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注目します。**1. イントロダクション**私たちは過去1週間でELIZA、GAME、ARC、ZEREPYの4つの主要なCrypto X AIフレームワークを研究しテストしました。私たちの結論は以下の通りです。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％、時価総額は10億ドルを超える）は、その先行者利益（リンディ効果）と、ますます多くの開発者に利用されていることにあります。193人の貢献者、1800以上のフォーク、6000以上のスターなどのデータがこれを証明しており、Github上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、急速な採用を得ています。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%の週次成長率があります。GAMEはVIRTUALの台頭から引き続き利益を得て、そのエコシステムの中で最大の勝者の一人となるでしょう。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、そのモジュラー設計は非常に操作が簡単で、Solanaエコシステム（RUST）において「ピュアプレイ」として優位に立つことができます。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シナジー効果を生む可能性があります。私たちは、市場占有率の計算が市場価値、開発記録、そして基盤となるオペレーティングシステム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**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、および利点を示します。! [9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png](https://img.gateio.im/social/moments-767eae3b29588f8ac66760cd519a7469 "7338640")**（1）フレームワークの概要**AI X Cryptoの交差点には、AIの開発を促進するいくつかのフレームワークがあります。 AI16Z の ELIZA、ARC の RIG、ZEREPY の ZEREBRO、ゲームの VIRTUAL です。 各フレームワークは、オープンソースの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グレードのソリューションまで、AIエージェント開発プロセスのさまざまなニーズと哲学に対応しています。この記事では、まずフレームワークについて紹介し、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の潜在的な使用例について説明します。そして、各フレームワークを使いやすさ、スケーラビリティ、適応性、パフォーマンスの観点から比較し、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、独立したAIエージェントを作成、展開、管理することを目的とし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。これはTypeScriptプログラミング言語で開発されており、複数のプラットフォームで人間と対話し、一貫した個性と知識を維持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、複数の一意のAIパーソナリティの同時デプロイ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、ロールファイルフレームワークを使用してさまざまなエージェントを作成するロールシステム、Advanced Retrieval Enhanced Generation(RAG)システムを通じて長期記憶とコンテキスト認識を提供するメモリ管理機能が含まれます。 さらに、Elizaフレームワークは、Discord、X、および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。AIエージェントの通信とメディア機能の観点から見ると、Elizaは非常に優れた選択肢です。通信に関しては、このフレームワークはDiscordの音声チャンネル機能、X機能、Telegram、そしてカスタマイズ用途のためのAPIへの直接アクセスをサポートしています。一方で、この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、動画コンテンツの処理、画像分析、会話の要約にまで拡張でき、さまざまなメディア入力と出力を効果的に処理できます。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、Nous Hermes Llama 3.1B などのデフォルト設定を通じて柔軟な AI モデルのサポートを提供し、複雑なタスクを処理するための Claude のサポートを統合します。 Elizaのモジュラーアーキテクチャは、幅広い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、コミュニティレビュー、個人的なタスクのAIアシスタントなどの複数の分野にわたります。また、コンテンツ自動作成者、インタラクティブボット、ブランド代表などのソーシャルメディアの役割も果たすことができます。さらに、知識労働者として、研究アシスタント、コンテンツアナリスト、文書処理者などの役割を演じ、ロールプレイングボット、教育メンター、エージェントなど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（agent runtime）を中心に構築されており、エージェントランタイムはその役割システム（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る）とシームレスに統合されています。このフレームワークの独自の機能には、プラグインシステムがモジュール式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モデルと互換性があることが含まれます。その多様な機能と強力な設計により、Elizaは異なる分野にわたるAIアプリケーション開発の強力なツールとして際立っています。**G.A.M.E(Virtuals Protocolが開発)**生成的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および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、および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動作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、およびその他の関連詳細などのパラメータを指定することでセッションを開始します。