Порівняння чотирьох основних Crypto X AI фреймворків: ELIZA, GAME, ARC та ZEREPY

Автор: Deep Value Memetics, переклад: Золотий фінанс Xiaozou

У цій статті ми розглянемо перспективи фреймворку Crypto X AI. Ми зосередимося на чотирьох основних фреймворках (ELIZA, GAME, ARC, ZEREPY) та їхніх технологічних відмінностях.

1. Вступ

Ми досліджували та тестували чотири основні Crypto X AI фреймворки: ELIZA, GAME, ARC, ZEREPY за минулий тиждень, і наші висновки такі.

Ми віримо, що AI16Z продовжить домінувати. Цінність Eliza (частка ринку близько 60%, ринкова капіталізація понад 1 мільярд доларів) полягає в її перевазі першовідкривача (ефект Лінді) та в тому, що вона отримує все більше користувачів серед розробників, дані про 193 учасників, 1800 форків та понад 6000 зірок це підтверджують, що робить її однією з найпопулярніших кодових баз на Github.

На сьогоднішній день розвиток GAME (частка ринку приблизно 20%, ринкова вартість приблизно 300 мільйонів доларів) проходить дуже успішно, він швидко набирає популярність, як тільки оголосила VIRTUAL, ця платформа має понад 200 проектів, 150 000 щоденних запитів і 200% тижневого темпу зростання. GAME продовжить отримувати вигоду від зростання VIRTUAL і стане одним з найбільших переможців у його екосистемі.

Rig（ARC, ринкова частка приблизно 15%, ринкова капіталізація приблизно 160 мільйонів доларів США）дуже помітний, оскільки його модульний дизайн дуже простий у використанні, і він може займати домінуючу позицію як "pure-play" в екосистемі Solana (RUST).

Zerepy (частка ринку близько 5%, ринкова капіталізація близько 300 мільйонів доларів) є відносно нішевим додатком, спеціально орієнтованим на захоплену спільноту ZEREBRO, нещодавно його співпраця з спільнотою ai16z може призвести до синергії.

Ми звернули увагу, що наш розрахунок частки ринку охоплює ринкову капіталізацію, записи розробки та ринок терміналів під операційною системою.

Ми вважаємо, що на цьому ринковому циклі сегмент ринку фреймворків буде найшвидше зростаючою областю, і загальна капіталізація в 1,7 мільярда доларів може легко зростати до 20 мільярдів доларів, що все ще є відносно консервативним у порівнянні з піковою оцінкою L1 у 2021 році, коли багато L1 мали оцінки понад 20 мільярдів доларів. Хоча ці фреймворки обслуговують різні кінцеві ринки (ланцюги/екосистеми), враховуючи те, що ми вважаємо, що ця область перебуває на постійно зростаючому тренді, метод капіталізації з урахуванням ваги ринку може бути найбільш обережним підходом.

2、Чотири основні рамки

У наведеній таблиці ми перерахували ключові технології, компоненти та переваги основних фреймворків.

! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png

(1) Огляд структури

У перехресті AI та Crypto є кілька фреймворків, які сприяють розвитку AI. Це ELIZA від AI16Z, RIG від ARC, ZEREBRO від ZEREPY та VIRTUAL від GAME. Кожен фреймворк задовольняє різні потреби та концепції в процесі розробки AI-агентів, від проектів відкритого коду до корпоративних рішень, орієнтованих на продуктивність.

У цій статті спочатку буде представлено фреймворки, розказано, що вони собою являють, якою мовою програмування, технічною архітектурою та алгоритмами користуються, які унікальні функції мають, а також які потенційні випадки використання можуть бути. Потім ми порівняємо кожен фреймворк з точки зору зручності використання, масштабованості, адаптивності та продуктивності, вивчаючи їхні переваги та обмеження.

