横向比较四大Crypto×AI框架：选择情况，优缺点，增长潜力

要点简述

我们在这份报告中讨论过 Crypto & AI 几种主流框架在该领域的发展模式。我们将审视目前的四大主流框架。 —— Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO），对其技术差异和发展前景进行分析。

过去一个星期，我们对上述四个框架进行了分析和测试，总结如下。

我们认为 Eliza （市占率约 原作者发文时市值约为60%。 9 亿美元，截至发文市值约为1亿美元 14 十亿美元)将继续主导市场份额。Eliza 其价值在于其先发优势和开发者的加速选择，Github 上的 193 位推动者、 1800 分叉和 6000 多个明星证明了这一点，并使之成为 Github 最受欢迎的软件库之一。

G.A.M.E（市占率约 原作者发文时市值约为20%。 3 亿美元，截至发文市值约为1亿美元 2.57 到目前为止，亿美元已经发展得很顺利，而且还面临着快速的选择，就像 Virtuals Protocol 根据之前发布的公告， G.A.M.E 已经有了建设项目 超过200个，日常请求频率超过频率 15 万，周增长率超过 200%。G.A.M.E 将继续受益于此 VIRTUAL 在这个生态系统中，爆发可能是最大的赢家之一。

Rig（市占率约 原作者发文时市值约为15%。 1.6 亿美元，截至发文市值约为1亿美元 2.79 十亿美元)的模块化非常引人注目，易于操作，有望作为在 Solana 生态体系（RUST）中间占据主导地位。

Zerepy（市占率约 原作者发文时市值约为5%。 3 亿美元，截至发文市值约为1亿美元 4.24 亿美元)是一个较小的应用程序，特定于一个狂热的应用程序。 ZEREBRO 社区，它近期与 ai16z 社区合作可能会产生一定的协同作用。

在上述统计中，“市场份额”综合考虑了市场价值、开发记录和基础操作系统终端市场的广度。

我们相信 AI 框架将成为本周期中增长最快的板块，目前可能是 17 十亿美元的板块总市值将很容易增加到 200 亿美金，与 2021 年高峰时的 Layer 1 与估值相比，这个数字可能仍然保守。 —— 那时许多单一项目的估值已经达到 200 超过1亿美元。虽然上述框架服务于不同的终端市场(链/生态系统)，但鉴于我们认为这一板块将整体增长，市值加权的选择可能是最谨慎的。

四大框架

在 AI 和 Crypto 在交界处，已经出现了几个加速的目标。 AI 开发框架，它们包括 Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO）。每一个框架都迎合了代理开发的不同需求和理念，从开源社区项目到注重特点的企业解决方案。

下面这张表中，我们列出了每一个框架的核心技术、组件和优点。

这份报告将首先关注这些框架是什么，它们采用的编程语言、技术结构、算法和独特的功能，具有潜在的用例。然后，我们将根据便利性、可扩展性、适应性和性能对比每个框架，同时讨论它们的优点和局限性。

Eliza

Eliza 是一个由 ai16z 开发的开源多代理模拟框架旨在建立、部署和管理自主模拟框架 AI 代理。它以 TypeScript 作为编程语言开发，它为构建智能代理商提供了一个灵活可扩展的平台。这些代理商可以在保持一致个性和知识的同时，在多个平台上与人类互动。

该框架的核心功能包括：支持多个独特的独特布局和管理 AI 个性化多代理结构；利用角色文档框架建立多元化的代理角色系统；通过先进的检索增强生成系统（RAG）提供长期记忆和可感知上下文的记忆管理功能。另外，Eliza 框架还提供流畅的平台集成，可以与之融合。 Discord、X 实现与其他社交平台的可靠连接。

在 AI 代理商的通信和媒体功能方面，Eliza 这是一个很好的选择。关于通信，这个框架的支持和支持 Discord 语音频道功能，X 功能、Telegram 并直接用于定制用例 API 集成浏览。另外一方面，这个框架的媒体处理功能已经扩展到 PDF 文档阅读与分析，链接内容提取与摘要，音频转录，视频内容处理，图像分析与对话摘要，可以有效地处理各种媒体的输入输出。

Eliza 提供灵活性 AI 模型支持，可以通过使用开源模型进行本地推理， OpenAI 以及 Nous Hermes Llama 3.1 B 等待默认配置进行基于云的推理，并支持集成 Claude 处理复杂的查询。Eliza 采用模块化架构，具有广泛的动作系统，定制客户端支持和全面的支持。 API，保证跨应用的可扩展性和适应性。

