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し、テストしました。私たちが得た結論は次のとおりです。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、その先発優位性（リンディ効果）と、ますます多くの開発者による使用にあります。193人の貢献者、1800のフォーク、6000以上のスターといったデータがそれを証明しており、Github上で最も人気のあるコードリポジトリの1つとなっています。これまでのところ、GAME（市場占有率約20%、時価総額約3億ドル）の発展は非常に順調で、急速な採用を得ており、VIRTUALが最近発表したように、プラットフォームには200以上のプロジェクト、15万件の日々のリクエスト、200%の週間成長率があります。GAMEは引き続きVIRTUALの台頭から恩恵を受け、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います。なぜなら、そのモジュラー設計は非常に操作が簡単であり、「pure-play」としてSolanaエコシステム（RUST）で主導的な地位を占めることができるからです。Zerepy（市場占有率約5%、時価総額約3億ドル）は、熱心なZEREBROコミュニティ向けに特化した比較的小規模なアプリケーションであり、最近ai16zコミュニティとのコラボレーション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時価総額、開発履歴、そして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目しています。私たちは、この市場サイクルにおいて、フレームワークの細分市場が最も急成長している分野になると考えています。170億ドルの総時価総額は、200億ドルに簡単に成長する可能性があり、2021年のL1のピーク評価と比較しても、依然として比較的控えめです。その時、多くのL1の評価は200億ドルを超えていました。これらのフレームワークは異なるエンド市場（チェーン/エコシステム）にサービスを提供していますが、この分野が上昇傾向にあると考えられるため、市場価値加重アプローチが最も慎重な方法かもしれません。**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、および利点を示します。! [9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png](https://img-cdn.gateio.im/social/moments-767eae3b29588f8ac66760cd519a7469 "7338640" )**（1）フレームワークの概要**AI X Cryptoの交差領域には、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レベルのソリューションまで、AIエージェントの開発プロセスにおける異なるニーズと理念に応えています。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、使用されてい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、そして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。次に、各フレームワークを使いやすさ、拡張性、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によって開発された）**Elizaは、自律AIエージェントの作成、展開、管理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できるインテリジェントな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、複数のユニークなAIの個性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を作成するためのロールファイルフレームワークを使用したロールシステム、そして高度な検索強化生成（RAG）システムを通じた長期記憶と文脈認識の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ある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エージェントの通信とメディア機能の観点から、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、およびカスタムユースケース用のAPIへの直接アクセスをサポートしています。一方、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、音声の文字起こし、動画コンテンツの処理、画像分析、対話の要約に拡張でき、さまざまなメディアの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、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を統合しています。Elizaはモジュール式アーキテクチャを採用しており、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を備えているため、アプリケーション間のスケーラビリティと適応性が確保されています。Elizaのユースケースは、顧客サポート、コミュニティの監査、個人タスクに使用されるAIアシスタント、コンテンツ自動生成者、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など、複数の分野にまたがっています。また、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果たすことができ、ロールプレイングボット、教育メンター、代理店などの形式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、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）、メモリ管理者（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）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ユニークな機能には、プラグインシステムによるモジュール機能拡張のサポート、音声、テキスト、メディアなどの多様なインタラクションのサポート、Llama、GPT-4、Claudeなどの先進的なAIモデルとの互換性が含まれています。その多様な機能と強力な設計により、Elizaは分野を越えたAIアプリケーションの開発において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以下の通りです：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口点です。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してセッションを開始します。それは、会話または反応の形式であれ、AIエージェントの感覚入力メカニズムとして機能するために、戦略的計画エンジン（Strategic Planning Engine）に適した形式に受信情報を統合します。その核心は、エージェントからのメッセージと応答を処理し、入力を効果的に解釈し応答するために知覚サブシステムと協力するための会話処理モジュールです。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共同で作業し、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：高レベルの計画者として、文脈や目標に基づいて広範な戦略を作成します；低レベルの戦略として、これらの戦略を実行可能な戦略に変換し、その戦略はさらに指定されたタスクのための行動計画者と、タスクを実行するための計画実行者に分けられます。もう一つ独立した重要なコンポーネントはWorld Context（世界のコンテキスト）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。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となります。