ELIZA (розроблено ai16z)

Eliza є відкритою платформою для симуляції з багатьма агентами, яка призначена для створення, розгортання та управління автономними AI-агентами. Вона розроблена мовою програмування TypeScript і надає гнучку масштабовану платформу для створення розумних агентів, які можуть взаємодіяти з людьми на кількох платформах, зберігаючи послідовність особистості та знань.

Центральні функції цієї платформи включають архітектуру з багатьма агентами, яка підтримує одночасне розгортання та управління кількома унікальними особистостями ШІ, а також систему ролей, яка створює різних агентів за допомогою ролейних файлів, а також функції управління пам'яттю, що забезпечують довгострокову пам'ять та контекстно обізнане управління пам'яттю через систему підвищеного генерування (RAG). Крім того, платформа Eliza також надає безшовну інтеграцію з платформами, такими як Discord, X та іншими соціальними мережами.

З точки зору комунікаційних і медійних функцій AI-агентів, Eliza є відмінним вибором. У комунікаційній сфері ця система підтримує інтеграцію з функціями голосових каналів Discord, функцією X, Telegram, а також прямий доступ до API для налаштованих випадків використання. З іншого боку, медійні функції цієї системи можуть бути розширені до читання та аналізу PDF-документів, витягування змісту з посилань та підсумування, транскрипції аудіо, обробки відеоконтенту, аналізу зображень і підсумування діалогів, що дозволяє ефективно обробляти різноманітні медійні входи та виходи.

Фреймворк Eliza забезпечує гнучку підтримку AI-моделей через локальне виведення з відкритих моделей, хмарне виведення OpenAI та конфігурацію за замовчуванням (таку як Nous Hermes Llama 3.1B), а також інтегрує підтримку Claude для обробки складних завдань. Eliza має модульну архітектуру, що забезпечує широкий спектр підтримки операційних систем, користувацьких клієнтів та всеосяжного API, що гарантує масштабованість та адаптивність між додатками.

Випадки використання Eliza охоплюють кілька сфер, таких як: AI-асистент для підтримки клієнтів, модерації спільноти та особистих завдань, а також соціальні медіа ролі, такі як автоматизатор контенту, інтерактивний бот і представник бренду. Вона також може виконувати функції знаннєвого працівника, граючи ролі дослідницького асистента, аналітика контенту та обробника документів, а також підтримує інтерактивні ролі, такі як рольові боти, освітні наставники та агенти.

Архітектура Eliza побудована навколо агентного часу виконання (agent runtime), який безшовно інтегрується з її системою ролей (підтримується постачальниками моделей), менеджером пам'яті (підключеним до бази даних) та операційною системою (яка з'єднується з платформою клієнта). Унікальні функції цього фреймворку включають систему плагінів, що підтримує модульне розширення функціональності, підтримку мультимодальної взаємодії, такої як голос, текст та медіа, а також сумісність з провідними AI моделями (такими як Llama, GPT-4 та Claude). Завдяки своїй різноманітній функціональності та потужному дизайну, Eliza виділяється як потужний інструмент для розробки AI додатків у різних галузях.

G.A.M.E (розроблений Virtuals Protocol)

Генеративна автономна мультимодальна сутність (G.A.M.E) призначена для надання розробникам доступу до API та SDK для експериментів з AI-агентами. Ця структура пропонує структурований підхід для управління поведінкою, рішеннями та процесом навчання AI-агентів.

Основні компоненти такі: по-перше, інтерфейс підказок агента (Agent Prompting Interface) є точкою входу для розробників, щоб інтегрувати GAME в агента для доступу до поведінки агента. Система сприйняття (Perception Subsystem) запускає сесію, вказуючи такі параметри, як ідентифікатор сесії, ідентифікатор агента, користувача та інші відповідні деталі.

Вона консолідовує вхідну інформацію в формат, придатний для двигуна стратегічного планування (Strategic Planning Engine), виступаючи в ролі механізму введення відчуттів AI-агента, незалежно від того, у формі діалогу або реакції. В її основі лежить модуль обробки діалогу, який призначений для обробки повідомлень та відповідей від агента, а також співпрацює з підсистемою сприйняття для ефективного тлумачення та реагування на вхідні дані.

