المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة، سنستكشف آفاق إطار العمل Crypto X AI. سنركز على الأطر الأربعة الرئيسية الحالية (ELIZA، GAME، ARC، ZEREPY) والفروقات التقنية بينها.
1، المقدمة
لقد قمنا في الأسبوع الماضي بدراسة واختبار الأطر الأربعة الرئيسية Crypto X AI وهي ELIZA وGAME وARC وZEREPY، وكانت استنتاجاتنا كما يلي.
نحن نعتقد أن AI16Z ستظل تحتل الصدارة. تكمن قيمة Eliza (حصة السوق حوالي 60%، القيمة السوقية تتجاوز مليار دولار) في ميزتها التنافسية (أثر ليندي) واستخدامها المتزايد من قبل المطورين، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع و6000 نجمة أنها واحدة من أكثر مستودعات التعليمات البرمجية شعبية على Github.
حتى الآن، كان تقدم GAME (حصة سوقية تبلغ حوالي 20٪، وقيمة سوقية حوالي 300 مليون دولار) سلسًا للغاية، حيث يحقق اعتمادًا سريعًا، كما أعلنت VIRTUAL مؤخرًا، أن المنصة تحتوي على أكثر من 200 مشروع، و150,000 طلب يومي، ومعدل نمو أسبوعي يبلغ 200٪. ستستمر GAME في الاستفادة من صعود VIRTUAL، وستصبح واحدة من أكبر الفائزين في نظامها البيئي.
يرتبط Rig (ARC، حصة سوقية حوالي 15%، قيمة سوقية حوالي 160 مليون دولار) بشكل كبير، نظرًا لأن تصميمه المعياري سهل الاستخدام للغاية، ويمكن أن يحتل مكانة رائدة كـ "pure-play" في نظام Solana البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نسبيًا نادر، يستهدف مجتمع ZEREBRO المتحمس، وقد تؤدي شراكته الأخيرة مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
لقد لاحظنا أن حساب حصتنا في السوق يغطي القيمة السوقية وسجلات التطوير وسوق أنظمة التشغيل الأساسية.
نعتقد أن سوق الإطارات الفرعية سيكون أسرع المجالات نموًا في هذه الدورة السوقية، حيث من السهل أن يصل إجمالي القيمة السوقية البالغة 17 مليار دولار إلى 20 مليار دولار، وهو ما لا يزال يعتبر محافظًا نسبيًا مقارنة بتقييمات الذروة لـ L1 في عام 2021، عندما وصلت تقييمات العديد من L1 إلى أكثر من 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، وقد تكون الطريقة المعتمدة على القيمة السوقية هي الأكثر حذرًا.
2، الأطر الأربعة الكبرى
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا لكل إطار رئيسي.
في مجال تقاطع الذكاء الاصطناعي مع العملات المشفرة، هناك عدة أطر تعزز من تطوير الذكاء الاصطناعي. وهي ELIZA من AI16Z، RIG من ARC، ZEREBRO من ZEREPY، وVIRTUAL من GAME. تلبي كل إطار متطلبات وأفكار مختلفة في عملية تطوير وكلاء الذكاء الاصطناعي، بدءًا من مشاريع المجتمع مفتوحة المصدر إلى الحلول المؤسسية التي تركز على الأداء.
تقدم هذه المقالة أولاً إطار العمل، وتخبر الجميع بما هي، وما هي لغات البرمجة، وهياكل التقنية، والخوارزميات المستخدمة، وما هي الميزات الفريدة التي تمتلكها، وما هي حالات الاستخدام المحتملة التي يمكن استخدام الإطار فيها. بعد ذلك، نقارن كل إطار من حيث القابلية للاستخدام، والقابلية للتوسع، والتكيف، والأداء، ونستكشف مزاياها وقيودها.
إليزا (تطوير ai16z)
Eliza هو إطار عمل مفتوح المصدر لمحاكاة الوكلاء المتعددين، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره بلغة البرمجة TypeScript، ويوفر منصة مرنة وقابلة للتوسع لبناء وكلاء ذكيين قادرين على التفاعل مع البشر عبر منصات متعددة، مع الحفاظ على شخصية ومعرفة متسقة.
تشمل الوظائف الأساسية لهذه الإطار هيكل متعدد الوكلاء يدعم النشر والإدارة المتزامنة للعديد من الشخصيات الذكية الفريدة، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، فضلاً عن توفير إدارة الذاكرة طويلة الأمد والذاكرة المدركة للسياق من خلال نظام تحسين الاسترجاع المعزز (RAG). علاوة على ذلك، يوفر إطار Eliza تكاملًا سلسًا للمنصات، مما يتيح اتصالًا موثوقًا مع Discord وX وغيرها من منصات التواصل الاجتماعي.
من حيث وظائف الاتصال والإعلام لوكيل AI، فإن Eliza خيار ممتاز. من ناحية الاتصال، يدعم هذا الإطار ميزات القناة الصوتية مع Discord، ووظائف X، وTelegram، بالإضافة إلى تكامل الوصول المباشر إلى API لحالات الاستخدام المخصصة. من ناحية أخرى، يمكن توسيع وظائف معالجة الوسائط في هذا الإطار لتشمل قراءة وتحليل مستندات PDF، واستخراج المحتوى من الروابط وتلخيصه، وتحويل الصوت، ومعالجة محتوى الفيديو، وتحليل الصور وتلخيص المحادثات، مما يمكنه من التعامل بفعالية مع جميع أنواع إدخال وإخراج الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، والتكوين الافتراضي (مثل Nous Hermes Llama 3.1B) ويدمج دعم Claude في معالجة المهام المعقدة. تعتمد Eliza على بنية معيارية، وتتميز بدعم واسع لأنظمة التشغيل، والعملاء المخصصين، وواجهة برمجة التطبيقات الشاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تتجاوز حالات استخدام Eliza عدة مجالات، مثل: مساعد AI لدعم العملاء، مراجعة المجتمع، والمهام الشخصية، بالإضافة إلى كونه منشئ محتوى تلقائي، روبوت تفاعلي، وممثل علامة تجارية في أدوار وسائل التواصل الاجتماعي. يمكنه أيضًا أن يعمل كعامل معرفة، حيث يلعب دور مساعد البحث، محلل المحتوى، ومعالج الوثائق، ويدعم أيضًا أشكال الأدوار التفاعلية مثل الروبوتات التي تقوم على الأدوار، المعلمين التعليميين، ووكلاء الترويج.
تستند بنية Eliza إلى وقت تشغيل الوكيل (agent runtime)، حيث يتكامل وقت تشغيل الوكيل بسلاسة مع نظام الأدوار الخاص به (المدعوم من مزودي النماذج)، ومدير الذاكرة (المتصل بقاعدة البيانات)، ونظام التشغيل (المربوط بعميل المنصة). تشمل الميزات الفريدة لهذا الإطار نظام المكونات الإضافية الذي يدعم توسيع الوظائف بشكل معياري، ويدعم التفاعل متعدد الوسائط مثل الصوت والنص والوسائط، ويتوافق مع نماذج الذكاء الاصطناعي الرائدة (مثل Llama وGPT-4 وClaude). بفضل تصميمه المتنوع والقوي، تبرز Eliza كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر مجالات متعددة.
G.A.M.E (تم تطويره بواسطة Virtuals Protocol)
إطار الكيانات المتعددة الأوضاع المستقلة التوليدية (G.A.M.E) يهدف إلى توفير الوصول إلى واجهات برمجة التطبيقات (API) ومجموعات تطوير البرمجيات (SDK) للمطورين لإجراء تجارب وكيل الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوكيات وكلاء الذكاء الاصطناعي وقراراتهم وعملية التعلم.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لدمج GAME في الوكيل للوصول إلى سلوك الوكيل. يبدأ نظام الإدراك (Perception Subsystem) الجلسة من خلال تحديد معلمات مثل ID الجلسة، ID الوكيل، المستخدم، وغيرها من التفاصيل ذات الصلة.
إنه سيجمع المعلومات الواردة في شكل مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال حسية لوكيل الذكاء الاصطناعي، سواء في شكل حوار أو ردود. جوهره هو وحدة معالجة الحوار، التي تُستخدم لمعالجة الرسائل والاستجابات الواردة من الوكيل، والتعاون مع النظام الفرعي الإدراكي لتفسير المدخلات والرد عليها بفعالية.
تعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار ومشغل المحفظة على السلسلة معًا على إنشاء استجابات وخطط. يحتوي هذا المحرك على مستويين من الوظائف: كمنظم عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ وكاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي تنقسم بدورها إلى مخطط عمل لمهام محددة ومنفذ خطة لتنفيذ المهام.
هناك مكون مستقل ولكنه مهم وهو السياق العالمي (World Context) ، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة ويقدم السياق الضروري لقرارات الوكلاء. بالإضافة إلى ذلك ، يتم استخدام مستودع الوكلاء (Agent Repository) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية ، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
يستخدم هذا الإطار معالج الذاكرة القصيرة الأجل والذاكرة الطويلة الأجل. تحتفظ الذاكرة القصيرة الأجل بمعلومات ذات صلة عن السلوك السابق والنتائج والخطط الحالية. بالمقارنة، يقوم معالج الذاكرة الطويلة الأجل باستخراج المعلومات الرئيسية وفقًا لمعايير مثل الأهمية، والحداثة، والملاءمة. تخزن الذاكرة الطويلة الأجل خبرات الوكيل، والتفكير، والشخصية الديناميكية، وسياق العالم، والمعرفة المتعلقة بالذاكرة العاملة لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات مستمدة من نظام الإدراك لتوليد المعرفة العامة، والتي يتم إرجاعها إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال ردود الفعل المتعلقة بالحركات وحالة اللعبة وبيانات الإحساس من خلال الواجهة لتعزيز قدرة التعلم لوكلاء الذكاء الاصطناعي، وزيادة قدرتهم على التخطيط واتخاذ القرار.
تبدأ عملية العمل عندما يتفاعل المطورون من خلال واجهة التلميح الوكيلة. يتم معالجة الإدخال بواسطة نظام الإدراك الفرعي وإعادة توجيهه إلى وحدة معالجة الحوار، التي تتحمل مسؤولية إدارة منطق التفاعل. بعد ذلك، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستخدمًا استراتيجيات عالية المستوى وخطط عمل مفصلة.
تُخطِر البيانات من سياق العالم ومستودعات الوكلاء هذه العمليات، بينما تتعقب ذاكرة العمل المهام الفورية. في الوقت نفسه، يقوم معالج الذاكرة طويلة المدى بتخزين واسترجاع المعرفة طويلة الأمد. تقوم وحدات التعلم بتحليل النتائج وتدمج المعرفة الجديدة في النظام، مما يُمكن سلوك الوكلاء وتفاعلاتهم من التحسين المستمر.
RIG (تطوير ARC)
Rig هو إطار عمل مفتوح المصدر بلغة Rust يهدف إلى تبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع عدة مزودي نماذج اللغة الكبيرة مثل OpenAI وAnthropic، ويدعم مجموعة متنوعة من تخزين المتجهات بما في ذلك MongoDB وNeo4j. تكمن خصوصية الهيكلية المعيارية لهذا الإطار في مكوناته الأساسية مثل طبقة تجريد المزود (Provider Abstraction Layer) ودمج تخزين المتجهات ونظام الوكلاء، لتسهيل التفاعل السلس مع نماذج اللغة الكبيرة.
يتضمن الجمهور الرئيسي لـ Rig المطورين الذين يستخدمون Rust لبناء تطبيقات الذكاء الاصطناعي/تعلم الآلة، يليهم المنظمات التي تسعى لدمج عدة مزودي LLM وتخزين المتجهات في تطبيقات Rust الخاصة بهم. يستخدم المستودع بنية مساحة العمل، مع عدة حزم تدعم قابلية التوسع وإدارة المشاريع بشكل فعال. تشمل الميزات الرئيسية طبقة تجريد المزود، التي توفر معيارًا لإكمال ودمج واجهات برمجة التطبيقات بين مزودي LLM المختلفين، مع معالجة أخطاء متسقة. توفر مكونات دمج تخزين المتجهات واجهة تجريدية لعدة خلفيات، وتدعم بحث تشابه المتجهات. يبسط نظام الوكيل التفاعل مع LLM، ويدعم توليد معزز للاسترجاع (RAG) ودمج الأدوات. بالإضافة إلى ذلك، يوفر إطار العمل المدمج وظائف معالجة دفعات وعمليات دمج آمنة من حيث النوع.
يستخدم Rig مزايا تقنية متعددة لضمان الموثوقية والأداء. تستفيد العمليات غير المتزامنة من بيئة التشغيل غير المتزامنة في Rust لمعالجة عدد كبير من الطلبات المتزامنة بشكل فعال. تعمل آلية معالجة الأخطاء المدمجة في الإطار على تحسين القدرة على الاسترداد من فشل مزودي الذكاء الاصطناعي أو عمليات قاعدة البيانات. يمكن أن تمنع سلامة النوع الأخطاء خلال عملية الترجمة، مما يعزز قابلية صيانة الكود. تدعم عمليات التسلسل وإعادة التسلسل الفعالة معالجة البيانات بتنسيقات مثل JSON، وهو أمر بالغ الأهمية لتواصل الذكاء الاصطناعي والتخزين. تساعد سجلات التفاصيل واكتشاف الأخطاء بشكل أكبر في تصحيح الأخطاء ورصد التطبيقات.
تبدأ سير عمل Rig عندما يتم إرسال الطلب من جانب العميل، حيث يتفاعل هذا الطلب مع نموذج LLM المناسب من خلال طبقة تجريد المزود. ثم تتم معالجة البيانات بواسطة الطبقة الأساسية، حيث يمكن للوكلاء استخدام الأدوات أو الوصول إلى تخزين المتجهات للسياق. يتم إنشاء وتكرير الاستجابة قبل إرجاعها إلى العميل من خلال سير عمل معقد (مثل RAG) يتضمن استرجاع الوثائق وفهم السياق. يدمج النظام مزودي LLM متعددين وتخزين المتجهات، وهو يتكيف مع تحديثات توفر النموذج أو أدائه.
تتعدد استخدامات Rig، بما في ذلك أنظمة الأسئلة والأجوبة التي تسترجع الوثائق ذات الصلة لتقديم استجابات دقيقة، وأنظمة البحث واسترجاع الوثائق لاكتشاف المحتوى بكفاءة، بالإضافة إلى الروبوتات الدردشة أو المساعدين الافتراضيين الذين يقدمون تفاعلات مدركة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم توليد المحتوى، مما يدعم إنشاء نصوص ومواد أخرى بناءً على أنماط التعلم، مما يجعله أداة شاملة للمطورين والمنظمات.
Zerepy (تطويره بواسطة ZEREPY و blorm)
ZerePy هو إطار عمل مفتوح المصدر مكتوب بلغة بايثون، يهدف إلى نشر الوكلاء على X باستخدام OpenAI أو Anthropic LLM. هو نسخة معيارية مستمدة من الجزء الخلفي لـ Zerebro، يسمح ZerePy للمطورين بإطلاق وكلاء يتمتعون بميزات مشابهة لميزات Zerebro الأساسية. على الرغم من أن هذا الإطار يوفر الأساس لنشر الوكلاء، فإن ضبط النموذج أمر لا بد منه لإنتاج مخرجات إبداعية. يبسط ZerePy تطوير ونشر وكلاء الذكاء الاصطناعي الشخصية، خاصةً لإنشاء المحتوى على منصات التواصل الاجتماعي، ويعزز نظامًا بيئيًا إبداعيًا مدفوعًا بالذكاء الاصطناعي يركز على الفن والتطبيقات اللامركزية.
تم تطوير هذا الإطار باستخدام بايثون، مع التركيز على استقلالية الوكيل، والتركيز على توليد المخرجات الإبداعية، مع الحفاظ على اتساقه مع هيكل ELIZA وعلاقته بالتعاون مع ELIZA. يدعم التصميم القائم على الوحدات تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، وتكامل مع تويتر، ودعم LLM من OpenAI وAnthropic، فضلاً عن نظام الاتصال القائم على الوحدات لتعزيز الوظائف.