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、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、代理の経験、反省、動的な人格、世界の文脈、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、これらの知識は将来のインタラクションを改善するためにシステムにフィードバックされます。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、および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相互作用を開始するところから始まります。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、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。世界の文脈とエージェントリポジトリからのデータは、これらのプロセスに通知されます。一方で、作業メモリは即時タスクを追跡します。その間に、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によって開発された）**Rigは、大規模言語モデルアプリケーションの開発を簡素化することを目的とし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プロバイダーとのインタラクションのための統一インターフェースを提供し、MongoDBやNeo4jなどのさまざまなベクトルストレージをサポートしています。このフレームワークのモジュラーアーキテクチャの独自の点は、プロバイダー抽象層（Provider Abstraction Layer）、ベクトルストレージ統合、およびLLMのシームレスなインタラクションを促進するためのエージェントシステムなどのコアコンポーネントにあります。Rigの主な対象は、Rustを使用してAI/MLアプリケーションを構築する開発者であり、次に複数のLLMプロバイダーとベクトルストレージを自分のRustアプリケーションに統合しようとする組織です。リポジトリは、複数のクレートを持つワークスペースアーキテクチャを使用しており、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ています。主な機能には、異なるLLMプロバイダー間での完了および埋め込みAPIの標準化を提供するプロバイダー抽象層が含まれており、一貫したエラーハンドリングを備えています。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に対して抽象インターフェースを提供し、ベクトル類似性検索をサポートしています。代理システムはLLMとの対話を簡素化し、リトリーバー強化生成（RAG）やツール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型安全な埋め込み操作も提供しています。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、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ぎ、コードのメンテナンス性を高めます。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サポートし、AIサービスの通信とストレージにとって重要です。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開始する際に始まります。このリクエストは、プロバイダーの抽象層を通じて適切な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することができます。レスポンスは、クライアントに返される前に、文書検索やコンテキスト理解を含む複雑なワークフロー（RAGなど）を通じて生成され、精緻化されます。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性を持っています。Rigの使用例は多岐にわたり、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、効率的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コンテキスト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が含まれます。また、学習モードに基づいてテキストやその他の資料を生成することをサポートし、開発者や組織にとって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展開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の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展開に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展開を簡素化し、アートと分散型アプリケーションに向けたAI駆動の創造的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。そのモジュール化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、そして機能強化の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などのコンテンツクリエーションにも対応しており、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や環境に応じて人工知能の開発にユニークなアプローチを提供しているため、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おり、特にJavaScriptやNode.js環境に精通した開発者にとっては特に便利です。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エージェントをセットアップするのに役立ちますが、その広範な機能セットは一定の学習曲線をもたらす可能性があります。TypeScriptで開発されているため、Elizaはウェブに埋め込むエージェントを構築するのに理想的な選択肢となっており、ほとんどのウェブインフラのフロントエンドはTypeScriptで開発されています。このフレームワークは、その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で異なるAIパーソナリティを展開できます。その高度なメモリ管理RAGシステムは、顧客サポートやソーシャルメディアアプリケーションにおける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性能を提供している一方で、まだ初期段階にあり、開発者にとっては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、ゲーム分野の技術的な知識が少ないユーザーでも利用できるようになっています。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、関連経験がない人々にとっては急な学習曲線をもたらす可能性があります。コンテンツ生成やNPCの行動において卓越したパフォーマンスを発揮しますが、特定の分野とブロックチェーン統合によって増加した複雑さによって制約を受けています。Rust言語を使用しているため、その複雑さを考慮すると、Rigはあまりフレンドリーではなく、重大な学習の課題をもたらしますが、システムプログラミングに精通している人にとっては、直感的なインタラクションを提供します。TypeScriptと比較して、このプログラミング言語自体は性能とメモリ安全性（memory safety）で知られています。厳格なコンパイル時チェックとゼロコストの抽象化を備えており、複雑なAIアルゴリズムを実行するために必要です。この言語は非常に効率的で、低レベルの制御が可能なため、リソース集約型のAIアプリケーションに最適です。このフレームワークは、モジュール化とスケーラブルな設計を持つ高性能なソリューションを提供し、企業アプリケーションに最適です。しかし、Rustに不慣れな開発者にとっては、Rustを使用することは急な学習曲線に直面することを避けられません。ZerePyはPythonを利用して、創造的なAIタスクに高い可用性を提供します。Python開発者の学習曲線は低く、特にAI/MLのバックグラウンドを持つ開発者にとっては扱いやすいです。