Стратегічний планувальний двигун працює разом із модулем обробки діалогу та оператором гаманця на блокчейні, генеруючи відповіді та плани. Цей двигун має два рівні функцій: як високорівневий планувальник, він створює широкі стратегії залежно від контексту або цілей; як низькорівнева стратегія, він перетворює ці стратегії на практичні стратегії, які далі поділяються на планувальники дій для конкретних завдань та виконавці планів для виконання завдань.

Ще одним незалежним, але важливим компонентом є World Context (світовий контекст), який посилається на середовище, глобальну інформацію та стан гри, забезпечуючи необхідний контекст для прийняття рішень агентом. Крім того, Agent Repository (репозиторій агентів) використовується для зберігання довгострокових властивостей, таких як цілі, рефлексія, досвід та особистість, які спільно формують поведінку та процес прийняття рішень агента.

Ця структура використовує процесори короткочасної пам'яті та довготривалої пам'яті. Короткочасна пам'ять зберігає інформацію про попередню поведінку, результати та актуальний план. На противагу цьому, процесори довготривалої пам'яті витягують ключову інформацію на основі критеріїв важливості, свіжості та релевантності. Довготривала пам'ять зберігає знання агента, досвід, рефлексію, динамічну особистість, контекст світу та робочу пам'ять, щоб покращити ухвалення рішень та забезпечити основу для навчання.

Модуль навчання використовує дані з підсистеми сприйняття для генерації загальних знань, які зворотно передаються в систему для покращення майбутніх взаємодій. Розробники можуть вводити через інтерфейс зворотний зв'язок про дії, стан гри та відчуття даних, щоб підвищити здатність навчання AI-агента та поліпшити його планування і прийняття рішень.

Робочий процес починається з того, що розробники взаємодіють через інтерфейс підказок агента. Введені дані обробляються підсистемою сприйняття та пересилаються до модуля обробки діалогу, який відповідає за управління логікою взаємодії. Потім стратегічний планувальний двигун розробляє та реалізує плани на основі цієї інформації, використовуючи високорівневі стратегії та детальні плани дій.

Дані з глобального контексту та репозиторіїв агентів сповіщають ці процеси, одночасно стежачи за миттєвими завданнями в робочій пам'яті. Тим часом, процесор довготривалої пам'яті зберігає та витягує довгострокові знання. Модулі навчання аналізують результати та інтегрують нові знання в систему, що дозволяє постійно вдосконалювати поведінку та взаємодію агентів.

RIG (розроблено ARC)

Rig є відкритим фреймворком на Rust, призначеним для спрощення розробки програм для великих мовних моделей. Він забезпечує єдиний інтерфейс для взаємодії з декількома постачальниками LLM (такими як OpenAI та Anthropic) і підтримує різні векторні сховища, включаючи MongoDB та Neo4j. Унікальність модульної архітектури цього фреймворку полягає в його основних компонентах, таких як шар абстракції постачальника (Provider Abstraction Layer), інтеграція векторних сховищ і система агентів, що сприяє безперешкодній взаємодії з LLM.

Основна аудиторія Rig включає розробників, які використовують Rust для створення AI/ML додатків, а також організації, які прагнуть інтегрувати кілька постачальників LLM і векторні сховища у свої Rust додатки. Репозиторій використовує архітектуру робочого простору з кількома crate, що підтримує масштабованість та ефективне управління проектами. Основні функції включають абстрактний рівень постачальника, який забезпечує стандартизацію для завершення та вбудування API між різними постачальниками LLM, з послідовною обробкою помилок. Компонент інтеграції векторного сховища (Vector Store Integration) забезпечує абстрактний інтерфейс для кількох бекендів та підтримує пошук векторної схожості. Система проксі спрощує взаємодію з LLM, підтримуючи підсилене генерування запитів (RAG) та інтеграцію інструментів. Крім того, вбудована структура також забезпечує функціональність пакетної обробки та безпечні операції вбудовування.

