ด้วยการเปลี่ยนแปลงที่โดดเด่นในอุตสาหกรรมสกุลเงินดิจิทัล ภาคตัวแทน AI ก็ได้ผ่านการจัดเรียงใหม่ขนาดใหญ่ครั้งแรกของตนเองด้วย ราคาโทเค็นของโครงการส่วนใหญ่ลดลงมากกว่า 90% จากค่ายอดสูง ตามข้อมูลจาก Coingecko ตามวันที่ 28 กุมภาพันธ์ ทุนตลาดของภาคตัวแทน AI ลดลงมาเป็นประมาณ 5.6 พันล้านเหรียญ โดยมีการสร้างความตกใจในตลาดจากการล้มละลายในระยะสั้น แต่เมื่อมีแนวโน้มกำหนดแล้ว การเปลี่ยนแปลงชั่วคราวจะไม่หยุดกั้นมัน

ในหลายๆโครงการ โครงการที่ใช้กรอบเช่น Eliza, Swarms, Rig และ ZerePy ได้รับความนิยมมากกว่าโครงการที่ใช้แอปพลิเคชัน บทความนี้จะขุดลึกในคำจำกัดและข้อดีของกรอบเอไอเอเจนต์ และให้การวิเคราะห์เปรียบเทียบของกรอบหลักๆบางอย่างบนตลาดเพื่อให้ผู้ใช้ได้รับความรู้มูลค่า

คือเฟรมเวิร์คของตัวแทน AI คืออะไร?

เฟรมเวิร์ก AI Agent เป็นชุดเครื่องมือ อินเทอร์เฟซ และมาตรฐานที่ใช้สำหรับการสร้าง การจัดการ และการใช้งานเอเจนต์ AI หากตรรกะหลักของเอเจนต์ AI ถือว่าเป็นชั้นแอปพลิเคชัน เฟรมเวิร์ก AI Agent ทำหน้าที่เป็นโครงสร้างพื้นฐานที่ให้ผู้ใช้มีโมดูลการพัฒนามาตรฐาน เพื่อช่วยให้พวกเขาสร้าง ใช้งาน และจัดการเอเจนต์ AI ได้อย่างรวดเร็ว ซึ่งจะทำให้สามารถใช้งานเอเจนต์ AI ในขอบเขตของการนำไปใช้งานในขอบเขตของการใช้งานที่ใหญ่

เมื่อเปรียบเทียบกับเครื่องมือพัฒนาบุคคล เฟรมเวิร์ก AI Agent โดยทั่วไปจะให้คำตอบที่สมบูรณ์ ผ่านองค์ประกอบแบบโมดูลและกระบวนการมาตรฐาน พวกเขาลดความซับซ้อนในการพัฒนาอย่างมากพร้อมกับการขยายสเกลและความเข้ากันได้สูง เพื่อตอบสนองต่อความต้องการส่วนบุคคลของนักพัฒนา

ความได้เปรียบของกรอบงาน AI Agent

เมื่อเปรียบเทียบกับแอปพลิเคชันที่เฉพาะเจาะจง กรอบการทำงานของ AI Agent มักจะได้รับความชื่นชมจากตลาดมากกว่าในช่วงต้น นี้โดยส่วนใหญ่เนื่องจากพวกเขามอบความสมดุลให้นักพัฒนาสามารถบรรลุพิสูจน์แนวคิดได้โดยใช้ความพยายามและค่าใช้จ่ายน้อยลง พร้อมกับเป็นฐานการตั้งรองเสริมสร้างสรรค์ในอนาคต ข้อดีที่เฉพาะเจาะจงประกอบด้วย:

1) ลดความซับซ้อนในการพัฒนา
Frameworks นำโครงสร้างแบบโมดูลาร์มาใช้ มีเอกสารประกอบที่ครอบคลุมและ SDK ที่พร้อมใช้งาน ซึ่งสามารถลดความยากลำบากในการพัฒนาระบบที่ซับซ้อนอย่างมีนัยยะอย่างมาก นักพัฒนาสามารถโฟกัสในโลจิกธุรกิจหลักแทนที่จะต้องใช้เวลาในเทคโนโลยีพื้นฐาน ทำให้พวกเขาสามารถสร้างแอปพลิเคชันอย่างรวดเร็ว

2) ส่งเสริมมาตรฐานและความร่วมมือ
Frameworks รักษาความสอดคล้องโครงสร้างในการสื่อสาร การโต้ตอบ และข้อมูล ซึ่งสะดวกสบายในการทำงานร่วมกันของทีม ลดค่าใช้จ่ายในการสื่อสาร และลดข้อผิดพลาดในการพัฒนา