それは、戦略計画エンジン（Strategic Planning Engine）に適した形式に受信情報を統合し、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。対話形式または反応形式のいずれかです。その核心は対話処理モジュールであり、エージェントからのメッセージや応答を処理し、知覚サブシステムと協力して入力を効果的に解釈し応答します。戦略計画エンジンは、対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、応答と計画を生成します。このエンジン機能には2つのレベルがあります：高レベルのプランナーとして、文脈や目標に応じて広範な戦略を作成すること；低レベルの戦略として、これらの戦略を実行可能な計画に変換し、その計画は特定のタスクのためのアクションプランナーとタスクを実行するための計画実行器にさらに分かれます。もう一つの独立したが重要なコンポーネントはWorld Context（世界の文脈）で、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。さらに、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、これらは共同でエージェントの行動と意思決定プロセスを形成します。このフレームワークは、短期作業メモリと長期メモリプロセッサを使用しています。短期メモリは、以前の行動、結果、および現在の計画に関連する情報を保持します。それに対して、長期メモリプロセッサは、重要性、最近性、および関連性などの基準に基づいて重要な情報を抽出します。長期メモリは、エージェントの経験、反省、動的な人格、世界の文脈、および作業メモリなどの知識を保存し、意思決定を強化し、学習の基盤を提供します。学習モジュールは、知覚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、これらの知識は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改善するために利用されます。開発者はインターフェースを通じてアクション、ゲーム状態、感覚データに関するフィードバックを入力することで、AIエージェントの学習能力を向上させ、その計画および意思決定能力を高めることができます。ワークフローは、開発者が代理プロンプトインターフェースを介して相互作用を開始することから始まります。入力は知覚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、相互作用のロジックを管理する責任があります。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アクションプランを活用します。世界のコンテキスト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、作業メモリは即時の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することで、エージェントの行動やインタラクションが継続的に改善されることを可能にします。**RIG（ARCによって開発された）**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、複数の技術的利点を利用しています。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。このフレームワークに固有のエラーハンドリングメカニズムは、AIプロバイダーやデータベース操作の失敗からの回復能力を向上させます。型安全性は、コンパイルプロセス中のエラーを防ぐことができ、コードの保守性を高めます。効率的なシリアル化とデシリアル化プロセスは、JSONなどの形式のデータ処理を支援し、これはAIサービスの通信とストレージに不可欠です。詳細なログ記録と検出は、アプリケーションのデバッグと監視をさらに助けます。Rigのワークフローは、クライアントがリクエストを発起すると始まります。このリクエストは、プロバイダーの抽象層を介して適切なLLMモデルとインタラクションします。その後、データはコア層で処理され、コア層ではエージェントがツールを使用したり、コンテキストのベクトルストレージにアクセスしたりできます。レスポンスは、クライアントに返される前に、複雑なワークフロー（RAGなど）を通じて生成および洗練され、プロセスには文書検索とコンテキスト理解が含まれます。このシステムは、複数のLLMプロバイダーとベクトルストレージを統合しており、モデルの可用性やパフォーマンスの更新に適応しています。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回答を提供する質問応答システム、効率的なコンテンツ検出のためのドキュメント検索および取得システム、カスタマーサービスや教育のためのコンテキストアウェアな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、さまざまです。 また、コンテンツ生成もサポートしており、学習パターンに基づいてテキストやその他の資料を作成できるため、開発者や組織にとって用途の広いツールになります。**ゼレピー（ZEREPYとblormによって開発）**ZerePyは、Python言語で書かれたオープンソースフレームワークであり、OpenAIまたはAnthropic LLMを利用してX上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バックエンドから派生したモジュール式バージョンであるZerePyは、開発者がZerebroのコア機能に似たエージェントを立ち上げることを可能にします。このフレームワークはエージェントのデプロイメントの基盤を提供しますが、創造的な出力を生成するためには、モデルの微調整が不可欠です。ZerePyは、特にソーシャルプラットフォームでのコンテンツ制作に向けたパーソナライズされたAIエージェントの開発とデプロイを簡素化し、アートと分散型アプリケーションに焦点を当てたAI駆動のクリエイティブエコシステムを育成しています。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のアーキテクチャとELIZAとの協力関係を一致させています。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にエージェントを展開することを可能にします。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ます。