著者: Deep Value Memetics, translated by Golden Finance xiaozouこの記事では、Crypto X AIフレームワークの展望について探ります。現在の主要な4つのフレームワーク（ELIZA、GAME、ARC、ZEREPY）とそれぞれの技術的な違いに焦点を当てます。**1. イントロダクション**私たちは過去1週間にわたり、ELIZA、GAME、ARC、ZEREPYの4つの主要なCrypto X AIフレームワークを研究・テストしました。その結果は以下の通りです。私たちはAI16Zが引き続き主導的な地位を占めると信じています。Elizaの価値（市場占有率約60%、時価総額10億ドル超）は、その先行優位性（リンディ効果）と、ますます多くの開発者が使用していることにあります。193人の貢献者、1800のフォーク、6000以上のスターなどのデータがこれを証明しており、ElizaはGithubで最も人気のあるコードリポジトリの一つとなっています。これまでのところ、GAME（市場シェア約20％、時価総額約3億ドル）の発展は非常に順調であり、急速に採用されている。VIRTUALが発表したように、このプラットフォームには200以上のプロジェクト、15万のデイリーリクエスト、200％の週次成長率がある。GAMEはVIRTUALの台頭から引き続き恩恵を受け、そのエコシステムの中で最大の勝者の一人となるだろう。Rig（ARC、市場占有率約15%、時価総額約1.6億ドル）は非常に注目されており、そのモジュール式設計は非常に操作が簡単で、Solanaエコシステム（RUST）で「ピュアプレイ」として主導的な地位を占めることができます。Zerepy（市場占有率約5％、時価総額約3億ドル）は、熱心なZEREBROコミュニティを対象とした比較的小規模なアプリケーションであり、最近ai16zコミュニティとの協力が相乗効果を生む可能性があります。私たちは、市場シェアの計算が時価総額、開発履歴、基盤となるオペレーティングシステムの端末市場をカバーしていることに注意しています。フレームセグメントは、この市場サイクルで最も急成長している分野であり、時価総額17億ドルは200億ドルに容易に成長する可能性が高いとみていますが、これは、多くのL1が200億ドルを超えるバリュエーションに達した2021年のL1バリュエーションのピークと比較すると、まだ比較的保守的です。 これらのフレームワークはすべて異なるエンドマーケット(チェーン/エコシステム)に対応していますが、この分野が上昇傾向にあると考えられていることを考えると、時価総額加重型アプローチが最も賢明なアプローチと言えるでしょう。**2、四大フレームワーク**以下の表に、主要なフレームワークの重要な技術、コンポーネント、および利点を列挙しました。! [9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png](https://img.gateio.im/social/moments-767eae3b29588f8ac66760cd519a7469 "7338640")**（1）フレームワークの概要**AI X Cryptoの交差領域では、AIの発展を促進するいくつかのフレームワークがあります。それらはAI16ZのELIZA、ARCのRIG、ZEREPYのZEREBRO、そしてGAMEのVIRTUALです。各フレームワークは、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に重点を置いたエンタープライズソリューションまで、AIエージェント開発プロセスにおける異なるニーズや理念を満たしています。この記事では、まずフレームワークについて紹介し、それらが何であるか、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、独自の機能、およびフレームワークが使用できる潜在的なユースケースについて説明します。その後、各フレームワークを使いやすさ、拡張性、適応性、性能の観点から比較し、それぞれの利点と限界を探ります。**ELIZA（ai16zによって開発されました）**Elizaは、自律型AIエージェントを作成、デプロイ、管理するために設計されたマルチエージェントシミュレーションのオープンソースフレームワークです。 TypeScriptプログラミング言語で開発され、一貫した性格と知識を持つ複数のプラットフォーム間での人間の相互作用を可能にす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拡張可能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コア機能には、複数の独自のAIパーソナリティを同時に展開および管理するためのマルチエージェントアーキテクチャ、異なるエージェントの役割を作成するための役割ファイルフレームワーク、および高度な検索強化生成（RAG）システムを通じて提供される長期記憶と文脈を意識したメモリ管理機能が含まれています。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性の高い接続を実現するスムーズなプラットフォーム統合も提供しています。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関しては、Elizaは優れた選択肢です。 コミュニケーションに関しては、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のAPIへの直接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、音声の文字起こし、ビデオコンテンツ処理、画像分析、会話の要約に拡張して、幅広いメディアの入出力を効率的に処理できます。Elizaフレームワークは、オープンソースモデルのローカル推論、OpenAIのクラウド推論、およびデフォルト設定（Nous Hermes Llama 3.1Bなど）を通じて柔軟なAIモデルサポートを提供し、Claudeによる複雑なタスク処理のサポートも統合しています。Elizaはモジュラーアーキテクチャを採用し、広範なオペレーティングシステム、カスタムクライアントサポート、および包括的なAPIを備えており、アプリケーション間のスケーラビリティと適応性を保証します。Elizaのユースケースは、カスタマーサポート、コミュニティモデレーション、パーソナルタスクのためのAIアシスタントや、コンテンツオートクリエーター、インタラクティブボット、ブランド担当者などのソーシャルメディアペルソナなど、複数のドメインにまたがっています。 また、リサーチアシスタント、コンテンツアナリスト、ドキュメントプロセッサなどの役割を担うナレッジワーカーとしても機能し、ボット、教育メンター、エンターテインメントエージェントの形でロールプレイングのインタラクティブな役割をサポートします。Eliza のアーキテクチャは、エージェント ランタイムを中心に構築されており、ロール システム (モデル プロバイダーによってサポート)、メモリ マネージャー (データベースに接続)、およびオペレーティング システム (プラットフォーム クライアントにリンクされている) とシームレスに統合されます。 このフレームワークのユニークな機能には、モジュラー機能拡張をサポートし、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をサポートし、Llama、GPT-4、Claudeなどの主要なAIモデルと互換性を持つプラグインシステムが含まれます。 その汎用性と堅牢な設計により、Elizaは、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として際立っています。