في هذا التقرير، سنناقش المناظر الطبيعية للإطارات داخل Crypto X AI. سننظر في الأنواع الحالية (ELIZA و GAME و ARC و ZEREPY) وفروقاتها التكنولوجية.

Net/Net:

لقد قمنا بمراجعة واختبار 4 أطر عمل رئيسية خلال الأسبوع الماضي ويتم توضيح استنتاجاتنا هنا (ونعم، هناك ورقة غش).

نحن نعتقد أن $AI16Z سيستمر في السيطرة على حصة السوق. القيمة في إليزا ($ai16z، حصة سوقية بنسبة ~60%، $900 مليون قيمة سوقية) هي ميزة كونها الرائدة (تأثير ليندي) وزيادة الاستخدام بين المطورين كما يظهر من خلال 193 مساهمًا، و1.8 ألف فورك، و6000+ نجمة، مما يجعلها واحدة من أشهر مستودعات على Github.

$GAME(~20% حصة السوق، $300 مليون Mcap)، حتى الآن، سلس جدا، وتجربة اعتماد سريعة، كما يشير إلى الإعلان اليوم من $VIRTUAL الذي يشير إلى 200+ مشروع، 150 ألف طلب يوميا ونمو 200% أسبوعا بعد أسبوع. $GAMEستستمر في الاستفادة من ارتفاع $VIRTUAL وتكون واحدة من أكبر الفائزين في نظامهم.

Rig ($ARC ، ~ 15٪ من حصة السوق ، 160 مليون دولار Mcap) مقنعة للغاية وسهلة التشغيل نظرا لتصميمها المعياري ، ويمكن أن تهيمن داخل نظام Solana البيئي (RUST) باعتباره "لعبة خالصة".

زيريبي ($ZEREBRO، حصة سوقية تبلغ حوالي 5%، قيمة سوقية تبلغ حوالي 300 مليون دولار)، هو تطبيق متخصص أكثر دقة داخل مجتمع طائفي، تحت $ZEREBRO، وشراكته الأخيرة مع مجتمع ai16z من المحتمل أن تدفع التآزر.

نلاحظ أن حسابات حصتنا في السوق هي مزيج من MCap وسجل التطوير وعرض سوق نظام التشغيل الأساسي.

نحن نعتقد أن قطاع الإطار سيكون الأسرع نموًا خلال الدورة الحالية، حيث يمكن أن ينمو التقييم المجمع بقيمة 1.7 مليار دولار بسهولة نحو 20 مليار دولار، والذي قد يظل محافظاً مقارنة بتقييمات L1 الذروية في عام 2021 حيث حقق العديد منها 20 مليار دولار وأكثر بمفردها في التقييم. بينما تخدم الثلاثة أسواق نهائية مختلفة (سلاسل/بيئات)، يمكن أن يكون النهج الوزني لسقف السوق الأكثر حكمة بالنظر إلى أننا نعتبر القطاع مدفوعاً بموجة صاعدة.

ورقة مرجعية للإطار:

في هذا الجدول نستعرض التقنيات الرئيسية والمكونات والقواعد لكل إطار عمل رئيسي.

ورقة مرجعية لنظرة عامة على الإطارات

مقدمة للأطر

في تقاطع الذكاء الاصطناعي x العملات المشفرة، ظهرت عدة اطر عمل لتسهيل تطوير الذكاء الاصطناعي. تشمل هذه ELIZA من $AI16Z، RIG من $ARC, ZEREPY بواسطة $ZEREBRO، و $GAMEبواسطة $VIRTUAL. كل إطار يلبي احتياجات وفلسفات مختلفة في التطوير الوكالي، بدءًا من مشاريع المجتمع مفتوحة المصدر إلى حلول الشركات المتمحورة حول الأداء.

تقدم هذه الملاحظة أولا الأطر فيما يتعلق بماهيتها ، ولغة البرمجة المستخدمة ، والبنية التقنية ، والخوارزميات ، والميزات الفريدة مع حالات الاستخدام المحتملة حيث يمكن استخدام إطار العمل. ثم نقارن كل إطار من حيث سهولة الاستخدام وقابلية التوسع والقدرة على التكيف والأداء. جنبا إلى جنب مع نقاط القوة والقيود.

