Tác giả: TechFlow
Sau nhiều lần chờ đợi, Eliza đã cuối cùng công bố bản kỹ thuật của họ vào hôm nay.
Mặc dù chúng ta thường nghe nói về nhiều được chế tạo dựa trên khuôn khổ mã nguồn mở của Eliza, nhưng Eliza vẫn chưa có một giải thích chi tiết và nghiêm túc về cách họ tự định nghĩa bản thân và các khía cạnh kỹ thuật của họ.
Bản này là một câu trả lời tốt, mô tả cách Eliza tích hợp sâu và , thiết kế kiến trúc hệ thống và các chi tiết kỹ thuật của họ như một khuôn khổ mã nguồn mở.
Bản được viết bởi Shaw, một số thành viên của Eliza Labs và các kỹ thuật viên từ các tổ chức liên quan khác, nhưng do bao gồm nhiều chi tiết kỹ thuật và khái niệm chuyên môn, nó có thể không thân thiện với độc giả phổ thông.
TechFlow đã đơn giản hóa và tinh lọc nó, nhằm giúp mọi người nhanh chóng hiểu nội dung của bản bằng ngôn ngữ dễ hiểu.
1. Tại sao phải làm Eliza?
Lưu ý, biên tập viên cho rằng tiền đề suy nghĩ là xác định phạm vi - tức là trong lĩnh vực hoặc , tại sao phải làm Eliza, chứ không phải so sánh khuôn khổ này với các khuôn khổ tương tự trong phạm vi rộng hơn.
Theo hướng này, trong phần giới thiệu và bối cảnh của bản , thực sự đã trả lời rất tốt câu hỏi này:
Trong lĩnh vực giao nhau giữa và , luôn tồn tại một khoảng trống rõ ràng: thi缺vắng một có thể hoàn toàn tích hợp các ứng dụng .
Cụ thể, bản cho rằng lĩnh vực đang đối mặt với ba thách thức chính:
- Độ phức tạp của các giao dịch phi tập trung Với sự phát triển mạnh mẽ của các như Ethereum, Solana, BASE, việc quản lý tài sản và thực hiện giao dịch trên các khác nhau ngày càng trở nên thách thức. Mặc dù đã có một số nền tảng giao dịch, nhưng các tính năng cơ bản của chúng thường không đủ đáp ứng nhu cầu tùy chỉnh của người dùng cấp cao.
- Khai thác giá trị của dữ liệu trên Blockchain chứa rất nhiều thông tin có giá trị, từ những chỉ số cơ bản như thay đổi địa chỉ nắm giữ, giá , , đến các chỉ số nâng cao hơn như tỷ lệ chiếm giữ của các , phong cách của các . Làm thế nào để chuyển đổi hiệu quả những dữ liệu phức tạp này thành những洞察có giá trị là một vấn đề cần được giải quyết.
- Sự phân mảnh của thông tin trên các phương tiện truyền thông xã hội Đối với ngành , các nền tảng như Twitter, Discord, Farcaster là những kênh quan trọng để tiếp cận thông tin. Tuy nhiên, khi số lượng <ý kiến lãnh đạo> (KOL) ngày càng tăng, thông tin trở nên phân mảnh hơn, việc thu thập những洞察có giá trị từ dòng thông tin lũ lượt này trở thành thách thức chung của mọi nhà giao dịch.
Chính vì những nhu cầu thực tế này, Eliza đã ra đời. Là thân thiện với đầu tiên, Eliza sử dụng thiết kế , cho phép các nhà phát triển và người dùng tùy chỉnh các giải pháp theo nhu cầu của riêng họ.
Eliza cũng cố gắng giảm rào cản cho người dùng thông thường khi sử dụng các tính năng nâng cao, cho phép họ xây dựng của riêng mình mà không cần có nền tảng lập trình sâu.
Đồng thời, bản cũng so sánh Eliza với một số khuôn khổ phổ biến khác, bảng dưới đây cho thấy rõ ràng rằng, về mức độ hỗ trợ , Eliza tuyên bố là tốt nhất, và đây cũng là điểm then chốt mà toàn bộ bản muốn truyền tải.
