加密原生 AI 代理框架之战

你的加密原生 AI 代理框架指南

2025年2月20日

这是我们与 Oliver Jaros 来自 CMT Digital 的第二次研究合作。我们喜欢与深入技术细节的外部研究人员合作。如果你是一个希望将工作带给更大受众的分析师，请考虑与我们联系。

你获取见解。我们提供叙述、视觉效果和分发。我们可以为我们的读者煮制一顿丰盛的满汉全席。

今天的文章是对代理框架的解释，以及我们对它们发展程度的评估。这也是对在互联网-货币-铁路（加密）和代理交汇处工作的创始人提出想法的请求。

如果你是一个在代理、加密和快速演变的网络交汇处进行建设的创始人，我们非常希望与你交谈。

在过去的一年里，Decentralised.co 深入研究了加密和人工智能的交集。我们甚至构建了一款由超过70,000人使用的 产品，跟踪 AI 代理和代理基础设施。虽然最近几周对这个行业的热情稍显消退，但人工智能对技术和社会的影响是自互联网以来前所未有的。如果我们预测，加密将成为未来的金融铁路，那么它与 AI 的交织将是一个持续的主题，而不是偶然出现的现象。

从这一波浪潮中涌现出的一类更有趣的项目是加密原生的 AI 代理框架。它们是将区块链的核心原则——无需许可的价值转移、透明性和一致的激励——引入 AI 开发的迷人实验。它们的开源特性使我们有机会窥探其内部，分析它们不仅承诺的内容，还有它们实际如何运作。

在这篇文章中，我们首先拆解代理框架到底是什么，以及它们的重要性。然后我们探讨一个亟需解决的问题：在 LanChain 等成熟选项存在的情况下，为什么我们需要加密原生框架？为此，我们分析了主要的加密原生框架及其在不同使用案例中的优势和局限性。最后，如果你正在构建一个 AI 代理，我们将帮助你决定哪个框架可能适合你的需求。或者，是否根本应该使用框架进行构建。

让我们深入了解。

抽象

“文明通过扩展我们可以不去思考的重要操作的数量而进步。” - 阿尔弗雷德·诺斯·怀特海

想想我们祖先的生活。每个家庭都得自己种食物、做衣服、盖房子。他们花费无尽的时间处理基本的生存任务，几乎没有时间做其他事情。甚至在两个世纪前，近90%的人类都在农业上工作。如今，我们从超市获取食物，住在专业建造的房屋里，穿着在遥远工厂生产的衣服。曾经耗费几代人力的任务，如今已经变为简单的交易。今天，全球只有27%的人口从事农业（在发达国家降至5%以下）。

当我们开始掌握新技术时，熟悉的模式便会出现。我们首先理解基本原理——什么有效，什么无效，哪些模式持续出现。一旦这些模式变得清晰，我们就会把它们打包成抽象，这些抽象证明更容易、更快且更可靠。这些抽象为应对更广泛和更有意义的挑战释放出时间和资源。构建软件也可以这么说。

以网页开发为例。在其早期，开发人员需要从头开始编写所有内容——处理 HTTP 请求、管理状态、创建用户界面——这些任务既复杂又耗时。然后，像 React 这样的框架出现，极大简化了这些挑战，提供了有用的抽象。移动开发遵循了类似的路径。最初，开发人员需要对特定平台具有深厚的了解，直到工具如 React Native 和 Flutter 出现，让他们能够编写一次代码并在任何地方部署。

这种越来越高的抽象程度也正在机器学习中发挥作用。在 2000 年代初，研究人员注意到 GPU 在机器学习工作负载中的潜力。一开始，开发人员不得不与图形原语和诸如 OpenGL 的 GLSL 语言作斗争——这些工具不是为通用计算而构建的。2006 年 NVIDIA 推出CUDA，使 GPU 编程变得更易于接近，也将机器学习训练带给更广泛的开发者。

随着机器学习开发的推进，专用框架开始出现，以抽象化 GPU 编程的复杂性。TensorFlow 和 PyTorch 让开发者可以专注于模型架构，而不是陷入低级 GPU 代码或实现细节中。这导致模型架构的更快速迭代和我们在过去几年里看到的人工智能/机器学习的快速进展。