3) การสร้างระบบนิเวศอย่างรวดเร็ว
เฟรมเวิร์กชันโอเพ่นซอร์สสามารถดึงดูดนักพัฒนาให้มามีส่วนร่วมในการเขียนโค้ดและปรับปรุง เพื่อรักษาการเปลี่ยนแปลงทางเทคโนโลยีและกิจกรรมของชุมชน นอกจากนี้ ผ่านการรวมระบบจากบุคคลที่สาม จะทำให้ง่ายต่อการส่งเสริมการใช้งานและการนำไปใช้ประโยชน์

4) ดึงดูดความสนใจจากเงินทุน
เมื่อเปรียบเทียบกับแอปพลิเคชั่นที่เฉพาะเจาะจง ทุนและตลาดมองว่าความทั่วไปและความสามารถในการขยายของกรอบงานมีค่าในระยะยาว ความเป็นมาตรฐานของกรอบงานทำให้ง่ายต่อการประเมิน ในขณะที่การแยกแยะของสถานการณ์การใช้แอปพลิเคชั่นเพิ่มความไม่แน่นอนในการลงทุน

เปรียบเทียบเฟรมเวิร์กหลัก

ปัจจุบันมีกรอบงาน AI Agent หลายรูปแบบที่เกิดขึ้นในตลาด โดยโครงการยอดนิยม เช่น Eliza, Swarms, Rig, และ ZerePy แต่ละอันมีข้อได้เปรียบของตนเองในเชิงสถาปัตยกรรม ภาษา การผสานของบุคคลที่สาม และอื่น ๆ ด้านล่างนี้เป็นการเปรียบเทียบโดยย่อของเฟรมเวิร์กหลักหลายๆ อัน

Eliza ($ELIZA)

Eliza เป็นเฟรมเวิร์กการจำลองมัลติเอเจนต์ ที่ถูกพัฒนาโดยทีม ai16z โดยใช้ TypeScript โดยเน้นการสร้าง การส่งออก และการจัดการเอเจนต์ AI อัตโนมัส

แหล่งที่มา: elizaos.ai

เป็นโครงสร้างเชิงโมดูลและเบาของเชิงปฏิบัติที่สำคัญของ Eliza อยู่ในความหลากหลายและความง่ายของมันในขณะที่ยังคงความสามารถในการทำงาน ทำให้มันเหมาะอย่างยิ่งสำหรับผู้เริ่มต้น Web3 โดยเฉพาะ

• การรวมระบบหลายแพลตฟอร์ม: ตัวแทน Eliza สามารถทำงานร่วมกันบนแพลตฟอร์มต่าง ๆ เช่น X, Telegram, Discord เป็นต้น พร้อมรักษาเอกลักษณ์ที่สม่ำเสมอ
• การสนับสนุนโมเดลที่กว้างขวาง: Eliza สนับสนุนโมเดลต่าง ๆ รวมถึง Deepseek, Ollama, Grok, OpenAI, Anthropic, Gemini, LLama ซึ่งมีความยืดหยุ่นอย่างมาก
• ระบบปลัักอินที่สามารถขยายขนาดได้: นักพัฒนาสามารถเพิ่มหรือลบคุณลักษณะของตัวแทนที่กำหนดเองได้อย่างง่ายผ่านโมดูลปลั๊กอินสแตนด์อโลน เช่น ปลั๊กอินสร้างภาพ TEE (Trusted Execution Environment) ปลั๊กอิน โหนด ฯลฯ
• บทบาทเอเจนต์ที่มั่นคง: Eliza ใช้เป็นส่วนสำคัญในการสร้างบทบาทสื่อสังคม คนงานความรู้ ตัวละครที่สามารถจับต้องและอื่น ๆ
• ชุมชนนักพัฒนาที่ใจกลาง: ตามข้อมูล GitHub ณ วันที่ 28 กุมภาพันธ์ Eliza มีจำนวนดาว 14.8k, คนทำบนระบบเวอร์ชัน Eliza มีจำนวน 4.7k, และมีผู้มีส่วนร่วม 550 คน ตามทีมของเขากล่าวไว้ว่า อย่างน้อยมีทีมหรือโครงการ 1,000 ที่กำลังใช้โครงสร้างของ Eliza

