Після довгих очікувань сьогодні Eliza офіційно опублікувала свій технічний документ.

Хоча багато AI-агентів загалом відомі тим, що вони побудовані на відкритому фреймворку Eliza, завжди бракувало детальної та формальної документації про те, як Eliza визначає себе з технічної точки зору.

Цей білий папір надає комплексну відповідь, описуючи, як Еліза дозволяє глибоку інтеграцію між ШІ та Web3, її модульну системну архітектуру та технічні деталі впровадження її як відкритої фреймворку.

Білий папір був співавтором Шоу, кількома членами Лабораторій Елізи та технічними експертами з інших пов'язаних організацій. Однак, через його обширні технічні деталі та спеціалізовані концепції, його може бути складно зрозуміти для загальних читачів.

Для того, щоб впоратися з цим, TechFlow спростив та узагальнив вміст, метою якого є пояснити білий папір простою мовою, щоб читачі швидко зрозуміли його суть.

1. Чому була створена Еліза?

Важливо встановити чіткий обсяг при розгляді цього питання. Зокрема, чому розробляти Елізу в контексті криптовалюти або Web3, а не порівнювати цю структуру з більш широкими AI-структурами?

Керуючись цією логікою, вступ і розділи, присвячені вступу та контексту технічної білокартинки, надають відмінну відповідь:

На перетині штучного інтелекту та Web3 завжди існувала значна прогалина - відсутність фреймворку, який може безперешкодно інтегруватися з додатками Web3.

Зокрема, у білій книзі визначаються три основні виклики, з якими стикається простір Web3:

1. Складність децентралізованих транзакцій Зі стрімким ростом громадських ланцюгів, таких як Ethereum, Solana та BASE, управління активами та виконання транзакцій на різних ланцюгах стає все більш складним завданням. Хоча існують наявні торговельні платформи, їх основні функціональні можливості часто не відповідають потребам проміжних та досвідчених користувачів з потребами настроювання.
2. Видобування значення з даних ланцюга блоків В блокчейні міститься велика кількість цінної інформації, від базових показників, таких як зміни адрес гаманців, ціни токенів і ринкова капіталізація, до більш складних показників, таких як співвідношення облікових записів китових гравців і моделі ринкових мейкерів. Ефективне перетворення цих складних даних в дієві інсайти залишається актуальною проблемою.
3. Фрагментація інформації в соціальних мережах Для індустрії Web3 платформи, такі як Twitter, Discord і Farcaster, є важливими каналами для отримання інформації. Однак, зі зростанням кількості ключових лідерів думок (KOLs), інформація стає все більш фрагментованою. Витягнення цінних уроків з цього потоку інформації стало загальним викликом для трейдерів.

Eliza була створена відповідно до цих реальних потреб. Як перша відкрита, Web3-дружня операційна система штучного інтелекту, Eliza використовує модульну конструкцію, що дозволяє розробникам та користувачам налаштовувати рішення на основі їх конкретних потреб.

Eliza має на меті знизити бар'єр для звичайних користувачів для доступу до розширених функцій штучного інтелекту,

дозволяючи їм створювати власних AI агентів без необхідності великого програмування експертизи.

Крім того, у білій книзі порівнюється Еліза з декількома поширеними фреймворками штучного інтелекту. У порівняльній таблиці чітко відзначається, що Еліза стверджує, що надає найкращу підтримку для Web3, що також є ключовим повідомленням, яке намагається донести вся біла книга.

2. Філософія дизайну та технічні інновації Елізи.

Три основних принципи дизайну: простота без переспрощення

Успіх Елізи - не випадковість. З самого початку команда встановила три основних принципи:

1. Розробник Web3 спочаткуРозпізнавши, що розробка Web3 в першу чергу ґрунтується на JavaScript/TypeScript, Еліза вибрала TypeScript як мову розробки. Це рішення дозволяє розробникам працювати з звичайними інструментами та безшовно інтегрувати функціональні можливості блокчейну в існуючі веб-застосування. Просто кажучи, це дозволяє розробникам Web3 "використовувати його з коробки".
2. Модульна архітектура плагінів Eliza розбиває свою систему на основний час виконання та чотири ключові компоненти:

• Адаптер(Інтеграція даних)
• Символ (Персоналітет агента)
• Клієнт (Взаємодія повідомлень)
• Плагін (Загальна функціональність)

Ця архітектура дозволяє розробникам вільно додавати власні плагіни, клієнтів, персонажів та адаптери, не турбуючись про деталі основного часу виконання. Вона також дозволяє Eliza підтримувати широкий спектр постачальників моделей (наприклад, OpenAI, Llama, Qwen), інтеграції платформ (наприклад, Twitter, Discord, Telegram) та сумісності з блокчейном (наприклад, Solana, Ethereum, Ton).

1. Приоритет над простотою перед складністю

З обмеженими інженерними ресурсами підтримка простої внутрішньої реалізації економить час для розробки нових функцій, адаптації до нових сценаріїв та відслідковування швидкої еволюції AI та Web3.

Технічні інновації: Зміцнення внутрішньо та розширення зовні

Технічні новації Елізи можна розподілити на дві складові: внутрішні поліпшення та зовнішні розширення.