ZerePyのユースケースはソーシャルメディアの自動化分野をカバーしており、ユーザーはAIエージェントを展開して投稿、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向上させることができます。さらに、音楽、ミーム、NFTなどの分野のコンテンツ制作にも対応しており、デジタルアートおよび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、特定のニーズとコンテキストに合わせたAI開発への独自のアプローチを提供し、これらのフレームワークの競争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はゲーム開発者のために設計されており、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ースを提供します。これにより、ゲーム分野の技術的な理解が低いユーザーも利用できるようになります。しかし、ゲーム開発とブロックチェーン統合に特化しているため、関連する経験がない人にとっては急な学習曲線をもたらす可能性があります。プログラムコンテンツの生成とNPCの行動において際立った性能を発揮しますが、特化した分野とブロックチェーン統合に伴う複雑さの制約を受けています。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面で、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にわたって効果的な管理をサポートしています。しかし、最適化が行われない場合、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に関する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パフォーマンスを発揮し、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によって制限される可能性があります。RigフレームワークはRustの拡張性を利用しており、高スループットアプリケーション向けに設計されています。これはエンタープライズレベルの導入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設定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創造的な出力に向けられており、コミュニティの貢献によって支えられていますが、その焦点が広範な人工知能環境での応用を制限する可能性があります。スケーラビリティは、ユーザーの数ではなく創造的なタスクの多様性によって試されるかもしれません。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の互換性において優れています。また、ゲーム環境での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は創造的な分野で高い適応性を示していますが、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。性能の面では、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場合があります。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潜在的なブロックチェーンを活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パフォーマンスを提供し、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品質に重点を置いており、クリエイティブな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柔軟性と拡張性を提供し、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つ高い適応性を持っていることです。GAMEはゲーム内でユニークな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を通じて革新的なAIの参加を強化しました。Rigの利点は、企業向けの人工知能タスクに対するパフォーマンス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の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は創造性を育むことに特化しており、デジタルアートにおける人工知能アプリケーションの分野で先駆者であり、活気に満ちたコミュニティ主導の発展モデルによって支えられています。各フレームワークにはそれぞれの限界があり、ELIZAはまだ初期段階にあり、潜在的な安定性の問題と新しい開発者の学習曲線が存在します。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、ブロックチェーンはさらに複雑さを加えています。RigはRustによる急な学習曲線が一部の開発者を躊躇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）フレームワーク比較のまとめ****リグ(ARC):**言語：Rust、安全性とパフォーマンスに注目。ユースケース：企業向けAIアプリケーションの理想的な選択肢であり、効率性とスケーラビリティに重点を置いています。コミュニティ：あまりコミュニティ主導ではなく、技術開発者により多くの関心を寄せています。**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、および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の貢献者の支援により、成長が期待されています。**ゲーム（バーチャル）：**焦点：自律的、自適応型の人工知能エージェントは、仮想環境内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エージェントの学習と適応に最適なシナリオ、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、まだ競争の中での自分の位置を確定しようとしています。**3. Githubのスターデータトレンド****! [WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png](https://img.gateio.im/social/moments-f68dbacbb0dd12e755411e04361e7531 "7338641")**上のグラフは、これらのフレームワークのリリース以降のGitHubスターフォーカスデータです。 