本文來自：Deep Value Memetics
編譯｜Odaily星球日報（@OdailyChina）
譯者｜Azuma（@azuma_eth）
要點概述
在這份報告中，我們討論了Crypto & AI 領域內幾大主流框架的發展格局。我們將檢視目前的四大主流架構－ Eliza（AI16Z）、GAME（GAME）、Rig（ARC）、ZerePy（ZEREBRO），剖析其技術差異及發展潛力。
在過去一周裡，我們對以上四大框架進行了分析與測試，結論概述如下。
我們認為Eliza （市佔率約60%，原作者撰文時市值約9 億美元，截至發文市值約14 億美元）將持續主導市場佔有率。 Eliza 的價值在於它的先發優勢以及開發者的加速採用，Github 上的193 位貢獻者、1800 分叉和6000 多顆星證明了這一點，並使其成為了Github 上最受歡迎的軟體庫之一。
GAME（市佔率約20%，原作者撰文時市值約3 億美元，截至發文市值約2.57 億美元）到目前為止的發展非常順利，且也正在經歷快速採用，正如Virtuals Protocol早前發布的公告那樣，基於GAME 建構的項目已有200多個，日常請求次數超15萬，週增長率超200%。 GAME將繼續受益於VIRTUAL的爆發，並有可能成為該生態系統中最大的贏家之一。
Rig（市佔率約15%，原作者撰文時市值約1.6 億美元，截至發文市值約2.79 億美元）的模組化設計非常引人注目且易於操作，有望作為在Solana生態系統（RUST）中佔據主導地位。
Zerepy（市佔率約5%，原作者撰文時市值約3 億美元，截至發文市值約4.24 億美元）是一個更小眾的應用，特定於一個狂熱的ZEREBRO 社區，它最近與ai16z 社區的合作可能會產生一定的綜效。
在上述統計中，「市場佔有率」在計算方式綜合考慮了市值、開發記錄以及基礎作業系統終端市場的廣度。
我們相信AI 框架將成為本週期中成長最快的板塊，目前約17 億美元的板塊總市值將很容易成長至200 億美元，與2021 年高峰時的Layer1 估值相比，這個數字可能依舊比較保守— 當時許多單一項目的估值都達到了200 億美元以上。雖然上述框架服務於不同的終端市場（鏈/生態系統），但鑑於我們認為這個板塊將整體成長，採用市值加權的方法可能相對最為謹慎。
四大框架
在AI 和Crypto 的交匯處，已出現了幾個旨在加速AI 開發的框架，它們包括Eliza（AI16Z）、GAME（GAME）、Rig（ARC）、ZerePy（ZEREBRO）。從開源社群專案到注重效能的企業解決方案，每個框架都迎合了代理商開發的不同需求和理念。
在下邊這張表中，我們列出了每個框架的關鍵技術、組件和優勢。
這份報告將首先聚焦這些框架是什麼，它們所使用的程式語言、技術架構、演算法以及具有潛在用例的獨特功能。然後我們將根據易用性、可擴展性、適應性和性能來比較每個框架，同時討論它們的優點和限制。
Eliza
Eliza 是一個由ai16z 開發的開源多代理模擬框架，旨在創建、部署和管理自主AI 代理。它以TypeScript 作為程式語言開發，為建立智慧代理提供了一個靈活、可擴展的平台，這些代理能夠在多個平台上與人類互動，同時保持一致的個性和知識。
該框架的核心功能包括：支援同時部署和管理多個獨特AI 個性的多代理架構；使用角色文件框架創建多樣化代理的角色系統；透過先進的檢索增強生成系統（RAG）提供長期記憶和可感知情境的記憶管理功能。此外，Eliza 框架還提供流暢的平台集成，可與Discord、X 和其他社交媒體平台實現可靠連接。
在AI 代理商的通訊和媒體功能方面，Eliza 是一個絕佳的選擇。在通訊方面，該框架支援與Discord 的語音頻道功能、X 功能、Telegram 以及用於自訂用例的直接API 存取進行整合。另一方面，該框架的媒體處理功能已擴展至PDF 文件閱讀和分析、連結內容提取和摘要、音訊轉錄、視訊內容處理、影像分析和對話摘要，可有效處理各種媒體輸入和輸出。