Rig використовує численні технологічні переваги для забезпечення надійності та продуктивності. Асинхронні операції використовують асинхронний виконуючий середовище Rust для ефективної обробки великої кількості одночасних запитів. Вбудований механізм обробки помилок у рамках підвищує здатність до відновлення після збоїв постачальників штучного інтелекту або операцій з базою даних. Безпека типів може запобігти помилкам під час компіляції, що підвищує підтримуваність коду. Ефективні процеси серіалізації та десеріалізації підтримують обробку даних у форматах, таких як JSON, що є критично важливим для зв'язку та зберігання служб AI. Докладне ведення журналів та моніторинг додатково допомагають у налагодженні та спостереженні за програмами.

Робочий процес Rig починається, коли клієнт ініціює запит, який взаємодіє з відповідною моделлю LLM через абстракцію постачальника. Потім дані обробляються на ядровому рівні, де агенти можуть використовувати інструменти або отримувати доступ до векторного сховища контексту. Відповідь генерується та уточнюється через складний робочий процес (такий як RAG) перед поверненням клієнту, що включає в себе пошук документів і розуміння контексту. Ця система інтегрує кілька постачальників LLM та векторних сховищ, адаптуючись до доступності моделей або оновлень продуктивності.

Використання Rig різноманітне, включаючи системи запитань і відповідей, що забезпечують точні відповіді шляхом пошуку відповідних документів, системи пошуку та отримання документів для ефективного виявлення контенту, а також чат-ботів чи віртуальних асистентів, які забезпечують контекстуально обізнану взаємодію для обслуговування клієнтів або освіти. Він також підтримує генерацію контенту, дозволяючи створювати тексти та інші матеріали на основі навчальних моделей, що робить його універсальним інструментом для розробників та організацій.

Zerepy (розроблений ZEREPY та blorm)

ZerePy є відкритим фреймворком, написаним мовою Python, що має на меті розгортання агентів на X з використанням OpenAI або Anthropic LLM. Це модульна версія, що походить від бекенду Zerebro, ZerePy дозволяє розробникам запускати агентів з функціональністю, подібною до основних можливостей Zerebro. Хоча цей фреймворк забезпечує основу для розгортання агентів, для генерації креативних виходів налаштування моделі є необхідним. ZerePy спрощує розробку та розгортання персоналізованих AI-агентів, особливо для створення контенту на соціальних платформах, сприяючи розвитку творчої екосистеми, керованої AI, орієнтованої на мистецтво та децентралізовані додатки.

Ця система розроблена на Python, акцентуючи увагу на автономії агентів, зосереджуючись на генерації креативного контенту, що відповідає архітектурі ELIZA та її співпраці з ELIZA. Її модульний дизайн підтримує інтеграцію системи пам'яті та дозволяє розгортання агентів на соціальних платформах. Основні функції включають командний інтерфейс для управління агентами, інтеграцію з Twitter, підтримку LLM OpenAI та Anthropic, а також модульну систему з'єднань для розширення функціональності.

Випадки використання ZerePy охоплюють сферу автоматизації соціальних медіа, де користувачі можуть розгортати штучні інтелектуальні агенти для публікацій, відповідей, лайків та репостів, що підвищує залученість на платформі. Крім того, він також задовольняє потреби у створенні контенту в таких сферах, як музика, меми та NFT, що робить його важливим інструментом для цифрового мистецтва та контентних платформ на основі блокчейну.

(2) Порівняння чотирьох основних рамок

На нашу думку, кожна структура надає унікальний підхід до розробки штучного інтелекту, відповідаючи конкретним вимогам та середовищам, ми зосереджуємо увагу не на конкурентних відносинах між цими структурами, а на їхній унікальності.