**G.A.M.E（バーチャルプロトコルによって開発されました）**生成型自治マルチモーダルエンティティフレームワーク（G.A.M.E）は、開発者にAIエージェントの実験のためのAPIとSDKアクセスを提供することを目的としています。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。そ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トインターフェース（Agent Prompting Interface）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行動にアクセスするための入り口です。知覚サブシステム（Perception Subsystem）は、セッションID、エージェントID、ユーザー、その他の関連する詳細などのパラメータを指定することによってセッションを開始します。これは、入ってくる情報を戦略計画エンジンに適した形式に合成し、会話や反応の形で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。 その中核となるのはダイアログ処理モジュールで、エージェントからのメッセージと応答を処理し、認識サブシステムと協力して入力を効率的に解釈して応答します。戦略計画エンジンは、会話処理モジュールやオンチェーンウォレットオペレーターと連携して、応答と計画を生成します。 エンジンは2つのレベルで機能します:コンテキストまたは目標に基づいて広範な戦略を作成するための高レベルのプランナーとして。 これらのポリシーは、低レベルポリシーとして実行可能なポリシーに変換され、さらに、指定されたタスクのアクションプランナーとタスクを実行するスケジュール実行者に分割されます。もう一つの独立した重要なコンポーネントはWorld Context（世界の文脈）であり、これは環境、グローバル情報、ゲームの状態を参照し、エージェントの意思決定に必要な文脈を提供します。また、Agent Repository（エージェントリポジトリ）は、目標、反省、経験、個性などの長期的な属性を保存するために使用され、これらはエージェントの行動と意思決定プロセスを形作る要素です。このフレームワークは、短期ワーキングメモリと長期メモリプロセッサを使用します。 以前の動作、結果、および現在の計画に関する情報は、短期間保持されます。 対照的に、長期メモリプロセッサは、重要度、最新性、関連性などの基準に基づいて重要な情報を抽出します。 長期記憶は、エージェントの経験、反射、ダイナミックな性格、世界の文脈、および作業記憶に関する知識を保存して、意思決定を強化し、学習の基礎を提供します。学習モジュールは、認識サブシステムからのデータを使用して一般的な知識を生成し、それをシステムにフィードバックして将来の相互作用を改善します。 開発者は、インターフェイスを介してモーション、ゲームの状態、および感覚データに関するフィードバックを入力して、AIエージェントの学習能力を強化し、計画および意思決定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ースを介してインタラクションを行うことから始まります。入力は認知サブシステムによって処理され、対話処理モジュールに転送されます。対話処理モジュールはインタラクションのロジックを管理する役割を担っています。その後、戦略計画エンジンはこれらの情報に基づいて計画を策定し実行します。高レベルの戦略と詳細な行動計画を活用します。世界の文脈とエージェントリポジトリからのデータがこれらのプロセスに通知される一方で、作業メモリは即時タスクを追跡します。その間、長期メモリプロセッサは長期的な知識を保存し、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て、エージェントの行動と相互作用が継続的に改善されるようにします。**RIG（ARCによって開発されました）**Rig は、大規模な言語モデル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オープンソースの Rust 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一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は、Provider Abstraction Layer、ベクトルストレージ統合、プロキシシステムなどのコアコンポーネントがユニークで、LLMとのシームレスなインタラクションを促進します。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、次に、複数のLLMプロバイダーとベクトルストアを独自の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。 リポジトリは、複数のクレートを備えたワークスペースアーキテクチャを使用して、スケーラビリティと効率的なプロジェクト管理をサポートします。 その主な機能は、プロバイダー抽象化レイヤーであり、一貫したエラー処理を使用して、異なる LLM プロバイダー間で API を完了および埋め込むための標準化を提供します。 Vector Store Integration コンポーネントは、複数のバックエンドに抽象的なインターフェイスを提供し、ベクトル類似性検索をサポートします。 エージェントシステムは、LLM インタラクションを簡素化し、Retrieval Enhanced Generation (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、タイプセーフのためのバッチ処理機能と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、多く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、多数の同時リクエストを効率的に処理します。 フレーム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失敗に対する回復性が向上します。 タイプ セーフは、コンパイル プロセスのエラーを防ぎ、コードの保守性を向上させることができます。 効率的なシリアライゼーションとデシリアライゼーションのプロセスは、AIサービスの通信とストレージに不可欠なJSONなどの形式でのデータ処理をサポートします。 詳細なロギング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したときに開始され、リクエストはプロバイダー抽象化レイヤーを通じて適切な LLM モデルと対話します。 その後、データはコアレイヤーによって処理され、エージェントはツールを使用したり、コンテキストのベクトルストアにアクセスしたりできます。 レスポンスは、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、ドキュメントの取得とコンテキストの理解を含むプロセスであるクライアントに返されます。 このシステムは、複数のLLMプロバイダーおよびベクトルストレージと統合されているため、モデルの可用性やパフォーマンスの更新に適応できます。Rigのユースケースは多岐にわたり、関連文書を検索して正確な応答を提供する質問応答システム、高効率なコンテンツ発見のための文書検索および取得システム、顧客サービスや教育のために文脈を意識したインタラクションを提供するチャットボットやバーチャルアシスタントなどがあります。また、コンテンツ生成をサポートし、学習モードに基づいてテキストやその他の資料を作成することができるため、開発者や組織の汎用ツールとなっています。**Zerpy(ZERPYとblormが開発)**ZerePy は、Python 言語で記述されたオープンソースのフレームワークで、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ことを目的としています。 