2. Triết lý thiết kế và các đổi mới kỹ thuật của Eliza
Ba nguyên tắc thiết kế: Đơn giản nhưng không đơn giản
Sự thành công của Eliza không phải là ngẫu nhiên. Ngay từ khi thiết kế, nhóm đã xác lập ba nguyên tắc cốt lõi:
Ưu tiên nhà phát triển Với việc chủ yếu sử dụng JavaScript/TypeScript để phát triển, Eliza đã chọn TypeScript làm ngôn ngữ phát triển. Điều này không chỉ cho phép các nhà phát triển sử dụng các công cụ quen thuộc, mà còn giúp họ dễ dàng tích hợp các chức năng vào các ứng dụng web hiện có. Nói một cách đơn giản, đó là để các nhà phát triển có thể "sử dụng ngay".
Thiết kế và Eliza chia hệ thống thành thời gian chạy cốt lõi và bốn thành phần chính:
(Bộ điều hợp dữ liệu)
(Nhân vật )
(Tương tác tin nhắn)
(Chức năng chung)
Thiết kế này cho phép các nhà phát triển tự do thêm các , , và của riêng họ, mà không cần quan tâm đến các chi tiết của thời gian chạy cốt lõi. Điều này cũng cho phép Eliza hỗ trợ phổ biến nhất các (như OpenAI, Llama, Qwen, v.v.), (Twitter, Discord, Telegram, v.v.) và (Solana, Ethereum, TON, v.v.).
Đơn giản hơn là phức tạp:
Với nguồn lực kỹ thuật hạn chế, duy trì một triển khai nội bộ đơn giản có thể tiết kiệm thời gian để phát triển các tính năng mới, thích ứng với các tình huống mới và theo kịp sự phát triển nhanh chóng của lĩnh vực và .
Đổi mới kỹ thuật: Cả bên trong lẫn bên ngoài
Về mặt triển khai cụ thể, các đổi mới của Eliza được chia thành hai chiều: tăng cường nội bộ và mở rộng bên ngoài
Tăng cường nội bộ Để nâng cao khả năng tư duy của các mô hình , Eliza đã tích hợp nhiều công nghệ tiên tiến:
Chuỗi Suy nghĩ (Chain-of-Thoughts):
Định nghĩa kỹ thuật: Giới thiệu giải thích từng bước
Hiểu một cách đơn giản: Giống như khi giải một bài toán, sẽ viết ra quá trình suy nghĩ từng bước, thay vì chỉ đưa ra kết quả trực tiếp. Điều này không chỉ làm kết quả chính xác hơn, mà còn giúp con người hiểu được đã đi đến kết luận như thế nào.
Cây Suy nghĩ (Tree-of-Thoughts):
Định nghĩa kỹ thuật: Cho phép khám phá nhiều giải pháp khác nhau
Hiểu một cách đơn giản: Giống như khi chơi cờ, phải xem xét nhiều nước đi có thể, sẽ cùng lúc khám phá nhiều giải pháp, sau đó chọn ra giải pháp tối ưu nhất. Đây như là đi trên cây suy nghĩ, chọn ra nhánh tốt nhất.
Đồ thị Suy nghĩ (Graph-of-Thoughts):
Định nghĩa kỹ thuật: Kết nối các đường dẫn lập luận
Hiểu một cách đơn giản: Xem vấn đề như một mạng lưới, các ý tưởng liên kết với nhau. Giống như khi chúng ta giải quyết các vấn đề phức tạp, sẽ kết nối các ý tưởng liên quan với nhau, tạo thành sơ đồ tư duy.
Lớp Suy nghĩ (Layer-of-Thoughts):
Định nghĩa kỹ thuật: suy luận theo nhiều lớp
Hiểu một cách đơn giản: Giống như các bộ lọc, chia quá trình suy nghĩ thành các lớp khác nhau. Như khi chúng ta giải quyết vấn đề, trước tiên sẽ xem xét hướng lớn, sau đó mới đi vào chi tiết, từng bước một.