تغطي حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء ذكاء اصطناعي للنشر والرد والإعجاب وإعادة التوجيه، مما يزيد من المشاركة على المنصة. بالإضافة إلى ذلك، فإنه يلبي أيضاً احتياجات إنشاء المحتوى في مجالات مثل الموسيقى والميمات وNFT، مما يجعله أداة مهمة للفن الرقمي ومنصات المحتوى القائمة على blockchain.
（2）مقارنة الأطر الأربعة
من وجهة نظرنا، يوفر كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي، تتوافق مع احتياجات وبيئات معينة، نحن نحول التركيز من العلاقة التنافسية بين هذه الأطر إلى تفرد كل إطار.
تتألق ELIZA بفضل واجهتها سهلة الاستخدام، خصوصًا بالنسبة للمطورين المتمرسين في بيئة JavaScript وNode.js. تساعد وثائقها الشاملة في إعداد وكلاء الذكاء الاصطناعي عبر منصات متعددة، على الرغم من أن مجموعة ميزاتها الواسعة قد تأتي مع منحنى تعلم معين. تم تطويرها باستخدام TypeScript، مما يجعل Eliza الاختيار المثالي لبناء وكلاء مدمجين في الويب، حيث يتم تطوير الواجهة الأمامية لمعظم البنية التحتية للويب باستخدام TypeScript. يُعرف هذا الإطار بهندسته متعددة الوكلاء، حيث يمكن نشر شخصيات ذكاء اصطناعي مختلفة على منصات مثل Discord وX وTelegram. يجعل نظام إدارة الذاكرة المتقدم RAG منها فعالة بشكل خاص كمساعدين ذكاء اصطناعي في دعم العملاء أو تطبيقات الوسائط الاجتماعية. على الرغم من أنها توفر مرونة ودعمًا قويًا من المجتمع وأداءً متسقًا عبر المنصات، إلا أنها لا تزال في مراحلها المبكرة، مما قد يشكل منحنى تعلم للمطورين.
تم تصميم GAME خصيصًا لمطوري الألعاب، حيث يوفر واجهة منخفضة أو بدون كود من خلال API، مما يسمح للمستخدمين الذين لديهم مستوى تقني منخفض في مجال الألعاب بالاستفادة منه. ومع ذلك، فإنه يركز على تطوير الألعاب ودمجها مع blockchain، مما قد يشكل منحنى تعلم حاد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه بارز في توليد محتوى البرمجة وسلوك NPC، ولكنه مقيد بالتعقيدات التي يضيفها مجال تخصصه ودمج blockchain.
نظرًا لاستخدام لغة Rust، وبالنظر إلى تعقيد هذه اللغة، قد لا يكون Rig ودودًا للغاية، مما يخلق تحديات كبيرة في التعلم، ولكن بالنسبة لأولئك الذين يتقنون برمجة الأنظمة، فإنه يوفر تفاعلًا بديهيًا. بالمقارنة مع typescripe، تُعرف هذه اللغة نفسها بالأداء وسلامة الذاكرة. لديها فحوصات صارمة في وقت الترجمة وتجريد بدون تكلفة، وهو ما يعد ضروريًا لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة للغاية، وتتحكم بمستويات منخفضة تجعلها الخيار المثالي للتطبيقات الذكاء الاصطناعي التي تتطلب موارد مكثفة. توفر هذه الإطار حلولًا عالية الأداء بتصميم معياري وقابل للتوسع، مما يجعلها الخيار المثالي لتطبيقات المؤسسات. ومع ذلك، بالنسبة للمطورين غير المألوفين بـ Rust، فإن استخدام Rust لا مفر منه سيتطلب مواجهة منحنى تعلم حاد.
ZerePy يستخدم Python، ويوفر قابلية استخدام عالية لمهام الذكاء الاصطناعي الإبداعي، حيث أن منحنى التعلم لمطوري Python منخفض، خاصة لأولئك الذين لديهم خلفية في الذكاء الاصطناعي/تعلم الآلة، كما أنهم يستفيدون من دعم المجتمع القوي بفضل مجتمع Zerebro المشفر. ZerePy متفوق في تطبيقات الذكاء الاصطناعي الإبداعي مثل NFT، ويمثل أداة قوية في مجال الوسائط الرقمية والفنون. على الرغم من أنه يزدهر في الإبداع، إلا أن نطاقه يعتبر ضيقاً نسبياً مقارنةً بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديث V2 الخاص بها، حيث أدخلت خط رسائل موحد وإطار عمل أساسي قابل للتوسع، يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فقد يؤدي هذا النوع من إدارة التفاعل عبر المنصات المتعددة إلى تحديات في القدرة على التوسع.
يتميز GAME بأداء ممتاز في المعالجة في الوقت الفعلي المطلوبة للألعاب، ويتم إدارة القابلية للتوسع من خلال خوارزميات فعالة ونظام توزيع محتمل على blockchain، على الرغم من أنه قد يتأثر بقيود محرك الألعاب أو شبكة blockchain معينة.
إطار عمل Rig يستفيد من أداء قابلية التوسع في Rust، حيث تم تصميمه لتطبيقات ذات قدرة عالية على المعالجة، وهو فعال بشكل خاص في عمليات النشر على مستوى المؤسسات، على الرغم من أن هذا قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
توجه قابلية التوسع في Zerepy نحو الإخراج الإبداعي، مدعومة بمساهمات المجتمع، لكن التركيز قد يقيد تطبيقها في بيئات الذكاء الاصطناعي الأوسع، وقد تتأثر قابلية التوسع بتنوع المهام الإبداعية بدلاً من عدد المستخدمين.
من حيث التكيف، تتفوق ELIZA بنظام الإضافات والتوافق عبر الأنظمة الأساسية، كما أن GAME في بيئة الألعاب وRig في معالجة مهام الذكاء الاصطناعي المعقدة أيضًا بارعين. تظهر ZerePy مستوى عالٍ من التكيف في المجال الإبداعي، لكنها ليست مناسبة جدًا للتطبيقات الأوسع للذكاء الاصطناعي.
من حيث الأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث يعد وقت الاستجابة السريع أمرًا حاسمًا، ولكن عند التعامل مع مهام حسابية أكثر تعقيدًا، قد تختلف أدائها.
تخصص GAME الذي طورته Virtual Protocol في التفاعل الفوري عالي الأداء في مشاهد الألعاب، ويستخدم عملية اتخاذ قرار فعالة وسلسلة الكتل المحتملة لتنفيذ العمليات الذكية اللامركزية.
إطار عمل Rig مبني على لغة Rust، ويقدم أداءً ممتازًا لمهام الحوسبة عالية الأداء، وهو مناسب لتطبيقات الشركات حيث تكون كفاءة الحساب أمرًا حيويًا.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات أدائه على كفاءة وجودة إنتاج المحتوى، وقد لا تكون قابلة للتعميم خارج مجال الإبداع.
تتمثل ميزة ELIZA في توفير المرونة وقابلية التوسع، حيث يمنحها نظام الملحقات وتكوين الشخصيات قدرة عالية على التكيف، مما يسهل التفاعل بين الذكاء الاصطناعي الاجتماعي عبر الأنظمة الأساسية.
تقدم GAME ميزات تفاعلية فريدة في اللعبة، وقد عززت المشاركة الجديدة للذكاء الاصطناعي من خلال تكامل blockchain.
تتمثل مزايا Rig في أدائها وقابليتها للتوسع في مهام الذكاء الاصطناعي الخاصة بالشركات، مع التركيز على توفير كود نظيف ووحدات معيارية لصحة المشاريع على المدى الطويل.
تتميز Zerepy بت培养 الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض.
لكل إطار قيود خاصة به، لا تزال ELIZA في مرحلة مبكرة، وهناك مشاكل محتملة في الاستقرار ومنحنى التعلم للمطورين الجدد، وقد تحد الألعاب الضيقة من التطبيقات الأوسع، كما أن البلوكشين يزيد من التعقيد، وقد يخيف منحنى التعلم الحاد الناتج عن Rust بعض المطورين، في حين أن التركيز الضيق لـ Zerepy على الإنتاج الإبداعي قد يقيد استخدامه في مجالات الذكاء الاصطناعي الأخرى.