Eliza 用例涵盖了客户支持、社区管理、个人任务等多个领域。 AI 助手；例如，自动内容创建者、品牌代表等社交媒体角色；也可以作为知识工作者，扮演研究助理、内容分析师、文档处理员等角色；以及角色扮演机器人、教育导师和娱乐代理的互动角色。

Eliza 在代理运行时，架构围绕着一个代理。（agent runtime）构建，运行时可以与角色系统(由模型提供商支持)、无缝集成记忆管理器(连接到数据库)和动作系统(与平台客户端链接)。该框架的独特功能包括插件系统，允许模块化功能扩展，支持语音、文本和媒体的多模式交互，以及与其他模式的交互。 Llama、GPT-4 和 Claude 等领先 AI 模型兼容性。凭借其多功能和强大的设计，Eliza 转变为跨领域开发 AI 强大的应用工具。

G.A.M.E

G.A.M.E 由 Virtuals 官方团队开发，全称为“生成式自主多模式实体框架”（The Generative Autonomous Multimodal Entities Framework）”，这个框架旨在为开发者提供应用程序接口。（API）以及软件开发工具包（SDK），这样他们就可以使用了 AI 代理人进行实验。这个框架提供了一种管理方式 AI 结构化的代理行为、决策和学习过程。

G.A.M.E 首先，“代理提醒界面”是关键部件。（Agent Prompting Interface）是开发者将 G.A.M.E 为了获得代理行为的入口，集成到代理中。

通过指定对话，“感知分系统” ID、代理 ID、用户和其他相关细节等数据开始对话。这样，传入的消息就会合成一个适合“战略规划引擎”的格式，充当 AI 代理的感觉输入机制，无论是对话还是反应。这里的核心是“对话处理模块”，负责处理来自代理商的消息和反应，并与“感知分系统”合作，有效解释和响应输入。

“战略规划引擎”与“对话处理模块”和“链上钱夹操作员”协调，生成响应和计划。发动机运行在两个层面:作为高级规划师，根据语境或目标建立普遍的策略；这些策略作为一种低级策略，转化为可执行的政策，进一步细分为动作规划器(用于指定任务)和计划执行器(用于任务)。

“世界前后文”是一个独立但关键的部分，它引用了环境、世界信息和游戏状态，为代理商的决策提供了必要的前后文章。另外，“代理库”用于存储目标、反思、经验、个性等长期特征，这些共同塑造了代理的行为和决策过程。这个框架使用了“短期工作记忆”和“长期记忆Cpu” —— 短期记忆保留当前行动、结果和计划的相关信息；相比之下，长期记忆Cpu根据重要性、近期性和相关性等标准提取重要信息。这一记忆储存了相关代理人的经验、反思、动态个性、世界前后文和工作记忆知识，从而加强决策，为学习提供基础。

为了改善布局，“学习模块”从“感知分系统”中获取数据，生成通用知识，这些内容被反馈到系统中，以优化未来的交互。开发者可以通过界面输入来加强行动、游戏状态和感官数据的反馈。 AI 学习和提高代理商的规划和管理能力。

工作流程始于开发者通过代理提醒界面进行交互；“感知分系统”处理输入并转发给“对话处理模块”，模块管理交互逻辑；随后，“战略规划引擎”利用先进的战略和详细的行动规划，根据这些信息制定并实施计划。

来自“世界前后文本”和“代理库”的数据为这些过程提供数据，工作记忆跟踪即时任务。同时，“长期记忆Cpu”可以随时存储和检索知识。“学习模块”分析数据，将新知识整合到系统中，不断改善代理人的行为和互动。

Rig

Rig 是一个基于 Rust 开源框架，旨在简化大型语言模型（LLM）应用开发。为多个接口提供了一个统一的接口。 LLM 提供商（如 OpenAI 和 Anthropic）进行互动，并支持各种向量存储，包括 MongoDB 和 Neo 4 j。该框架的模块化结构具有“提供商抽象层”、可以促进“向量存储集成”、“代理系统”等关键部件， LLM 无缝交互。

Rig 主要受众包括使用 Rust 构建 AI/ML 应用程序的开发者，次要受众包括寻找。 LLM 供应商和向量存储集成到其中 Rust 组织在应用中。数据库采用基于工作区域的结构组织，包括多个组织 crates，可扩展、高效的项目管理已经完成。Rig 其主要功能包括“供应商抽象层”（Provider Abstraction Layer），通过一致的错误处理，该层将用于完成和嵌入 LLM 提供商的 API 标准化；“向量存储集成”部件为多个后端提供抽象接口，支持向量相似度搜索；“代理系统”简化了 LLM 交互，对检索增强生成的支持（RAG）集成工具等。另外，嵌入式框架提供了批处理能力和类型安全的嵌入操作。