Zerebroのバックエンドのモジュラーバージョンから派生したZerePyを使用すると、開発者はZerebroと同様のコア機能を備えたエージェントを起動できます。 フレームワークはエージェントのデプロイ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ことが不可欠です。 ZerePyは、特にソーシャルプラットフォームでのコンテンツ作成のために、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、アートと分散型アプリケーションのためのAI主導の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で開発されており、エージェントの自律性を強調し、創造的な出力生成に焦点を当て、ELIZAのアーキテクチャおよびELIZAとの協力関係を維持しています。そのモジュール式設計はメモリシステムの統合をサポートし、ソーシャルプラットフォーム上でエージェントの展開をサポートします。主な機能にはエージェント管理用のコマンドラインインターフェース、Twitter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ール式接続システムが含まれています。ZerePyのユースケースは、ソーシャルメディアの自動化の領域にまたがっており、ユーザーはAIエージェントをデプロイして投稿、返信、いいね、リツイートを行い、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、ミーム、NFTなどの分野でのコンテンツ作成に対応しているため、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となっています。**（2）四大フレームワークの比較**私たちの見解では、各フレームワークは人工知能開発に対して特定のニーズと環境に適合した独自のアプローチを提供します。私たちはこれらのフレームワークの競争関係から各フレームワークの独自性に焦点を移します。ELIZAは、特にJavaScriptやNode.js環境に精通している開発者にとって、そのユーザーフレンドリーなインターフェースで際立っています。 そ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エージェントを設定するのに役立ちますが、その広範な機能セットには一定の学習曲線が伴う場合があります。 TypeScriptで開発されたElizaは、WebインフラストラクチャのフロントエンドのほとんどがTypeScriptで開発されているため、Webに埋め込まれたプロキシを構築するのに理想的です。 このフレームワークは、Discord、X、TelegramなどのプラットフォームにさまざまなAIパーソナリティをデプロイできるマルチエージェントアーキテクチャで知られています。 その高度なメモリ管理RAGシステムは、ソーシャルメディアアプリケーションのカスタマーサポートやAIアシスタントに特に効果的です。 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をもたらす可能性があります。GAMEはゲーム開発者向けに設計されており、APIを介してローコードまたはノーコードのインターフェースを提供し、ゲームスペースの技術に詳しくないユーザーでもアクセスできるようにします。 しかし、ゲーム開発とブロックチェーンの統合に重点を置いているため、関連する経験がない人にとっては急な学習曲線を引き起こす可能性があります。 プロシージャルなコンテンツ生成とNPCの行動に優れていますが、ニッチとブロックチェーンの統合の複雑さが増すため、制限があります。Rust言語を使用しているため、Rigは言語の複雑さを考えるとあまりユーザーフレンドリーではない可能性があり、これは重大な学習課題を提示しますが、システムプログラミングに習熟している人にとっては直感的なインタラクションがあります。 TypeScripe とは対照的に、プログラミング言語自体はそのパフォーマンスとメモリの安全性で知られています。 これには、複雑なAIアルゴリズムを実行するために必要な厳格なコンパイル時チェックとゼロコストの抽象化があります。 この言語は非常に効率的で、制御の度合いが低いため、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は、モジュール式でスケーラブルな設計の高性能ソリューションを提供し、エンタープライズアプリケーションに最適です。 ただし、Rustに詳しくない開発者にとって、Rustを使用すると、必然的に急な学習曲線につながります。Pythonを活用することで、ZerePyはクリエイティブなAIタスクに高いレベルのユーザビリティを提供し、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は学習曲線が低く、Zerebroの暗号コミュニティのおかげで強力なコミュニティサポートの恩恵を受けることができます。 ZerePyは、NFTなどのクリエイティブAIアプリケーションを専門としており、デジタルメディアやアートの強力なツールとしての地位を確立しています。 創造性で繁栄しますが、他のフレームワークに比べて範囲が比較的狭くなっています。スケーラビリティの観点から、ELIZAはそのV2アップデートで大きな進歩を遂げ、統一されたメッセージラインとスケーラブルなコアフレームワークを導入し、複数のプラットフォーム間での効果的な管理をサポートしています。しかし、最適化を行わない場合、このマルチプラットフォームのインタラクション管理はスケーラビリティの課題をもたらす可能性があります。GAMEはゲームに必要なリアルタイム処理において優れた性能を発揮し、スケーラビリティは効率的なアルゴリズムと潜在的なブロックチェーン分散システムによって管理されていますが、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を受ける可能性があります。RigフレームワークはRustの拡張性性能を利用しており、高スループットアプリケーションを対象に設計されています。これは企業レベルのデプロイメントに特に効果的ですが、真の拡張性を実現するためには複雑な設定が必要になる可能性があります。Zerepyの拡張性は、コミュニティの貢献に支えられた創造的なアウトプットを対象としていますが、その焦点はより広範なAI環境でのアプリケーションを制限する可能性があり、スケーラビリティはユーザー数ではなく創造的なタスクの多様性によってテストされる可能性があります。適応性に関して、ELIZAはその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先行しており、ゲーム環境下のGAMEや複雑なAIタスクを処理するRigも非常に優れています。ZerePyは創造的な領域で高い適応性を示しますが、より広範な人工知能アプリケーションにはあまり適していません。パフォーマンスの観点から、ELIZAは迅速なソーシャルメディアのインタラクションに最適化されており、迅速な応答時間が重要ですが、より複雑な計算タスクを処理する際にはそのパフォーマンスが異なる可能性があります。Virtual Protocolが開発したGAMEは、ゲームシーンにおける高性能なリアルタイムインタラクションに焦点を当て、効率的な意思決定プロセスと潜在的なブロックチェーンを利用して、分散型人工知能操作を行います。RigフレームワークはRust言語に基づいており、高性能計算タスクに優れた性能を提供し、計算効率が極めて重要な企業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に特化しており、その指標はコンテンツ生成の効率と質に焦点を当てており、クリエイティブ分野以外ではあまり一般的ではない可能性があります。