GitHub star は、コミュニティの関心、プロジェクトの人気度、プロジェクトの認識価値を示す指標であることは注目に値します。**エリザ（赤線）：**7月の低い基準からの上昇、11月下旬のstar数の大幅な増加（6.1万個の星に達する）に至るまで、人々の関心が急速に高まっていることを示しており、それが開発者の注目を集めています。この指数関数的な成長は、その機能、更新、コミュニティの参加により、ELIZAが巨大な魅力を獲得していることを示しています。人気は他の競合をはるかに上回っており、強力なコミュニティサポートを持ち、人工知能コミュニティにおいてより広範な適用性や関心があることを示しています。**RIG（青いライン）：**Rigは四大フレームワークの中で最も歴史が古く、スターの数は適度ですが、常に増加しています。今後1ヶ月で大幅に増加する可能性があります。現在1700個のスターに達していますが、まだ上昇中です。継続的な開発、更新、そして増加するユーザー数は、ユーザーの関心が不断に蓄積されている理由です。これは、このフレームワークのユーザーが少数派であるか、まだ評判を蓄積していることを反映しているかもしれません。**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。特に強調すべきは、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との提携は、より多くのコード寄稿者を引き付ける可能性があります。**ゲーム（緑の線）：**このプロジェクトのスター数は最も少なく、注目すべきは、このフレームワークがAPIを通じて仮想エコシステム内の代理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1か月以上前にビルダーに公開されたばかりで、200以上のプロジェクトがGAMEを使用して構築しています。**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、プロキシが安全な環境で実行できるようになります。Elizaが今後提供する機能の一つはプラグインレジストリ（Plugin Registry）で、開発者がプラグインをシームレスに登録し統合できるようになります。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日に公開される予定で、Elizaフレームワークの基盤となるAI16Zトークンにポジティブな影響を与えると期待されています。AI16Zはフレームワークの有用性を引き続き強化し、高品質な人材を引き寄せ続ける予定であり、その主要な貢献者の努力はそれが可能であることを証明しています。GAMEフレームワークは代理人にノーコード統合を提供し、単一プロジェクト内でGAMEとELIZAを同時に使用し、それぞれ特定の目的にサービスを提供できます。このアプローチは、技術的複雑性ではなくビジネスロジックに焦点を当てたビルダーを引き付けることが期待されています。このフレームワークは公開されてからまだ30日ほどしか経っていませんが、チームがより多くの貢献者のサポートを引き付けるために努力した結果、実質的な進展を遂げています。VIRTUAL上でローンチされるすべてのプロジェクトはGAMEを使用する予定です。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は新たに導入され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のファンの後押しもあり、熱心な支持者を持ち、以前は人工知能インフラの競争で代表性に欠けていた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注目します。
1. イントロダクション
私たちは過去1週間でELIZA、GAME、ARC、ZEREPYの4つの主要なCrypto X AIフレームワークを研究しテストしました。私たちの結論は以下の通りです。
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％、時価総額は10億ドルを超える）は、その先行者利益（リンディ効果）と、ますます多くの開発者に利用されていることにあります。193人の貢献者、1800以上のフォーク、6000以上のスターなどのデータがこれを証明しており、Github上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、急速な採用を得ています。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%の週次成長率があります。GAMEはVIRTUALの台頭から引き続き利益を得て、そのエコシステムの中で最大の勝者の一人となるでしょう。
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、そのモジュラー設計は非常に操作が簡単で、Solanaエコシステム（RUST）において「ピュアプレイ」として優位に立つことができます。
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シナジー効果を生む可能性があります。
私たちは、市場占有率の計算が市場価値、開発記録、そして基盤となるオペレーティングシステム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
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、および利点を示します。
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
（1）フレームワークの概要
AI X Cryptoの交差点には、AIの開発を促進するいくつかのフレームワークがあります。 AI16Z の ELIZA、ARC の RIG、ZEREPY の ZEREBRO、ゲームの VIRTUAL です。 各フレームワークは、オープンソースの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グレードのソリューションまで、AIエージェント開発プロセスのさまざまなニーズと哲学に対応しています。