Eliza 提供了靈活的AI 模型支持，可透過使用開源模型進行本地推理，透過OpenAI 以及Nous Hermes Llama 3.1B 等預設配置進行基於雲端的推理，且支援整合Claude 以處理複雜查詢。 Eliza 採用了模組化架構，擁有廣泛的動作系統、自訂客戶端支援和全面的API，確保了跨應用的可擴展性和適應性。
Eliza 的用例涵蓋了多個領域，例如與客戶支援、社群管理、個人任務相關的AI 助理；再例如自動內容創作者、品牌代表等社群媒體角色；它還可作為知識工作者，扮演研究助理、內容分析師和文件處理員等角色；以及角色扮演機器人、教育導師和娛樂代理等形式的互動角色。
Eliza 的架構圍繞著一個代理運行時（agent runtime）構建，該運行時可與角色系統（由模型提供者支援）、記憶管理器（連接到資料庫）和動作系統（與平台客戶端連結）無縫集成。該框架的獨特功能包括允許模組化功能擴展的插件系統，支援語音、文字和媒體等多模態交互，以及與Llama、GPT-4 和Claude 等領先AI 模型的兼容性。憑藉其多功能和強大的設計，Eliza 成為跨領域開發AI 應用的強大工具。
GAME
GAME 由Virtuals 官方團隊開發，全稱為“生成式自主多模態實體框架（The Generative Autonomous Multimodal Entities Framework）”，該框架旨在為開發者提供應用程式介面（API）和軟體開發工具包（SDK） ，以便他們使用AI 代理進行實驗。該框架提供了一種管理AI 代理行為、決策和學習過程的結構化方法。
- GAME 的核心元件如下首先，「代理提示介面」（Agent Prompting Interface）是開發者將GAME 整合到代理程式中以取得代理行為的入口。
- 「感知子系統」則透過指定會話ID、代理ID、使用者和其他相關細節等參數來啟動會話。它將傳入的訊息合成為適合「戰略規劃引擎」的格式，充當AI 代理的感覺輸入機制，無論是以對話還是反應的形式。這裡的核心是“對話處理模組”，負責處理來自代理的訊息和回應，並與“感知子系統”協作，有效解釋和回應輸入。
- 「策略規劃引擎」與「對話處理模組」和「鏈上錢包操作員」協同工作，產生回應和計畫。該引擎在兩個層面上運作：作為高級規劃器，根據上下文或目標創建廣泛的策略；作為低階策略，將這些策略轉化為可執行的政策，進一步細分為動作規劃器（用於指定任務）和計劃執行器（用於執行任務）。
- 一個單獨但關鍵的組件是“世界上下文”，它引用環境、世界資訊和遊戲狀態，為代理的決策提供必要的上下文。此外，「代理庫」用於儲存長期屬性，如目標、反思、經驗和個性，這些共同塑造了代理的行為和決策過程。該框架使用了「短期工作記憶」和「長期記憶處理器」 —— 短期記憶保留有關先前行動、結果和當前計劃的相關資訊；相比之下，長期記憶處理器根據重要性、最近性和相關性等標準提取關鍵資訊。這種記憶儲存了有關代理的經驗、反思、動態個性、世界上下文和工作記憶的知識，以增強決策並為學習提供基礎。
- 為了增加佈局，「學習模組」從「感知子系統」獲取資料以產生通用知識，這些知識被回饋到系統中以優化未來的互動。開發者可以透過介面輸入對行動、遊戲狀態和感官數據的回饋，以增強AI 代理的學習並提高其規劃和決策能力。
工作流程從開發者透過代理提示介面進行互動開始；“感知子系統”處理輸入並將其轉發給“對話處理模組”，該模組管理交互邏輯；然後，“戰略規劃引擎”根據這些信息，利用高級策略和詳細的行動規劃來制定和執行計劃。
來自「世界脈絡」和「代理庫」的數據為這些過程提供信息，而工作記憶追蹤即時任務。同時，「長期記憶處理器」隨時間儲存和檢索知識。 「學習模組」分析結果並將新知識整合到系統中，使代理人的行為和互動持續改進。
Rig
Rig是一個基於Rust的開源框架，旨在簡化大型語言模型（LLM）應用的開發。它提供了一個統一的接口，用於與多個LLM 提供者（如OpenAI 和Anthropic）進行交互，並支援各種向量存儲，包括MongoDB 和Neo4j。該框架的模組化架構具有「提供者抽象層」、「向量儲存整合」和「代理系統」等核心元件，可促進LLM 的無縫互動。