Mở rộng bên ngoài Để tăng cường khả năng giải quyết các vấn đề thực tế, Eliza đã tích hợp nhiều khả năng bên ngoài:
RAG (
Dưới đây là bản dịch tiếng Việt của văn bản, với các từ và cụm từ được dịch theo yêu cầu:
So sánh với các framework khác trong lĩnh vực Web3
Trong các framework AI đại diện Web3 hiện tại, Eliza thể hiện rõ ràng những ưu thế vượt trội. Dựa trên phản hồi từ hơn 50 nhà nghiên cứu AI và nhà phát triển blockchain cấp cao, Eliza vượt trội các framework khác trên các chỉ số then chốt sau:
Mức độ hỗ trợ từ nhà cung cấp mô hình
Tính tương thích với các chuỗi
Tính đầy đủ về chức năng
Tích hợp với các phương tiện truyền thông xã hội
3.Hệ sinh thái AI Web3 Eliza OS: Một hệ sinh thái Web3 AI được thiết kế kỹ lưỡng
Sau khi hiểu rõ triết lý thiết kế của Eliza, hãy cùng xem xét cách thức hoạt động của framework này. Có thể hình dung Eliza như một hệ thống lego được thiết kế kỹ lưỡng, mỗi bộ phận hoạt động ăn khớp với nhau, đồng thời vẫn duy trì tính linh hoạt cao.
Các thành phần cốt lõi: Năm vai trò then chốt
Trong thế giới của Eliza, năm thành phần cốt lõi hợp tác với nhau để tạo thành một hệ thống thông minh hoàn chỉnh.
Agents (Đại lý): Nhân vật chính của hệ thống
Chúng giống như những "trợ lý kỹ thuật số" độc lập, chịu trách nhiệm xử lý các tương tác tự chủ. Mỗi đại lý đều có "bộ nhớ" và "tính cách" riêng, có thể giao tiếp và tương tác liền mạch với người dùng qua các kênh như Discord, Twitter, v.v.
Character Files (Hồ sơ nhân vật): "Nhân vật" của các đại lý
Để các đại lý này trở nên đa dạng về tính cách, cần có sự hỗ trợ của Character Files (Hồ sơ nhân vật). Đây như là "sơ yếu lý lịch" của các đại lý, không chỉ định nghĩa danh tính và đặc điểm tính cách, mà còn quy định các mô hình (như OpenAI, Anthropic) mà chúng có thể sử dụng, cũng như các hoạt động (như giao dịch blockchain, đúc NFT) mà chúng có thể thực hiện. Thông qua việc thiết kế cẩn thận các hồ sơ nhân vật, mỗi đại lý có thể thể hiện những chuyên môn và cách hành xử độc đáo riêng.
Providers (Nhà cung cấp): "Hệ thống cảm nhận" của các đại lý
Khi tương tác với thế giới bên ngoài, các đại lý cần có Providers (Nhà cung cấp) như "hệ thống cảm nhận" của họ. Giống như con người cần các giác quan để cảm nhận thế giới, các nhà cung cấp cung cấp cho các đại lý các thông tin thời gian thực như dữ liệu thị trường, chi tiết ví, phân tích cảm xúc, giúp chúng hiểu rõ hơn về môi trường và ngữ cảnh hiện tại.
Actions (Hành động): "Kho kỹ năng" của các đại lý
Khi cần thực hiện các hành động cụ thể, Actions (Hành động) trở thành "kho kỹ năng" của các đại lý. Từ các lệnh mua bán đơn giản đến việc tạo NFT phức tạp, mỗi thao tác đều được kiểm tra an toàn nghiêm ngặt, đảm bảo xử lý các nhiệm vụ tài chính một cách an toàn tuyệt đối. Những kỹ năng này cho phép các đại lý thực sự phát huy vai trò của mình trong thế giới Web3.