Rig 利用多项技术优势保证可靠性和性能。使用异步操作 Rust 高效处理大量异步操作的并发请求；框架内固有的错误处理机制提高了人工智能提供商或数据库操作故障的恢复能力；安全类型可以防止编译中的错误，进而提高代码的可扩展性；高效的实例化和反序列化过程有利于处理 JSON 等待格式数据，通信和存储人工智能服务尤为重要；详细的日志记录和仪器有助于进一步调试和监控应用程序。

Rig 中间的工作流程始于客户端发起请求，请求流经“提供商抽象层”，并与相应的 LLM 模型交互；然后，数据由核心层处理，代理人可以使用工具或浏览向量存储在核心层中以获得前后文本；通过 RAG 生成和完善复杂的工作流程，包括文档检索和上下文理解，然后返回给客户端。该系统集成了多个系统 LLM 供应商和向量存储可以适应模型的可用性或性能变化。

Rig 用例多种多样，包括搜索相关文档提供准确回答的问题解答系统、搜索和搜索高效内容的文档，以及聊天机器人或虚拟助理，为客户服务或教育提供语境感知交互。它还支持内容生成，是开发人员和组织架构的多功能工具，可以根据学习方法建立文本和其他材料。

ZerePy

ZerePy 是一个用 Python 开源框架的编写，旨在应用 OpenAI 或 Anthropic LLM 在 X 代理上布署。ZerePy 起源于模块化版本 Zerebro 后端，允许开发者使用和使用。 Zerebro 具有相似功能的主要启动代理。尽管这个框架为代理商的部署提供了基础，但是为了产生创造性的输出，必须对模型进行微调。ZerePy 简化个性化 AI 特别适合社交平台内容创作的代理开发和部署，促进以艺术和分散应用为目标的内容创作 AI 创造性生态系统。

该框架选用 Python 语言建设，强调代理的自主性，注重创造性产出的产生， Eliza 的架构 战略伙伴关系是一致的。其模块化支持内存系统集成，便于在社交平台上代理。它的主要功能包括命令行界面，用于代理管理， X 的集成、对 OpenAI 和 Anthropic LLM 模块化连接系统的支持，以及用于增强功能的系统。

ZerePy 其用例包括社交媒体自动化，用户可以部署 AI 代理商发布、回复、表扬和分享，从而提高平台参与度。此外，它还适用于音乐、记事本和记事本。 NFT 内容创作等方面，是数字艺术和基于区块链的内容平台的重要工具。

横向对比

对我们来说，以上每一个框架都是 AI 开发为满足特定需求和环境提供了独特的方法，这使得争论不再局限于这些框架是否相互竞争，而是关注每个框架是否能够提供独特的效用和价值。

Eliza 由于其用户友好的网页脱颖而出，尤其适合熟悉。 JavaScript 和 Node.js 开发环境的人。其全面文档有利于在各种平台上设置。 AI 代理人，虽然他们丰富的功能集可能会呈现适当的学习曲线，但是因为使用了它。 TypeScript，Eliza 尤其适用于构建嵌入网络的代理商，因为大多数前端网络基础设施都使用 TypeScript 搭建的。这个框架以其多代理架构而闻名，可跨越。 Discord、X 和 Telegram 等待渠道布局多样化 AI 个性代理。其先进的 RAG 该系统用于记忆管理，非常适合构建客户支持或社交媒体应用类型。 AI 助手。虽然它提供了灵活、强大的社区支持和一致的跨平台性能，但它仍处于起步阶段，可能会为开发者构成学习曲线。

G.A.M.E 专门为游戏开发者设计， API 为那些游戏领域技术水平较低的用户提供低代码或无代码界面。然而，它致力于游戏开发和区块链集成。对于没有相关经验的人来说，学习曲线可能比较陡峭。它在程序化内容的生成和 NPC 在细分领域和区块链集成过程中，行为表现突出，但也受到其额外的复杂性的影响。