ELIZAの利点は、プラグインシステムとキャラクター設定を通じて高い適応性を持ち、柔軟性と拡張性を提供することです。これにより、クロスプラットフォームのソーシャルAIインタラクションに役立ちます。GAMEはゲーム内で独自のリアルタイムインタラクション機能を提供し、ブロックチェーン統合により新しいAIの参加を強化しています。Rigの利点は、企業の人工知能タスクに対する性能とスケーラビリティにあり、長期プロジェクトの健全性を提供するためにクリーンなモジュール化コードに重点を置いています。Zerepyは創造性を育成することに長けており、デジタルアートの人工知能アプリケーションにおいて先進的な地位を占めており、活気あるコミュニティによる開発モデルを支えとしています。各フレームワークには独自の限界があります。ELIZAはまだ初期段階にあり、潜在的な安定性の問題や新しい開発者の学習曲線があります。ニッチなゲームはより広範な応用を制限する可能性があり、さらにブロックチェーンは複雑さを増しています。RigはRustによる急激な学習曲線が一部の開発者を尻込みさせる可能性があり、Zerepyは創造的な出力に対する限られた関心が他のAI分野での使用を制限する可能性があります。**（3）フレームワークの比較まとめ****リグ(ARC):**言語：Rust、安全性とパフォーマンスに重点を置く。ユースケース:効率性とスケーラビリティに重点を置いているため、エンタープライズグレードのAIアプリケーションに最適です。コミュニティ：あまりコミュニティ主導ではなく、技術開発者にもっと焦点を当てています。**エリザ (AI16Z)：**言語:TypeScript、web3の柔軟性とコミュニティエンゲージメントを強調しています。ユースケース：ソーシャルインタラクション、DAO、取引のために設計されており、特にマルチエージェントシステムを強調しています。コミュニティ：高度にコミュニティ主導で、広範なGitHubの参加があります。**ZerePyの(ZEREBRO):**言語：Python、より広範なAI開発者基盤で使用できるようにします。ユースケース：ソーシャルメディアの自動化やより簡単なAIエージェント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の貢献者のサポートにより、成長が期待されています。**ゲーム（バーチャル）：**焦点：自律的、適応型の人工知能エージェントは、仮想環境での相互作用に基づいて進化することができます。ユースケース：AIエージェントが学習し適応するのに最適なシナリオ、例えばゲームやバーチャルワールド。コミュニティ：革新的なコミュニティですが、競争の中で自分の位置をまだ特定している最中です。**3、Githubのスターデータの動向****! [WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png](https://img.gateio.im/social/moments-f68dbacbb0dd12e755411e04361e7531 "7338641")**上の図は、これらのフレームワークが公開されて以来のGitHubのスターの関心データです。注目すべきは、GitHubのスターはコミュニティの関心、プロジェクトの人気度、そしてプロジェクトの認知価値の指標であるということです。**ELIZA(赤線):**7月の低水準から11月下旬の星の数の大幅な増加(61,000個の星)まで、これは開発者の関心と注目を集める関心が急速に高まっていることを示しています。 この指数関数的な成長は、ELIZA がその機能、更新、およびコミュニティの関与のおかげで大きな牽引力を得ていることを示しています。 その人気は他の競合他社をはるかに上回っており、コミュニティからの強力なサポートと、AIコミュニティへの幅広い適用性または関心を持っていることを示唆しています。**RIG(青線):**Rigは四大フレームワークの中で最も歴史が古く、そのstarの数は適度ですが、常に増加し続けています。今後の1ヶ月間で大幅に増加する可能性があります。現在1700個の星に達していますが、まだ上昇中です。継続的な開発、更新、そして増え続けるユーザー数は、ユーザーの関心が蓄積され続ける理由です。これは、このフレームワークのユーザーがニッチであるか、まだ評判を蓄積していることを反映している可能性があります。**ZEREPY(黄色い線):**ZerePyは数日前にリリースされ、すでに181のスターを獲得しています。強調すべきは、ZerePyはその可視性と採用率を向上させるためにさらなる開発が必要です。AI16Zとの協力は、より多くのコード貢献者を引き寄せるかもしれません。**ゲーム（緑の線）：**このプロジェクトのstar数は最も少なく、注目すべきは、このフレームワークがAPIを介して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の可視性の必要がなくなることです。しかし、このフレームワークはわずか1か月前にビルダーに公開され、200以上のプロジェクトがGAMEを使って構築されています。**4、フレームの強気理由**ElizaのV2バージョンはCoinbaseプロキシスイートを統合します。Elizaを使用するすべてのプロジェクトは、将来的にネイティブTEEをサポートし、安全な環境でプロキシが動作できるようになります。Elizaの今後の機能の1つは、開発者がプラグインをシームレスに登録および統合できるプラグインレジストリ（Plugin Registry）です。さらに、Eliza V2は自動化された匿名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。トークンエコノミクスホワイトペーパーは2025年1月1日に発表される予定で、Elizaフレームワークの基盤となるAI16Zトークンにプラスの影響を与えると予想されています。AI16Zはフレームワークの有用性を引き続き向上させ、高品質な人材を引き付ける予定であり、その主要な貢献者の努力は、その能力を証明しています。ゲームフレームワークは、エージェントにノーコード統合を提供し、ゲームとエリザの両方を1つのプロジェクトで使用し、それぞれが特定の目的を果たすことを可能にします。 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を重視するビルダーにとって魅力的なものとなるでしょう。 このフレームワークは公開されてから30日しか経っていませんが、より多くの貢献者を引き付けるためのチームの取り組みに支えられ、大幅な進歩を遂げました。 VIRTUALでローンチされる全てのプロジェクトは、GAMEを利用することが予想されます。ARCトークンに代表されるRigは大きな可能性を秘めていますが、そのフレームワークはまだ成長の初期段階にあり、プロジェクトの採用を推進する計画はまだ数日しか稼働していません。 しかし、ARCを使用した高品質のプロジェクトは、Virtual Flywheelと同様に、Solanaに焦点を当てたものがまもなく登場すると予想されています。 チームはSolanaとのパートナーシップについて楽観的であり、ARCとSolanaの関係をVirtual to Baseに例えています。 注目すべきは、このチームが新しいプロジェクトを Rig で開始することを奨励するだけでなく、開発者が Rig フレームワーク自体を強化することを奨励していることです。Zerepyは新しく登場したフレームワークで、Elizaとの協力関係により、ますます注目を集めています。このフレームワークはElizaの貢献者を惹きつけており、彼らは積極的に改善に取り組んでいます。ZEREBROのファンの後押しを受けて、このフレームワークは熱心な支持者を持ち、以前は人工知能インフラの競争において代表性が欠けていたPython開発者に新たな機会を提供しています。このフレームワークはAIの創造性において重要な役割を果たすでしょう。
