この記事は、Deep Value Memetics からのものです。
編纂｜Odaily Planet Daily（@OdailyChina）
翻訳者｜あづま（@azuma_eth）
重要なポイントのまとめ
このレポートでは、暗号と AI の分野におけるいくつかの主流フレームワークの開発パターンについて説明します。現在主流の 4 つのフレームワーク、Eliza (AI16Z)、GAME (GAME)、Rig (ARC)、ZerePy (ZEREBRO) を調査し、それらの技術的な違いと開発の可能性を分析します。
先週、私たちは上記の 4 つのフレームワークを分析およびテストしてきました。その結論は以下に要約されています。
Eliza (市場シェア約 60%、原著者が記事を書いた時点での市場価値は約 9 億ドル、出版時点での市場価値は約 14 億ドル) が今後も市場シェアを独占し続けると考えています。 。 Eliza の価値は、Github 上の 193 人の寄稿者、1,800 のフォーク、および 6,000 を超えるスターによって証明されているように、先行者としての利点と開発者の採用の加速にあり、Github one で最も人気のあるソフトウェア リポジトリとなっています。
GAME (市場シェア約 20%、原著者が記事を書いた時点での時価総額は約 3 億米ドル、記事公開時点での時価総額は約 2 億 5,700 万米ドル) は、これまでのところ非常に順調に発展しています。 、Virtuals Protocol によって以前に発表されたように、急速な普及も進んでいます。このように、GAME に基づいて構築されたプロジェクトは 200 以上あり、毎日のリクエストは 150,000 件を超え、毎週の成長率は 200% を超えています。 GAME は今後も VIRTUAL の爆発的な普及から恩恵を受け、エコシステムで最大の勝者の 1 つになる可能性があります。
Rig のモジュール設計（市場シェアは約 15%、原著者が記事を書いた時点では市場価値は約 1 億 6,000 万ドル、出版時点では市場価値は約 2 億 7,900 万ドル）は非常に注目されています。 -キャッチーで操作が簡単で、Solana エコシステム (RUST) の中で重要な位置を占めることが期待されています。
Zerepy (市場シェアは約 5%、原作者が執筆した時点では市場価値は約 3 億米ドル、出版時点では市場価値は約 4 億 2,400 万米ドル) は、熱狂的な ZEREBRO コミュニティに特有の、よりニッチなアプリケーションです。 、および最近の ai16z コミュニティとの協力により、いくつかの相乗効果が生じる可能性があります。
上記統計における「市場シェア」は、市場価値、開発実績、基本OS端末市場の広さを考慮して算出されています。
私たちは、AI フレームワークがこのサイクルで最も急速に成長する分野になると考えており、現在の約 17 億米ドルの市場価値は、2021 年のピーク時のレイヤー 1 の評価額と比較すると、容易に 200 億米ドルに達すると考えています。 、この数字はまだ比較的高いかもしれません - 当時、多くの単一プロジェクトの価値は200億ドルを超えていました。上記のフレームワークはさまざまな最終市場 (チェーン/エコシステム) にサービスを提供していますが、このセクターが全体的に成長すると考えられることを考えると、時価総額加重アプローチを採用するのが比較的賢明かもしれません。
4つの主要なフレームワーク
AI と暗号の交差点では、Eliza (AI16Z)、GAME (GAME)、Rig (ARC)、ZerePy (ZEREBRO) など、AI 開発の加速を目的としたいくつかのフレームワークが登場しました。オープンソース コミュニティ プロジェクトからパフォーマンス重視のエンタープライズ ソリューションまで、各フレームワークはエージェント開発のさまざまなニーズや哲学に対応します。
以下の表に、各フレームワークの主要なテクノロジー、コンポーネント、利点を示します。
このレポートでは、まず、これらのフレームワークとは何か、使用されるプログラミング言語、技術アーキテクチャ、アルゴリズム、および潜在的なユースケースを備えた独自の機能に焦点を当てます。次に、使いやすさ、拡張性、適応性、パフォーマンスに基づいて各フレームワークを比較し、その長所と制限について説明します。
エリザ