この記事では、まずフレームワークについて紹介し、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の潜在的な使用例について説明します。そして、各フレームワークを使いやすさ、スケーラビリティ、適応性、パフォーマンスの観点から比較し、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、独立したAIエージェントを作成、展開、管理することを目的とし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。これはTypeScriptプログラミング言語で開発されており、複数のプラットフォームで人間と対話し、一貫した個性と知識を維持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、複数の一意のAIパーソナリティの同時デプロイ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、ロールファイルフレームワークを使用してさまざまなエージェントを作成するロールシステム、Advanced Retrieval Enhanced Generation(RAG)システムを通じて長期記憶とコンテキスト認識を提供するメモリ管理機能が含まれます。 さらに、Elizaフレームワークは、Discord、X、および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。
AIエージェントの通信とメディア機能の観点から見ると、Elizaは非常に優れた選択肢です。通信に関しては、このフレームワークはDiscordの音声チャンネル機能、X機能、Telegram、そしてカスタマイズ用途のためのAPIへの直接アクセスをサポートしています。一方で、この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、動画コンテンツの処理、画像分析、会話の要約にまで拡張でき、さまざまなメディア入力と出力を効果的に処理できます。
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、Nous Hermes Llama 3.1B などのデフォルト設定を通じて柔軟な AI モデルのサポートを提供し、複雑なタスクを処理するための Claude のサポートを統合します。 Elizaのモジュラーアーキテクチャは、幅広い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、コミュニティレビュー、個人的なタスクのAIアシスタントなどの複数の分野にわたります。また、コンテンツ自動作成者、インタラクティブボット、ブランド代表などのソーシャルメディアの役割も果たすことができます。さらに、知識労働者として、研究アシスタント、コンテンツアナリスト、文書処理者などの役割を演じ、ロールプレイングボット、教育メンター、エージェントなど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（agent runtime）を中心に構築されており、エージェントランタイムはその役割システム（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る）とシームレスに統合されています。このフレームワークの独自の機能には、プラグインシステムがモジュール式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モデルと互換性があることが含まれます。その多様な機能と強力な設計により、Elizaは異なる分野にわたるAIアプリケーション開発の強力なツールとして際立っています。
G.A.M.E(Virtuals Protocolが開発)
生成的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および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、および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動作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、およびその他の関連詳細などのパラメータを指定することでセッションを開始します。
それは、戦略計画エンジン（Strategic Planning Engine）に適した形式に受信情報を統合し、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。対話形式または反応形式のいずれかです。その核心は対話処理モジュールであり、エージェントからのメッセージや応答を処理し、知覚サブシステムと協力して入力を効果的に解釈し応答します。
戦略計画エンジンは、対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、応答と計画を生成します。このエンジン機能には2つのレベルがあります：高レベルのプランナーとして、文脈や目標に応じて広範な戦略を作成すること；低レベルの戦略として、これらの戦略を実行可能な計画に変換し、その計画は特定のタスクのためのアクションプランナーとタスクを実行するための計画実行器にさらに分かれます。
もう一つの独立したが重要なコンポーネントはWorld Context（世界の文脈）で、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。さらに、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、これらは共同でエージェントの行動と意思決定プロセスを形成します。
このフレームワークは、短期作業メモリと長期メモリプロセッサを使用しています。短期メモリは、以前の行動、結果、および現在の計画に関連する情報を保持します。それに対して、長期メモリプロセッサは、重要性、最近性、および関連性などの基準に基づいて重要な情報を抽出します。長期メモリは、エージェントの経験、反省、動的な人格、世界の文脈、および作業メモリなどの知識を保存し、意思決定を強化し、学習の基盤を提供します。
学習モジュールは、知覚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、これらの知識は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改善するために利用されます。開発者はインターフェースを通じてアクション、ゲーム状態、感覚データに関するフィードバックを入力することで、AIエージェントの学習能力を向上させ、その計画および意思決定能力を高めることができます。
ワークフローは、開発者が代理プロンプトインターフェースを介して相互作用を開始することから始まります。入力は知覚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、相互作用のロジックを管理する責任があります。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アクションプランを活用します。
世界のコンテキスト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、作業メモリは即時の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することで、エージェントの行動やインタラクションが継続的に改善されることを可能にします。
RIG（ARCによって開発された）