ELIZA、GAME、ARC、ZERPY の 4 つの主要な Crypto X AI フレームワークの比較
著者: Deep Value Memetics, translated by Golden Finance xiaozou
この記事では、Crypto X AIフレームワークの展望について探ります。現在の主要な4つのフレームワーク（ELIZA、GAME、ARC、ZEREPY）とそれぞれの技術的な違いに焦点を当てます。
1. イントロダクション
私たちは過去1週間にわたり、ELIZA、GAME、ARC、ZEREPYの4つの主要なCrypto X AIフレームワークを研究・テストしました。その結果は以下の通りです。
私たちはAI16Zが引き続き主導的な地位を占めると信じています。Elizaの価値（市場占有率約60%、時価総額10億ドル超）は、その先行優位性（リンディ効果）と、ますます多くの開発者が使用していることにあります。193人の貢献者、1800のフォーク、6000以上のスターなどのデータがこれを証明しており、ElizaはGithubで最も人気のあるコードリポジトリの一つとなっています。
これまでのところ、GAME（市場シェア約20％、時価総額約3億ドル）の発展は非常に順調であり、急速に採用されている。VIRTUALが発表したように、このプラットフォームには200以上のプロジェクト、15万のデイリーリクエスト、200％の週次成長率がある。GAMEはVIRTUALの台頭から引き続き恩恵を受け、そのエコシステムの中で最大の勝者の一人となるだろう。
Rig（ARC、市場占有率約15%、時価総額約1.6億ドル）は非常に注目されており、そのモジュール式設計は非常に操作が簡単で、Solanaエコシステム（RUST）で「ピュアプレイ」として主導的な地位を占めることができます。
Zerepy（市場占有率約5％、時価総額約3億ドル）は、熱心なZEREBROコミュニティを対象とした比較的小規模なアプリケーションであり、最近ai16zコミュニティとの協力が相乗効果を生む可能性があります。
私たちは、市場シェアの計算が時価総額、開発履歴、基盤となるオペレーティングシステムの端末市場をカバーしていることに注意しています。
フレームセグメントは、この市場サイクルで最も急成長している分野であり、時価総額17億ドルは200億ドルに容易に成長する可能性が高いとみていますが、これは、多くのL1が200億ドルを超えるバリュエーションに達した2021年のL1バリュエーションのピークと比較すると、まだ比較的保守的です。 これらのフレームワークはすべて異なるエンドマーケット(チェーン/エコシステム)に対応していますが、この分野が上昇傾向にあると考えられていることを考えると、時価総額加重型アプローチが最も賢明なアプローチと言えるでしょう。
2、四大フレームワーク
以下の表に、主要なフレームワークの重要な技術、コンポーネント、および利点を列挙しました。
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
（1）フレームワークの概要
AI X Cryptoの交差領域では、AIの発展を促進するいくつかのフレームワークがあります。それらはAI16ZのELIZA、ARCのRIG、ZEREPYのZEREBRO、そしてGAMEのVIRTUALです。各フレームワークは、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に重点を置いたエンタープライズソリューションまで、AIエージェント開発プロセスにおける異なるニーズや理念を満たしています。
この記事では、まずフレームワークについて紹介し、それらが何であるか、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、独自の機能、およびフレームワークが使用できる潜在的なユースケースについて説明します。その後、各フレームワークを使いやすさ、拡張性、適応性、性能の観点から比較し、それぞれの利点と限界を探ります。
ELIZA（ai16zによって開発されました）
Elizaは、自律型AIエージェントを作成、デプロイ、管理するために設計されたマルチエージェントシミュレーションのオープンソースフレームワークです。 TypeScriptプログラミング言語で開発され、一貫した性格と知識を持つ複数のプラットフォーム間での人間の相互作用を可能にす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拡張可能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コア機能には、複数の独自のAIパーソナリティを同時に展開および管理するためのマルチエージェントアーキテクチャ、異なるエージェントの役割を作成するための役割ファイルフレームワーク、および高度な検索強化生成（RAG）システムを通じて提供される長期記憶と文脈を意識したメモリ管理機能が含まれています。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性の高い接続を実現するスムーズなプラットフォーム統合も提供しています。
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関しては、Elizaは優れた選択肢です。 コミュニケーションに関しては、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のAPIへの直接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、音声の文字起こし、ビデオコンテンツ処理、画像分析、会話の要約に拡張して、幅広いメディアの入出力を効率的に処理できます。
Elizaフレームワークは、オープンソースモデルのローカル推論、OpenAIのクラウド推論、およびデフォルト設定（Nous Hermes Llama 3.1Bなど）を通じて柔軟なAIモデルサポートを提供し、Claudeによる複雑なタスク処理のサポートも統合しています。Elizaはモジュラーアーキテクチャを採用し、広範なオペレーティングシステム、カスタムクライアントサポート、および包括的なAPIを備えており、アプリケーション間のスケーラビリティと適応性を保証します。
Elizaのユースケースは、カスタマーサポート、コミュニティモデレーション、パーソナルタスクのためのAIアシスタントや、コンテンツオートクリエーター、インタラクティブボット、ブランド担当者などのソーシャルメディアペルソナなど、複数のドメインにまたがっています。 また、リサーチアシスタント、コンテンツアナリスト、ドキュメントプロセッサなどの役割を担うナレッジワーカーとしても機能し、ボット、教育メンター、エンターテインメントエージェントの形でロールプレイングのインタラクティブな役割をサポートします。
Eliza のアーキテクチャは、エージェント ランタイムを中心に構築されており、ロール システム (モデル プロバイダーによってサポート)、メモリ マネージャー (データベースに接続)、およびオペレーティング システム (プラットフォーム クライアントにリンクされている) とシームレスに統合されます。 このフレームワークのユニークな機能には、モジュラー機能拡張をサポートし、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をサポートし、Llama、GPT-4、Claudeなどの主要なAIモデルと互換性を持つプラグインシステムが含まれます。 その汎用性と堅牢な設計により、Elizaは、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として際立っています。