また、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を受けています。ZerePyはNFTなどの創造的な人工知能アプリケーションに優れており、デジタルメディアとアートの強力なツールとして位置付けられています。創造性の面では繁栄していますが、他のフレームワークと比較すると範囲は比較的狭いです。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、複数のプラットフォームでの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相互作用の管理は、スケーラビリティの面で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の拡張性を活用し、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展開に特に効果的ですが、真の拡張性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焦点を当てており、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、ユーザー数ではなく創造的なタスクの多様性によって試される可能性があります。適応性の面で、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先行しており、そのゲーム環境下のGAMEや複雑なAIタスクの処理を行うRigも非常に優れています。ZerePyは創造的な分野で高度な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。性能面では、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、迅速な応答時間が鍵ですが、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、創造的な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焦点を当てており、創造的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有利な適応性を持つことです。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って新しい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のためにクリーンなモジュール化コードを提供することに重点を置いています。Zerepyは創造力を育むことに優れており、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駆的な立場にあり、活気あるコミュニティ主導の開発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や新しい開発者の学習曲線が存在します。マイナー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ます。RigはRustによる急な学習曲線のために一部の開発者を怖がらせるかもしれませんし、Zerepyは創造的な出力への狭い関心が他の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小結****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：効率性とスケーラビリティに重点を置いた企業向けAIアプリケーションの理想的な選択肢。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の参加を強調します。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あり、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、仮想環境内のインタラクションに応じ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、競争における自分の位置をまだ確定していません。**3. Githubのスターデータトレンド****! [WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png](https://img-cdn.gateio.im/social/moments-f68dbacbb0dd12e755411e04361e7531 "7338641" )**上の図は、これらのフレームワークが発表されて以来のGitHubスターのフォローデータです。注目すべきは、GitHub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知覚価値の指標であるということです。**ELIZA(赤線):**7月の低い基準からの上昇、そして11月下旬におけるstarの大幅な増加（6.1万個の星に達する）、これは人々の関心が急速に高まっており、開発者の注意を引いていることを示しています。この指数関数的な成長は、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たことを示しています。その人気は他の競合をはるかに上回っており、これは強力なコミュニティサポートを持っていること、そして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を持っていることを示しています。**RIG(青線):**Rigは四大フレームワークの中で最も歴史が長く、そのスター数は適度ながらもずっと増加し続けており、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、そして増え続けるユーザー数がユーザーの関心が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。特に強調すべきは、ZerePyはその可視性と採用率を高めるためにさらなる開発が必要です。AI16Zとの提携は、より多くのコード貢献者を引き寄せ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を介してバーチャル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1ヶ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の今後の機能の一つはプラグインレジストリ（Plugin Registry）であり、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の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トークンにポジティブな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強化し、高品質な人材を引き続き引き付ける計画であり、その主な貢献者の努力は既にその能力を証明しています。GAMEフレームワークは代理店にノーコード統合を提供し、単一のプロジェクト内でGAMEとELIZAを同時に使用できるようにし、それぞれ特定の目的にサービスを提供します。このアプローチは、技術的な複雑さではなくビジネスロジックに注目する建設者を惹きつ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わずか30日ほどですが、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上で開始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トークンを代表とするRigは巨大な可能性を秘めていますが、そのフレームワークはまだ初期成長段階にあり、プロジェクトの採用を促進する計画も数日前に開始されたばかりです。しかし、ARCを採用する高品質なプロジェクトはすぐに現れると予想されており、Virtualフライホイールに似ていますが、重点はSolanaに置かれています。チームはSolanaとの協力に楽観的であり、ARCとSolanaの関係をVirtualとBaseの関係になぞらえています。注目すべきは、チームは新しいプロジェクトがRigを使用して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も奨励している点です。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、彼らは積極的に改良に取り組んでいます。ZEREBROのファンの後押しにより、熱心な支持者を得ており、AIインフラの競争で以前は代表性を欠いていた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し、テストしました。私たちが得た結論は次のとおりです。