إطار ELIZA بواسطة @ai16zdaoعبر @shawmakesmagic

إليزا هو إطار عمل محاكاة متعدد الوكلاء مفتوح المصدر يهدف إلى إنشاء ونشر وإدارة وكلاء الذكاء الاصطناعي المستقلين. تم تطويره بلغة البرمجة TypeScript ، ويوفر منصة مرنة وقابلة للتوسيع لبناء وكلاء ذكاء قادرين على التفاعل مع البشر على منصات متعددة مع الحفاظ على شخصيات ومعرفة متسقة.

تشمل قدرات هذا الإطار الأساسي الخاص بالعميل المعماري المتعدد الوكلاء الذي يدعم نشر وإدارة شخصيات الذكاء الاصطناعي المتنوعة متعددة في نفس الوقت، بالإضافة إلى نظام الشخصية لإنشاء وكلاء متنوعين باستخدام إطار الملف الشخصي، وميزة إدارة الذاكرة من خلال نظام الجيل المحسن بالاسترجاع (RAG) المتقدم الذي يوفر ذاكرة طويلة المدى ووعي سياقي. بالإضافة إلى ذلك، يقدم إطار Eliza تكامل منصة سلس للاتصال الموثوق به مع ديسكورد، X، ومنصات التواصل الاجتماعي الأخرى.

إليزا هي خيار ممتاز عندما يتعلق الأمر بقدرات الاتصال ووسائط الذكاء الاصطناعي. عندما يتعلق الأمر بالاتصال، يدعم الإطار التكامل على ديسكورد مع إمكانيات قناة الصوت، ووظيفة X، تيليجرام، والوصول المباشر إلى واجهة برمجة التطبيقات لحالات الاستخدام المخصصة. من ناحية أخرى، تمتد ميزات معالجة الوسائط للإطار إلى قراءة وتحليل مستندات PDF، واستخراج وتلخيص المحتوى من الروابط، ونسخ الصوت، ومعالجة محتوى الفيديو، وتحليل الصور، وتلخيص المحادثات للتعامل بفعالية مع مدخلات ومخرجات وسائط متنوعة.

يوفر إطار عمل Eliza دعم نموذج ذكاء اصطناعي مرن من خلال الاستنتاج المحلي مع نماذج مفتوحة المصدر واستنتاج قائم على السحابة عبر OpenAI وتكوينات افتراضية مثل Nous Hermes Llama 3.1B، مع دعم التكامل لـ Claude للتعامل مع الاستفسارات المعقدة. يستخدم Eliza بنية معمارية مرنة مع نظام عمل شامل ودعم العميل المخصص وواجهة برمجة تطبيقات شاملة، مما يضمن القابلية للتوسع والقابلية للتكيف في جميع التطبيقات.

تشمل حالات استخدام إليزا عدة مجالات مثل: مساعدي الذكاء الاصطناعي لدعم العملاء وتنظيم المجتمع والمهام الشخصية، وكذلك شخصيات وسائل التواصل الاجتماعي مثل منشئي المحتوى التلقائي وروبوتات الانخراط وممثلي العلامات التجارية. كما أنها تعمل كعامل معرفة للأدوار مثل مساعد البحث ومحلل المحتوى ومعالج المستندات، وتدعم الشخصيات التفاعلية في شكل روبوتات اللعب الأدوار ومدرسي التعليم ووكلاء الترفيه.

تدور عمارة إليزا حول وكيل تشغيلي يتكامل بسلاسة مع نظام الشخصية الخاص به (المدعوم من مزود النموذج)، ومدير الذاكرة (المتصل بقاعدة بيانات)، ونظام العمل (المرتبط بعملاء المنصة). تتميز الميزات الفريدة للإطار بوجود نظام إضافة المكونات الإضافية الذي يتيح توسيع الوظائف بشكل نمطي، ودعم التفاعلات متعددة الوسائط مثل الصوت والنص والوسائط، والتوافق مع النماذج الرائدة في الذكاء الاصطناعي مثل Llama و GPT-4 و Claude. مع تصميمها المتعدد الاستخدامات والقوي، تبرز إليزا كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر المجالات المتنوعة.

إطار G.A.M.E بواسطة @virtuals_io عبر@everythingempt0

تم تصميم إطار الكيانات المتعددة الوسائط التوليدية والمستقلة (G.A.M.E) لتوفير واجهة برمجة تطبيقات (API) ووصول مجموعة تطوير برمجيات (SDK) للمطورين لتجربة الوكلاء الذكية الاصطناعية. يقدم هذا الإطار نهجا منظما لإدارة سلوك الوكلاء الذكية الاصطناعية وعمليات اتخاذ القرار وعمليات التعلم.