Rig 因为使用了 Rust 由于语言的复杂性，语言可能对客户不友好，这给学习带来了很大的挑战，但是对于精通系统编程的人来说，它可以提供直观的交互。与 TypeScript 相比，Rust 本身以其性能和内存安全而闻名。它在编译过程中有严格的检查和零成本抽象，这是运行复杂人工智能算法所必需的。这种语言的高效率和低控制性使其成为资源密集型 AI 理想的应用选择。该框架采用模块化和可扩展设计，可提供高性能解决方案，特别适合企业应用。但是，对不熟悉 Rust 对于语言开发者来说， Rust 这将带来陡峭的学习曲线。

ZerePy 使用了 Python 创造性的语言 AI 这项任务提供了更高的可用性。对于 Python 开发者，尤其是拥有它 AI/ML 对于背景开发者来说，学习曲线较低，而且因为 ZEREBRO 人气可以得到强大的社区支持。ZerePy 在 NFT 等创意性 AI 在应用方面表现出色，这个框架也将自己定位为数字媒体和艺术领域的强大工具。虽然它在创意上表现出色，但是它的应用范围比其它框架要窄。

就可扩展性而言，四个框架的对比如下。

Eliza 在 V2 在版本更新之后，取得了很大的进步，引入了统一的新闻线和可扩展的关键框架，完成了跨平台的高效管理。然而，如果不改进，管理这种多平台交互可能会带来可扩展性的挑战。

G.A.M.E 擅长游戏所需的实时处理，它的可扩展性可以通过高效算法和潜在的区块链分布式架构来管理，但它可能受到特定游戏引擎或区块链网络的限制。

Rig 框架可利用 Rust 实现性能优势更好的可扩展性，自然设计用于高吞吐应用，对于企业级布局可能特别有效，但这可能意味着需要复杂的设置才能实现真正的可扩展性。

ZerePy 针对创意导出的可扩展性，并且得到了社区贡献的支持，但是这个框架的重点可能会限制它在更广泛的人工智能环境中的应用，它的可扩展性可能会受到创造性任务多样性的挑战，而不是用户数量。

就适用性而言，Eliza 其插件系统与跨平台兼容性遥遥领先，其次是游戏环境下的游戏环境 G.A.M.E 和处理复杂 AI 任务 Rig。ZerePy 在创意领域表现出很高的适应性，但是在更广泛的领域 AI 但是应用领域并不适用。

在性能方面，四个框架的检测结果如下。

Eliza 对社交媒体的快速互动进行了优化，但是在处理更复杂的计算任务之后，其性能可能会有所不同。

G.A.M.E 致力于游戏场景中的高性能实时交互，可以利用高效率的决策过程和可能的区块链进行分散。 AI 操作。

Rig 以 Rust 在此基础上，可以为高性能计算任务提供优异的性能，适用于计算效率十分重要的企业应用。

ZerePy 其性能针对创意内容的创建，其指标以内容产生的效率和效果为核心，在创意领域之外可能并不十分普遍。

综合分析以上优缺点，Eliza 提供更好的灵活性和可扩展性，插件系统和角色设备使其具有很强的适应性，有利于跨平台的社交人工智能互动；G.A.M.E 通过区块链集成，可以在动画场景中提供独特的实时交互能力，提供新颖的实时交互能力 AI 参加；Rig 其优点是性能和可扩展性，适用于企业级。 AI 任务，并且注重代码的简洁性和模块化，以保证项目的长期健康发展；Zerepy 在数字艺术中善于培养创造力 AI 在应用方面处于领先地位，并得到了社区驱动发展模式的支持。

一般而言，每一个框架都有其局限性。Eliza 目前仍处于初期阶段，存在隐性稳定问题，新开发者学习曲线较长；G.A.M.E 小众的侧重点可能会限制其更广泛的应用，引入区块链也会增加复杂性；Rig 学习曲线的原因 Rust 语言的复杂性更加险峻，也许会让一些开发者望而却步；Zerepy 对于创造性产出的狭隘关注，可能会限制其在其他人工智能领域的应用。

整理核心对比项

Rig（ARC）：

语言：Rust，重视可靠性和性能。

实例：注重效率和可扩展性，是企业级的 AI 理想的应用选择。

社区：社区驱动力较少，更注重技术开发者。

Eliza (AI16Z)：

语言：TypeScript，强调 Web3 社区参与的灵活性。

例子：专为社交，DAO 与交易设计相结合，强调多代理系统。

社区：高度社区驱动， GitHub 有广泛的联系。

ZerePy (ZEREBRO)：

语言：Python，更容易被广泛使用 AI 开发者人群接受。

使用方法：适用于社交媒体自动化和简单性 AI 代理任务。

社区：比较新，但是因为 Python 的普及以及 ai16z 促进者的支持，有望实现增长。

G.A.M.E（VIRTUAL、GMAE）：

要点：自主性、自适应性 AI 代理商，可以根据虚拟环境中的互动进化。

例子：最适合代理需要学习和适应的场景，比如游戏或者虚拟世界。

社区：具有创新性，但仍然在竞争中确定自我定位。

Github 数据增长情况

自从这些框架推出以来，上述图表就是这些框架。 GitHub 挂星数据的变化状态。一般而言，GitHub 星星可以作为社区兴趣、项目受欢迎程度和项目感知价值的指标。