G.A.M.E（バーチャルプロトコルによって開発されました）
生成型自治マルチモーダルエンティティフレームワーク（G.A.M.E）は、開発者にAIエージェントの実験のためのAPIとSDKアクセスを提供することを目的としています。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。
そ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トインターフェース（Agent Prompting Interface）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行動にアクセスするための入り口です。知覚サブシステム（Perception Subsystem）は、セッションID、エージェントID、ユーザー、その他の関連する詳細などのパラメータを指定することによってセッションを開始します。
これは、入ってくる情報を戦略計画エンジンに適した形式に合成し、会話や反応の形で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。 その中核となるのはダイアログ処理モジュールで、エージェントからのメッセージと応答を処理し、認識サブシステムと協力して入力を効率的に解釈して応答します。
戦略計画エンジンは、会話処理モジュールやオンチェーンウォレットオペレーターと連携して、応答と計画を生成します。 エンジンは2つのレベルで機能します:コンテキストまたは目標に基づいて広範な戦略を作成するための高レベルのプランナーとして。 これらのポリシーは、低レベルポリシーとして実行可能なポリシーに変換され、さらに、指定されたタスクのアクションプランナーとタスクを実行するスケジュール実行者に分割されます。
もう一つの独立した重要なコンポーネントはWorld Context（世界の文脈）であり、これは環境、グローバル情報、ゲームの状態を参照し、エージェントの意思決定に必要な文脈を提供します。また、Agent Repository（エージェントリポジトリ）は、目標、反省、経験、個性などの長期的な属性を保存するために使用され、これらはエージェントの行動と意思決定プロセスを形作る要素です。
このフレームワークは、短期ワーキングメモリと長期メモリプロセッサを使用します。 以前の動作、結果、および現在の計画に関する情報は、短期間保持されます。 対照的に、長期メモリプロセッサは、重要度、最新性、関連性などの基準に基づいて重要な情報を抽出します。 長期記憶は、エージェントの経験、反射、ダイナミックな性格、世界の文脈、および作業記憶に関する知識を保存して、意思決定を強化し、学習の基礎を提供します。
学習モジュールは、認識サブシステムからのデータを使用して一般的な知識を生成し、それをシステムにフィードバックして将来の相互作用を改善します。 開発者は、インターフェイスを介してモーション、ゲームの状態、および感覚データに関するフィードバックを入力して、AIエージェントの学習能力を強化し、計画および意思決定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ースを介してインタラクションを行うことから始まります。入力は認知サブシステムによって処理され、対話処理モジュールに転送されます。対話処理モジュールはインタラクションのロジックを管理する役割を担っています。その後、戦略計画エンジンはこれらの情報に基づいて計画を策定し実行します。高レベルの戦略と詳細な行動計画を活用します。
世界の文脈とエージェントリポジトリからのデータがこれらのプロセスに通知される一方で、作業メモリは即時タスクを追跡します。その間、長期メモリプロセッサは長期的な知識を保存し、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て、エージェントの行動と相互作用が継続的に改善されるようにします。
RIG（ARCによって開発されました）
Rig は、大規模な言語モデル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オープンソースの Rust 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一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は、Provider Abstraction Layer、ベクトルストレージ統合、プロキシシステムなどのコアコンポーネントがユニークで、LLMとのシームレスなインタラクションを促進します。
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、次に、複数のLLMプロバイダーとベクトルストアを独自の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。 リポジトリは、複数のクレートを備えたワークスペースアーキテクチャを使用して、スケーラビリティと効率的なプロジェクト管理をサポートします。 その主な機能は、プロバイダー抽象化レイヤーであり、一貫したエラー処理を使用して、異なる LLM プロバイダー間で API を完了および埋め込むための標準化を提供します。 Vector Store Integration コンポーネントは、複数のバックエンドに抽象的なインターフェイスを提供し、ベクトル類似性検索をサポートします。 エージェントシステムは、LLM インタラクションを簡素化し、Retrieval Enhanced Generation (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、タイプセーフのためのバッチ処理機能と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、多く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、多数の同時リクエストを効率的に処理します。 フレーム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失敗に対する回復性が向上します。 タイプ セーフは、コンパイル プロセスのエラーを防ぎ、コードの保守性を向上させることができます。 効率的なシリアライゼーションとデシリアライゼーションのプロセスは、AIサービスの通信とストレージに不可欠なJSONなどの形式でのデータ処理をサポートします。 詳細なロギング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したときに開始され、リクエストはプロバイダー抽象化レイヤーを通じて適切な LLM モデルと対話します。 その後、データはコアレイヤーによって処理され、エージェントはツールを使用したり、コンテキストのベクトルストアにアクセスしたりできます。 レスポンスは、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、ドキュメントの取得とコンテキストの理解を含むプロセスであるクライアントに返されます。 このシステムは、複数のLLMプロバイダーおよびベクトルストレージと統合されているため、モデルの可用性やパフォーマンスの更新に適応できます。
Rigのユースケースは多岐にわたり、関連文書を検索して正確な応答を提供する質問応答システム、高効率なコンテンツ発見のための文書検索および取得システム、顧客サービスや教育のために文脈を意識したインタラクションを提供するチャットボットやバーチャルアシスタントなどがあります。また、コンテンツ生成をサポートし、学習モードに基づいてテキストやその他の資料を作成することができるため、開発者や組織の汎用ツールとなっています。
Zerpy(ZERPYとblormが開発)