Eliza は、ai16z によって開発されたオープンソースのマルチエージェント シミュレーション フレームワークで、自律型 AI エージェントを作成、展開、管理するように設計されています。プログラミング言語として TypeScript を使用して開発されており、一貫した性格と知識を維持しながら、複数のプラットフォームにわたって人間と対話できるインテリジェント エージェントを構築するための、柔軟でスケーラブルなプラットフォームを提供します。
このフレームワークの主な機能には、複数の固有の AI パーソナリティの同時展開と管理をサポートするマルチエージェント アーキテクチャ、キャラクター ファイル フレームワークを使用して多様なエージェントを作成するキャラクター システム、および高度な検索拡張生成システム (RAG) が含まれます。長期記憶と知覚性を提供します。コンテキストメモリ管理機能を提供します。さらに、Eliza フレームワークは、Discord、X、その他のソーシャル メディア プラットフォームとの信頼できる接続のためのスムーズなプラットフォーム統合を提供します。
Eliza は、AI エージェントのコミュニケーションとメディア機能にとって優れた選択肢です。通信面では、このフレームワークは、Discord の音声チャネル機能、X 機能、Telegram との統合、およびカスタム ユースケース向けの直接 API アクセスをサポートしています。一方、フレームワークのメディア処理機能は、PDF ドキュメントの読み取りと分析、リンク コンテンツの抽出と要約、音声の転写、ビデオ コンテンツの処理、画像分析、対話の要約まで拡張されており、さまざまなメディアの入出力を効果的に処理できます。
Eliza は、ローカル推論、OpenAI や Nous Herme Llama 3.1B などのデフォルト構成によるクラウドベースの推論にオープンソース モデルを使用することで、柔軟な AI モデル サポートを提供し、複雑なクエリを処理するための Claude の統合をサポートします。 Eliza は、広範なアクション システム、カスタム クライアント サポート、および包括的な API を備えたモジュラー アーキテクチャを使用して、アプリケーション間のスケーラビリティと適応性を確保します。
Eliza のユースケースは、顧客サポート、コミュニティ管理、個人的なタスクに関連する AI アシスタントや、自動コンテンツ作成者やブランド代表者などのソーシャル メディアの役割など、多くの分野をカバーしており、リサーチの役割も果たします。アシスタント、コンテンツ アナリストやドキュメント プロセッサなどの役割、およびロールプレイング ボット、教育講師、エンターテイメント エージェントなどの対話型役割。
Eliza のアーキテクチャは、統合されたキャラクター システム (モデル プロバイダーによってサポートされる)、メモリ マネージャー (データベースに接続される)、およびアクション システム (プラットフォーム クライアントにリンクされる) とシームレスに動作するエージェント ランタイムを中心に構築されています。このフレームワークの独自の機能には、モジュール式の機能拡張を可能にするプラグイン システム、音声、テキスト、メディアなどのマルチモーダル インタラクションのサポート、Llama、GPT-4、Claude などの主要な AI モデルとの互換性が含まれます。 Eliza は、その多用途性と強力な設計により、ドメイン全体で AI アプリケーションを開発するための強力なツールになります。
ゲーム
GAME は Virtuals 公式チームによって開発され、正式名称は「The Generative Autonomous Multimodal Entities Framework (The Generative Autonomous Multimodal Entities Framework)」です。このフレームワークは、開発者にアプリケーション プログラミング インターフェイス (API) とソフトウェア開発キット (SDK) を提供することを目的としています。 ）、AIエージェントを使用して実験を行うことができます。このフレームワークは、AI エージェントの行動、意思決定、学習プロセスを管理するための構造化されたアプローチを提供します。
- GAME のコア コンポーネントは次のとおりです。 まず、「エージェント プロンプティング インターフェイス」は、開発者が GAME をエージェントに統合してエージェントの動作を取得するための入り口です。