المكونات الأساسية هي: أولاً، واجهة الحث للوكيل كنقطة دخول للمطورين لدمج GAME في وكيل للوصول إلى السلوك الوكالي. يبدأ نظام الإدراك الجلسات عن طريق تحديد معلمات مثل معرفات الجلسات ومعرفات الوكيل والمستخدمين وتفاصيل أخرى ذات صلة.

يقوم بتخليق الرسائل الواردة في تنسيق مناسب لمحرك التخطيط الاستراتيجي، مع وظيفة كآلية الإدخال الحسية لوكلاء الذكاء الاصطناعي، سواء في شكل حوار أو ردود فعل. يعتبر جوهر ذلك وحدة معالجة الحوار لمعالجة الرسائل والردود من الوكيل والتعاون مع النظام الحسي لتفسير الإدخالات والرد عليها بفعالية.

يعمل محرك التخطيط الاستراتيجي بالتعاون مع وحدة معالجة الحوار ومشغل المحفظة في السلسلة ، ويولد استجابات وخططًا. يعمل هذا المحرك على مستويين: كمخطط مستوى عالٍ لإنشاء استراتيجيات واسعة النطاق بناءً على السياق أو الأهداف وكسياسة مستوى منخفض لترجمة هذه الاستراتيجيات إلى سياسات قابلة للتنفيذ والتي يتم تقسيمها إلى مخطط لتحديد المهام ومنفذ الخطة لتنفيذها.

عنصر منفصل ولكن حيوي هو السياق العالمي ، الذي يشير إلى البيئة ، ومعلومات العالم ، وحالات اللعبة ، ويوفر السياق الأساسي لاتخاذ قرار العامل. بالإضافة إلى ذلك ، مستودع العامل لتخزين السمات طويلة الأجل مثل الأهداف ، والانعكاسات ، والتجارب ، والشخصيات ، التي تشكل بشكل جماعي سلوك العامل وعمليات اتخاذ القرار.

يستخدم هذا الإطار ذاكرة عمل قصيرة الأجل ومعالج ذاكرة طويلة الأجل. تحتفظ الذاكرة القصيرة الأجل بالمعلومات ذات الصلة حول الإجراءات السابقة والنتائج والخطط الحالية. على النقيض من ذلك، يقوم معالج الذاكرة طويلة الأجل باستخراج المعلومات الرئيسية بناءً على معايير مثل الأهمية والحداثة والصلة. تخزن هذه الذاكرة المعرفة حول تجارب العميل وتأملاته وشخصيته الديناميكية وسياق العالم وذاكرة العمل لتعزيز عملية اتخاذ القرار وتوفير أساس للتعلم.

للإضافة إلى التخطيط ، تستهلك وحدة التعلم البيانات من النظام الفرعي للإدراك لتوليد المعرفة العامة ، والتي يتم إدخالها مرة أخرى في النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال ملاحظات حول الإجراءات وحالات اللعبة والبيانات الحسية من خلال الواجهة لتعزيز تعلم وكيل الذكاء الاصطناعي وتحسين قدرات التخطيط واتخاذ القرار.

يبدأ سير العمل بتفاعل المطورين من خلال واجهة التعامل مع الوكيل. يتم معالجة المدخلات من قبل نظام الإدراك وتحويلها إلى وحدة معالجة الحوار، التي تدير منطق التفاعل. يقوم محرك التخطيط الاستراتيجي بصياغة وتنفيذ الخطط استنادًا إلى هذه المعلومات، مستخدمًا استراتيجيات على مستوى عالٍ وتخطيطًا للتصرف مفصل.

تقوم بتزويد هذه العمليات بالبيانات من سياق العالم ومستودع الوكيل، بينما يتتبع الذاكرة العاملة المهام الفورية. في الوقت نفسه، يقوم معالج الذاكرة الطويلة الأجل بتخزين المعرفة واسترجاعها مع مرور الوقت. يحلل وحدة التعلم النتائج ويدمج المعرفة الجديدة في النظام، مما يتيح التحسن المستمر في سلوك الوكيل وتفاعلاته.

إطار RIG بواسطة @arcdotfun عبر @Playgrounds0x

Rig هو إطار عمل مفتوح المصدر قائم على الصدأ مصمم لتبسيط تطوير تطبيقات نموذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع العديد من مزودي LLM ، مثل OpenAI و Anthropic ، ويدعم العديد من متاجر المتجهات ، بما في ذلك MongoDB و Neo4j. تتميز البنية المعيارية لإطار العمل بمكونات أساسية مثل طبقة تجريد الموفر وتكامل متجر المتجهات ونظام الوكيل لتسهيل تفاعلات LLM السلسة.