Eliza เน้นความปฏิบัติและความเป็นมิตรกับผู้ใช้ ทำให้เป็นที่นิยมในเรื่องการพัฒนา อย่างไรก็ตาม ยังเผชิญกับความท้าทาย เช่น ขาดระบบการทำงานที่นิยม ความจำเป็นในการปรับปรุงการออกแบบรันไทม์ และบางส่วนของความขัดแย้งในเรื่องผู้ก่อตั้ง สำคัญที่ทีมจำเป็นต้องคิดลึกเกี่ยวกับการทำให้ $ELIZA มีพลังเพิ่มเติมเพื่อเสริมค่าของมัน

Swarms ($SWARMS)

Swarms, ที่พัฒนาขึ้นภายใต้ความนำของ Kye Gomez และเปิดตัวในปี 2022, เป็นกรอบงานความประสงค์หลายเอเยนต์คุณภาพการผลิตครั้งแรก ที่มุ่งหน้าหลักไปที่ลูกค้าระดับองค์กร Swarms มีคุณสมบัติหลักต่อไปนี้:

• โปรโตคอลการสื่อสารที่ยืดหยุ่น: เพื่อให้มั่นใจในการทำงานร่วมกันอย่างมีประสิทธิภาพระหว่างเอเยนต์ Swarms มีการให้บริการหลายประเภทของโปรโตคอลการสื่อสารรวมถึง ลำดับชั้น ขนาดของข้อมูลเท่ากัน และสมาคมเพื่อตอบสนองต่อความต้องการของนักพัฒนาซอฟต์แวร์ในสถานการณ์ที่แตกต่าง
• สถาปัตยกรรมคลัสเตอร์ที่เชื่อมโยงกันอย่างเป็นมิตร: Swarms มีชนิดคลัสเตอร์พร้อมใช้งานหลากหลายชนิดที่ครอบคลุมด้านต่าง ๆ เช่น ด้านสุขภาพ, IoT และการเงิน Developers สามารถเลือกสถาปัตยกรรมที่เหมาะสมอย่างรวดเร็วตามสถานการณ์แอปพลิเคชันแบบเฉพาะต่อ Developers นอกจากนี้ยังรองรับการกำหนดค่าความสามารถในการปรับแต่งคลัสเตอร์ที่ยืดหยุ่นสูง ให้ Developers ปรับปรุงรายละเอียดสถาปัตยกรรมเพื่อตอบสนองความต้องการของตน
• ทรัพยากรสนับสนุนนิเวศ: Swarms ได้เริ่มต้นโครงสร้างนิเวศอย่างครอบคลุม ซึ่งประกอบด้วยตลาด, Swarms API, โซลูชันคลาวด์ และอื่น ๆ ในอนาคต มีแผนวางจำหน่าย API กระเป๋าเงิน, บริการแลกเปลี่ยน และผลิตภัณฑ์อื่น ๆ อีกด้วย Swarms ยังผนวญรวม API ของบุคคลที่สาม ฐานข้อมูล และแพลตฟอร์มต่าง ๆ ซึ่งเพิ่มความหลากหลายและประสิทธิภาพ

แหล่งที่มา: swarms.world

รูปแบบเศรษฐกิจโทเค็น $SWARMS ค่อนข้างชัดเจนโดยมีจุดประสงค์หลายประการเช่นยูทิลิตี้และการกํากับดูแล เพื่อเพิ่มมูลค่าทีมจําเป็นต้องพยายามเพิ่มเติมในการจูงใจผู้เข้าร่วมระบบนิเวศและขยายขีดความสามารถของตัวแทน นอกจากนี้ความซับซ้อนในการพัฒนาของ Swarms อาจนําเสนอความท้าทายสําหรับนักพัฒนามือใหม่ เพื่อลดช่วงการเรียนรู้ทีมงานควรเสริมสร้างการสนับสนุนนักพัฒนาโดยจัดทําเอกสารบทแนะนําและกรณีศึกษาที่มีรายละเอียดมากขึ้นและจัดแฮกกาธอนและกิจกรรมการฝึกอบรมเพื่อช่วยให้นักพัฒนาทํางานได้อย่างรวดเร็ว

Rig ($ARC)

Rig เป็นเฟรมเวิร์ก LLM แบบทั่วไปที่ถูกพัฒนาโดย Playgrounds เขียนด้วย Rust มันลดขีดจำกัดอย่างมีนัยสำคัญสำหรับนักพัฒนาในการสร้างผลิตภัณฑ์ AI โดยการให้การแยกแยะระดับสูงและอินเทอร์เฟซที่เป็นไปได้

แหล่งที่มา: arc.fun

คุณสมบัติหลักของ Rig ประกอบด้วย:

1. อินเทอร์เฟซ LLM รวม: Rig ให้อินเทอร์เฟซ API ที่มั่นคงสำหรับผู้ให้บริการ LLM ต่าง ๆ (เช่น OpenAI, Cohere), ทำให้การบำรุงรักษาโค้ดและความสอดคล้องดีขึ้น ซึ่งช่วยให้นักพัฒนาสามารถสลับหรือผสมผสานบริการ LLM ต่าง ๆ ได้อย่างง่าย
2. ระดับสูงของการหลอมรวม: ด้วยส่วนประกอบแบบโมดูลที่สร้างไว้ล่วงหน้า Rig ทำให้กระบวนการทำงาน AI ที่ซับซ้อนเช่นการสร้างระบบการสืบค้นเพิ่มเติม (RAG) ให้อยู่ในเพียงไม่กี่บรรทัดโค้ดเท่านั้น ลดภาระงานของนักพัฒนาอย่างมีนัยยะและเพิ่มประสิทธิภาพ
3. ความปลอดภัยและประสิทธิภาพสูง: โดยใช้ระบบประเภทที่แข็งแรงของ Rust, Rig มอบสภาพแวดล้อมการพัฒนาที่ปลอดภัยและมีประสิทธิภาพมากขึ้น มันใช้คุณสมบัติแบบไม่สม่ำเสมอของ Rust และ Tokio runtime เพื่อสนับสนุนการประมวลผลแบบขั้นตอนเดียวกันของงานหลาย ๆ งานหรือคำขอ LLM ในขณะที่ยังรักษาความปลอดภัยของหน่วยความจำ
4. การผสมรวมฐานข้อมูลแบบไม่มีรอยต่อ: Rig รองรับฐานข้อมูลต่าง ๆ (เช่น Neo4j, MongoDB, Rig-LanceDB) ทำให้การค้นหาความคล้ายคลึงและการเรียกข้อมูลแบบเรียลไทม์สามารถทำได้อย่างมีประสิทธิภาพในแอปพลิเคชันด้าน AI การผสมรวมนี้เป็นอย่างมากเหมาะสำหรับแอปพลิเคชันที่ต้องการจัดการข้อมูลขนาดใหญ่

อย่างไรก็ตาม Rig กำลังเผชิญกับความท้าทายหลายประการ ตัวอย่างเช่น ถึงแม้ว่า Rust มีผลิตภัณฑ์ที่ดีและปลอดภัย แต่ชุมชนนักพัฒนาของมันมีขนาดเล็ก ซึ่งอาจทำให้การรับรู้ Rig ลดลง การรักษาความสอดคล้องของข้อมูลในสภาพแวดล้อมของฐานข้อมูลหลายรายการอาจยังมีความซับซ้อน นอกจากนี้ Rig มีความเกี่ยวข้องกับโทเคน $ARC แต่ทีมงานยังไม่เปิดเผยข้อมูลรายละเอียดเกี่ยวกับแบบจำลองเศรษฐศาสตร์ของมันซึ่งอาจกีดกั้นศักยภาพที่เต็มที่ของมัน

ZerePy ($ZEREBRO)

ZerePy เป็นเฟรมเวิร์ก Python โอเพ่นซอร์สที่พัฒนาขึ้นโดยทีม Blorm ซึ่งเน้นไปที่ผลลัพธ์ที่สร้างสรรค์และแอปพลิเคชันโซเชียลมีเดีย มันช่วยให้ผู้ใช้สามารถนำเอเจนต์ของตัวเองไปใช้งานบนแพลตฟอร์มเช่น X (เดิมคือ Twitter) ที่สนับสนุนการดำเนินงานจาก LLM หลายรูปแบบ

Source: zerebro.org

คุณสมบัติหลักของ ZerePy ประกอบด้วย:

1. การจัดการ CLI สำหรับเอเจนต์: ZerePy มีเครื่องมืออินเทอร์เฟซบรรทัดคำสำหรับเอเจนต์ที่ครอบคลุม ช่วยให้ผู้ใช้สามารถใช้งานและจัดการเอเจนต์ได้อย่างง่ายดาย การออกแบบนี้ทำให้กระบวนการดำเนินงานง่ายขึ้น ทำให้ผู้ใช้ที่มีพื้นฐานทางเทคนิคน้อยสามารถเริ่มต้นได้อย่างรวดเร็ว
2. การผสานรวมหลายแพลตฟอร์ม: ZerePy สนับสนุนการจับคู่อย่างไม่มีรอยต่อทั่วแพลตฟอร์มและบล็อกเชน มันได้รวมเข้ากับแพลตฟอร์มเช่น X และ Farcaster, บล็อกเชนต่าง ๆ เช่น Solana, Sonic, และ Ethereum, และเครื่องมือบล็อกเชนเช่น GOAT (Go Agent Tools) และ Allora, ทำให้เอเจนต์สามารถจับคู่กับเครือข่ายบล็อกเชนและโปรโตคอลต่าง ๆ
3. การสร้างบนคลิกเดียว: ผู้ใช้สามารถเริ่มใช้ ZerePy ผ่านเทมเพลต Replit และการติดตั้งในเครื่องท้องถิ่นได้อย่างรวดเร็ว ซึ่งช่วยลดอุปสรรคในการใช้งานและเสริมประสบการณ์ของผู้ใช้โดยรวม