- 「認識サブシステム」は、セッション ID、エージェント ID、ユーザー、その他の関連詳細などのパラメーターを指定してセッションを開始します。受信メッセージを「戦略計画エンジン」に適した形式に合成し、会話または反応の形式を問わず、AI エージェントの感覚入力メカニズムとして機能します。ここでの中核となるのは「対話処理モジュール」で、エージェントからのメッセージと応答の処理を担当し、「認識サブシステム」と連携して入力を効果的に解釈して応答します。
- 「戦略的プランニング エンジン」は、「会話処理モジュール」および「オンチェーン ウォレット オペレーター」と連携して動作し、応答と計画を生成します。このエンジンは 2 つのレベルで動作します。コンテキストや目標に基づいて広範な戦略を作成する高レベルのプランナーとして、およびこれらの戦略を実行可能なポリシーに変換し、さらにアクション プランナー (指定されたタスク用) に変換する低レベルの戦略です。 ) および計画実行者 (タスクを実行するため)。
- 別個の重要なコンポーネントは「ワールド コンテキスト」です。これは、環境、ワールド情報、およびゲームの状態を参照して、エージェントの決定に必要なコンテキストを提供します。さらに、「エージェント リポジトリ」は、目標、反省、経験、性格などの長期的な属性を保存するために使用され、これらが一緒になってエージェントの行動や意思決定プロセスを形成します。このフレームワークは、「短期作業記憶」と「長期記憶プロセッサ」を使用します。短期記憶は、重要性、最新性、および現在の計画に基づいて、以前のアクション、結果、および現在の計画に関する関連情報を保持します。関連性 性別などの基準に基づいて重要な情報を抽出します。この記憶には、エージェントの経験、反省、動的な性格、世界の状況、作業記憶に関する知識が保存され、意思決定を強化し、学習の基礎を提供します。
- レイアウトを増やすために、「学習モジュール」は「知覚サブシステム」からデータを取得して一般知識を生成し、それがシステムにフィードバックされて将来のインタラクションを最適化します。開発者は、インターフェイスを通じてアクション、ゲームの状態、感覚データに関するフィードバックを入力し、AI エージェントの学習を強化し、計画と意思決定の能力を向上させることができます。
ワークフローは、開発者がエージェント プロンプト インターフェイスを介して対話することから始まり、「認識サブシステム」が入力を処理して、対話ロジックを管理する「戦略計画エンジン」に転送します。 」は、高度な戦略と詳細な行動計画を使用して計画を作成し、実行します。
「ワールド コンテキスト」と「エージェント ライブラリ」からのデータはこれらのプロセスに情報を提供し、作業記憶は当面のタスクを追跡します。一方、「長期記憶プロセッサ」は、時間をかけて知識を保存し、取得します。 「学習モジュール」は結果を分析し、新しい知識をシステムに統合し、エージェントの動作と対話を継続的に改善できるようにします。
リグ
Rig は、大規模言語モデル (LLM) アプリケーションの開発を簡素化するために設計された Rust ベースのオープンソース フレームワークです。 OpenAI や Anthropic などの複数の LLM プロバイダーと対話するための統合インターフェイスを提供し、MongoDB や Neo4j などのさまざまなベクター ストアをサポートします。このフレームワークのモジュラー アーキテクチャには、LLM のシームレスな対話を促進する「プロバイダー抽象化レイヤー」、「ベクター ストレージ統合」、「エージェント システム」などのコア コンポーネントがあります。
Rig の主な対象者には、Rust を使用して AI/ML アプリケーションを構築する開発者が含まれ、二次的な対象者には、複数の LLM プロバイダーとベクター ストアを Rust アプリケーションに統合しようとしている組織が含まれます。リソース ライブラリはワークスペース ベースの構造を使用して編成されており、拡張性と効率的なプロジェクト管理を実現する複数のクレートが含まれています。 Rig の主な機能には、一貫したエラー処理を通じて LLM プロバイダを完成および埋め込むための API を標準化する「プロバイダ抽象化層」が含まれます。「ベクトル ストレージ統合」コンポーネントは、複数のバックエンドを提供します。抽象インターフェイスとベクトル類似性検索のサポートを提供します。 「LLM インタラクションを簡素化し、検索拡張生成 (RAG) とツールの統合をサポートします。さらに、埋め込みフレームワークは、バッチ処理機能とタイプセーフな埋め込み操作を提供します。