يشمل الجمهور الأساسي ل Rig المطورين الذين يقومون ببناء تطبيقات الذكاء الاصطناعي / ML في Rust ، بينما يضم جمهورها الثانوي المنظمات التي تسعى إلى دمج العديد من مزودي LLM ومخازن المتجهات في تطبيقات Rust الخاصة بهم. يتم تنظيم المستودع باستخدام هيكل قائم على مساحة العمل مع صناديق متعددة ، مما يتيح قابلية التوسع وإدارة المشروع بكفاءة. تشمل الميزات الرئيسية طبقة تجريد الموفر ، والتي توحد واجهات برمجة التطبيقات لإكمالها وتضمينها عبر موفري LLM مع معالجة متسقة للأخطاء. يوفر مكون تكامل Vector Store واجهة مجردة للعديد من الخلفيات ويدعم عمليات البحث عن تشابه المتجهات. يبسط نظام الوكيل تفاعلات LLM ، ويدعم استرجاع الجيل المعزز (RAG) وتكامل الأدوات. بالإضافة إلى ذلك، يوفر إطار عمل التضمين إمكانات معالجة الدفعات وعمليات التضمين الآمنة من النوع.

يستفيد الجهاز من عدة مزايا تقنية لضمان الموثوقية والأداء. تستخدم العمليات الغير متزامنة تشغيل Rust الخاص بالتعامل مع الطلبات المتزامنة العديدة بكفاءة. تحسن آليات معالجة الأخطاء الأصلية للإطار مقاومة الأخطاء في مزودي الذكاء الاصطناعي أو عمليات قواعد البيانات. تمنع السلامة النوعية الأخطاء في وقت الترجمة، مما يعزز صيانة الكود. تسهل العمليات الفعالة لتسلسل البيانات وإلغاء تسلسلها التعامل مع البيانات لتنسيقات مثل JSON، الأمر الحاسم لاتصال وتخزين خدمات الذكاء الاصطناعي. تساعد تسجيلات وأدوات التحقق التفصيلية في تصحيح الأخطاء ومراقبة التطبيقات بشكل أكبر.

يبدأ سير العمل في Rig عندما يبدأ العميل طلبا ، والذي يتدفق عبر طبقة تجريد الموفر للتفاعل مع نموذج LLM المناسب. ثم تتم معالجة البيانات بواسطة الطبقة الأساسية ، حيث يمكن للوكلاء استخدام الأدوات أو الوصول إلى مخازن المتجهات للسياق. يتم إنشاء الاستجابات وتحسينها من خلال مهام سير العمل المعقدة مثل RAG، والتي تتضمن استرجاع المستندات وفهم السياق، قبل إعادتها إلى العميل. يدمج النظام العديد من مزودي LLM ومخازن المتجهات ، مما يسمح بالقدرة على التكيف مع توفر النموذج أو تغييرات الأداء.

استخدامات Rig المتنوعة تشمل أنظمة الإجابة على الأسئلة التي تسترجع الوثائق ذات الصلة لتقديم ردود دقيقة، والبحث عن الوثائق واسترجاعها لاكتشاف المحتوى بكفاءة، والروبوتات الدردشة أو المساعدين الافتراضيين الذين يقدمون تفاعلات مدركة للسياق لخدمة العملاء أو التعليم. كما يدعم إنشاء المحتوى، مما يتيح إنشاء نص ومواد أخرى استنادًا إلى الأنماط المتعلمة، مما يجعله أداة متعددة الاستخدامات للمطورين والمنظمات على حد سواء.

إطار زيريبي بواسطة@0xzerebroو @blorm_ عبر @jyu_eth

ZerePy هو إطار عمل مفتوح المصدر ، مكتوب بلغة Python ، مصمم لنشر الوكلاء على X ، باستخدام OpenAI أو Anthropic LLMs. مشتق من نسخة مجزأة من الخلفية الخلفية Zerebro ، يتيح ZerePy للمطورين إطلاق وكلاء بوظائف مشابهة لميزات Zerebro الأساسية. بينما يوفر الإطار أساسًا لنشر الوكلاء ، فمن الضروري ضبط النماذج بشكل جيد لتوليد الإخراجات الإبداعية. يبسط ZerePy تطوير ونشر وكلاء الذكاء الاصطناعي الشخصية ، وخاصة لإنشاء المحتوى على منصات التواصل الاجتماعي ، مما يعزز بيئة الإبداع التي يقودها الذكاء الاصطناعي الموجه نحو التطبيقات الفنية واللامركزية.

