يقودها معجبو ZEREBRO، وهي تتمتع بقاعدة جماهيرية كبيرة وتوفر فرصًا جديدة لمطوري Python الذين كانوا ممثلين تمثيلاً ناقصًا في السابق في المنافسة على البنية التحتية للذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في إبداع الذكاء الاصطناعي.