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、その先発優位性（リンディ効果）と、ますます多くの開発者による使用にあります。193人の貢献者、1800のフォーク、6000以上のスターといったデータがそれを証明しており、Github上で最も人気のあるコードリポジトリの1つとなっています。
これまでのところ、GAME（市場占有率約20%、時価総額約3億ドル）の発展は非常に順調で、急速な採用を得ており、VIRTUALが最近発表したように、プラットフォームには200以上のプロジェクト、15万件の日々のリクエスト、200%の週間成長率があります。GAMEは引き続きVIRTUALの台頭から恩恵を受け、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います。なぜなら、そのモジュラー設計は非常に操作が簡単であり、「pure-play」としてSolanaエコシステム（RUST）で主導的な地位を占めることができるからです。
Zerepy（市場占有率約5%、時価総額約3億ドル）は、熱心なZEREBROコミュニティ向けに特化した比較的小規模なアプリケーションであり、最近ai16zコミュニティとのコラボレーション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時価総額、開発履歴、そして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目しています。
私たちは、この市場サイクルにおいて、フレームワークの細分市場が最も急成長している分野になると考えています。170億ドルの総時価総額は、200億ドルに簡単に成長する可能性があり、2021年のL1のピーク評価と比較しても、依然として比較的控えめです。その時、多くのL1の評価は200億ドルを超えていました。これらのフレームワークは異なるエンド市場（チェーン/エコシステム）にサービスを提供していますが、この分野が上昇傾向にあると考えられるため、市場価値加重アプローチが最も慎重な方法かもしれません。
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、および利点を示します。
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
（1）フレームワークの概要
AI X Cryptoの交差領域には、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レベルのソリューションまで、AIエージェントの開発プロセスにおける異なるニーズと理念に応えています。
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、使用されてい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、そして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。次に、各フレームワークを使いやすさ、拡張性、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によって開発された）
Elizaは、自律AIエージェントの作成、展開、管理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できるインテリジェントな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、複数のユニークなAIの個性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を作成するためのロールファイルフレームワークを使用したロールシステム、そして高度な検索強化生成（RAG）システムを通じた長期記憶と文脈認識の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ある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エージェントの通信とメディア機能の観点から、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、およびカスタムユースケース用のAPIへの直接アクセスをサポートしています。一方、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、音声の文字起こし、動画コンテンツの処理、画像分析、対話の要約に拡張でき、さまざまなメディアの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、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を統合しています。Elizaはモジュール式アーキテクチャを採用しており、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を備えているため、アプリケーション間のスケーラビリティと適応性が確保されています。
Elizaのユースケースは、顧客サポート、コミュニティの監査、個人タスクに使用されるAIアシスタント、コンテンツ自動生成者、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など、複数の分野にまたがっています。また、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果たすことができ、ロールプレイングボット、教育メンター、代理店などの形式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、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）、メモリ管理者（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）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ユニークな機能には、プラグインシステムによるモジュール機能拡張のサポート、音声、テキスト、メディアなどの多様なインタラクションのサポート、Llama、GPT-4、Claudeなどの先進的なAIモデルとの互換性が含まれています。その多様な機能と強力な設計により、Elizaは分野を越えたAIアプリケーションの開発において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以下の通りです：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口点です。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してセッションを開始します。
それは、会話または反応の形式であれ、AIエージェントの感覚入力メカニズムとして機能するために、戦略的計画エンジン（Strategic Planning Engine）に適した形式に受信情報を統合します。その核心は、エージェントからのメッセージと応答を処理し、入力を効果的に解釈し応答するために知覚サブシステムと協力するための会話処理モジュールです。
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共同で作業し、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：高レベルの計画者として、文脈や目標に基づいて広範な戦略を作成します；低レベルの戦略として、これらの戦略を実行可能な戦略に変換し、その戦略はさらに指定されたタスクのための行動計画者と、タスクを実行するための計画実行者に分けられます。
もう一つ独立した重要なコンポーネントはWorld Context（世界のコンテキスト）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。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となります。