(3) ملخص مقارنة الإطار
** (ARC) الحفارة: **
اللغة: Rust، مع التركيز على الأمان والأداء.
حالة الاستخدام: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى المؤسسات، لأنه يركز على الكفاءة وقابلية التوسع.
المجتمع: ليس مدفوعًا بشكل كبير من قبل المجتمع، بل يركز أكثر على المطورين التقنيين.
الصورة أعلاه هي بيانات متابعة نجوم GitHub منذ إصدار هذه الإطارات. ومن الجدير بالذكر أن نجوم GitHub هي مؤشرات على اهتمام المجتمع وشعبية المشروع والقيمة المدركة للمشروع.
إليزا (الخط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو، ثم في أواخر نوفمبر، زاد عدد النجوم بشكل كبير (وصل إلى 61 ألف نجمة)، مما يدل على أن اهتمام الناس قد زاد بسرعة، وجذب انتباه المطورين. تشير هذه الزيادة الأسية إلى أن ELIZA قد حققت جاذبية هائلة بفضل ميزاتها، وتحديثاتها، ومشاركة المجتمع. وتفوق شعبيتها بشكل كبير على المنافسين الآخرين، مما يدل على أن لديها دعمًا قويًا من المجتمع، ولها قابلية أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
ريغ هو الأقدم بين الأطر الأربعة، وعدد النجوم لديه معتدل ولكنه مستمر في الزيادة، ومن المحتمل أن يرتفع بشكل كبير في الشهر المقبل. لقد وصل إلى 1700 نجمة، لكنه لا يزال في ارتفاع مستمر. التطوير المستمر، والتحديثات، وزيادة عدد المستخدمين هي الأسباب وراء تراكم اهتمام المستخدمين. قد تعكس هذه الحالة أن مستخدمي هذا الإطار قليلون أو لا يزالون يجمعون السمعة.
ZEREPY (خط أصفر):
أطلقت ZerePy قبل عدة أيام، وقد تراكمت لديها 181 نجمة. من الجدير بالذكر أن ZerePy بحاجة إلى مزيد من التطوير لزيادة ظهورها ومعدل اعتمادها. قد تؤدي الشراكة مع AI16Z إلى جذب المزيد من المساهمين في التعليمات البرمجية.
GAME（الخط الأخضر）：
عدد النجوم في هذا المشروع هو الأقل، ومن الجدير بالذكر أن هذا الإطار يمكن تطبيقه مباشرة على الوكلاء في النظام البيئي الافتراضي من خلال API، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، فقد تم فتح هذا الإطار للبناة قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع يستخدم GAME للبناء.
٤، أسباب التفاؤل الإطاري
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما يسمح للوكلاء بالعمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry) الذي يتيح للمطورين التسجيل والتكامل بسلاسة مع الإضافات.
بالإضافة إلى ذلك، ستدعم Eliza V2 الرسائل الآلية المجهولة عبر المنصات. من المقرر إصدار ورقة الاقتصاد الرمزي في 1 يناير 2025، ومن المتوقع أن يكون لها تأثير إيجابي على رموز AI16Z الأساسية لإطار عمل Eliza. تخطط AI16Z لمواصلة تعزيز فائدة الإطار، وجذب مواهب عالية الجودة، وقد أثبتت جهود المساهمين الرئيسيين أنها تمتلك هذه القدرة.
إطار عمل GAME يوفر تكامل بدون كود للوسطاء، مما يسمح باستخدام GAME و ELIZA في مشروع واحد لخدمة أغراض محددة. هذه الطريقة من المتوقع أن تجذب البنائين الذين يركزون على منطق الأعمال بدلاً من التعقيدات التقنية. على الرغم من أن الإطار تم إصداره علنياً منذ حوالي 30 يوماً فقط، إلا أنه حقق تقدمًا ملموسًا بدعم جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي سيتم إطلاقها على VIRTUAL GAME.
تمتلك Rig الممثلة برمز ARC إمكانيات هائلة، على الرغم من أن إطارها لا يزال في مرحلة النمو المبكرة، كما أن خطط دفع اعتماد المشروع قد تم إطلاقها منذ بضعة أيام فقط. ومن المتوقع أن تظهر قريبًا مشاريع عالية الجودة تعتمد على ARC، مشابهة لـ Virtual Flywheel، ولكنها تركز على Solana. الفريق متفائل بشأن التعاون مع Solana، ويقارن العلاقة بين ARC وSolana بعلاقة Virtual بـ Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للإطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار عمل جديد تم إطلاقه، ويكتسب اهتمامًا متزايدًا بسبب علاقته مع Eliza. يجذب هذا الإطار المساهمين من Eliza الذين يقومون بتحسينه بنشاط. بفضل دعم معجبي ZEREBRO، أصبح لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة في البنية التحتية للذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في الإبداع الذكائي.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
مقارنة بين أربعة أطر عمل Crypto X AI: ELIZA، GAME، ARC و ZEREPY
المؤلف: Deep Value Memetics ، ترجمة Golden Finance xiaozou
في هذه المقالة، سنستكشف آفاق إطار العمل Crypto X AI. سنركز على الأطر الأربعة الرئيسية الحالية (ELIZA، GAME، ARC، ZEREPY) والفروقات التقنية بينها.
1، المقدمة
لقد قمنا في الأسبوع الماضي بدراسة واختبار الأطر الأربعة الرئيسية Crypto X AI وهي ELIZA وGAME وARC وZEREPY، وكانت استنتاجاتنا كما يلي.
نحن نعتقد أن AI16Z ستظل تحتل الصدارة. تكمن قيمة Eliza (حصة السوق حوالي 60%، القيمة السوقية تتجاوز مليار دولار) في ميزتها التنافسية (أثر ليندي) واستخدامها المتزايد من قبل المطورين، حيث تثبت البيانات مثل 193 مساهمًا و1800 تفرع و6000 نجمة أنها واحدة من أكثر مستودعات التعليمات البرمجية شعبية على Github.
حتى الآن، كان تقدم GAME (حصة سوقية تبلغ حوالي 20٪، وقيمة سوقية حوالي 300 مليون دولار) سلسًا للغاية، حيث يحقق اعتمادًا سريعًا، كما أعلنت VIRTUAL مؤخرًا، أن المنصة تحتوي على أكثر من 200 مشروع، و150,000 طلب يومي، ومعدل نمو أسبوعي يبلغ 200٪. ستستمر GAME في الاستفادة من صعود VIRTUAL، وستصبح واحدة من أكبر الفائزين في نظامها البيئي.
يرتبط Rig (ARC، حصة سوقية حوالي 15%، قيمة سوقية حوالي 160 مليون دولار) بشكل كبير، نظرًا لأن تصميمه المعياري سهل الاستخدام للغاية، ويمكن أن يحتل مكانة رائدة كـ "pure-play" في نظام Solana البيئي (RUST).
Zerepy (حصة السوق حوالي 5%، القيمة السوقية حوالي 300 مليون دولار) هو تطبيق نسبيًا نادر، يستهدف مجتمع ZEREBRO المتحمس، وقد تؤدي شراكته الأخيرة مع مجتمع ai16z إلى تحقيق تأثيرات تآزرية.
لقد لاحظنا أن حساب حصتنا في السوق يغطي القيمة السوقية وسجلات التطوير وسوق أنظمة التشغيل الأساسية.
نعتقد أن سوق الإطارات الفرعية سيكون أسرع المجالات نموًا في هذه الدورة السوقية، حيث من السهل أن يصل إجمالي القيمة السوقية البالغة 17 مليار دولار إلى 20 مليار دولار، وهو ما لا يزال يعتبر محافظًا نسبيًا مقارنة بتقييمات الذروة لـ L1 في عام 2021، عندما وصلت تقييمات العديد من L1 إلى أكثر من 20 مليار دولار. على الرغم من أن هذه الإطارات تخدم أسواق نهائية مختلفة (سلاسل/نظم بيئية)، إلا أننا نعتقد أن هذا المجال في اتجاه تصاعدي مستمر، وقد تكون الطريقة المعتمدة على القيمة السوقية هي الأكثر حذرًا.