ZerePy は、Python 言語で記述されたオープンソースのフレームワークで、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ことを目的としています。 Zerebroのバックエンドのモジュラーバージョンから派生したZerePyを使用すると、開発者はZerebroと同様のコア機能を備えたエージェントを起動できます。 フレームワークはエージェントのデプロイ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ことが不可欠です。 ZerePyは、特にソーシャルプラットフォームでのコンテンツ作成のために、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、アートと分散型アプリケーションのためのAI主導の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で開発されており、エージェントの自律性を強調し、創造的な出力生成に焦点を当て、ELIZAのアーキテクチャおよびELIZAとの協力関係を維持しています。そのモジュール式設計はメモリシステムの統合をサポートし、ソーシャルプラットフォーム上でエージェントの展開をサポートします。主な機能にはエージェント管理用のコマンドラインインターフェース、Twitter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ール式接続システムが含まれています。
ZerePyのユースケースは、ソーシャルメディアの自動化の領域にまたがっており、ユーザーはAIエージェントをデプロイして投稿、返信、いいね、リツイートを行い、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、ミーム、NFTなどの分野でのコンテンツ作成に対応しているため、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となっています。
（2）四大フレームワークの比較
私たちの見解では、各フレームワークは人工知能開発に対して特定のニーズと環境に適合した独自のアプローチを提供します。私たちはこれらのフレームワークの競争関係から各フレームワークの独自性に焦点を移します。
ELIZAは、特にJavaScriptやNode.js環境に精通している開発者にとって、そのユーザーフレンドリーなインターフェースで際立っています。 そ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エージェントを設定するのに役立ちますが、その広範な機能セットには一定の学習曲線が伴う場合があります。 TypeScriptで開発されたElizaは、WebインフラストラクチャのフロントエンドのほとんどがTypeScriptで開発されているため、Webに埋め込まれたプロキシを構築するのに理想的です。 このフレームワークは、Discord、X、TelegramなどのプラットフォームにさまざまなAIパーソナリティをデプロイできるマルチエージェントアーキテクチャで知られています。 その高度なメモリ管理RAGシステムは、ソーシャルメディアアプリケーションのカスタマーサポートやAIアシスタントに特に効果的です。 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をもたらす可能性があります。
GAMEはゲーム開発者向けに設計されており、APIを介してローコードまたはノーコードのインターフェースを提供し、ゲームスペースの技術に詳しくないユーザーでもアクセスできるようにします。 しかし、ゲーム開発とブロックチェーンの統合に重点を置いているため、関連する経験がない人にとっては急な学習曲線を引き起こす可能性があります。 プロシージャルなコンテンツ生成とNPCの行動に優れていますが、ニッチとブロックチェーンの統合の複雑さが増すため、制限があります。
Rust言語を使用しているため、Rigは言語の複雑さを考えるとあまりユーザーフレンドリーではない可能性があり、これは重大な学習課題を提示しますが、システムプログラミングに習熟している人にとっては直感的なインタラクションがあります。 TypeScripe とは対照的に、プログラミング言語自体はそのパフォーマンスとメモリの安全性で知られています。 これには、複雑なAIアルゴリズムを実行するために必要な厳格なコンパイル時チェックとゼロコストの抽象化があります。 この言語は非常に効率的で、制御の度合いが低いため、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は、モジュール式でスケーラブルな設計の高性能ソリューションを提供し、エンタープライズアプリケーションに最適です。 ただし、Rustに詳しくない開発者にとって、Rustを使用すると、必然的に急な学習曲線につながります。
Pythonを活用することで、ZerePyはクリエイティブなAIタスクに高いレベルのユーザビリティを提供し、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は学習曲線が低く、Zerebroの暗号コミュニティのおかげで強力なコミュニティサポートの恩恵を受けることができます。 ZerePyは、NFTなどのクリエイティブAIアプリケーションを専門としており、デジタルメディアやアートの強力なツールとしての地位を確立しています。 創造性で繁栄しますが、他のフレームワークに比べて範囲が比較的狭くなっています。
スケーラビリティの観点から、ELIZAはそのV2アップデートで大きな進歩を遂げ、統一されたメッセージラインとスケーラブルなコアフレームワークを導入し、複数のプラットフォーム間での効果的な管理をサポートしています。しかし、最適化を行わない場合、このマルチプラットフォームのインタラクション管理はスケーラビリティの課題をもたらす可能性があります。
GAMEはゲームに必要なリアルタイム処理において優れた性能を発揮し、スケーラビリティは効率的なアルゴリズムと潜在的なブロックチェーン分散システムによって管理されていますが、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を受ける可能性があります。
RigフレームワークはRustの拡張性性能を利用しており、高スループットアプリケーションを対象に設計されています。これは企業レベルのデプロイメントに特に効果的ですが、真の拡張性を実現するためには複雑な設定が必要になる可能性があります。
Zerepyの拡張性は、コミュニティの貢献に支えられた創造的なアウトプットを対象としていますが、その焦点はより広範なAI環境でのアプリケーションを制限する可能性があり、スケーラビリティはユーザー数ではなく創造的なタスクの多様性によってテストされる可能性があります。
適応性に関して、ELIZAはその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先行しており、ゲーム環境下のGAMEや複雑なAIタスクを処理するRigも非常に優れています。ZerePyは創造的な領域で高い適応性を示しますが、より広範な人工知能アプリケーションにはあまり適していません。
パフォーマンスの観点から、ELIZAは迅速なソーシャルメディアのインタラクションに最適化されており、迅速な応答時間が重要ですが、より複雑な計算タスクを処理する際にはそのパフォーマンスが異なる可能性があります。
Virtual Protocolが開発したGAMEは、ゲームシーンにおける高性能なリアルタイムインタラクションに焦点を当て、効率的な意思決定プロセスと潜在的なブロックチェーンを利用して、分散型人工知能操作を行います。