ELIZA вирізняється своїм дружнім інтерфейсом, особливо для розробників, знайомих з середовищем JavaScript і Node.js. Його всебічна документація допомагає налаштувати штучні інтелектуальні агенти на різних платформах, хоча його широкий набір функцій може створювати певну навчальну криву. Розроблений за допомогою TypeScript, Eliza є ідеальним вибором для створення агентів, вбудованих у веб, оскільки більшість веб-інфраструктури на фронтенді розроблена з використанням TypeScript. Ця структура відома своєю архітектурою з багатьма агентами, що дозволяє розгорнути різні особистості штучного інтелекту на таких платформах, як Discord, X і Telegram. Його передова система управління пам'яттю RAG робить його особливо ефективним у ролі помічника штучного інтелекту в службах підтримки клієнтів або соціальних медіа. Хоча вона пропонує гнучкість, потужну підтримку спільноти та послідовну крос-платформену продуктивність, вона все ще перебуває на ранній стадії і може створити навчальну криву для розробників.

GAME спеціально розроблений для розробників ігор, надаючи інтерфейси з низьким або безкодовим програмуванням через API, що дозволяє користувачам з меншими технічними навичками в ігровій сфері також його використовувати. Проте він зосереджений на розробці ігор та інтеграції з блокчейном, що може створити круту криву навчання для тих, хто не має відповідного досвіду. Він виділяється в генерації програмного контенту та поведінці NPC, але обмежується складністю, що виникає з його нішевої сфери та інтеграції з блокчейном.

Через використання мови Rust, враховуючи її складність, Rig може бути не надто дружнім, що створює значні виклики для навчання, але для тих, хто володіє системним програмуванням, він має інтуїтивно зрозумілий інтерфейс. У порівнянні з typescript, сама мова програмування відома продуктивністю та безпекою пам'яті (memory safety). Вона має строгі перевірки під час компіляції та нульову вартість абстракції, що є необхідним для виконання складних алгоритмів штучного інтелекту. Ця мова дуже ефективна, а її низький рівень контролю робить її ідеальним вибором для ресурсомістких застосувань штучного інтелекту. Ця платформа пропонує високопродуктивні рішення з модульним та масштабованим дизайном, що робить її ідеальним вибором для корпоративних застосунків. Однак для розробників, які не знайомі з Rust, використання Rust неминуче зіткнеться з крутою кривою навчання.

ZerePy використовує Python, щоб забезпечити високу доступність для творчих завдань ШІ, крива навчання для розробників Python є низькою, особливо для тих, хто має досвід у ШІ/МЛ, і завдяки крипто-спільноті Zerebro отримує вигоду від потужної підтримки спільноти. ZerePy спеціалізується на творчих застосуваннях штучного інтелекту, таких як NFT, позиціонуючи себе як потужний інструмент для цифрових медіа та мистецтва. Хоча він процвітає в креативності, його сфера застосування є відносно вузькою в порівнянні з іншими фреймворками.

В аспекті масштабованості ELIZA досягла значного прогресу у своєму оновленні V2, запровадивши єдину лінію повідомлень та масштабовану основну структуру, що підтримує ефективне управління через кілька платформ. Однак, якщо не провести оптимізацію, таке управління між платформами може призвести до викликів у масштабованості.

GAME демонструє відмінні результати в реальному обробленні, необхідному для ігор, а його масштабованість забезпечується ефективними алгоритмами та потенційною дистрибутивною системою блокчейну, хоча вона може бути обмежена конкретними ігровими движками або мережами блокчейну.

Рамка Rig використовує продуктивність розширюваності Rust і призначена для програм з високою пропускною здатністю, що особливо ефективно для підприємницьких розгортань, хоча це може означати, що для досягнення справжньої розширюваності потрібна складна настройка.

Масштабованість Zerepy спрямована на творчий вихід, підтримуваний внеском спільноти, але її фокус може обмежити застосування в більш широкому середовищі штучного інтелекту, а масштабованість може бути піддана випробуванню різноманітністю творчих завдань, а не кількістю користувачів.

У плані адаптивності ELIZA є лідером завдяки своїй плагін-системі та крос-платформеній сумісності, а її ігрове середовище GAME та обробка складних завдань штучного інтелекту Rig також дуже вражаючі. ZerePy демонструє високу адаптивність у творчій сфері, але менш підходить для ширших застосувань штучного інтелекту.