Rig は、信頼性とパフォーマンスを確保するためにいくつかの技術的利点を活用しています。非同期操作は、Rust の非同期ランタイムを利用して、大量の同時リクエストを効率的に処理します。フレームワーク固有のエラー処理メカニズムにより、AI プロバイダーまたはデータベース操作の障害に対する耐性が向上し、コードの信頼性が向上します。デシリアライゼーション プロセスは、AI サービスの通信と保存に重要な JSON などの形式でデータを処理するのに役立ちます。詳細なログ記録とインストルメンテーションは、アプリケーションのデバッグと監視にさらに役立ちます。
Rig のワークフローは、クライアントがリクエストを開始することで始まり、リクエストは「プロバイダー抽象化レイヤー」を通過し、対応する LLM モデルと対話し、その後、データがコア層によって処理され、そこでエージェントがツールを使用したり、ベクター ストアにアクセスしたりできます。コンテキスト応答は、クライアントに返される前に、ドキュメントの取得やコンテキストの理解など、RAG などの複雑なワークフローを通じて生成および調整されます。このシステムは、モデルの可用性やパフォーマンスの変化に適応するために、複数の LLM プロバイダーとベクター ストアを統合します。
Rig のユースケースは、関連するドキュメントを取得して正確な応答を提供する質問応答システム、効率的なコンテンツ発見のためのドキュメントの検索と取得、顧客サービスや教育のためにコンテキストを認識した対話を提供するチャットボットや仮想アシスタントなど、多様です。また、学習したパターンに基づいてテキストやその他のマテリアルを作成するコンテンツ生成もサポートしており、開発者や組織にとって多用途なツールとなっています。
ゼレピー
ZerePy は、Python で書かれたオープン ソース フレームワークで、OpenAI または Anthropic LLM を使用して X にエージェントをデプロイするように設計されています。 ZerePy は Zerebro バックエンドのモジュラー バージョンから派生しており、開発者は Zerebro のコア機能と同様の機能を備えたプロキシを起動できます。フレームワークはエージェントの展開の基盤を提供しますが、創造的な出力を生成するにはモデルを微調整する必要があります。 ZerePy は、パーソナライズされた AI エージェントの開発と展開を簡素化し、特にソーシャル プラットフォームでのコンテンツ作成に適しており、アートや分散型アプリケーションを対象とした AI クリエイティブ エコシステムを促進します。
このフレームワークは Python 言語を使用して構築されており、エージェントの自律性を強調し、Eliza のアーキテクチャ + パートナーシップと一致してクリエイティブな成果物の生成に重点を置いています。そのモジュラー設計は、ソーシャル プラットフォーム上でエージェントを簡単に展開できるように、インメモリ システム統合をサポートしています。その主な機能には、エージェント管理のためのコマンド ライン インターフェイス、X との統合、OpenAI および Anthropic LLM のサポート、機能を強化するためのモジュラー接続システムが含まれます。
ZerePy のユースケースはソーシャル メディアの自動化をカバーしており、ユーザーは AI エージェントを導入して投稿、返信、いいね、リツイートを行うことでプラットフォームのエンゲージメントを高めることができます。さらに、音楽、メモ、NFTなどの分野のコンテンツ作成にも適しており、デジタルアートやブロックチェーンベースのコンテンツプラットフォームにとって重要なツールです。
水平比較
私たちの意見では、上記の各フレームワークは、特定のニーズや状況に応じた AI 開発への独自のアプローチを提供しており、議論はもはやこれらのフレームワークが競合するかどうかに限定されず、各フレームワークが独自のユーティリティと機能を提供するかどうかに焦点を当てています。価値。