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、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、代理の経験、反省、動的な人格、世界の文脈、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、これらの知識は将来のインタラクションを改善するためにシステムにフィードバックされます。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、および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相互作用を開始するところから始まります。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、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。
世界の文脈とエージェントリポジトリからのデータは、これらのプロセスに通知されます。一方で、作業メモリは即時タスクを追跡します。その間に、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によって開発された）
Rigは、大規模言語モデルアプリケーションの開発を簡素化することを目的とし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プロバイダーとのインタラクションのための統一インターフェースを提供し、MongoDBやNeo4jなどのさまざまなベクトルストレージをサポートしています。このフレームワークのモジュラーアーキテクチャの独自の点は、プロバイダー抽象層（Provider Abstraction Layer）、ベクトルストレージ統合、およびLLMのシームレスなインタラクションを促進するためのエージェントシステムなどのコアコンポーネントにあります。
Rigの主な対象は、Rustを使用してAI/MLアプリケーションを構築する開発者であり、次に複数のLLMプロバイダーとベクトルストレージを自分のRustアプリケーションに統合しようとする組織です。リポジトリは、複数のクレートを持つワークスペースアーキテクチャを使用しており、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ています。主な機能には、異なるLLMプロバイダー間での完了および埋め込みAPIの標準化を提供するプロバイダー抽象層が含まれており、一貫したエラーハンドリングを備えています。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に対して抽象インターフェースを提供し、ベクトル類似性検索をサポートしています。代理システムはLLMとの対話を簡素化し、リトリーバー強化生成（RAG）やツール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型安全な埋め込み操作も提供しています。
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、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ぎ、コードのメンテナンス性を高めます。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サポートし、AIサービスの通信とストレージにとって重要です。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開始する際に始まります。このリクエストは、プロバイダーの抽象層を通じて適切な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することができます。レスポンスは、クライアントに返される前に、文書検索やコンテキスト理解を含む複雑なワークフロー（RAGなど）を通じて生成され、精緻化されます。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性を持っています。
Rigの使用例は多岐にわたり、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、効率的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コンテキスト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が含まれます。また、学習モードに基づいてテキストやその他の資料を生成することをサポートし、開発者や組織にとって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展開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の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展開に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展開を簡素化し、アートと分散型アプリケーションに向けたAI駆動の創造的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。そのモジュール化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、そして機能強化の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などのコンテンツクリエーションにも対応しており、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や環境に応じて人工知能の開発にユニークなアプローチを提供しているため、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おり、特にJavaScriptやNode.js環境に精通した開発者にとっては特に便利です。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エージェントをセットアップするのに役立ちますが、その広範な機能セットは一定の学習曲線をもたらす可能性があります。TypeScriptで開発されているため、Elizaはウェブに埋め込むエージェントを構築するのに理想的な選択肢となっており、ほとんどのウェブインフラのフロントエンドはTypeScriptで開発されています。このフレームワークは、その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で異なるAIパーソナリティを展開できます。その高度なメモリ管理RAGシステムは、顧客サポートやソーシャルメディアアプリケーションにおける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性能を提供している一方で、まだ初期段階にあり、開発者にとっては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、ゲーム分野の技術的な知識が少ないユーザーでも利用できるようになっています。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、関連経験がない人々にとっては急な学習曲線をもたらす可能性があります。コンテンツ生成やNPCの行動において卓越したパフォーマンスを発揮しますが、特定の分野とブロックチェーン統合によって増加した複雑さによって制約を受けています。
Rust言語を使用しているため、その複雑さを考慮すると、Rigはあまりフレンドリーではなく、重大な学習の課題をもたらしますが、システムプログラミングに精通している人にとっては、直感的なインタラクションを提供します。TypeScriptと比較して、このプログラミング言語自体は性能とメモリ安全性（memory safety）で知られています。厳格なコンパイル時チェックとゼロコストの抽象化を備えており、複雑なAIアルゴリズムを実行するために必要です。この言語は非常に効率的で、低レベルの制御が可能なため、リソース集約型のAIアプリケーションに最適です。このフレームワークは、モジュール化とスケーラブルな設計を持つ高性能なソリューションを提供し、企業アプリケーションに最適です。しかし、Rustに不慣れな開発者にとっては、Rustを使用することは急な学習曲線に直面することを避けられません。