2، الأطر الأربعة الكبرى
في الجدول أدناه، قمنا بإدراج التقنيات الرئيسية والمكونات والمزايا لكل إطار رئيسي.
! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png
(1) نظرة عامة على الإطار
في مجال تقاطع الذكاء الاصطناعي مع العملات المشفرة، هناك عدة أطر تعزز من تطوير الذكاء الاصطناعي. وهي ELIZA من AI16Z، RIG من ARC، ZEREBRO من ZEREPY، وVIRTUAL من GAME. تلبي كل إطار متطلبات وأفكار مختلفة في عملية تطوير وكلاء الذكاء الاصطناعي، بدءًا من مشاريع المجتمع مفتوحة المصدر إلى الحلول المؤسسية التي تركز على الأداء.
تقدم هذه المقالة أولاً إطار العمل، وتخبر الجميع بما هي، وما هي لغات البرمجة، وهياكل التقنية، والخوارزميات المستخدمة، وما هي الميزات الفريدة التي تمتلكها، وما هي حالات الاستخدام المحتملة التي يمكن استخدام الإطار فيها. بعد ذلك، نقارن كل إطار من حيث القابلية للاستخدام، والقابلية للتوسع، والتكيف، والأداء، ونستكشف مزاياها وقيودها.
إليزا (تطوير ai16z)
Eliza هو إطار عمل مفتوح المصدر لمحاكاة الوكلاء المتعددين، يهدف إلى إنشاء ونشر وإدارة وكلاء ذكاء اصطناعي مستقلين. تم تطويره بلغة البرمجة TypeScript، ويوفر منصة مرنة وقابلة للتوسع لبناء وكلاء ذكيين قادرين على التفاعل مع البشر عبر منصات متعددة، مع الحفاظ على شخصية ومعرفة متسقة.
تشمل الوظائف الأساسية لهذه الإطار هيكل متعدد الوكلاء يدعم النشر والإدارة المتزامنة للعديد من الشخصيات الذكية الفريدة، بالإضافة إلى نظام أدوار لإنشاء وكلاء مختلفين باستخدام إطار ملفات الأدوار، فضلاً عن توفير إدارة الذاكرة طويلة الأمد والذاكرة المدركة للسياق من خلال نظام تحسين الاسترجاع المعزز (RAG). علاوة على ذلك، يوفر إطار Eliza تكاملًا سلسًا للمنصات، مما يتيح اتصالًا موثوقًا مع Discord وX وغيرها من منصات التواصل الاجتماعي.
من حيث وظائف الاتصال والإعلام لوكيل AI، فإن Eliza خيار ممتاز. من ناحية الاتصال، يدعم هذا الإطار ميزات القناة الصوتية مع Discord، ووظائف X، وTelegram، بالإضافة إلى تكامل الوصول المباشر إلى API لحالات الاستخدام المخصصة. من ناحية أخرى، يمكن توسيع وظائف معالجة الوسائط في هذا الإطار لتشمل قراءة وتحليل مستندات PDF، واستخراج المحتوى من الروابط وتلخيصه، وتحويل الصوت، ومعالجة محتوى الفيديو، وتحليل الصور وتلخيص المحادثات، مما يمكنه من التعامل بفعالية مع جميع أنواع إدخال وإخراج الوسائط.
إطار Eliza يوفر دعمًا مرنًا لنماذج الذكاء الاصطناعي من خلال الاستدلال المحلي للنماذج مفتوحة المصدر، والاستدلال السحابي من OpenAI، والتكوين الافتراضي (مثل Nous Hermes Llama 3.1B) ويدمج دعم Claude في معالجة المهام المعقدة. تعتمد Eliza على بنية معيارية، وتتميز بدعم واسع لأنظمة التشغيل، والعملاء المخصصين، وواجهة برمجة التطبيقات الشاملة، مما يضمن قابلية التوسع والتكيف بين التطبيقات.
تتجاوز حالات استخدام Eliza عدة مجالات، مثل: مساعد AI لدعم العملاء، مراجعة المجتمع، والمهام الشخصية، بالإضافة إلى كونه منشئ محتوى تلقائي، روبوت تفاعلي، وممثل علامة تجارية في أدوار وسائل التواصل الاجتماعي. يمكنه أيضًا أن يعمل كعامل معرفة، حيث يلعب دور مساعد البحث، محلل المحتوى، ومعالج الوثائق، ويدعم أيضًا أشكال الأدوار التفاعلية مثل الروبوتات التي تقوم على الأدوار، المعلمين التعليميين، ووكلاء الترويج.
تستند بنية Eliza إلى وقت تشغيل الوكيل (agent runtime)، حيث يتكامل وقت تشغيل الوكيل بسلاسة مع نظام الأدوار الخاص به (المدعوم من مزودي النماذج)، ومدير الذاكرة (المتصل بقاعدة البيانات)، ونظام التشغيل (المربوط بعميل المنصة). تشمل الميزات الفريدة لهذا الإطار نظام المكونات الإضافية الذي يدعم توسيع الوظائف بشكل معياري، ويدعم التفاعل متعدد الوسائط مثل الصوت والنص والوسائط، ويتوافق مع نماذج الذكاء الاصطناعي الرائدة (مثل Llama وGPT-4 وClaude). بفضل تصميمه المتنوع والقوي، تبرز Eliza كأداة قوية لتطوير تطبيقات الذكاء الاصطناعي عبر مجالات متعددة.
G.A.M.E (تم تطويره بواسطة Virtuals Protocol)
إطار الكيانات المتعددة الأوضاع المستقلة التوليدية (G.A.M.E) يهدف إلى توفير الوصول إلى واجهات برمجة التطبيقات (API) ومجموعات تطوير البرمجيات (SDK) للمطورين لإجراء تجارب وكيل الذكاء الاصطناعي. يوفر هذا الإطار طريقة منظمة لإدارة سلوكيات وكلاء الذكاء الاصطناعي وقراراتهم وعملية التعلم.
المكونات الأساسية هي كما يلي: أولاً، واجهة تلميح الوكيل (Agent Prompting Interface) هي نقطة الدخول للمطورين لدمج GAME في الوكيل للوصول إلى سلوك الوكيل. يبدأ نظام الإدراك (Perception Subsystem) الجلسة من خلال تحديد معلمات مثل ID الجلسة، ID الوكيل، المستخدم، وغيرها من التفاصيل ذات الصلة.
إنه سيجمع المعلومات الواردة في شكل مناسب لمحرك التخطيط الاستراتيجي (Strategic Planning Engine) ليعمل كآلية إدخال حسية لوكيل الذكاء الاصطناعي، سواء في شكل حوار أو ردود. جوهره هو وحدة معالجة الحوار، التي تُستخدم لمعالجة الرسائل والاستجابات الواردة من الوكيل، والتعاون مع النظام الفرعي الإدراكي لتفسير المدخلات والرد عليها بفعالية.
تعمل محرك التخطيط الاستراتيجي ووحدة معالجة الحوار ومشغل المحفظة على السلسلة معًا على إنشاء استجابات وخطط. يحتوي هذا المحرك على مستويين من الوظائف: كمنظم عالي المستوى، يقوم بإنشاء استراتيجيات واسعة بناءً على السياق أو الأهداف؛ وكاستراتيجية منخفضة المستوى، يقوم بتحويل هذه الاستراتيجيات إلى استراتيجيات قابلة للتنفيذ، والتي تنقسم بدورها إلى مخطط عمل لمهام محددة ومنفذ خطة لتنفيذ المهام.
هناك مكون مستقل ولكنه مهم وهو السياق العالمي (World Context) ، الذي يشير إلى البيئة والمعلومات العالمية وحالة اللعبة ويقدم السياق الضروري لقرارات الوكلاء. بالإضافة إلى ذلك ، يتم استخدام مستودع الوكلاء (Agent Repository) لتخزين الخصائص طويلة الأجل مثل الأهداف والتفكير والخبرة والشخصية ، والتي تشكل معًا سلوك الوكيل وعملية اتخاذ القرار.