Eliza は、特に JavaScript や Node.js 環境に精通した開発者にとって、そのユーザーフレンドリーなインターフェイスで際立っています。 Eliza の包括的なドキュメントは、さまざまなプラットフォームで AI エージェントをセットアップするのに役立ちます。Eliza は、TypeScript を使用しているため、その豊富な機能セットの学習曲線はそれほど難しくありませんが、ほとんどのプラットフォームと同様に、Web に埋め込まれたエージェントの構築に適しています。フロントエンド Web インフラストラクチャはすべて TypeScript で構築されています。このフレームワークはマルチエージェント アーキテクチャで知られており、Discord、X、Telegram などのプラットフォームにわたって多様な AI パーソナリティ エージェントの展開を可能にします。メモリ管理のための高度な RAG システムにより、カスタマー サポートやソーシャル メディア アプリケーション向けのタイプの AI アシスタントの構築に特に適しています。柔軟性、強力なコミュニティ サポート、一貫したクロスプラットフォーム パフォーマンスを提供しますが、まだ初期段階にあり、開発者にとって学習曲線が必要になる可能性があります。
ゲーム開発者向けに特別に設計された GAME は、ゲーム分野での技術スキルが低いユーザーでも簡単にアクセスできる、API を通じてローコードまたはノーコードのインターフェイスを提供します。ただし、ゲーム開発とブロックチェーン統合に焦点を当てているため、関連する経験のない人にとっては学習曲線が急になる可能性があります。プログラムによるコンテンツ生成と NPC の動作には優れていますが、ニッチな分野とブロックチェーンの統合に伴う追加の複雑さによって制限もあります。
Rig は Rust 言語を使用しているため、言語が複雑なために使いやすいとは言えず、学習が大きな課題となりますが、システム プログラミングに熟練した人にとっては、直感的な対話を提供できます。 Rust 自体は、TypeScript と比較してパフォーマンスとメモリの安全性が高いことで知られています。複雑な人工知能アルゴリズムを実行するために必要な、厳密なコンパイル時のチェックとゼロコストの抽象化が特徴です。この言語の効率的で制御性の低い特性により、リソースを大量に消費する AI アプリケーションに最適です。このフレームワークのモジュール式でスケーラブルな設計は、エンタープライズ アプリケーションに最適な高性能ソリューションを提供します。ただし、Rust 言語に慣れていない開発者にとって、Rust の使用には急な学習曲線が必要です。
ZerePy は Python 言語を使用して、クリエイティブな AI タスクにより高い使いやすさを提供します。 Python 開発者、特に AI/ML のバックグラウンドを持つ開発者にとって、学習曲線は低く、ZEREBRO はその人気により強力なコミュニティ サポートを持っています。 ZerePy は、NFT などのクリエイティブな AI アプリケーションに優れており、このフレームワークはデジタル メディアやアートの分野でも強力なツールとしての地位を確立しています。クリエイティブな分野に優れていますが、適用範囲は他のフレームワークに比べて比較的狭いです。
スケーラビリティの観点から、4 つの主要なフレームワークを比較すると次のようになります。
Eliza は、V2 バージョンの更新後に大きな進歩を遂げ、効率的なクロスプラットフォーム管理を実現するための統合されたメッセージ ラインと拡張可能なコア フレームワークを導入しました。ただし、このマルチプラットフォームの相互作用を管理するには、最適化を行わないとスケーラビリティの問題が生じる可能性があります。
GAME は、ゲームに必要なリアルタイム処理に優れており、そのスケーラビリティは、特定のゲーム エンジンやブロックチェーン ネットワークの制限によって制限される可能性がありますが、効率的なアルゴリズムと基盤となるブロックチェーン分散システムを通じて管理できます。
Rig フレームワークは、スケーラビリティを向上させるために Rust のパフォーマンス上の利点を活用しており、本質的に高スループット アプリケーション向けに設計されており、これはエンタープライズ レベルのデプロイメントに特に効果的ですが、真のスケーラビリティを実現するには複雑なセットアップが必要になる可能性があります。
ZerePy のスケーラビリティはクリエイティブな出力を対象としており、コミュニティの貢献によってサポートされていますが、フレームワークが焦点を当てているため、より広範な人工知能のコンテキストでのアプリケーションが制限される可能性があり、そのスケーラビリティはクリエイティブなタスクの多様性によって制限される可能性があります。
適用性の点では、 Eliza がプラグイン システムとクロスプラットフォーム互換性ではるかに優れており、ゲーム環境の GAME と複雑な AI タスクを処理する Rig がそれに続きます。 ZerePy はクリエイティブ分野では高い適応性を示していますが、より広範な AI アプリケーションには適していません。