我们现在在 AI 代理的演变中看到类似的情况——一种能够做出决策并采取行动以实现目标的软件程序，就像人类助手或员工一样。它使用大型语言模型作为“大脑”，并可以利用不同的工具，如搜索网络、进行 API 调用或访问数据库来完成任务。

要从零开始构建一个代理，开发人员需要编写复杂的代码来处理每个方面：代理如何思考问题、如何决定使用哪个工具以及何时使用这些工具、如何与这些工具进行交互、如何记住早期交互的上下文、以及如何将大任务分解为易于管理的步骤。这些模式中的每一个都必须单独找出，从而导致重复的工作和不一致的结果。

这就是 AI 代理框架派上用场的地方。就像 React 简化网页开发，通过处理 UI 更新和状态管理的难题，这些框架也解决了构建 AI 代理中的常见挑战。它们提供现成的组件，以实现我们发现的有效模式，例如如何构建代理的决策过程、整合不同工具以及在多次交互中维护上下文。

有了框架，开发人员可以专注于使他们的代理独特的部分——其特定能力和用例——而不是重新构建这些基本部分。他们可以在几天或几周内创建复杂的 AI 代理，而不是几个月，更容易尝试不同的方法，并基于其他开发者和社区发现的最佳实践进行构建。

为了更好地理解框架的重要性，想象一下开发一个帮助医生审查医疗报告的代理。如果没有框架，他们将需要从头开始编写所有内容：处理电子邮件附件、从 PDF 中提取文本、以正确的格式将该文本输入 LLM、管理对话历史以跟踪讨论内容，并确保代理做出适当响应。这对于不是特定于他们的用例的任务而言，代码非常复杂。

有了代理框架，这些构建模块中的许多都是现成可用的。框架处理读取电子邮件和 PDF，提供结构医疗知识提示的模式，管理对话流程，甚至帮助跨多次交换跟踪重要细节。开发人员可以专注于使他们的代理特别之处的内容，例如优化医疗分析提示或添加特定安全检查以进行诊断，而不是重新发明常见模式。原本需要花费数月从头构建的东西，现在可以在几天内原型化。

LangChain 已成为 AI 开发的瑞士军刀，为构建基于 LLM 的应用程序提供灵活的工具包。虽然它并不算严格意义上的代理框架，但它提供了大多数代理框架基于的基本构建块，从用于顺序 LLM 调用的链到用于维持上下文的记忆系统。它广泛的集成生态系统和丰富的文档使其成为希望构建实用 AI 应用的开发者的首选起点。

还有像 CrewAI 和 AutoGen 的多代理框架，使开发人员能够构建多个 AI 代理协作的系统，每个代理都有独特的角色和能力。这些框架强调通过对话进行代理协作，解决问题，而不仅仅是依次执行任务。

Crew AI 帮助多个代理协调

例如，当被分配到一个研究报告时，一个代理可能会概括其结构，另一个可能会收集相关信息，第三个可能会批判和完善最终草稿。这类似于组建一个虚拟团队，AI 代理可以讨论、辩论并集体改进解决方案。以这种方式合作以实现高级目标的多代理系统通常被称为“虫群”AI 代理。

AutoGPT，虽然不是一个传统框架，但开创了自主 AI 代理的概念。它展示了 AI 如何从高级目标开始，将其分解为子任务，并在几乎没有人工输入的情况下自主处理这些任务。虽然它有局限性，但 AutoGPT 激发了自主代理的创新浪潮，并影响了随后的更结构化框架的设计。

但为什么是加密？

所有这些背景终于将我们引入到加密原生 AI 代理框架的兴起。这时，你可能会想：在 Web2 中像 Langchain 和 CrewAI 这样的相对成熟的框架存在时，Web3 为什么需要自己的框架。开发人员难道不能利用这些已有的框架构建他们想要的任何代理吗？考虑到该行业喜欢将 Web3 强行引入各种叙事，这种怀疑是合理的。

