
- Eliza ($AI16Z)
- GAME ($VIRTUAL)
- Rig ($ARC)
- ZerePy ($ZEREBRO)

- 多代理系统:在共享运行时下部署多个 AI 角色。
- 记忆管理(RAG):通过检索增强生成实现长期上下文支持。
- 插件系统:支持社区开发的扩展(如语音、文本、媒体解析)。
- 广泛模型支持:可集成本地开源 LLM 或云端 API(OpenAI、Anthropic)。
- API + SDK 模型:简化了游戏和元宇宙项目的代理集成。
- 代理提示界面:协调用户输入与代理策略引擎的交互。
- 策略规划引擎:将逻辑分为高层目标规划和低层执行策略。
- 区块链集成:支持去中心化代理治理的链上操作。
- Rust 工作空间结构:将功能划分为多个模块化单元。
- 供应商抽象层:统一与多种 LLM 提供商的交互。
- 向量存储集成:支持 MongoDB、Neo4j 等多种后端检索。
- 代理系统:嵌入增强检索生成和专业工具使用。
- Python 架构:便于熟悉 Python 工作流的 AI/ML 开发者使用。
- 模块化 Zerebro 后端:专注社交媒体和艺术创意内容生成。
- 代理自主性:聚焦于 meme、音乐和 NFT 等创意输出。
- 社交平台集成:内置 Twitter 类功能指令(发布、回复、转推)。
- Eliza:平衡性好,适合 TypeScript 开发者,但多代理复杂性较高。
- GAME:为游戏领域非技术用户设计,提供低代码解决方案。
- Rig:Rust 的严谨性带来高性能,但要求专业水平。
- ZerePy:对 Python 用户最友好,尤其适合创意或媒体 AI 任务。
- Eliza:通过 V2 消息总线和并发改进实现扩展。
- GAME:与区块链网络的实时需求挂钩。
- Rig:基于 Rust 的异步运行时,自然支持高吞吐量。
- ZerePy:社区驱动的扩展,更多关注创意领域。
- Eliza:插件系统、广泛模型支持和跨平台集成使其适应性最强。
- GAME:专注于游戏场景,但在其他领域的灵活性较低。
- Rig:适合数据密集型任务,可灵活适配多个 LLM 和向量存储。
- ZerePy:适合 Python 生态,但领域范围较窄。

- Eliza ($AI16Z)预计将继续保持市场份额领先地位,凭借其成熟的生态系统、强大的代码库以及即将推出的 V2 功能升级(如 Coinbase agent kit 集成和 TEE 支持),进一步巩固其主导地位。
- GAME ($VIRTUAL)在游戏和元宇宙领域的采用率将进一步提升。与 $VIRTUAL 生态的协同效应确保了开发者的持续关注,其低代码集成方式也将吸引更多非技术团队。
- Rig ($ARC)作为 Solana 上的企业 AI 潜力股,Rig 随着其握手计划(Handshake Program)的成熟,有望复制其他链上专用框架的成功。对于需要高性能和可靠性的企业场景而言,其吸引力持续增长。
- ZerePy ($ZEREBRO)虽然应用范围较窄,但受益于强劲的社区动力和 Python 生态系统,ZerePy 在创意和艺术性应用中占据了一个独特的利基市场,这些往往被更通用的解决方案忽略。