パフォーマンスに関して、4 つの主要なフレームワークのテスト結果は次のとおりです。
Eliza はソーシャル メディアでの高速インタラクション用に最適化されていますが、より複雑なコンピューティング タスクを処理する場合にはパフォーマンスが異なる場合があります。
GAME は、ゲーム シナリオにおける高性能のリアルタイム インタラクションに焦点を当てており、効率的な意思決定プロセスと分散型 AI 運用に可能なブロックチェーンを利用できます。
Rig は Rust をベースにしており、ハイパフォーマンス コンピューティング タスクに優れたパフォーマンスを提供でき、コンピューティング効率が重要なエンタープライズ アプリケーションに適しています。
ZerePy のパフォーマンスはクリエイティブ コンテンツの作成をターゲットにしており、コンテンツ生成の効率と品質を中心とした指標が使用されますが、クリエイティブ分野以外では一般化できない可能性があります。
上記の長所と短所の包括的な分析と組み合わせることで、Eliza は、プラグイン システムとロール構成により優れた柔軟性と拡張性を実現し、クロスプラットフォームのソーシャル人工知能のインタラクションに役立ちます。 Rig の利点は、エンタープライズレベルの AI タスクに適したパフォーマンスと拡張性にあり、長期的なプロジェクトの健全な開発を保証するためにコードのシンプルさとモジュール性に重点を置いています。創造性の育成に特化しており、活気に満ちたコミュニティ主導の開発モデルに支えられた、デジタル アート向け AI アプリケーションのリーダーです。
全体として、どのフレームワークにも限界があります。 Eliza はまだ初期段階にあり、安定性に潜在的な問題があり、新規開発者にとっては長い学習曲線が必要です。GAME はニッチな分野に焦点を当てているため、より広範なアプリケーションが制限される可能性があり、ブロックチェーンの導入により、リグの学習曲線もより複雑になります。 Rust 言語の欠点により、一部の開発者が思いとどまる可能性があります。Zerepy は創造的な成果物に焦点を絞っているため、人工知能の他の分野での使用が制限される可能性があります。
主要な比較項目の整理
リグ(ARC)
言語: Rust、安全性とパフォーマンスに重点を置いています。
ユースケース: 効率と拡張性に重点を置き、エンタープライズレベルの AI アプリケーションに最適です。
コミュニティ: コミュニティ主導ではなく、テクノロジー開発者に重点を置いています。
エリザ(AI16Z)
言語: TypeScript、Web3 の柔軟性とコミュニティへの参加を重視。
ユースケース: マルチエージェント システムに特に重点を置き、ソーシャル インタラクション、DAO、トランザクション向けに設計されています。
コミュニティ: コミュニティ主導型であり、GitHub との広範なつながりがあります。
ゼレピー (ゼレブロ):
言語: Python。より幅広い AI 開発者グループに受け入れられやすくなります。
ユースケース: ソーシャル メディアの自動化や、より単純な AI エージェントのタスクに適しています。
コミュニティ: 比較的新しいですが、Python の人気と ai16z 貢献者からのサポートにより成長が見込まれています。
ゲーム (仮想、GMAE):
焦点: 仮想環境でのインタラクションに基づいて進化する自律的で適応的な AI エージェント。
ユースケース: ゲームや仮想世界など、エージェントが学習して適応する必要があるシナリオに最適です。
コミュニティ: 革新的ですが、依然として競争における地位を確立しています。
Github データの増加
上のグラフは、これらのフレームワークのリリース以来、GitHub 上のスター データがどのように変化したかを示しています。一般に、GitHub のスターは、コミュニティの関心、プロジェクトの人気、プロジェクトの認識された価値の指標として機能します。
イライザ (赤線): このチャートは、このフレームワーク内の星の数が大幅かつ着実に増加し、7 月の低水準から始まり 11 月下旬に急増し、現在 6,100 個の星の数に達していることを示しています。これは、フレームワークに対する関心が急速に高まり、開発者の注目を集めていることを示しています。この急激な成長は、Eliza がその機能、アップデート、コミュニティへの参加によって大きな注目を集めていることを示しており、その人気は他の製品をはるかに上回っており、人工知能コミュニティにおいてより幅広い適用性や関心を持っていることを示しています。 。