RigフレームワークはRust言語に基づいており、高性能計算タスクに優れた性能を提供し、計算効率が極めて重要な企業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に特化しており、その指標はコンテンツ生成の効率と質に焦点を当てており、クリエイティブ分野以外ではあまり一般的ではない可能性があります。
ELIZAの利点は、プラグインシステムとキャラクター設定を通じて高い適応性を持ち、柔軟性と拡張性を提供することです。これにより、クロスプラットフォームのソーシャルAIインタラクションに役立ちます。
GAMEはゲーム内で独自のリアルタイムインタラクション機能を提供し、ブロックチェーン統合により新しいAIの参加を強化しています。
Rigの利点は、企業の人工知能タスクに対する性能とスケーラビリティにあり、長期プロジェクトの健全性を提供するためにクリーンなモジュール化コードに重点を置いています。
Zerepyは創造性を育成することに長けており、デジタルアートの人工知能アプリケーションにおいて先進的な地位を占めており、活気あるコミュニティによる開発モデルを支えとしています。
各フレームワークには独自の限界があります。ELIZAはまだ初期段階にあり、潜在的な安定性の問題や新しい開発者の学習曲線があります。ニッチなゲームはより広範な応用を制限する可能性があり、さらにブロックチェーンは複雑さを増しています。RigはRustによる急激な学習曲線が一部の開発者を尻込みさせる可能性があり、Zerepyは創造的な出力に対する限られた関心が他のAI分野での使用を制限する可能性があります。
（3）フレームワークの比較まとめ
リグ(ARC):
言語：Rust、安全性とパフォーマンスに重点を置く。
ユースケース:効率性とスケーラビリティに重点を置いているため、エンタープライズグレードのAIアプリケーションに最適です。
コミュニティ：あまりコミュニティ主導ではなく、技術開発者にもっと焦点を当てています。
エリザ (AI16Z)：
言語:TypeScript、web3の柔軟性とコミュニティエンゲージメントを強調しています。
ユースケース：ソーシャルインタラクション、DAO、取引のために設計されており、特にマルチエージェントシステムを強調しています。
コミュニティ：高度にコミュニティ主導で、広範なGitHubの参加があります。
ZerePyの(ZEREBRO):
言語：Python、より広範なAI開発者基盤で使用できるようにします。
ユースケース：ソーシャルメディアの自動化やより簡単なAIエージェント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の貢献者のサポートにより、成長が期待されています。
ゲーム（バーチャル）：
焦点：自律的、適応型の人工知能エージェントは、仮想環境での相互作用に基づいて進化することができます。
ユースケース：AIエージェントが学習し適応するのに最適なシナリオ、例えばゲームやバーチャルワールド。
コミュニティ：革新的なコミュニティですが、競争の中で自分の位置をまだ特定している最中です。
3、Githubのスターデータの動向
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
上の図は、これらのフレームワークが公開されて以来のGitHubのスターの関心データです。注目すべきは、GitHubのスターはコミュニティの関心、プロジェクトの人気度、そしてプロジェクトの認知価値の指標であるということです。
ELIZA(赤線):
7月の低水準から11月下旬の星の数の大幅な増加(61,000個の星)まで、これは開発者の関心と注目を集める関心が急速に高まっていることを示しています。 この指数関数的な成長は、ELIZA がその機能、更新、およびコミュニティの関与のおかげで大きな牽引力を得ていることを示しています。 その人気は他の競合他社をはるかに上回っており、コミュニティからの強力なサポートと、AIコミュニティへの幅広い適用性または関心を持っていることを示唆しています。
RIG(青線):
Rigは四大フレームワークの中で最も歴史が古く、そのstarの数は適度ですが、常に増加し続けています。今後の1ヶ月間で大幅に増加する可能性があります。現在1700個の星に達していますが、まだ上昇中です。継続的な開発、更新、そして増え続けるユーザー数は、ユーザーの関心が蓄積され続ける理由です。これは、このフレームワークのユーザーがニッチであるか、まだ評判を蓄積していることを反映している可能性があります。
ZEREPY(黄色い線):
ZerePyは数日前にリリースされ、すでに181のスターを獲得しています。強調すべきは、ZerePyはその可視性と採用率を向上させるためにさらなる開発が必要です。AI16Zとの協力は、より多くのコード貢献者を引き寄せるかもしれません。
ゲーム（緑の線）：
このプロジェクトのstar数は最も少なく、注目すべきは、このフレームワークがAPIを介して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の可視性の必要がなくなることです。しかし、このフレームワークはわずか1か月前にビルダーに公開され、200以上のプロジェクトがGAMEを使って構築されています。
4、フレームの強気理由
ElizaのV2バージョンはCoinbaseプロキシスイートを統合します。Elizaを使用するすべてのプロジェクトは、将来的にネイティブTEEをサポートし、安全な環境でプロキシが動作できるようになります。Elizaの今後の機能の1つは、開発者がプラグインをシームレスに登録および統合できるプラグインレジストリ（Plugin Registry）です。
さらに、Eliza V2は自動化された匿名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。トークンエコノミクスホワイトペーパーは2025年1月1日に発表される予定で、Elizaフレームワークの基盤となるAI16Zトークンにプラスの影響を与えると予想されています。AI16Zはフレームワークの有用性を引き続き向上させ、高品質な人材を引き付ける予定であり、その主要な貢献者の努力は、その能力を証明しています。
ゲームフレームワークは、エージェントにノーコード統合を提供し、ゲームとエリザの両方を1つのプロジェクトで使用し、それぞれが特定の目的を果たすことを可能にします。 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を重視するビルダーにとって魅力的なものとなるでしょう。 このフレームワークは公開されてから30日しか経っていませんが、より多くの貢献者を引き付けるためのチームの取り組みに支えられ、大幅な進歩を遂げました。 VIRTUALでローンチされる全てのプロジェクトは、GAMEを利用することが予想されます。
ARCトークンに代表されるRigは大きな可能性を秘めていますが、そのフレームワークはまだ成長の初期段階にあり、プロジェクトの採用を推進する計画はまだ数日しか稼働していません。 しかし、ARCを使用した高品質のプロジェクトは、Virtual Flywheelと同様に、Solanaに焦点を当てたものがまもなく登場すると予想されています。 チームはSolanaとのパートナーシップについて楽観的であり、ARCとSolanaの関係をVirtual to Baseに例えています。 注目すべきは、このチームが新しいプロジェクトを Rig で開始することを奨励するだけでなく、開発者が Rig フレームワーク自体を強化することを奨励していることです。
Zerepyは新しく登場したフレームワークで、Elizaとの協力関係により、ますます注目を集めています。このフレームワークはElizaの貢献者を惹きつけており、彼らは積極的に改善に取り組んでいます。ZEREBROのファンの後押しを受けて、このフレームワークは熱心な支持者を持ち、以前は人工知能インフラの競争において代表性が欠けていたPython開発者に新たな機会を提供しています。このフレームワークはAIの創造性において重要な役割を果たすでしょう。