يستخدم هذا الإطار معالج الذاكرة القصيرة الأجل والذاكرة الطويلة الأجل. تحتفظ الذاكرة القصيرة الأجل بمعلومات ذات صلة عن السلوك السابق والنتائج والخطط الحالية. بالمقارنة، يقوم معالج الذاكرة الطويلة الأجل باستخراج المعلومات الرئيسية وفقًا لمعايير مثل الأهمية، والحداثة، والملاءمة. تخزن الذاكرة الطويلة الأجل خبرات الوكيل، والتفكير، والشخصية الديناميكية، وسياق العالم، والمعرفة المتعلقة بالذاكرة العاملة لتعزيز اتخاذ القرار وتوفير أساس للتعلم.
تستخدم وحدة التعلم بيانات مستمدة من نظام الإدراك لتوليد المعرفة العامة، والتي يتم إرجاعها إلى النظام لتحسين التفاعلات المستقبلية. يمكن للمطورين إدخال ردود الفعل المتعلقة بالحركات وحالة اللعبة وبيانات الإحساس من خلال الواجهة لتعزيز قدرة التعلم لوكلاء الذكاء الاصطناعي، وزيادة قدرتهم على التخطيط واتخاذ القرار.
تبدأ عملية العمل عندما يتفاعل المطورون من خلال واجهة التلميح الوكيلة. يتم معالجة الإدخال بواسطة نظام الإدراك الفرعي وإعادة توجيهه إلى وحدة معالجة الحوار، التي تتحمل مسؤولية إدارة منطق التفاعل. بعد ذلك، يقوم محرك التخطيط الاستراتيجي بوضع وتنفيذ الخطط بناءً على هذه المعلومات، مستخدمًا استراتيجيات عالية المستوى وخطط عمل مفصلة.
تُخطِر البيانات من سياق العالم ومستودعات الوكلاء هذه العمليات، بينما تتعقب ذاكرة العمل المهام الفورية. في الوقت نفسه، يقوم معالج الذاكرة طويلة المدى بتخزين واسترجاع المعرفة طويلة الأمد. تقوم وحدات التعلم بتحليل النتائج وتدمج المعرفة الجديدة في النظام، مما يُمكن سلوك الوكلاء وتفاعلاتهم من التحسين المستمر.
RIG (تطوير ARC)
Rig هو إطار عمل مفتوح المصدر بلغة Rust يهدف إلى تبسيط تطوير تطبيقات نماذج اللغة الكبيرة. يوفر واجهة موحدة للتفاعل مع عدة مزودي نماذج اللغة الكبيرة مثل OpenAI وAnthropic، ويدعم مجموعة متنوعة من تخزين المتجهات بما في ذلك MongoDB وNeo4j. تكمن خصوصية الهيكلية المعيارية لهذا الإطار في مكوناته الأساسية مثل طبقة تجريد المزود (Provider Abstraction Layer) ودمج تخزين المتجهات ونظام الوكلاء، لتسهيل التفاعل السلس مع نماذج اللغة الكبيرة.
يتضمن الجمهور الرئيسي لـ Rig المطورين الذين يستخدمون Rust لبناء تطبيقات الذكاء الاصطناعي/تعلم الآلة، يليهم المنظمات التي تسعى لدمج عدة مزودي LLM وتخزين المتجهات في تطبيقات Rust الخاصة بهم. يستخدم المستودع بنية مساحة العمل، مع عدة حزم تدعم قابلية التوسع وإدارة المشاريع بشكل فعال. تشمل الميزات الرئيسية طبقة تجريد المزود، التي توفر معيارًا لإكمال ودمج واجهات برمجة التطبيقات بين مزودي LLM المختلفين، مع معالجة أخطاء متسقة. توفر مكونات دمج تخزين المتجهات واجهة تجريدية لعدة خلفيات، وتدعم بحث تشابه المتجهات. يبسط نظام الوكيل التفاعل مع LLM، ويدعم توليد معزز للاسترجاع (RAG) ودمج الأدوات. بالإضافة إلى ذلك، يوفر إطار العمل المدمج وظائف معالجة دفعات وعمليات دمج آمنة من حيث النوع.
يستخدم Rig مزايا تقنية متعددة لضمان الموثوقية والأداء. تستفيد العمليات غير المتزامنة من بيئة التشغيل غير المتزامنة في Rust لمعالجة عدد كبير من الطلبات المتزامنة بشكل فعال. تعمل آلية معالجة الأخطاء المدمجة في الإطار على تحسين القدرة على الاسترداد من فشل مزودي الذكاء الاصطناعي أو عمليات قاعدة البيانات. يمكن أن تمنع سلامة النوع الأخطاء خلال عملية الترجمة، مما يعزز قابلية صيانة الكود. تدعم عمليات التسلسل وإعادة التسلسل الفعالة معالجة البيانات بتنسيقات مثل JSON، وهو أمر بالغ الأهمية لتواصل الذكاء الاصطناعي والتخزين. تساعد سجلات التفاصيل واكتشاف الأخطاء بشكل أكبر في تصحيح الأخطاء ورصد التطبيقات.
تبدأ سير عمل Rig عندما يتم إرسال الطلب من جانب العميل، حيث يتفاعل هذا الطلب مع نموذج LLM المناسب من خلال طبقة تجريد المزود. ثم تتم معالجة البيانات بواسطة الطبقة الأساسية، حيث يمكن للوكلاء استخدام الأدوات أو الوصول إلى تخزين المتجهات للسياق. يتم إنشاء وتكرير الاستجابة قبل إرجاعها إلى العميل من خلال سير عمل معقد (مثل RAG) يتضمن استرجاع الوثائق وفهم السياق. يدمج النظام مزودي LLM متعددين وتخزين المتجهات، وهو يتكيف مع تحديثات توفر النموذج أو أدائه.
تتعدد استخدامات Rig، بما في ذلك أنظمة الأسئلة والأجوبة التي تسترجع الوثائق ذات الصلة لتقديم استجابات دقيقة، وأنظمة البحث واسترجاع الوثائق لاكتشاف المحتوى بكفاءة، بالإضافة إلى الروبوتات الدردشة أو المساعدين الافتراضيين الذين يقدمون تفاعلات مدركة للسياق لخدمة العملاء أو التعليم. كما أنه يدعم توليد المحتوى، مما يدعم إنشاء نصوص ومواد أخرى بناءً على أنماط التعلم، مما يجعله أداة شاملة للمطورين والمنظمات.
Zerepy (تطويره بواسطة ZEREPY و blorm)
ZerePy هو إطار عمل مفتوح المصدر مكتوب بلغة بايثون، يهدف إلى نشر الوكلاء على X باستخدام OpenAI أو Anthropic LLM. هو نسخة معيارية مستمدة من الجزء الخلفي لـ Zerebro، يسمح ZerePy للمطورين بإطلاق وكلاء يتمتعون بميزات مشابهة لميزات Zerebro الأساسية. على الرغم من أن هذا الإطار يوفر الأساس لنشر الوكلاء، فإن ضبط النموذج أمر لا بد منه لإنتاج مخرجات إبداعية. يبسط ZerePy تطوير ونشر وكلاء الذكاء الاصطناعي الشخصية، خاصةً لإنشاء المحتوى على منصات التواصل الاجتماعي، ويعزز نظامًا بيئيًا إبداعيًا مدفوعًا بالذكاء الاصطناعي يركز على الفن والتطبيقات اللامركزية.
تم تطوير هذا الإطار باستخدام بايثون، مع التركيز على استقلالية الوكيل، والتركيز على توليد المخرجات الإبداعية، مع الحفاظ على اتساقه مع هيكل ELIZA وعلاقته بالتعاون مع ELIZA. يدعم التصميم القائم على الوحدات تكامل نظام الذاكرة، ويدعم نشر الوكلاء على منصات التواصل الاجتماعي. تشمل الميزات الرئيسية واجهة سطر الأوامر لإدارة الوكلاء، وتكامل مع تويتر، ودعم LLM من OpenAI وAnthropic، فضلاً عن نظام الاتصال القائم على الوحدات لتعزيز الوظائف.
تغطي حالات استخدام ZerePy مجال أتمتة وسائل التواصل الاجتماعي، حيث يمكن للمستخدمين نشر وكلاء ذكاء اصطناعي للنشر والرد والإعجاب وإعادة التوجيه، مما يزيد من المشاركة على المنصة. بالإضافة إلى ذلك، فإنه يلبي أيضاً احتياجات إنشاء المحتوى في مجالات مثل الموسيقى والميمات وNFT، مما يجعله أداة مهمة للفن الرقمي ومنصات المحتوى القائمة على blockchain.