الإطار، المبني بلغة Python، يؤكد على استقلالية الوكيل مع التركيز على إنتاج الإخراج الإبداعي، متوافق مع الهندسة المعمارية لـ ELIZA + شراكة مع ELIZA. تدعم تصميمه النموذجي التكامل مع نظام الذاكرة ويسهل نشر الوكيل على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر أوامر لإدارة الوكيل والتكامل مع تويتر ودعم OpenAI وAnthropic LLMs ونظام اتصال قابل للتوسيع لزيادة الوظائف.

تتراوح حالات استخدام ZerePy من التشغيل الآلي لوسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء الذكاء الاصطناعي للنشر والرد والإعجاب وإعادة التغريد، مما يعزز مشاركة المنصة. بالإضافة إلى ذلك، فإنه يلبي إنشاء المحتوى في مجالات مثل الموسيقى والميمات وNFTs، مما يجعله أداة قيمة للفنون الرقمية ومنصات المحتوى القائمة على تقنية البلوكشين.

مقارنة بين الإطارات الأربعة

من وجهة نظرنا، تقدم كل إطار نهجًا فريدًا لتطوير الذكاء الاصطناعي، وتلبية الاحتياجات والبيئات المحددة، مما يأخذ النقاش بعيدًا عن منافسة هذه الأطر ويقترب من حجج كل إطار يقدم اقتراح فريد.

تتميز ELIZA بواجهتها سهلة الاستخدام ، خاصة للمطورين المطلعين على JavaScript والبيئات Node.js. تساعد وثائقها الشاملة في إعداد وكلاء الذكاء الاصطناعي عبر منصات مختلفة ، على الرغم من أن مجموعة ميزاتها الشاملة قد تقدم منحنى تعليمي معتدل. تم تطويره في TypeScript ، مما يجعل Eliza مثاليا لبناء الوكلاء المضمنة في الويب حيث أن معظم الواجهة الأمامية للويب infra مبنية في Typescript. يتفوق إطار العمل ببنيته متعددة الوكلاء ، مما يتيح نشر شخصيات الذكاء الاصطناعي متنوعة عبر منصات مثل Discord و X و Telegram. نظام RAG المتقدم لإدارة الذاكرة يجعله فعالا 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 المبكرة وقد يشكل منحنى تعليمي للمطورين.

تم تصميم GAME بمخطط لمطوري الألعاب، ويوفر واجهات تعتمد على الرمز الضعيف أو بدون رمز ضعيف من خلال واجهة برمجة التطبيقات API، مما يجعله متاحاً للمستخدمين غير التقنيين في قطاع الألعاب. ومع ذلك، يمكن أن يشكل تركيزه المتخصص على تطوير الألعاب والتكامل مع تقنية سلسلة الكتلة منحنى تعلم شديد الانحدار لأولئك الذين ليس لديهم خبرة ذات صلة. يبرز لإنتاج المحتوى الإجرائي وسلوك NPC ولكنه محدود بتركيزه الخاص والتعقيد المضاف بواسطة تكامل سلسلة الكتلة.

قد يكون Rig ، نظرا لاستخدامه ل Rust ، أقل سهولة في الاستخدام بسبب تعقيد اللغة ، مما يشكل تحديا تعليميا كبيرا ، ولكن بالنسبة لأولئك الضليعين في برمجة الأنظمة ، فإنه يوفر تفاعلا بديهيا. تشتهر لغة البرمجة نفسها بالأداء وسلامة الذاكرة مقارنة بالكتابة المطبوعة. يأتي مع فحوصات صارمة لوقت الترجمة وتجريدات التكلفة الصفرية الضرورية لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة والتحكم في المستوى المنخفض يجعلها مثالية لتطبيقات الذكاء الاصطناعي كثيفة الموارد. يوفر إطار العمل هذا حلولا عالية الأداء بتصميم معياري وقابل للتطوير ، مما يجعله مثاليا لتطبيقات المؤسسات. ومع ذلك ، فإن استخدام Rust يقدم منحنى تعليمي حاد للمطورين الذين ليسوا على دراية باللغة.