Evaluators (Bộ đánh giá): "Hệ thống ra quyết định" của các đại lý
Cuối cùng, Evaluators (Bộ đánh giá) đảm nhận vai trò "hệ thống ra quyết định" của các đại lý, chịu trách nhiệm đánh giá nội dung đối thoại, trích xuất thông tin quan trọng và giúp các đại lý xây dựng bộ nhớ dài hạn. Nó không chỉ theo dõi tiến độ hoàn thành mục tiêu, mà còn đảm bảo tính liên kết贯suốt quá trình đối thoại.
Tương tác thông minh: Không chỉ đơn giản là đối thoại
Về mặt tương tác, Eliza áp dụng một hệ thống hiểu biết nhiều lớp, giống như một thông dịch viên giàu kinh nghiệm, không chỉ hiểu nghĩa đen mà còn hiểu bối cảnh và ý định của người nói. Hệ thống này có thể hiểu chính xác nhu cầu thực sự của người dùng, duy trì trải nghiệm nhất quán trên các nền tảng truyền thông, và linh hoạt điều chỉnh cách phản hồi dựa trên ngữ cảnh.
Hệ thống plugin: Khả năng mở rộng vô tận
Hệ thống plugin của Eliza thực chất là một bộ công cụ, mang lại khả năng mở rộng mạnh mẽ cho toàn bộ framework, thể hiện ở ba hướng:
- Về tạo nội dung đa phương tiện, nó có thể tạo ra hình ảnh, video, mô hình 3D, hỗ trợ tự động tạo ra các bộ sưu tập NFT, và cung cấp khả năng mô tả và phân tích hình ảnh.
- Về tích hợp Web3, nó hỗ trợ các hoạt động trên nhiều chuỗi như Ethereum, Solana, cung cấp đầy đủ bộ công cụ giao dịch, và tích hợp các hoạt động DeFi.
- Về cơ sở hạ tầng, nó cung cấp các khả năng cơ bản như dịch vụ trình duyệt, xử lý tài liệu, chuyển đổi giọng nói thành văn bản, v.v.
Thông qua thiết kế mô-đun này, Eliza không chỉ duy trì được tính ổn định của hệ thống, mà còn mang lại cho các nhà phát triển khả năng mở rộng gần như vô hạn. Điều này cũng khiến Eliza có thể thích ứng với các nhu cầu và kịch bản mới liên tục xuất hiện trong thế giới Web3.
4.Sức mạnh của Eliza? Nhìn vào số liệu để thấy sự thật
Khi một framework công nghệ mới xuất hiện, điều mọi người quan tâm nhất thường là hiệu suất thực tế của nó. Eliza đã đưa ra một câu trả lời trung thực về vấn đề này.
Trong bài kiểm tra chuẩn GAIA (đây là một nền tảng chuyên đánh giá khả năng của các đại lý AI giải quyết các vấn đề thực tế), Eliza đã thể hiện sức mạnh đáng kể. Bài kiểm tra này không chỉ đơn thuần đánh giá khả năng trả lời câu hỏi, mà còn yêu cầu các đại lý AI có khả năng lập luận logic, xử lý đa phương tiện, duyệt web và sử dụng các công cụ.
Mặc dù trong bài kiểm tra, điểm số của Eliza (19,42%) vẫn còn khoảng cách so với các giải pháp hàng đầu hiện nay, nhưng xét trong bối cảnh Eliza là một framework chuyên về lĩnh vực Web3, thì thành tích này đã rất ấn tượng. Đặc biệt, ở mức độ cơ bản (Level 1), Eliza đạt 32,21% tỷ lệ hoàn thành, cho thấy năng lực cơ bản của nó rất vững chắc.
Lĩnh vực Web3: Nhà tiên phong đặt ra các tiêu chuẩn
Điều đáng chú ý hơn là, Eliza thực sự đóng vai trò "nhà định chuẩn" trong lĩnh vực Web3. Do các hệ thống AI hướng đến Web3 vẫn còn ở giai đoạn sơ khai, Eliza đã đề xuất một hệ thống tiêu chuẩn đánh giá toàn diện, chỉ ra hướng phát triển cho toàn ngành.