В плані продуктивності ELIZA оптимізована для швидких взаємодій у соціальних мережах, швидкий час відгуку є ключовим, але при обробці більш складних обчислювальних завдань її продуктивність може бути іншою.

GAME, розроблений Virtual Protocol, зосереджується на високопродуктивній реальній взаємодії в ігрових сценах, використовуючи ефективний процес прийняття рішень та потенційний блокчейн для децентралізованих операцій штучного інтелекту.

Рама Rig базується на мові Rust, що забезпечує видатну продуктивність для завдань високопродуктивних обчислень, що робить її придатною для корпоративних додатків, де критично важлива обчислювальна ефективність.

Продуктивність Zerepy адаптована для створення креативного контенту, а її показники зосереджені на ефективності та якості генерування контенту, що може бути не надто універсальним за межами креативної сфери.

Переваги ELIZA полягають у забезпеченні гнучкості та масштабованості, що завдяки своїй системі плагінів та налаштуванню ролей надає їй високу адаптивність, що сприяє міжплатформенній соціальній AI взаємодії.

GAME пропонує унікальні функції реального часу в грі, посилені новаторською участю штучного інтелекту через інтеграцію блокчейн.

Переваги Rig полягають у його продуктивності та масштабованості для корпоративних завдань штучного інтелекту, з акцентом на забезпечення чистого модульного коду для здоров'я довгострокових проектів.

Zerepy спеціалізується на розвитку креативності, займає провідні позиції в застосуванні штучного інтелекту в цифровому мистецтві та підтримується динамічною моделлю розвитку, керованою спільнотою.

Кожна структура має свої обмеження, ELIZA все ще на ранній стадії, існують потенційні проблеми зі стабільністю та крива навчання для нових розробників. Невеликі ігри можуть обмежити більш широке застосування, а блокчейн додає складності. Rig, через крутую криву навчання Rust, може відлякати частину розробників, тоді як Zerepy, з обмеженою увагою до креативного виходу, може обмежити його використання в інших сферах ШІ.

(3) Порівняння рамок

Ріг (ARC):

Мова: Rust, з акцентом на безпеку та продуктивність.

Використання: ідеальний вибір для корпоративних AI-додатків, оскільки він акцентує увагу на ефективності та масштабованості.

Спільнота: не надто керується спільнотою, більше зосереджена на розробниках технологій.

Еліза (AI16Z):

Мова: TypeScript, акцент на гнучкості web3 та участі громади.

Використання: розроблено для соціальної взаємодії, DAO та торгівлі, з особливим акцентом на багатокористувацькі системи.

Спільнота: високоактивна, керована спільнотою, з широкою участю на GitHub.

ZerePy (ZEREBRO):

Мова: Python, щоб зробити його доступним для більш широкої бази розробників ШІ.

Використання: підходить для автоматизації соціальних мереж та простіших завдань AI-агентів.

Спільнота: відносно нова, але завдяки популярності Python і підтримці учасників AI16Z, має перспективи для зростання.

ГРА (ВІРТУАЛЬНА):

Фокус: автономні, самонастроювальні штучні інтелектуальні агенти, які можуть еволюціонувати в залежності від взаємодії у віртуальному середовищі.

Використання: найкраще підходить для навчання та адаптації AI-агентів у таких сценаріях, як ігри або віртуальні світи.

Спільнота: інноваційна спільнота, але все ще визначає своє місце в конкуренції.

3、Динаміка даних зірок на Github

! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png

На малюнку наведені дані про зірки GitHub з моменту випуску цих фреймворків. Варто зазначити, що зірки GitHub є показником інтересу спільноти, популярності проєкту та сприйманої цінності проєкту.