تستخدم ZerePy باستخدام Python ، وتوفر استخدامًا عاليًا لمهام الذكاء الاصطناعي الإبداعية ، مع منحنى تعلم أقل لمطوري Python ، خاصة أولئك الذين لديهم خلفية في الذكاء الاصطناعي / تعلم الآلة ، وتستفيد من دعم المجتمع القوي بسبب مشاركة Zerebro في مجتمع العملات الرقمية. يتفوق في تطبيقات الذكاء الاصطناعي الإبداعية مثل NFTs ، مما يجعله أداة قوية لوسائط الإعلام الرقمية والفنون. بينما يزدهر في الإبداع ، إلا أن نطاقه أضيق نسبيًا مقارنة بالأطر الأخرى.

من حيث التوسع، حققت ELIZA تقدمًا ملحوظًا مع تحديث V2 الخاص بها، الذي يقدم حافلة رسائل موحدة وإطار أساسي قابل للتوسع، مما يسمح بإدارة فعالة عبر منصات متعددة. ومع ذلك، يمكن أن يؤدي إدارة هذا التفاعل متعدد المنصات إلى تحدّيات قابلية التوسع إذا لم يتم تحسينه.

تتفوق GAME في المعالجة في الوقت الفعلي اللازمة للألعاب ، حيث تتم إدارة قابلية التوسع من خلال خوارزميات فعالة وربما أنظمة موزعة ل blockchain ، على الرغم من أنها قد تكون مقيدة بمحرك اللعبة المحدد أو قيود شبكة blockchain.

يستفيد إطار Rig من أداء Rust لتحقيق قابلية التوسع ، والذي صمم بشكل أساسي لتطبيقات عالية الإنتاجية ، والتي يمكن أن تكون فعالة بشكل خاص لنشر المستوى المؤسسي ، على الرغم من أن هذا قد يعني إعدادات معقدة لتحقيق قابلية التوسع الحقيقية.

تتمحور قابلية توسع Zerepy نحو الإخراج الإبداعي، مدعومة بمساهمات المجتمع، ولكن قد تقيد تركيزها تطبيقها في سياقات الذكاء الاصطناعي الأوسع، مع اختبار قابلية التوسع بشكل محتمل من خلال تنوع المهام الإبداعية بدلاً من حجم المستخدمين.

فيما يتعلق بالقابلية للتكيف ، تتصدر ELIZA بنظامها المكونات الإضافية والتوافق عبر المنصات ، تليها GAME داخل بيئات الألعاب و Rig لمعالجة المهام الذكاء الاصطناعي المعقدة. يظهر ZerePy قابلية تكيف عالية في المجالات الإبداعية ولكنه غير مناسب لتطبيقات الذكاء الاصطناعي الأوسع نطاقًا.

من الناحية الأدائية، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث تكون أوقات الاستجابة السريعة أمرًا أساسيًا، ولكن قد تختلف أداؤها عند التعامل مع مهام الحسابية الأكثر تعقيدًا.

تركز GAME بروتوكول الافتراضي على التفاعل في الوقت الحقيقي عالي الأداء في سيناريوهات الألعاب، باستخدام عمليات اتخاذ القرار الفعالة وربما تقنية سلسلة الكتل لعمليات الذكاء الاصطناعي المركزية.

يوفر إطار Rig Framework، مع أساسه اللغوي Rust، أداءًا ممتازًا لمهام الحوسبة العالية الأداء، وهو مناسب لتطبيقات الشركات حيث تكون الكفاءة الحسابية هي الأهم.

تتركز أداء زيريبي على إنشاء محتوى إبداعي، مع مراعاة مقاييس الكفاءة وجودة إنتاج المحتوى، وقد يكون أقل تنوعًا خارج المجالات الإبداعية.

نظرًا للمزايا ، توفر ELIZA مرونة وقابلية للتوسع ، مما يجعلها قابلة للتكيف بشكل كبير من خلال نظام الوصلات الإضافية وتكوين الشخصية ، مما يعود بالفائدة على التفاعلات الذكية الاجتماعية عبر المنصات.

تقدم GAME إمكانات تفاعل فريدة في الوقت الحقيقي داخل الألعاب، مع تعزيز التكامل مع تقنية البلوكشين للمشاركة المبتكرة للذكاء الاصطناعي.

ميزة Rig تكمن في أدائها وقابليتها للتوسع لمهام الذكاء الاصطناعي للشركات، مع التركيز على الشفرة النظيفة والمرنة لصحة المشروع على المدى الطويل.