ที่มา: github.com/blorm-network

โดยใช้ข้อมูลจาก GitHub พบว่า ZerePy มีดาว 556 ดาว, การ fork 214, และ จำนวนผู้สนับสนุน 29 คน, แสดงให้เห็นถึงการพัฒนาอย่างรวดเร็ว อย่างไรก็ตาม, เมื่อเปรียบเทียบกับ Eliza, Swarms, และ Rig, ขนาดของชุมชนและกิจกรรมของ ZerePy ยังคงน้อยลงอย่างมีนัยสำคัญ โดย ZerePy มุ่งเน้นไปที่สาขาศิลปะและสื่อสังคม, ขอบเขตในการใช้งานของมันกว้างแค่ไหน น้อยกว่ากรอบทั่วไป, จำกัดความน่าสนใจของผู้พัฒนา นอกจากนี้, ZerePy เป็นเวอร์ชันแบบโมดูลของ Zerebro ด้านหลังที่มีความสามารถหลักที่เหมือนกัน, แต่ในปัจจุบันยังไม่มีการเชื่อมต่อโดยตรงกับ token $ZEREBRO

สรุปแล้ว โครงสร้างสี่ประการ - Eliza, Swarms, Rig และ ZerePy - แต่ละอันมีจุดเด่นและจุดอ่อนของตัวเอง:

• กิจกรรมชุมชนนักพัฒนา: Eliza นำด้วยชัดเจนมาก ตามด้วย Swarms, Rig, และ ZerePy
• ความยากลำบากในการพัฒนา: Eliza และ ZerePy เป็นเพื่อนใจกับนักพัฒนาอย่างสมบูรณ์ในขณะที่ Swarms และ Rig ต้องการความชำนาญทางเทคนิคที่สูง
• แบบสร้างสรรค์: Eliza, Swarms, และ Rig มีความหลากหลายและเข้ากันได้มากขึ้น เหมาะสำหรับสถานการณ์ต่าง ๆ ในขณะที่ ZerePy มุ่งเน้นที่ศิลปะและสื่อสังคมมากขึ้น โดยมีขอบเขตการใช้งานที่แคบกว่า แต่เป้าหมายมากยิ่งขึ้น
• เศรษฐกิจโทเค็น: Swarms มีระบบโทเคนที่ชัดเจนมากขึ้นพร้อมทั้งมีการมีส่วนร่วมในการปกครองชุมชนในขณะที่ Eliza, Rig และ ZerePy มีเศรษฐกิจโทเคนที่ไม่ชัดเจนมากขึ้นและต้องมีการอธิบายเพิ่มเติมเกี่ยวกับกลไกการทำให้เข้มขึ้นของพวกเขา

สรุป

เฟรมเวิร์ค AI เป็นสิ่งสำคัญในฐานระบบ ลดความซับซ้อนในการพัฒนาและสะดวกสบายในการใช้ AI Agents ขนาดใหญ่ Eliza, Swarms, Rig และ ZerePy ซึ่งเป็นเฟรมเวิร์คชั้นนำในตลาดในปัจจุบัน แต่ละเฟรมเวิร์คมีข้อดีที่ไม่เหมือนกันในเรื่องความเป็นมิตรต่อนักพัฒนา ความสามารถทางเทคนิค และสถานการณ์การใช้งาน

อย่างไรก็ตาม กรอบงานเหล่านี้ก็เผชิญกับความท้าทายของตัวเองด้วย การขยายนิคมนักพัฒนา ลดความซับซ้อนทางเทคนิค ปรับปรุงโมเดลเศรษฐศาสตร์โทเค็น และการทะลวงข้ามขอบเขตของแอปพลิเคชันเป็นปัญหาที่พบได้บ่อย สำหรับนักพัฒนาและนักลงทุน การเข้าใจลึกลงเกี่ยวกับลักษณะและศักยภาพของกรอบงานเหล่านี้จะเป็นขั้นตอนสำคัญในการคว้าโอกาสในพื้นที่ AI Agent