我们认为，Web3 特定的代理框架存在的三个有力理由。

运行在链上的金融代理

我们相信，未来大多数金融交易将发生在区块链上。这加速了对一类 AI 代理的需求，这些代理能够解析链上数据、执行区块链交易并在多个协议和网络中管理数字资产。从能够检测套利机会的自动交易机器人，到执行收益策略的投资组合管理者，这些代理在核心工作流程中依赖于区块链功能的深度集成。（我们最近写过关于 DeFi 和 AI 的交集 的文章。）

从 我们的文章 中关于 DeFi 和 AI 的交集

传统 Web2 框架并未为这些任务提供本地组件。你必须拼凑第三方库来与智能合约交互，解析原始链上事件和处理私钥管理——这引入了复杂性和潜在的脆弱性。相反，一个专用的 Web3 框架将原生处理这些功能，让开发者专注于代理的逻辑和战略，而不是与低级区块链管道作斗争。

本地协调与激励

区块链不仅仅是数字货币。它们提供一种全球的、信任最小化的记录系统，内置金融工具，可以增强多代理协调。开发人员可以使用链上原语来协调多个 AI 代理的利益，而不是依靠链下声誉或孤立的数据库，如质押、托管和激励池。

想象一群代理合作完成复杂任务（例如，培训新模型的数据标注）。每个代理的表现可以在链上追踪，奖励会根据贡献自动分配。区块链系统的透明性和不可篡改性保证了公平补偿、更强大的声誉追踪和实时演变的激励机制。

加密原生框架可以明确将这些功能嵌入，让开发者使用智能合约设计激励结构，而不需要每次为信任或支付另一个代理而重新发明轮子。

早期市场中的新机会

虽然像 LangChain 这样的框架已经获得了 认知和网络效应，但 AI 代理空间仍处于初期阶段。这些系统的最终状态尚不清楚，没有任何单一的方法锁定市场。

加密经济激励为框架的构建、治理和货币化开辟了新可能性——这些可能性无法简单映射到传统 SaaS 或 Web2 经济学上。在这一初期阶段的实验可以为框架本身解锁新颖的货币化策略，而不仅仅是基于它们构建的代理。

竞争者

1. 与流行项目 AI16Z 相关，ElizaOS 是一个基于 Typescript 的框架，用于创建、部署和管理 AI 代理。它被设计为一个支持 Web3 的 AI 代理操作系统，允许开发者构建具有独特个性的代理，灵活地进行区块链交互，并轻松扩展至多代理系统。

2. Rig 是一个由 Playgrounds Analytics Inc. 开发的开源 AI 代理框架，使用 Rust 编程语言构建，以创建模块化和可扩展的 AI 代理。它与项目 AI Rig Complex (ARC) 相关。

3. Daydreams 是一个生成式代理框架，最初旨在为链上游戏创建自主代理，但扩展到链上执行任务。

4. Pippin 是一个由 Yohei Nakajima 开发的 AI 代理框架，他是 BabyAGI 的创始人，旨在帮助开发者创建模块化和自主的数字助理。Yohei 起初构建了一个独立代理，然后将其扩展为一个通用框架。

5. ZerePy 是一个开源 Python 框架，旨在跨多个平台和区块链部署自主代理，重点关注创意 AI 和社交媒体集成。与 Pippin 一样，Zerepy 最初是独立代理 Zerebro，然后扩展为一个框架。

评估标准

为了评估每一个框架的强度，我们试图置身于一个希望构建 AI 代理的开发者的立场。他们会关注什么？我们认为将评估分为三个主要类别是有益的：核心、功能和开发体验。

框架的核心可以被视为所有其他代理构建的基础。如果核心薄弱、缓慢或无法持续发展，使用该框架创建的代理将遭受相同的局限性。核心可以通过以下几项进行评估：

1. 核心推理循环：任何代理框架的核心；它如何解决问题的方式。强大的框架支持从基本输入-输出流到复杂模式（如链思维）的所有内容。没有强大的推理能力，代理无法有效地分解复杂任务或评估多个选项，将其降低为华而不实的聊天机器人。

2. 记忆机制：代理需要短期记忆以应对正在进行的对话，以及长期存储以保留持久知识。好的框架不仅要记住——还要理解不同信息之间的关系，并能优先保留值得记忆的信息。

3. 嵌入和 RAG 支持：现代代理必须与外部知识（如文档和市场数据）协作。强大的框架使得很容易嵌入这些信息并通过 RAG 按照上下文提取，确保回复基于特定知识，而不是仅仅依赖基础模型的训练。