（2）مقارنة الأطر الأربعة
من وجهة نظرنا، يوفر كل إطار عمل طريقة فريدة لتطوير الذكاء الاصطناعي، تتوافق مع احتياجات وبيئات معينة، نحن نحول التركيز من العلاقة التنافسية بين هذه الأطر إلى تفرد كل إطار.
تتألق ELIZA بفضل واجهتها سهلة الاستخدام، خصوصًا بالنسبة للمطورين المتمرسين في بيئة JavaScript وNode.js. تساعد وثائقها الشاملة في إعداد وكلاء الذكاء الاصطناعي عبر منصات متعددة، على الرغم من أن مجموعة ميزاتها الواسعة قد تأتي مع منحنى تعلم معين. تم تطويرها باستخدام TypeScript، مما يجعل Eliza الاختيار المثالي لبناء وكلاء مدمجين في الويب، حيث يتم تطوير الواجهة الأمامية لمعظم البنية التحتية للويب باستخدام TypeScript. يُعرف هذا الإطار بهندسته متعددة الوكلاء، حيث يمكن نشر شخصيات ذكاء اصطناعي مختلفة على منصات مثل Discord وX وTelegram. يجعل نظام إدارة الذاكرة المتقدم RAG منها فعالة بشكل خاص كمساعدين ذكاء اصطناعي في دعم العملاء أو تطبيقات الوسائط الاجتماعية. على الرغم من أنها توفر مرونة ودعمًا قويًا من المجتمع وأداءً متسقًا عبر المنصات، إلا أنها لا تزال في مراحلها المبكرة، مما قد يشكل منحنى تعلم للمطورين.
تم تصميم GAME خصيصًا لمطوري الألعاب، حيث يوفر واجهة منخفضة أو بدون كود من خلال API، مما يسمح للمستخدمين الذين لديهم مستوى تقني منخفض في مجال الألعاب بالاستفادة منه. ومع ذلك، فإنه يركز على تطوير الألعاب ودمجها مع blockchain، مما قد يشكل منحنى تعلم حاد لأولئك الذين ليس لديهم خبرة ذات صلة. إنه بارز في توليد محتوى البرمجة وسلوك NPC، ولكنه مقيد بالتعقيدات التي يضيفها مجال تخصصه ودمج blockchain.
نظرًا لاستخدام لغة Rust، وبالنظر إلى تعقيد هذه اللغة، قد لا يكون Rig ودودًا للغاية، مما يخلق تحديات كبيرة في التعلم، ولكن بالنسبة لأولئك الذين يتقنون برمجة الأنظمة، فإنه يوفر تفاعلًا بديهيًا. بالمقارنة مع typescripe، تُعرف هذه اللغة نفسها بالأداء وسلامة الذاكرة. لديها فحوصات صارمة في وقت الترجمة وتجريد بدون تكلفة، وهو ما يعد ضروريًا لتشغيل خوارزميات الذكاء الاصطناعي المعقدة. اللغة فعالة للغاية، وتتحكم بمستويات منخفضة تجعلها الخيار المثالي للتطبيقات الذكاء الاصطناعي التي تتطلب موارد مكثفة. توفر هذه الإطار حلولًا عالية الأداء بتصميم معياري وقابل للتوسع، مما يجعلها الخيار المثالي لتطبيقات المؤسسات. ومع ذلك، بالنسبة للمطورين غير المألوفين بـ Rust، فإن استخدام Rust لا مفر منه سيتطلب مواجهة منحنى تعلم حاد.
ZerePy يستخدم Python، ويوفر قابلية استخدام عالية لمهام الذكاء الاصطناعي الإبداعي، حيث أن منحنى التعلم لمطوري Python منخفض، خاصة لأولئك الذين لديهم خلفية في الذكاء الاصطناعي/تعلم الآلة، كما أنهم يستفيدون من دعم المجتمع القوي بفضل مجتمع Zerebro المشفر. ZerePy متفوق في تطبيقات الذكاء الاصطناعي الإبداعي مثل NFT، ويمثل أداة قوية في مجال الوسائط الرقمية والفنون. على الرغم من أنه يزدهر في الإبداع، إلا أن نطاقه يعتبر ضيقاً نسبياً مقارنةً بالأطر الأخرى.
فيما يتعلق بالقدرة على التوسع، حققت ELIZA تقدمًا كبيرًا في تحديث V2 الخاص بها، حيث أدخلت خط رسائل موحد وإطار عمل أساسي قابل للتوسع، يدعم الإدارة الفعالة عبر منصات متعددة. ومع ذلك، إذا لم يتم تحسين ذلك، فقد يؤدي هذا النوع من إدارة التفاعل عبر المنصات المتعددة إلى تحديات في القدرة على التوسع.
يتميز GAME بأداء ممتاز في المعالجة في الوقت الفعلي المطلوبة للألعاب، ويتم إدارة القابلية للتوسع من خلال خوارزميات فعالة ونظام توزيع محتمل على blockchain، على الرغم من أنه قد يتأثر بقيود محرك الألعاب أو شبكة blockchain معينة.
إطار عمل Rig يستفيد من أداء قابلية التوسع في Rust، حيث تم تصميمه لتطبيقات ذات قدرة عالية على المعالجة، وهو فعال بشكل خاص في عمليات النشر على مستوى المؤسسات، على الرغم من أن هذا قد يعني أن تحقيق قابلية التوسع الحقيقية يتطلب إعدادات معقدة.
توجه قابلية التوسع في Zerepy نحو الإخراج الإبداعي، مدعومة بمساهمات المجتمع، لكن التركيز قد يقيد تطبيقها في بيئات الذكاء الاصطناعي الأوسع، وقد تتأثر قابلية التوسع بتنوع المهام الإبداعية بدلاً من عدد المستخدمين.
من حيث التكيف، تتفوق ELIZA بنظام الإضافات والتوافق عبر الأنظمة الأساسية، كما أن GAME في بيئة الألعاب وRig في معالجة مهام الذكاء الاصطناعي المعقدة أيضًا بارعين. تظهر ZerePy مستوى عالٍ من التكيف في المجال الإبداعي، لكنها ليست مناسبة جدًا للتطبيقات الأوسع للذكاء الاصطناعي.
من حيث الأداء، تم تحسين ELIZA للتفاعل السريع على وسائل التواصل الاجتماعي، حيث يعد وقت الاستجابة السريع أمرًا حاسمًا، ولكن عند التعامل مع مهام حسابية أكثر تعقيدًا، قد تختلف أدائها.
تخصص GAME الذي طورته Virtual Protocol في التفاعل الفوري عالي الأداء في مشاهد الألعاب، ويستخدم عملية اتخاذ قرار فعالة وسلسلة الكتل المحتملة لتنفيذ العمليات الذكية اللامركزية.
إطار عمل Rig مبني على لغة Rust، ويقدم أداءً ممتازًا لمهام الحوسبة عالية الأداء، وهو مناسب لتطبيقات الشركات حيث تكون كفاءة الحساب أمرًا حيويًا.
أداء Zerepy مصمم خصيصًا لإنشاء المحتوى الإبداعي، حيث تركز مؤشرات أدائه على كفاءة وجودة إنتاج المحتوى، وقد لا تكون قابلة للتعميم خارج مجال الإبداع.
تتمثل ميزة ELIZA في توفير المرونة وقابلية التوسع، حيث يمنحها نظام الملحقات وتكوين الشخصيات قدرة عالية على التكيف، مما يسهل التفاعل بين الذكاء الاصطناعي الاجتماعي عبر الأنظمة الأساسية.
تقدم GAME ميزات تفاعلية فريدة في اللعبة، وقد عززت المشاركة الجديدة للذكاء الاصطناعي من خلال تكامل blockchain.
تتمثل مزايا Rig في أدائها وقابليتها للتوسع في مهام الذكاء الاصطناعي الخاصة بالشركات، مع التركيز على توفير كود نظيف ووحدات معيارية لصحة المشاريع على المدى الطويل.