Rig 的主要受眾包括使用Rust 建立AI/ML 應用程式的開發者，次要受眾包括尋求將多個LLM 提供者和向量儲存整合到其Rust 應用中的組織。資源庫使用基於工作區的結構組織，包含多個crates，實現了可擴展性和高效的專案管理。 Rig 主要功能包括「提供者抽象層」（Provider Abstraction Layer），該層透過一致的錯誤處理，將用於完成和嵌入LLM 提供者的API 標準化；「向量儲存整合」元件為多個後端提供了一個抽象接口，並支援向量相似性搜尋；「代理系統」簡化了LLM 交互，支援檢索增強生成（RAG）和工具整合。此外，嵌入框架提供了批次能力和類型安全的嵌入操作。
Rig 利用多項技術優勢確保可靠性和效能。非同步操作利用Rust 的非同步運行時來高效處理大量並發請求；該框架固有的錯誤處理機制提高了對人工智慧提供者或資料庫操作故障的復原能力；類型安全可防止編譯時出錯，從而提高程式碼的可維護性；高效的序列化和反序列化流程有助於處理JSON 等格式的數據，這對人工智慧服務的通訊和儲存至關重要；詳細的日誌記錄和儀表進一步幫助調試和監控應用程式。
Rig 中的工作流程始於客戶端發起請求，請求流經“提供者抽象層”，與相應的LLM 模型交互；然後，資料由核心層處理，代理可在核心層使用工具或存取向量存儲以獲取上下文；透過RAG 等複雜的工作流程產生和完善回應，其中包括文件檢索和上下文理解，然後再返回給客戶端。該系統整合了多個LLM 提供者和向量存儲，可適應模型可用性或效能變化。
Rig 的用例多種多樣，包括檢索相關文件以提供準確回應的問題解答系統、用於高效內容發現的文件搜尋和檢索，以及為客戶服務或教育提供上下文感知互動的聊天機器人或虛擬助理。它還支援內容生成，能夠根據學習到的模式創建文字和其他材料，是開發人員和組織機構的多功能工具。
ZerePy
ZerePy 是一個用Python 編寫的開源框架，旨在利用OpenAI 或Anthropic LLM 在X 上部署代理程式。 ZerePy 源自模組化版本的Zerebro 後端，讓開發者可以使用與Zerebro 核心功能類似的功能啟動代理程式。雖然該框架為代理的部署提供了基礎，但為了產生創造性的產出，模型必須微調。 ZerePy 簡化了個人化AI 代理的開發和部署，尤其適用於社交平台上的內容創作，促進了以藝術和去中心化應用程式為目標的AI 創意生態系統。
該框架採用Python 語言構建，強調代理的自主性，注重創造性產出的生成，並與Eliza 的架構+合作夥伴關係一致。其模組化設計支援記憶體系統集成，便於在社交平台上部署代理程式。其主要功能包括用於代理管理的命令列介面、與X 的整合、對OpenAI 和Anthropic LLM 的支持，以及用於增強功能的模組化連接系統。
ZerePy 的用例涵蓋社群媒體自動化，用戶可以部署AI 代理程式進行發布、回覆、按讚和轉發，從而提高平台參與度。此外，它還適用於音樂、備忘錄和NFT 等領域的內容創作，是數位藝術和基於區塊鏈的內容平台的重要工具。
橫向對比
在我們看來，上述每個框架都為AI 開發提供了獨特的方法，迎合了特定的需求和環境，這使得爭論不再局限於這些框架是否互為競爭對手，而是集中在了每個框架是否可提供了獨特的效用及價值。
Eliza 以其友善的介面脫穎而出，尤其適合熟悉JavaScript 和Node.js 環境的開發者。它全面的文件有助於在各種平台上設定AI 代理，儘管其豐富的功能集可能會呈現適度的學習曲線，但由於使用了TypeScript，Eliza非常適合建立嵌入網路中的代理，因為大部分前端網路基礎設施都是用TypeScript 建構的。該框架以其多代理架構而聞名，能夠跨Discord、X 和Telegram 等平台部署多樣化的AI 個性代理程式。其先進的RAG 系統用於記憶管理，使其特別適合建立客戶支援或社交媒體應用類型的AI 助理。雖然它提供了靈活性、強大的社群支援和一致的跨平台效能，但它仍處於早期階段，可能對開發者構成學習曲線。