4. 个性配置：塑造代理交流方式的能力——他们的语气、正式性和性格，对于用户参与至关重要。好的框架简化这些特质的配置，认识到代理个性会显著影响用户信任程度。

5. 多代理协调：强大的框架为代理协作提供内置的模式，无论是通过结构化对话、任务分配还是共享存储系统。这使得创建专家团队成为可能，每个代理都带来独特的能力以集体解决问题。

除了核心能力之外，框架的实际效用在很大程度上取决于其功能和集成。工具极大地扩展了代理实际能干什么。一个仅能访问 LLM 的代理可以进行对话，但如果给它接入网页浏览器，它就可以检索实时信息。连接到你的日历 API，它就可以真正安排会议。每个新工具都呈指数级增加代理的能力。从开发者的视角来看，工具数量越多，选择和实验的广度就越大。

我们分别在三个维度上评估加密原生框架的功能性：

1. AI 模型支持和功能：强大的框架提供与多个语言模型的本地集成——从 OpenAI 的 GPT 系列到 Llama 和 Mistral 等开源替代品。但这并不仅限于 LLM。对其他 AI 功能（例如，文本转语音、浏览器使用、图像生成和本地模型推理）的支持也能极大扩展代理的能力。强大的模型支持正成为许多框架的基本要求。

2. Web3 基础设施支持：为加密构建代理需要与区块链基础设施深度集成。这意味着支持签署交易所必需的 Web3 组件，如用于交易签名的钱包、用于区块链通信的 RPC 和用于数据访问的索引器。一个强大的框架应当与生态系统中基本的工具和服务进行集成，从 NFT 市场和 DeFi 协议到身份解决方案和数据可用性层。

3. 链覆盖：尽管 Web3 基础设施支持决定代理能做什么，链覆盖决定它们可以在哪里操作。加密生态系统正在发展成为一个分散的多链巨头，这凸显了广泛链覆盖的重要性。

最后，即使是最强大的框架，其价值也取决于开发者体验。一个框架可能拥有卓越的能力，但如果开发者在使用时遇到困难，它将永远无法获得广泛的采用。

1. 框架所用的语言直接影响谁可以使用它。Python 在 AI 和数据科学中占据主导地位，因此成为了 AI 框架的自然选择。使用小众语言编写的框架可能提供独特优势，但会使其在更广泛的开发者生态系统中处于孤立。JavaScript 在网页开发中的普及使其成为另一强有力的候选者，尤其是针对网页集成的框架。

2. 清晰、全面的文档是开发者采用新框架的“生命线”。这不仅限于 API 参考，尽管这些非常关键。强大的文档包括解释核心原则的概念性概述、详细的教程、注释良好的示例代码、教育性教程、故障排解指南和已建立的设计模式。

结果

下表是对我们刚才定义的每个框架在各个参数上的表现概述（排名从 1 到 5）。

虽然讨论每一个数据点背后的推理超出了本文的范围，但以下是我们关于每个框架的一些亮点。

Eliza 无疑是此列表中最成熟的框架。它最突出的特性是支持大量功能和集成，因为 Eliza 框架成为了加密生态系统获取 AI 近期代理浪潮曝光的焦点。

你可以在 Sentient Market 上查看 Eliza 的 集成情况（以及所有其他框架）。

每个区块链和开发工具都急忙将自己整合到框架中，因为它产生的影响力（目前其接近100个集成！）。与此同时，Eliza 吸引了比大多数框架更多的开发者活动。Eliza 在短期内得益于非常明确的网络效应。框架使用的 Typescript 这门成熟语言，受欢迎的范围覆盖初学者和有经验的开发者，进一步推动了它的发展。

Eliza 还凭借丰富的 教育内容 和 教程 在开发者构建使用框架时占据了显著优势。

我们已经看到了使用 Eliza 框架的多种代理，包括 Spore、 Eliza（代理）、以及 Pillzumi。新版本的 Eliza 框架将在接下来的几周发布。

Rig 的策略与 Eliza 截然不同。它因拥有强大、轻便和高效的核心而脱颖而出。它支持各种推理模式，包括提示链（顺序应用提示）、协调（协调多个代理）、条件逻辑和并发（并行执行操作）。