تتميز Zerepy بت培养 الإبداع، وهي في طليعة تطبيقات الذكاء الاصطناعي في الفن الرقمي، مدعومة بنموذج تنموي مدفوع بمجتمع نابض.
لكل إطار قيود خاصة به، لا تزال ELIZA في مرحلة مبكرة، وهناك مشاكل محتملة في الاستقرار ومنحنى التعلم للمطورين الجدد، وقد تحد الألعاب الضيقة من التطبيقات الأوسع، كما أن البلوكشين يزيد من التعقيد، وقد يخيف منحنى التعلم الحاد الناتج عن Rust بعض المطورين، في حين أن التركيز الضيق لـ Zerepy على الإنتاج الإبداعي قد يقيد استخدامه في مجالات الذكاء الاصطناعي الأخرى.
(3) ملخص مقارنة الإطار
** (ARC) الحفارة: **
اللغة: Rust، مع التركيز على الأمان والأداء.
حالة الاستخدام: الخيار المثالي لتطبيقات الذكاء الاصطناعي على مستوى المؤسسات، لأنه يركز على الكفاءة وقابلية التوسع.
المجتمع: ليس مدفوعًا بشكل كبير من قبل المجتمع، بل يركز أكثر على المطورين التقنيين.
إليزا (AI16Z)：
اللغة: TypeScript، تبرز مرونة web3 ومشاركة المجتمع.
حالة الاستخدام: مصممة للتفاعل الاجتماعي و DAO والتداول، مع التركيز بشكل خاص على أنظمة الوكلاء المتعددة.
المجتمع: مجتمع مدفوع بدرجة عالية، مع مشاركة واسعة في GitHub.
** ZerePy (ZEREBRO):**
اللغة: بايثون، ليكون متاحًا لقاعدة أكبر من مطوري الذكاء الاصطناعي.
حالات الاستخدام: مناسبة لأتمتة وسائل التواصل الاجتماعي ومهام الوكلاء الذكية الأكثر بساطة.
المجتمع: جديد نسبيًا، ولكن بفضل شعبية بايثون ودعم المساهمين في AI16Z، من المتوقع أن ينمو.
لعبة (افتراضية):
التركيز: وكلاء الذكاء الاصطناعي المستقلين والتكيفيين يمكنهم التطور بناءً على التفاعلات في البيئة الافتراضية.
حالات الاستخدام: الأنسب لتعلم وتكيف وكلاء الذكاء الاصطناعي في السيناريوهات، مثل الألعاب أو العوالم الافتراضية.
المجتمع: مجتمع مبتكر، لكنه لا يزال يحدد مكانته في المنافسة.
3، اتجاه بيانات النجوم على Github
! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png
الصورة أعلاه هي بيانات متابعة نجوم GitHub منذ إصدار هذه الإطارات. ومن الجدير بالذكر أن نجوم GitHub هي مؤشرات على اهتمام المجتمع وشعبية المشروع والقيمة المدركة للمشروع.
إليزا (الخط الأحمر):
بدأت الزيادة من قاعدة منخفضة في يوليو، ثم في أواخر نوفمبر، زاد عدد النجوم بشكل كبير (وصل إلى 61 ألف نجمة)، مما يدل على أن اهتمام الناس قد زاد بسرعة، وجذب انتباه المطورين. تشير هذه الزيادة الأسية إلى أن ELIZA قد حققت جاذبية هائلة بفضل ميزاتها، وتحديثاتها، ومشاركة المجتمع. وتفوق شعبيتها بشكل كبير على المنافسين الآخرين، مما يدل على أن لديها دعمًا قويًا من المجتمع، ولها قابلية أو اهتمام أوسع في مجتمع الذكاء الاصطناعي.
RIG (الخط الأزرق):
ريغ هو الأقدم بين الأطر الأربعة، وعدد النجوم لديه معتدل ولكنه مستمر في الزيادة، ومن المحتمل أن يرتفع بشكل كبير في الشهر المقبل. لقد وصل إلى 1700 نجمة، لكنه لا يزال في ارتفاع مستمر. التطوير المستمر، والتحديثات، وزيادة عدد المستخدمين هي الأسباب وراء تراكم اهتمام المستخدمين. قد تعكس هذه الحالة أن مستخدمي هذا الإطار قليلون أو لا يزالون يجمعون السمعة.
ZEREPY (خط أصفر):
أطلقت ZerePy قبل عدة أيام، وقد تراكمت لديها 181 نجمة. من الجدير بالذكر أن ZerePy بحاجة إلى مزيد من التطوير لزيادة ظهورها ومعدل اعتمادها. قد تؤدي الشراكة مع AI16Z إلى جذب المزيد من المساهمين في التعليمات البرمجية.
GAME（الخط الأخضر）：
عدد النجوم في هذا المشروع هو الأقل، ومن الجدير بالذكر أن هذا الإطار يمكن تطبيقه مباشرة على الوكلاء في النظام البيئي الافتراضي من خلال API، مما يلغي الحاجة إلى رؤية Github. ومع ذلك، فقد تم فتح هذا الإطار للبناة قبل أكثر من شهر بقليل، وهناك أكثر من 200 مشروع يستخدم GAME للبناء.
٤، أسباب التفاؤل الإطاري
ستدمج النسخة V2 من Eliza مجموعة وكيل Coinbase. ستدعم جميع المشاريع التي تستخدم Eliza في المستقبل TEE الأصلي، مما يسمح للوكلاء بالعمل في بيئة آمنة. إحدى الميزات القادمة لـ Eliza هي سجل الإضافات (Plugin Registry) الذي يتيح للمطورين التسجيل والتكامل بسلاسة مع الإضافات.
بالإضافة إلى ذلك، ستدعم Eliza V2 الرسائل الآلية المجهولة عبر المنصات. من المقرر إصدار ورقة الاقتصاد الرمزي في 1 يناير 2025، ومن المتوقع أن يكون لها تأثير إيجابي على رموز AI16Z الأساسية لإطار عمل Eliza. تخطط AI16Z لمواصلة تعزيز فائدة الإطار، وجذب مواهب عالية الجودة، وقد أثبتت جهود المساهمين الرئيسيين أنها تمتلك هذه القدرة.
إطار عمل GAME يوفر تكامل بدون كود للوسطاء، مما يسمح باستخدام GAME و ELIZA في مشروع واحد لخدمة أغراض محددة. هذه الطريقة من المتوقع أن تجذب البنائين الذين يركزون على منطق الأعمال بدلاً من التعقيدات التقنية. على الرغم من أن الإطار تم إصداره علنياً منذ حوالي 30 يوماً فقط، إلا أنه حقق تقدمًا ملموسًا بدعم جهود الفريق لجذب المزيد من المساهمين. من المتوقع أن تستخدم جميع المشاريع التي سيتم إطلاقها على VIRTUAL GAME.
تمتلك Rig الممثلة برمز ARC إمكانيات هائلة، على الرغم من أن إطارها لا يزال في مرحلة النمو المبكرة، كما أن خطط دفع اعتماد المشروع قد تم إطلاقها منذ بضعة أيام فقط. ومن المتوقع أن تظهر قريبًا مشاريع عالية الجودة تعتمد على ARC، مشابهة لـ Virtual Flywheel، ولكنها تركز على Solana. الفريق متفائل بشأن التعاون مع Solana، ويقارن العلاقة بين ARC وSolana بعلاقة Virtual بـ Base. من الجدير بالذكر أن الفريق لا يشجع فقط المشاريع الجديدة على استخدام Rig للإطلاق، بل يشجع أيضًا المطورين على تعزيز إطار Rig نفسه.
Zerepy هو إطار عمل جديد تم إطلاقه، ويكتسب اهتمامًا متزايدًا بسبب علاقته مع Eliza. يجذب هذا الإطار المساهمين من Eliza الذين يقومون بتحسينه بنشاط. بفضل دعم معجبي ZEREBRO، أصبح لديه مجموعة من المتابعين المتحمسين، ويوفر فرصًا جديدة لمطوري Python الذين كانوا يفتقرون سابقًا إلى التمثيل في المنافسة في البنية التحتية للذكاء الاصطناعي. سيلعب هذا الإطار دورًا مهمًا في الإبداع الذكائي.