GAME 專為遊戲開發者設計，透過API 提供了低程式碼或無程式碼介面，便於那些遊戲領域內技術水平較低的用戶存取。不過，它專注於遊戲開發和區塊鏈集成，對於沒有相關經驗的人來說，學習曲線可能比較陡峭。它在程式化內容生成和NPC 行為方面表現突出，但也受限於其細分領域和區塊鏈整合時存在的額外複雜性。
Rig 由於使用了Rust 語言，可能會因為語言的複雜性而對使用者不太友好，這給學習帶來很大挑戰，但對於精通系統程式設計的人來說，它可以提供直觀的互動。與TypeScript 相比，Rust 本身以其效能和記憶體安全性而聞名。它具有嚴格的編譯時檢查和零成本抽象，這是運行複雜人工智慧演算法所必需的。該語言的高效和低控制特點使其成為資源密集型AI 應用的理想選擇。該框架採用模組化和可擴展設計，可提供高效能解決方案，非常適合企業應用。不過，對於不熟悉Rust 語言的開發者來說，使用Rust 會帶來陡峭的學習曲線。
ZerePy 使用了Python語言，為創意AI 任務提供了更高的可用性。對於Python 開發者，尤其是具有AI/ML背景的開發者來說，學習曲線較低，且由於ZEREBRO 的熱度可獲得強大的社群支援。 ZerePy 在NFT 等創意性AI 應用方面表現出色，該框架也將自身定位為數位媒體和藝術領域的強大工具。雖然它在創意方面表現出色，但與其他框架相比，其應用範圍相對較窄。
在可擴展性方面，四大框架的對比如下。
Eliza 在V2 版本更新後取得了長足進步，引入了統一的訊息線和可擴展的核心框架，實現了跨平台的高效管理。但是，如果不進行最佳化，管理這種多平台互動可能會帶來可擴展性方面的挑戰。
GAME 擅長遊戲所需的即時處理，其可擴展性可透過高效演算法和潛在的區塊鏈分散式系統進行管理，不過可能會受到特定遊戲引擎或區塊鏈網路限制的限制。
Rig 框架可利用Rust 的效能優勢實現更好的可擴展性，天生設計用於高吞吐量應用，這可能對企業級部署特別有效，不過這可能意味著要實現真正的可擴展性需要復雜的設置。
ZerePy 的可擴展性針對創意輸出，並且得到社區貢獻的支持，但該框架的重點可能會限制其在更廣泛的人工智慧環境中的應用，其可擴展性可能會受到創意任務多樣性而非用戶量的考驗。
在適用性方面， Eliza 憑藉其插件系統和跨平台相容性遙遙領先，其次是遊戲環境中的GAME 和處理複雜AI 任務的Rig。 ZerePy 在創意領域表現出了很高的適應性，但在更廣泛的AI 應用領域卻不太適用。
性能方面，四大框架的測試結果如下。
Eliza 針對社群媒體的快速互動進行了最佳化，但在處理更複雜的計算任務時，其表現表現可能會有所不同。
GAME 專注於遊戲場景中的高效能即時交互，可利用高效的決策過程和可能的區塊鏈進行分散化的AI 操作。
Rig 以Rust 為基礎，可為高效能運算任務提供優異的效能表現，適用於運算效率至關重要的企業應用。
ZerePy 的表現針對創意內容的創建，其指標以內容生成的效率和品質為中心，在創意領域之外可能不太通用。
結合上述優劣勢綜合分析，Eliza 提供了更好靈活性和可擴展性，插件系統和角色配置使其具有很強的適應性，有利於跨平台的社交人工智慧互動；GAME在遊戲場景可提供獨特的即時互動能力，並透過區塊鏈整合提供了新穎的AI 參與；Rig 的優勢在於其性能和可擴展性，適用於企業級AI 任務，且注重程式碼的簡潔和模組化，以確保專案的長期健康發展；Zerepy擅長培養創造力，在數位藝術的AI 應用方面處於領先地位，並得到了充滿活力的社群驅動開發模式的支持。
總而言之，每個框架都有其限制。 Eliza 仍處於早期階段，存在潛在的穩定性問題，新開發者的學習曲線較長；GAME 的小眾關注點可能會限制其更廣泛的應用，引入區塊鏈也會增加複雜性；Rig 的學習曲線因Rust 語言的複雜性而更加陡峭，可能會讓一些開發者望而卻步；Zerepy 對創意產出的狹隘關注可能會限制其在其他人工智慧領域的應用。
核心對比項梳理
Rig（ARC）
語言： Rust，注重安全性和效能。
用例：注重效率和可擴展性，是企業級AI 應用的理想選擇。
社群： 社群驅動較少，較側重於技術開發者。
Eliza (AI16Z)
語言：TypeScript，強調Web3 的彈性和社群參與。