然而，Rig 自身的集成并不丰富。相反，它采取了一种不同的方法，这种方法被称为“Arc 握手”。在这里，Arc 团队与 Web2 和 Web3 中不同的高质量团队合作，扩展 Rig 的功能。部分伙伴关系包括与 Soulgraph 的个性代理合作，以及与 Listen 和 Solana Agent Kit 的区块链功能合作。

不过，Rig 也有两个缺点。首先，它是用 Rust 编写的，这语言虽然具有极高的性能，但对相对较少的开发者来说是比较陌生的。其次，目前公开的 Rig 代理的数量有限（AskJimmy 是个例外），这使得评估开发者的实际使用程度变得困难。

在创办 Daydreams 之前，创始人 lordOfAFew 是 Eliza 框架的顶级贡献者。这让他了解了框架的成长过程，更重要的是也了解其弱点。Daydreams 与其他框架的不同之处在于重点关注思维链推理，帮助代理实现长期目标。这意味着，当给予一个高度复杂的目标时，代理会进行多步推理，以各种行动加以实现，根据它们是否有助于实现目标来接受或放弃，在此过程中不断推进。这导致使用 Daydreams 创建的代理具有真正的自主性。

创始人在构建游戏项目方面的背景影响了这一方案。尤其是链上游戏为训练代理并测试其能力提供了理想的培育环境。不出所料，Daydreams 代理的首个应用案例出现在 Pistols、 Istarai 和 PonziLand 等游戏中。

该框架对多代理协作和协调工作流也有强大的实现。

与 Daydreams 类似，Pippin 是对框架游戏的晚期加入者。我们在 这篇文章 中详细介绍了它的发布。Yohei 的愿景是让代理成为一个“数字生物”，在获得正确工具后，能够智能自主地操作。这种愿景反映在 Pippin 简单优雅的核心中。仅需几行代码，你就能创建一个能够自主运行，甚至为自己编写代码的复杂代理。

Pippin 核心架构（ 来源）

该框架的缺点是缺乏甚至基本的功能，例如支持向量嵌入和 RAG 工作流。它还鼓励开发者使用第三方库 Composio 进行大部分集成。与目前讨论的其他框架相比，它的成熟度相对较低。

使用 Pippin 构建的一些代理包括 Ditto 和 Telemafia。

Zerepy 的核心实现相对简单。它有效地从一组配置任务中选择单个任务，并在需要时执行。然而，它缺乏复杂的推理模式，例如何目标驱动或思维链计划。

虽然它支持对多个 LLM 的推理调用，但缺乏任何嵌入或 RAG 实现。它也缺乏用于记忆或多代理协调的原语。

这些核心特性和集成的不足体现在 Zerepy 的采用中。我们尚未看到使用该框架的任何功能代理活跃。

使用框架构建

如果所有这些听起来非常技术性和理论性，我们不怪你。一个简单的问题是：“我可以使用这些框架构建什么样的代理，而不需要自己写一堆代码呢？”

为了在实践中评估这些框架，我们确定了开发者希望构建的五种常见代理类型。这些类型代表着不同的复杂程度，并测试各个框架的不同能力。

1. 文档聊天代理：测试核心 RAG 能力，包括文档处理、上下文维护、引用准确性和记忆管理。此测试揭示了框架在真实文档理解与简单模式匹配之间导航的能力。

2. 聊天机器人：评估记忆系统和行为一致性。框架必须维持一致的个性特征，记住跨会议的关键信息，并允许个性配置，基本上将无状态的聊天机器人转变为持久的数字实体。

3. 链上交易机器人：通过处理实时市场数据、执行跨链交易、分析社交情绪和实施交易策略施加外部集成的压力测试。这揭示了框架如何处理复杂的区块链基础设施和 API 连接。

4. 游戏 NPC：虽然过去一年世界已觉醒了 AI 代理，但它们作为 非可玩角色（NPC）的角色 已经存在了几十年。游戏代理正在从基于规则的代理转变为智能的 LLM 驱动代理，继续作为框架的顶级用例。在这里，我们测试代理理解其环境的能力，自动推理场景并实现其长期目标。