Hệ thống đánh giá này được chia thành ba cấp độ, sách trắng gọi nó là "phiên bản kiểm tra Turing của AI Web3":
- Khả năng cơ bản: Bao gồm các thao tác cơ bản như tạo ví, giao dịch token, tương tác với hợp đồng thông minh, v.v.
- Chức năng nâng cao: Tích hợp các công nghệ AI mới nhất, như chuyển đổi văn bản thành video/3D, hỗ trợ RAG, v.v.
- Tính năng cao cấp: Có thể lập kế hoạch và suy luận một cách tự chủ dựa trên chỉ dẫn của người dùng, để thực hiện quyết định thông minh.
Hiện tại, Eliza đã thành công triển khai toàn bộ chức năng ở cấp độ cơ bản, và đang tiến tới cấp độ nâng cao. Nhóm phát triển khẳng định, họ tin tưởng rằng trong vài năm tới, sẽ có thể hiện thực hóa hệ thống đại lý AI hoàn toàn tự chủ.
5.Ứng dụng thực tế: Thị trường bỏ phiếu bằng tiền thật
Sách trắng gốc còn có một phần trình bày mã nguồn, nhằm minh họa các ứng dụng thực tế có thể được xây dựng bằng framework này; tuy nhiên, do độ phức tạp về mặt kỹ thuật, nên
Ba thách thức lớn cần giải quyết
Thiếu hệ thống quy trình công việc: Giống như một trợ lý lành nghề cần có một bộ quy trình công việc chuẩn hóa, khi các nhà phát triển muốn thực hiện một số nhiệm vụ thông thường (như định kỳ tổng hợp dữ liệu từ nhiều nguồn), khung Eliza hiện tại vẫn chưa cung cấp các giải pháp sẵn có. Đối với nhu cầu này, có thể vẫn cần sử dụng các hệ thống quy trình công việc có giao diện đồ họa như Dify hoặc Coze.
Vấn đề hiệu suất của hệ thống đa tác nhân. Khi số lượng tác nhân tăng lên, hệ thống cần xử lý ngữ cảnh và nội dung bộ nhớ tăng theo cấp số nhân. Đặc biệt là khi xử lý nhiều tác vụ đầu vào và đầu ra, việc cân bằng chi phí tính toán và hiệu quả hoạt động vẫn là một thách thức kỹ thuật chưa được giải quyết.
Nhu cầu mở rộng hỗ trợ nhiều ngôn ngữ. Hiện tại, Eliza chủ yếu dựa trên TypeScript, nhưng để thu hút thêm nhiều nhà phát triển từ các lĩnh vực khác, vẫn cần mở rộng hỗ trợ cho các ngôn ngữ lập trình khác như Python, Rust.
Triển vọng: Mở ra kỷ nguyên mới của trí tuệ nhân tạo phi tập trung
Mặc dù có những hạn chế này, nhưng ý nghĩa của Eliza đã vượt xa một khung công nghệ đơn thuần. Nó đại diện cho một nỗ lực tiên phong trong việc kết hợp sâu sắc giữa công nghệ trí tuệ nhân tạo và ứng dụng Web3.
Bằng cách thiết kế mỗi mô-đun chức năng thành một chương trình TypeScript chuẩn, Eliza đảm bảo quyền kiểm soát hoàn toàn của người dùng đối với hệ thống. Đồng thời, nó cũng cung cấp khả năng tích hợp không gián đoạn với dữ liệu blockchain và hợp đồng thông minh. Thiết kế này vừa đảm bảo an ninh, vừa duy trì khả năng mở rộng rất mạnh mẽ.
Như đã nói trong kết luận của Sách trắng, khả năng của Eliza chỉ bị giới hạn bởi trí tưởng tượng của những người sử dụng. Khi công nghệ trí tuệ nhân tạo và Web3 tiếp tục phát triển, Eliza cũng sẽ không ngừng tiến hóa, tiếp tục dẫn dắt hướng phát triển của trí tuệ nhân tạo phi tập trung.