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、複数の技術的利点を利用しています。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。このフレームワークに固有のエラーハンドリングメカニズムは、AIプロバイダーやデータベース操作の失敗からの回復能力を向上させます。型安全性は、コンパイルプロセス中のエラーを防ぐことができ、コードの保守性を高めます。効率的なシリアル化とデシリアル化プロセスは、JSONなどの形式のデータ処理を支援し、これはAIサービスの通信とストレージに不可欠です。詳細なログ記録と検出は、アプリケーションのデバッグと監視をさらに助けます。
Rigのワークフローは、クライアントがリクエストを発起すると始まります。このリクエストは、プロバイダーの抽象層を介して適切なLLMモデルとインタラクションします。その後、データはコア層で処理され、コア層ではエージェントがツールを使用したり、コンテキストのベクトルストレージにアクセスしたりできます。レスポンスは、クライアントに返される前に、複雑なワークフロー（RAGなど）を通じて生成および洗練され、プロセスには文書検索とコンテキスト理解が含まれます。このシステムは、複数のLLMプロバイダーとベクトルストレージを統合しており、モデルの可用性やパフォーマンスの更新に適応しています。
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回答を提供する質問応答システム、効率的なコンテンツ検出のためのドキュメント検索および取得システム、カスタマーサービスや教育のためのコンテキストアウェアな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、さまざまです。 また、コンテンツ生成もサポートしており、学習パターンに基づいてテキストやその他の資料を作成できるため、開発者や組織にとって用途の広いツールになります。
ゼレピー（ZEREPYとblormによって開発）
ZerePyは、Python言語で書かれたオープンソースフレームワークであり、OpenAIまたはAnthropic LLMを利用してX上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バックエンドから派生したモジュール式バージョンであるZerePyは、開発者がZerebroのコア機能に似たエージェントを立ち上げることを可能にします。このフレームワークはエージェントのデプロイメントの基盤を提供しますが、創造的な出力を生成するためには、モデルの微調整が不可欠です。ZerePyは、特にソーシャルプラットフォームでのコンテンツ制作に向けたパーソナライズされたAIエージェントの開発とデプロイを簡素化し、アートと分散型アプリケーションに焦点を当てたAI駆動のクリエイティブエコシステムを育成しています。
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のアーキテクチャとELIZAとの協力関係を一致させています。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にエージェントを展開することを可能にします。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ます。
ZerePyのユースケースはソーシャルメディアの自動化分野をカバーしており、ユーザーはAIエージェントを展開して投稿、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向上させることができます。さらに、音楽、ミーム、NFTなどの分野のコンテンツ制作にも対応しており、デジタルアートおよび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、特定のニーズとコンテキストに合わせたAI開発への独自のアプローチを提供し、これらのフレームワークの競争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はゲーム開発者のために設計されており、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ースを提供します。これにより、ゲーム分野の技術的な理解が低いユーザーも利用できるようになります。しかし、ゲーム開発とブロックチェーン統合に特化しているため、関連する経験がない人にとっては急な学習曲線をもたらす可能性があります。プログラムコンテンツの生成とNPCの行動において際立った性能を発揮しますが、特化した分野とブロックチェーン統合に伴う複雑さの制約を受けています。
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面で、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にわたって効果的な管理をサポートしています。しかし、最適化が行われない場合、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に関する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パフォーマンスを発揮し、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によって制限される可能性があります。
RigフレームワークはRustの拡張性を利用しており、高スループットアプリケーション向けに設計されています。これはエンタープライズレベルの導入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設定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創造的な出力に向けられており、コミュニティの貢献によって支えられていますが、その焦点が広範な人工知能環境での応用を制限する可能性があります。スケーラビリティは、ユーザーの数ではなく創造的なタスクの多様性によって試されるかもしれません。
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の互換性において優れています。また、ゲーム環境での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は創造的な分野で高い適応性を示していますが、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。
性能の面では、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場合があります。