ELIZA（червона лінія）：

З початку липня, коли базові показники були низькими, до значного зростання кількості зірок у кінці листопада (до 61 000 зірок), це свідчить про швидке зростання інтересу людей, яке привернуло увагу розробників. Це експоненціальне зростання свідчить про те, що ELIZA здобула величезну популярність завдяки своїм функціям, оновленням та участі спільноти. Її популярність значно перевищує інших конкурентів, що свідчить про потужну підтримку спільноти та ширшу застосовність або інтерес у спільноті штучного інтелекту.

RIG (синя лінія):

Rig є найстарішим серед чотирьох основних фреймворків, його кількість зірок помірна, але постійно зростає, і в наступному місяці вона, ймовірно, суттєво збільшиться. Він досяг 1700 зірок, але продовжує зростати. Постійна розробка, оновлення та зростаюча кількість користувачів є причинами накопичення інтересу користувачів. Це може відображати, що користувачі цього фреймворку є нішею або все ще накопичують репутацію.

ZEREPY (жовта лінія):

ZerePy кілька днів тому тільки-но запустили, вже накопичив 181 зірку. Варто підкреслити, що ZerePy потребує більше розробок для підвищення своєї видимості та рівня впровадження. Співпраця з AI16Z може залучити більше розробників коду.

ГРА (зелена лінія) :

Ця кількість зірок проекту найменша, варто відзначити, що цей фреймворк можна безпосередньо застосовувати до агентів у віртуальній екосистемі через API, тим самим усуваючи потребу в видимості Github. Проте цей фреймворк був відкритий для будівельників лише більше місяця тому, і понад 200 проектів використовують GAME для будівництва.

4. Причини для оптимізму щодо структури

Версія V2 Eliza інтегрує набір агентів Coinbase. Всі проєкти, що використовують Eliza, у майбутньому будуть підтримувати рідний TEE, що дозволить агентам працювати в безпечному середовищі. Однією з майбутніх функцій Eliza стане реєстр плагінів (Plugin Registry), що дозволить розробникам безперешкодно реєструвати та інтегрувати плагіни.

Крім того, Eliza V2 буде підтримувати автоматизовану анонімну міжплатформену передачу повідомлень. Білий папір токеноміки запланований до публікації 1 січня 2025 року і очікується, що він позитивно вплине на основний токен AI16Z платформи Eliza. AI16Z планує продовжувати покращувати корисність платформи, залучаючи висококваліфіковані кадри, зусилля основних внесків вже довели, що вона має таку здатність.

GAME фреймворк надає безкодову інтеграцію для агентів, дозволяючи використовувати GAME та ELIZA в одному проєкті, кожен з яких служить своїй меті. Цей підхід має на меті залучити будівельників, які зосереджуються на бізнес-логіці, а не на технічній складності. Незважаючи на те, що фреймворк був публічно випущений лише близько 30 днів тому, завдяки зусиллям команди залучити більше підтримки від учасників він вже досяг суттєвого прогресу. Очікується, що всі проєкти, запущені на VIRTUAL, будуть використовувати GAME.

Ріг, представлений токеном ARC, має величезний потенціал, хоча його структура все ще перебуває на ранній стадії зростання, і плани щодо впровадження проекту лише кілька днів як вийшли на ринок. Однак очікується, що незабаром з'являться високоякісні проекти, які використовують ARC, подібно до Virtual flywheel, але зосереджені на Solana. Команда оптимістично налаштована щодо співпраці з Solana, порівнюючи зв'язок ARC з Solana з Virtual і Base. Варто зазначити, що команда не лише заохочує нові проекти використовувати Rig для запуску, але й заохочує розробників покращувати саму структуру Rig.

Zerepy - це новий фреймворк, який отримує все більше уваги завдяки співпраці з Eliza. Цей фреймворк приваблює співзасновників Eliza, які активно вдосконалюють його. Завдяки прихильникам ZEREBRO у нього є група запальних шанувальників, і він відкриває нові можливості для розробників Python, які раніше не мали представництва в конкуренції на ринку інфраструктури штучного інтелекту. Цей фреймворк відіграватиме важливу роль у творчості ШІ.