يتفوق زيريبي في تعزيز الإبداع، ويقود في تطبيقات الذكاء الاصطناعي للفنون الرقمية، بدعم من نموذج تطوير مدفوع من المجتمع النابض بالحياة.

كل إطار له حدوده ، ولا تزال ELIZA في مراحلها المبكرة مع مشكلات الاستقرار المحتملة ومنحنى التعلم للمطورين الجدد ، وقد يحد تركيز Game المتخصص من التطبيقات الأوسع ، وتضيف blockchain تعقيدا ، ويمكن أن يؤدي منحنى التعلم الحاد ل Rig بسبب Rust إلى ردع بعض المطورين ، وقد يحد تركيز Zerepy الضيق على المخرجات الإبداعية من استخدامه في مجالات الذكاء الاصطناعي الأخرى.

نقاط رئيسية في مقارنة الأطر

Rig ($ARC):

لغة: راست، مركزة على السلامة والأداء.

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

المجتمع: أقل حركية من المجتمع، مركزة بشكل أكبر على المطورين التقنيين.

Eliza ($AI16Z):

اللغة: TypeScript، مع التركيز على مرونة web3 ومشاركة المجتمع.

حالة الاستخدام: مصممة للتفاعلات الاجتماعية ومنظمات الطراز اللامركزي والتداول، مع التركيز القوي على أنظمة متعددة العوامل.

مجتمع: مدفوع بشكل كبير من قبل المجتمع، مع مشاركة واسعة في GitHub.

ZerePy ($ZEREBRO):

اللغة: Python، مما يجعلها متاحة لقاعدة مطوري الذكاء الاصطناعي الأوسع.

حالة الاستخدام: مناسب لأتمتة وسائل الإعلام الاجتماعية ومهام وكيل الذكاء الاصطناعي الأبسط.

المجتمع: جديد نسبيًا ولكنه مستعد للنمو بسبب شعبية Python + دعم المساهمين AI16Z.

GAME ($VIRTUAL):

التركيز: على عوامل الذكاء الاصطناعي المستقلة والتكيفية التي يمكن أن تتطور بناء على التفاعلات داخل البيئات الافتراضية.

حالة الاستخدام: الأفضل للسيناريوهات التي يحتاج فيها الوكلاء إلى التعلم والتكيف، مثل الألعاب أو العوالم الافتراضية.

المجتمع: مبتكر ولكن لا يزال يحدد مكانته بين المنافسة.

تاريخ النجمة على جيتهاب

تاريخ نجمة Github

الرسم التوضيحي أعلاه هو مرجع لتاريخ نجمة GitHub للأطر الزمنية منذ إطلاقها. ومن الملاحظ أن نجوم GitHub تعمل كمؤشر على اهتمام المجتمع وشعبية المشروع والقيمة المدركة للمشروع.

ELIZA - الخط الأحمر:

تظهر زيادة كبيرة ومستقرة في النجوم، بدءًا من قاع منخفض في يوليو وتجرب زيادة كبيرة في النجوم بدءًا من نهاية نوفمبر، وصولًا إلى 6.1 ألف نجمة. وهذا يشير إلى ارتفاع مفاجئ في الاهتمام الذي لفت انتباه المطورين. النمو الأسي يشير إلى أن ELIZA حققت جاذبية كبيرة بسبب ميزاتها وتحديثاتها ومشاركة المجتمع. شعبيتها تفوق بكثير الأخريات مما يشير إلى دعم قوي من المجتمع وقابلية أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.

RIG - الخط الأزرق:

ريغ هو الأقدم بين الأربعة، ويظهر نموًا متواضعًا ولكن مستمرًا في النجوم، مع ارتفاع ملحوظ في الشهر الجاري. وصل إلى 1.7 ألف نجمة ولكنه في مسار صاعد. تراكم الاهتمام المستمر يرجع إلى التطوير المستمر والتحديثات والزيادة في عدد المستخدمين. يمكن أن يعكس هذا جمهورًا متخصصًا أو إطار عمل لا يزال يبني سمعته.

ZEREPY - الخط الأصفر:

تم إطلاق ZerePy قبل بضعة أيام فقط وقد نما بنسبة 181 نجمة. من المؤكد أن ZerePy يحتاج إلى المزيد من التطوير لزيادة رؤيته واعتماده. يعتقد أن الشراكة مع $AI16Z ستجذب المزيد من المساهمين في قاعدة الشفرة.