5. 语音助手：通过语音处理、快速响应和消息平台集成评估实时处理和用户体验。这测试了框架的能力，以推动真实的互动应用程序，而不仅仅是简单的请求-响应模式。

我们为每种代理类型给每个框架打了0到5的评分。以下是它们的表现：

开源指标

来源：sentient.market

大多数分析在评估这些框架时对 GitHub 指标（如星形和派生）给予了很大重视。在这里，我们将快速触及这些指标是什么以及它们如何反映一个框架的质量。

Stars 是最明显的受欢迎信号。它们基本上是开发者给他们觉得感兴趣或想跟踪的项目的书签。虽然高的星形数量表示广泛的认知和兴趣，但它可能会误导。项目有时通过营销而非技术优点积累星形。可将星形视为社会证明，而非质量的衡量标准。

Fork 数量告诉你有多少开发者创建了他们自己的代码库副本以进行扩展。更多的 fork 通常表明开发者积极使用和扩展项目。然而，许多 fork 最终会被放弃，因此原始的 fork 数量需要上下文。

贡献者数量显示有多少不同的开发者实际向项目提交了代码。这通常比 stars 或 forks 更有意义。健康的定期贡献者数量表明该项目维护和改进的社区活跃。

我们更进一步，设计了自己的指标——贡献者评分。我们评估每个开发者的公开历史，包括他们对其他项目的过去贡献、活动频率及其账户的知名度，以为每个贡献者分配一个评分。然后，我们对每个项目的所有贡献者进行平均，按其贡献数量加权。

这些数字对我们的框架意味着什么？

在大多数情况下，星形的数量可以被忽略。它们并非采用的有意义指标。这里的例外是 Eliza，它一度成为 GitHub 所有项目中 #1 的流行库，正如它成为所有加密 AI 的 Schelling 点一样。此外，像 0xCygaar 这样的显著开发者对项目也做出了贡献。这也体现在贡献者的数量上——比其他项目的 Eliza 多出 10 倍。

除此之外，Daydreams 对我们来说也是个亮点，原因在于它吸引的高质量开发者。当它作为晚期加入者推出时，其并未从 Eliza 的网络效应中获益。

接下来呢？

如果你是开发者，我们希望我们能为你选择构建所用框架（如果你需要的话）提供一个起点。除此之外，你仍需努力测试每个框架的核心推理和集成是否适合你的用例。你无法逃避这点。

从观察者的角度来看，重要的是要记住，所有这些 AI 代理框架都不超过三个月大。（是的，感觉更长。）在这段时间里，它们从非常被炒作的阶段变成了“看似软件”的阶段。这就是技术的本质。尽管存在这种波动性，我们相信这个行业是在加密领域一场有趣的全新实验，并且会持续存在。

接下来重要的是这些框架如何在技术和货币化方面成熟。

至于技术，框架为自己创造的最大优势是使代理在链上无缝交互。这是开发者选择一个加密原生框架而非通用框架的首要原因。此外，代理及代理构建技术是全球的前沿技术问题，每天都有新进展。框架也必须随着这些进展进行持续演变与适应。

框架的货币化方式更具趣味性。在这些初期阶段，创建一个以虚拟为灵感的启动平台是项目的低挂果实。但我们认为在这方面还有很多实验的空间。我们正朝着一个有数百万个在各个细分领域专业化的代理的未来前进。帮助有效协调它们的工具可以从交易费用中获取巨大的价值。作为开发者的入门，该框架当然处于最佳位置来捕捉这一点。

同时，框架的货币化也隐含着开源项目货币化的问题，以及对历史上曾免费、默默工作的贡献者的回报。如果一个团队能够破解如何创建一个可持续的开源经济，同时维持其基本理念，后果将超出代理框架的范畴，产生深远的影响。

这些是我们希望在接下来的几个月中探索的主题。

在写作间隙畅享编码的乐趣，

Shlok Khemani

免责声明：DCo 或其团队成员可能持有文章中讨论的资产。文章的任何部分都不是财务或法律建议。

• 原文链接： decentralised.co/p/ai-ag...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～