使用案例： 專為社交互動、DAO 和交易而設計，特別強調多代理系統。
社群： 高度社群驅動，與GitHub 有廣泛聯繫。
ZerePy (ZEREBRO)：
語言：Python，更容易被更廣泛的AI 開發者群體接受。
使用案例：適用於社群媒體自動化和較簡單的AI 代理任務。
社群： 相對較新，但由於Python 的普及以及ai16z 貢獻者的支持，有望實現成長。
GAME（VIRTUAL、GMAE）：
重點： 自主、自適應的AI 代理，可根據虛擬環境中的互動進行演化。
使用案例：最適用於代理需要學習和適應的場景，如遊戲或虛擬世界。
社群： 具有創新性，但仍在競爭中確定自己的定位。
Github 數據成長率
上述圖表是自這些框架自推出以來在GitHub 上掛星資料的變化。一般而言，GitHub 的星星可作為社區興趣、專案流行度和專案感知價值的指標。
Eliza（紅線）：圖表顯示出該框架星星數量增長顯著且趨勢穩定，從7 月的低基數開始，在11 月下旬開始激增，現已達到6100 顆星。這表明圍繞著該框架興趣迅速激增，吸引了開發者的注意。指數級的成長則表明，Eliza 因其功能、更新和社區參與而獲得了巨大的吸引力，它的受歡迎程度遠遠超過了其他產品，這表明它得到了社區的大力支持，在人工智慧社區中具有更廣泛的適用性或興趣。
Rig（藍線）： Rig 是四大框架中歷史最「悠久」的一個，它的星星增長幅度不大，但很穩定，最近一個月則明顯上升。它的星星總量已達1700 顆，但仍處於上升軌道。關注度的穩定累積得益於持續的開發、更新和不斷增長的用戶群。這可能反映了Rig 是仍在累積聲譽的框架。
ZerePy（黃線）： ZerePy 幾天前剛啟動，星星數量已增長到了181。需要強調的是，ZerePy 需要更多的開發來提高其可見度和採用率，與ai16z 的合作可能會吸引更多的貢獻者參與其程式碼庫。
GAME（綠線）： 框架的星星數量很少，但值得注意的是，該框架可以透過API 直接應用於Virtual 生態系統中的代理，因此無需在Github 上發布。 然而，雖然該框架僅在一個多月前才公開供建構者使用，但目前已有200 多個專案在使用GAME進行建置。
AI 框架的升級預期
Eliza的2.0 版本將包括與Coinbase代理工具包的整合。所有使用Eliza的專案將獲得對未來原生TEE（可信任執行環境）的支持，使代理商能夠在安全環境中運作。插件註冊中心（Plugin Registry）是Eliza 即將推出的一項功能，允許開發人員無縫註冊和整合插件。
此外，Eliza 2.0 將支援自動化的匿名跨平台訊息傳遞。預計於2025 年1 月1 日發布的Tokenomics 白皮書將對支撐Eliza框架的AI16Z 代幣產生正面影響。 ai16z 計劃繼續加強該框架的實用性，並利用其主要貢獻者所做的努力，引進高素質人才。
GAME框架為代理提供了無程式碼集成，使得在單一專案中可同時使用GAME和Eliza，各自服務於特定用例。這種方法預計將吸引專注於業務邏輯而非技術複雜性的建構者。儘管該框架僅公開可用30多天，但在團隊努力吸引更多貢獻者的支持下，該框架已取得實質進展。預計在VirtuaI 上啟動的每個專案都將採用GAME。
由ARC代幣驅動的Rig框架具有顯著潛力，儘管其框架的成長處於早期階段，推動Rig 採用的專案合約計畫也僅上線幾天。不過，預計不久後將出現與ARC搭配的高品質項目，類似於Virtual飛輪，但專注於Solana 。 Rig 團隊對與Solana的合作持樂觀態度，將ARC定位為Solana的Virtual。值得注意的是，該團隊不僅激勵使用Rig啟動的新項目，也激勵開發者增強Rig框架本身。
Zerepy是一個新推出的框架，由於與ai16z（Eliza 框架）的合作正在獲得大量關注，該框架已吸引了來自Eliza的貢獻者，他們正在積極努力地改進該框架。 Zerepy 享有由ZEREBRO 社群驅動的狂熱支持，並且正在為此前在競爭激烈的AI 基礎設施領域缺乏發揮空間的Python 開發者開闢了新機會。預計該框架將在AI 的創意方面發揮重要作用。