Eliza（红线）：图表显示，这个框架的星星数量增长明显，趋势稳定，从 7 月亮的低基数开始，现在 11 月底开始猛增，现在已经到了 6100 颗星。因此，围绕这个框架的兴趣迅速飙升，引起了开发者的注意。指数级增长表明，Eliza 它因其功能、更新和社区参与而获得了极大的吸引力，其受欢迎程度远远超过了类似的产品，这表明它得到了社区的大力支持，在人工智能社区中有着更广泛的应用或兴趣。

Rig（蓝线）：Rig 它是四个框架中历史最悠久的一个。它的星星增长幅度不大，但非常稳定，最近一个月明显增加。它的星星总量已经达到 1700 颗粒，但仍在上升轨道上。关注度的稳定积累归功于持续开发、更新和用户数量的不断增加。这可能反映了 Rig 这是一个仍然积累声誉的框架。

ZerePy（黄线）：ZerePy 前几天刚开始，星星的数量已经增加到了。 181 。值得强调的是，ZerePy 为了提高其可见性和采用率，需要更多的开发， ai16z 合作可能会吸引更多的推动者参与其代码库。

G.A.M.E（绿线）：这个框架的星星数量很少，但是值得注意的是，这个框架可以通过 API 直接应用于 Virtual 生态系统中的代理商，所以不需要 Github 上面发布。但是，尽管这个框架只有一个多月前才公开供建筑商使用，但是现在已经有了。 200 多个项目正在使用 G.A.M.E 进行构建。

AI 升级框架的预期

Eliza 的 2.0 这个版本将包括和 Coinbase 集成代理工具包。全部使用 Eliza 该项目将获得未来原生项目。 TEE支持(可信的执行环境)使代理人能够在安全环境中运行。插件注册中心（Plugin Registry）是 Eliza 一个即将推出的功能，允许开发者无缝注册集成插件。

此外，Eliza 2.0 匿名跨平台消息传递支持自动化。预计于 2025 年 1 月 1 日发布的 Tokenomics 白皮书(已经公布了相关建议)将支持 Eliza 框架的 AI16Z 代币有积极的影响。ai16z 该计划继续加强该框架的实用性，并利用其主要推动者的努力，引进优质人才。

G.A.M.E 框架为代理商提供了无代码集成，使其可以在单个项目中一起使用。 G.A.M.E 和 Eliza，每个人都服务于特定的用例。这种方法估计会吸引致力于领域模型而不是技术复杂性的建设者。虽然这个框架只是公开的，可以使用。 超过30天，但是在团队努力吸引更多推动者的支持下，这个框架取得了实质性的进展。预计在 VirtualI 每一个上启动的项目都将选择 G.A.M.E。

由 ARC 代币驱动的 Rig 虽然框架的增长处于起步阶段，但框架具有显著的潜力， Rig 所选项目合同计划也只上线几天。然而，预计很快就会出现。 ARC 高质量的项目组合，类似于 Virtual 飞轮，但致力于 Solana。Rig 团队对与 Solana 持乐观态度的合作将持乐观态度， ARC 定位于 Solana 的 Virtual。值得注意的是，这个团队不仅鼓励使用 Rig 启动新项目，也鼓励开发者加强 Rig 框架自身。

Zerepy 这是一个新的框架，由于与 ai16z（Eliza 框架)的合作正受到广泛关注，这个框架已经吸引了来自这个框架。 Eliza 的推动者，她们正在积极努力地改进这个框架。Zerepy 享有由 ZEREBRO 社区驱动的热情支持，而且正是因为之前竞争激烈。 AI 在基础设施领域缺乏发挥空间 Python 开发者开辟了一个新的机会。估计这个框架将会在 AI 创造力起着重要作用。

原文：Deep Value Memetics

本文来自微信微信官方账号“Odaily”（ID：o-daily），翻译：Azuma，编辑：郝方舟，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com