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潜在的なブロックチェーンを活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パフォーマンスを提供し、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品質に重点を置いており、クリエイティブな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柔軟性と拡張性を提供し、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つ高い適応性を持っていることです。
GAMEはゲーム内でユニークな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を通じて革新的なAIの参加を強化しました。
Rigの利点は、企業向けの人工知能タスクに対するパフォーマンス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の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は創造性を育むことに特化しており、デジタルアートにおける人工知能アプリケーションの分野で先駆者であり、活気に満ちたコミュニティ主導の発展モデルによって支えられています。
各フレームワークにはそれぞれの限界があり、ELIZAはまだ初期段階にあり、潜在的な安定性の問題と新しい開発者の学習曲線が存在します。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、ブロックチェーンはさらに複雑さを加えています。RigはRustによる急な学習曲線が一部の開発者を躊躇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）フレームワーク比較のまとめ
リグ(ARC):
言語：Rust、安全性とパフォーマンスに注目。
ユースケース：企業向けAIアプリケーションの理想的な選択肢であり、効率性とスケーラビリティに重点を置いています。
コミュニティ：あまりコミュニティ主導ではなく、技術開発者により多くの関心を寄せています。
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、および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の貢献者の支援により、成長が期待されています。
ゲーム（バーチャル）：
焦点：自律的、自適応型の人工知能エージェントは、仮想環境内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エージェントの学習と適応に最適なシナリオ、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、まだ競争の中での自分の位置を確定しようとしています。
3. Githubのスターデータトレンド
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
上のグラフは、これらのフレームワークのリリース以降のGitHubスターフォーカスデータです。 GitHub star は、コミュニティの関心、プロジェクトの人気度、プロジェクトの認識価値を示す指標であることは注目に値します。
エリザ（赤線）：
7月の低い基準からの上昇、11月下旬のstar数の大幅な増加（6.1万個の星に達する）に至るまで、人々の関心が急速に高まっていることを示しており、それが開発者の注目を集めています。この指数関数的な成長は、その機能、更新、コミュニティの参加により、ELIZAが巨大な魅力を獲得していることを示しています。人気は他の競合をはるかに上回っており、強力なコミュニティサポートを持ち、人工知能コミュニティにおいてより広範な適用性や関心があることを示しています。
RIG（青いライン）：
Rigは四大フレームワークの中で最も歴史が古く、スターの数は適度ですが、常に増加しています。今後1ヶ月で大幅に増加する可能性があります。現在1700個のスターに達していますが、まだ上昇中です。継続的な開発、更新、そして増加するユーザー数は、ユーザーの関心が不断に蓄積されている理由です。これは、このフレームワークのユーザーが少数派であるか、まだ評判を蓄積していることを反映しているかもしれません。
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。特に強調すべきは、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との提携は、より多くのコード寄稿者を引き付ける可能性があります。
ゲーム（緑の線）：
このプロジェクトのスター数は最も少なく、注目すべきは、このフレームワークがAPIを通じて仮想エコシステム内の代理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1か月以上前にビルダーに公開されたばかりで、200以上のプロジェクトがGAMEを使用して構築しています。
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、プロキシが安全な環境で実行できるようになります。Elizaが今後提供する機能の一つはプラグインレジストリ（Plugin Registry）で、開発者がプラグインをシームレスに登録し統合できるようになります。
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日に公開される予定で、Elizaフレームワークの基盤となるAI16Zトークンにポジティブな影響を与えると期待されています。AI16Zはフレームワークの有用性を引き続き強化し、高品質な人材を引き寄せ続ける予定であり、その主要な貢献者の努力はそれが可能であることを証明しています。
GAMEフレームワークは代理人にノーコード統合を提供し、単一プロジェクト内でGAMEとELIZAを同時に使用し、それぞれ特定の目的にサービスを提供できます。このアプローチは、技術的複雑性ではなくビジネスロジックに焦点を当てたビルダーを引き付けることが期待されています。このフレームワークは公開されてからまだ30日ほどしか経っていませんが、チームがより多くの貢献者のサポートを引き付けるために努力した結果、実質的な進展を遂げています。VIRTUAL上でローンチされるすべてのプロジェクトはGAMEを使用する予定です。
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は新たに導入され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のファンの後押しもあり、熱心な支持者を持ち、以前は人工知能インフラの競争で代表性に欠けていた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。