لعبة - الخط الأخضر:

هذا المشروع لديه عدد قليل من النجوم، ولكن يلاحظ أنه يمكن تطبيق هذا الإطار مباشرة على الوكلاء داخل النظام البيئي الافتراضي عبر واجهة برمجة التطبيقات API مما يقضي على الحاجة إلى الظهور على موقع GitHub. ومع ذلك، أصبح هذا الإطار متاحًا للمطورين عمومًا قبل أكثر من شهر واحد فقط، وتم بناء أكثر من 200 مشروع باستخدام GAME.

رؤية إيجابية لإطارات الثيران

الإصدار 2 من إليزا سيتضمن التكامل مع مجموعة وكلاء كوين بيس. ستحصل جميع المشاريع التي تستخدم إليزا على دعم مستقبلي ل TEE الأصلي، مما يتيح للوكلاء العمل في بيئات آمنة. ميزة قادمة لإليزا هي سجل الإضافات، الذي يسمح للمطورين بتسجيل الإضافات ودمجها بسلاسة.

بالإضافة إلى ذلك، ستدعم إليزا V2 الرسائل المتقاطعة الآلية والمجهولة عبر المنصات. يتوقع أن يؤثر ورقة توكنوميكس، المقرر إصدارها في 1 يناير 2025، بشكل إيجابي على توكن AI16Z الذي يدعم إطار العمل إليزا. تخطط AI16Z لمواصلة تعزيز فائدة الإطار، والاستفادة من استقطاب المواهب عالية الجودة كما يوضح جهود أبرز مساهميها.

تقدم إطار العمل GAME تكاملًا بدون كود للوكلاء، مما يتيح الاستخدام المتزامن لـ GAME و ELIZA في مشروع واحد، حيث يخدم كل منهما أغراض محددة. من المتوقع أن يجذب هذا النهج البنائيين المركزين على المنطق التجاري بدلاً من التعقيدات التقنية. على الرغم من أن الإطار متاح للجمهور لمدة تزيد قليلاً عن 30 يومًا، إلا أنه شهد تقدماً كبيرًا، بفضل جهود الفريق في جلب المزيد من المساهمين. من المتوقع أن يتبنى كل مشروع يتم إطلاقه على $VIRTUAL إطار العمل GAME.

Rig, الممثلة بواسطة $ARCالرمز المميز لديه إمكانات كبيرة، على الرغم من أن نمو إطار عمله في مراحله الأولى. برنامج التصافيق لاستضافة المشاريع باستخدام ريج كان حيًا لبضعة أيام فقط. ومع ذلك، يتوقع قريبًا ظهور مشاريع ذات جودة مقترنة بآرك، على غرار عجلة الطيران الافتراضية، ولكن مع التركيز على سولانا. فريق العمل متفائل بالشراكة مع سولانا، مما يؤهل آرك لتصبح ما هو افتراضي للقاعدة. قد يلاحظ أن الفريق يحفز ليس فقط المشاريع الجديدة التي تم إطلاقها باستخدام ريج، ولكن أيضًا المطورين لتعزيز إطار ريج بذاته.

يكتسب إطار العمل Zerepy الجديد الذي تم إطلاقه حديثًا شعبية بفضل شراكته مع $AI16Z (إليزا). لقد جذب هذا الإطار المساهمين من إليزا الذين يعملون بنشاط على تحسينه. إنه يتمتع بمتابعة من الجمهور المتعصب ، الذي يدفعه محبو $ZEREBRO ، وقد فتح فرصًا جديدة لمطوري Python الذين كانوا يفتقرون إلى تمثيل في المناظر التنافسية لبنية الذكاء الاصطناعي. هذا الإطار مستعد للعب دورًا كبيرًا في الجوانب الإبداعية للذكاء الاصطناعي.

تنصل من المسؤولية:

1. تمت إعادة طبع هذه المقالة من [gateX]. جميع حقوق الطبع والنشر تنتمي إلى الكاتب الأصلي [@DV_Memetics]. إذا كان هناك اعتراضات على هذه الإعادة طباعة، يرجى الاتصال بالبوابة التعلمالفريق، وسيتعاملون معها بسرعة.
2. إخلاء المسؤولية عن المسؤولية: الآراء والآراء الواردة في هذه المقالة هي فقط تلك التي تعود إلى المؤلف ولا تشكل نصيحة استثمارية.
3. فريق بوابة التعلم قام بترجمة المقال إلى لغات أخرى. يُحظر نسخ أو توزيع أو ارتكاب السرقة الأدبية للمقالات المترجمة ما لم يذكر.