Rig (青線): Rig は 4 つの主要なフレームワークの中で最も古いものであり、スターの成長率は大きくありませんが、安定しており、過去 1 か月間で大幅に増加しました。星の総数は 1,700 個に達しましたが、まだ上昇軌道にあります。注目が着実に蓄積されているのは、継続的な開発、アップデート、ユーザー ベースの拡大によるものです。これは、Rig がフレームワークとしての評判をまだ築いている段階にあるという事実を反映している可能性があります。
ZerePy (黄色の線): ZerePy は数日前にリリースされ、星の数は 181 に増えました。 ZerePy の知名度と採用を高めるにはさらなる開発が必要であり、ai16z との提携によりコードベースにより多くの貢献者が集まる可能性があることを強調することが重要です。
GAME (緑の線): このフレームワークには星の数が少ないですが、このフレームワークは API 経由で仮想エコシステム内のエージェントに直接適用できるため、Github で公開する必要がないことは注目に値します。 ただし、このフレームワークがビルダーに利用可能になったのはわずか 1 か月ほど前ですが、現在 200 を超えるプロジェクトが GAME を使用して構築されています。
AIフレームワークへのアップグレードが期待される
Eliza のバージョン 2.0 には、Coinbase プロキシ ツールキットとの統合が含まれます。 Eliza を使用するすべてのプロジェクトは、将来のネイティブ TEE (信頼された実行環境) のサポートを受け、エージェントが安全な環境で実行できるようになります。プラグイン レジストリは、開発者がプラグインをシームレスに登録して統合できるようにする Eliza の今後の機能です。
さらに、Eliza 2.0 は自動化された匿名のクロスプラットフォーム メッセージングをサポートします。 2025 年 1 月 1 日にリリースされる予定のトークンノミクス ホワイト ペーパーは、 Eliza フレームワークをサポートする AI16Z トークンにプラスの影響を与えるでしょう。 ai16z は、フレームワークの有用性を引き続き強化し、主要な貢献者の努力を活用して質の高い人材を導入する予定です。
GAME フレームワークはエージェントにコードレスの統合を提供し、単一のプロジェクトで GAME と Eliza の両方を使用し、それぞれが特定のユースケースに対応できるようにします。このアプローチは、技術的な複雑さよりもビジネス ロジックに重点を置くビルダーにアピールすると予想されます。このフレームワークは公開されてまだ 30 日強しか経っていませんが、追加の貢献者を引きつけるチームの努力に支えられ、フレームワークに関しては大幅な進歩が見られました。 VirtuaI 上で立ち上げられるすべてのプロジェクトが GAME を採用することが予想されます。
ARC トークンを利用した Rig フレームワークには大きな可能性がありますが、フレームワークの成長は初期段階にあり、Rig の導入を促進するためのプロジェクト契約プログラムが開始されてからまだ数日しか経っていません。ただし、ARC と組み合わせた高品質のプロジェクトが間もなく登場すると予想されており、これは Virtual Flywheel に似ていますが、Solana に焦点を当てています。 Rig チームは Solana との協力について楽観的であり、ARC を Solana の仮想として位置付けています。特に、チームは Rig を使用して開始される新しいプロジェクトを奨励するだけでなく、開発者に Rig フレームワーク自体を強化するよう奨励します。
Zerepy は、ai16z (Eliza Framework) との連携により、新しくリリースされたフレームワークであり、フレームワークの改善に積極的に取り組んでいる Eliza からの貢献者を集めているため、大きな注目を集めています。 Zerepy は ZEREBRO コミュニティによる熱狂的なサポートを受けており、競争の激しい AI インフラストラクチャの世界でこれまで十分なサービスを受けられなかった Python 開発者に新たな機会をもたらしています。このフレームワークは、AI の創造的な側面において重要な役割を果たすことが期待されています。