ZerePyはPythonを利用して、創造的なAIタスクに高い可用性を提供します。Python開発者の学習曲線は低く、特にAI/MLのバックグラウンドを持つ開発者にとっては扱いやすいです。また、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を受けています。ZerePyはNFTなどの創造的な人工知能アプリケーションに優れており、デジタルメディアとアートの強力なツールとして位置付けられています。創造性の面では繁栄していますが、他のフレームワークと比較すると範囲は比較的狭いです。
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、複数のプラットフォームでの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相互作用の管理は、スケーラビリティの面で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の拡張性を活用し、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展開に特に効果的ですが、真の拡張性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焦点を当てており、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、ユーザー数ではなく創造的なタスクの多様性によって試される可能性があります。
適応性の面で、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先行しており、そのゲーム環境下のGAMEや複雑なAIタスクの処理を行うRigも非常に優れています。ZerePyは創造的な分野で高度な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。
性能面では、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、迅速な応答時間が鍵ですが、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、創造的な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焦点を当てており、創造的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有利な適応性を持つことです。
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って新しい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のためにクリーンなモジュール化コードを提供することに重点を置いています。
Zerepyは創造力を育むことに優れており、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駆的な立場にあり、活気あるコミュニティ主導の開発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や新しい開発者の学習曲線が存在します。マイナー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ます。RigはRustによる急な学習曲線のために一部の開発者を怖がらせるかもしれませんし、Zerepyは創造的な出力への狭い関心が他の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小結
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：効率性とスケーラビリティに重点を置いた企業向けAIアプリケーションの理想的な選択肢。
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の参加を強調します。
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あり、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、仮想環境内のインタラクションに応じ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、競争における自分の位置をまだ確定していません。
3. Githubのスターデータトレンド
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
上の図は、これらのフレームワークが発表されて以来のGitHubスターのフォローデータです。注目すべきは、GitHub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知覚価値の指標であるということです。
ELIZA(赤線):
7月の低い基準からの上昇、そして11月下旬におけるstarの大幅な増加（6.1万個の星に達する）、これは人々の関心が急速に高まっており、開発者の注意を引いていることを示しています。この指数関数的な成長は、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たことを示しています。その人気は他の競合をはるかに上回っており、これは強力なコミュニティサポートを持っていること、そして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を持っていることを示しています。
RIG(青線):
Rigは四大フレームワークの中で最も歴史が長く、そのスター数は適度ながらもずっと増加し続けており、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、そして増え続けるユーザー数がユーザーの関心が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。特に強調すべきは、ZerePyはその可視性と採用率を高めるためにさらなる開発が必要です。AI16Zとの提携は、より多くのコード貢献者を引き寄せ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を介してバーチャル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1ヶ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の今後の機能の一つはプラグインレジストリ（Plugin Registry）であり、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の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トークンにポジティブな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強化し、高品質な人材を引き続き引き付ける計画であり、その主な貢献者の努力は既にその能力を証明しています。
GAMEフレームワークは代理店にノーコード統合を提供し、単一のプロジェクト内でGAMEとELIZAを同時に使用できるようにし、それぞれ特定の目的にサービスを提供します。このアプローチは、技術的な複雑さではなくビジネスロジックに注目する建設者を惹きつ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わずか30日ほどですが、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上で開始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トークンを代表とするRigは巨大な可能性を秘めていますが、そのフレームワークはまだ初期成長段階にあり、プロジェクトの採用を促進する計画も数日前に開始されたばかりです。しかし、ARCを採用する高品質なプロジェクトはすぐに現れると予想されており、Virtualフライホイールに似ていますが、重点はSolanaに置かれています。チームはSolanaとの協力に楽観的であり、ARCとSolanaの関係をVirtualとBaseの関係になぞらえています。注目すべきは、チームは新しいプロジェクトがRigを使用して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も奨励している点です。
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、彼らは積極的に改良に取り組んでいます。ZEREBROのファンの後押しにより、熱心な支持者を得ており、AIインフラの競争で以前は代表性を欠いていた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。