1. Внутрішні вдосконалення Щоб покращити можливості міркувань моделей штучного інтелекту, Еліза інтегрує кілька передових методів:

• Chain-of-Thoughts (CoT):
  • Технічне визначення: Вводить пояснення крок за кроком.
  • Спрощене пояснення: Подібно до вирішення математичної задачі шляхом записування кожного кроку, штучний інтелект пояснює свій мислительний процес крок за кроком замість того, щоб безпосередньо переходити до відповіді. Це не лише покращує точність, але й ускладнює зрозуміти людям, як досягаються висновки.
• Дерево думок (ToT):
  • Технічний визначення: Дозволяє розгалуження для дослідження кількох рішень.
  • Спрощене пояснення: Схоже на розгляд різних ходів у шаховій грі, ШШ вивчає одночасно різні можливі рішення і обирає найкраще. Це подібно до навігації по дереву рішень для пошуку оптимального шляху.
• Граф-думок (GoT):
  • Технічне визначення: З'єднує шляхи мислення.
  • Спрощене пояснення: Проблема розглядається як мережа, де ідеї взаємопов'язані. Аналогічно до того, як люди створюють ментальні карти для складних проблем, штучний інтелект з'єднує різні ідеї для формування комплексного розуміння.
• Layer-of-Thoughts (LoT):
  • Технічне визначення: З'єднує розумові шляхи.
  • Спрощене пояснення: Проблему розглядається як мережу, де ідеї взаємопов'язані. Подібно до того, як люди створюють ментальні карти для складних проблем, штучний інтелект з'єднує різні ідеї, щоб сформувати загальне розуміння.

1. Зовнішні розширення Для покращення її практичних здатностей у вирішенні проблем Eliza інтегрує різноманітні зовнішні функціональності:

• Retrieval-Augmented Generation (RAG):
  • Технічне визначення: Покращує здатності до генерації через відновлення.
  • Спрощене пояснення: Подібно до учня, який консультує підручник під час виконання домашнього завдання, штучний інтелект отримує доступ до своєї «бази знань» для забезпечення більш точних відповідей.
• Векторні бази даних:
  • Технічний визначення: Зберігає та витягує структуровані дані.
  • Спрощене пояснення: Функціонує як «бібліотека» для штучного інтелекту, дозволяючи йому швидко знаходити подібний контент. Наприклад, якщо ви попросите вірш про місяць, він може миттєво витягнути пов'язані роботи.
• Пошук вебу:
  • Технічне визначення: отримується інформація в режимі реального часу з Інтернету.
  • Спрощене пояснення: Дозволяє ШШЕ оглядати веб-сторінки так само, як людина, отримуючи останню інформацію, а не полагаючись виключно на існуючі знання.
• Текст на зображення / відео / 3D-модель:
  • Технічне визначення: Конвертує текстові описи в мультимедійний контент.
  • Припрощене пояснення: На подібний до митця, який малює на підставі опису, ШІ може генерувати зображення, відео або навіть 3D-моделі на основі вашого вводу.

Порівняння з іншими фреймворками у просторі Web3

Серед поточних фреймворків агентів Web3 штучного інтелекту Eliza виявляє чіткі переваги. На основі відгуків понад 50 дослідників штучного інтелекту та вищих розробників блокчейну, Eliza перевершує інші фреймворки за такими ключовими показниками:

• Підтримка постачальників моделей
• Сумісність ланцюжка
• Повнота функцій
• Інтеграція соціальних медіа

3. Eliza OS: Добре створена Web3 AI Екосистема Gate

Після розуміння філософії дизайну Елізи, давайте заглибимося в те, як працює ця рамка. Елізу можна уявити як докладно розроблену систему LEGO, де кожна частина ідеально вписується, забезпечуючи виняткову гнучкість.

Основні компоненти: п'ять ключових ролей

У екосистемі Елізи п'ять основних компонентів співпрацюють разом, щоб сформувати повну інтелектуальну систему.

• Агенти: Основні персонажі системи

Вони працюють як незалежні «цифрові помічники», відповідальні за обробку різних автономних взаємодій. Кожен агент має свою власну «пам'ять» та «особистість» та може взаємодіяти з користувачами через різні канали, такі як Discord та Twitter, проводячи з ними зв'язані розмови та взаємодії.

• Файли персонажів: "персона" агентів

Щоб зробити цих агентів більш динамічними, файли символів виступають в якості їх «особистих резюме». Ці файли визначають особистість та особистісні риси агентів, вказують, які моделі вони можуть використовувати (наприклад, OpenAI, Anthropic), а також визначають, які дії вони можуть виконувати (наприклад, блокчейн-транзакції, карбування NFT). Завдяки добре розробленим конфігураціям персонажів кожен агент може продемонструвати унікальний професійний досвід і поведінкові моделі.

• Постачальники: «система сприйняття» агентів

При взаємодії з зовнішнім світом агенти покладаються на постачальників як на свою «систему сприйняття». Точно так само, як людям потрібні почуття, щоб сприймати своє оточення, постачальники постачають агентам реальну інформацію в реальному часі, таку як ринкові дані, деталі гаманця та аналіз настроїв, що дозволяє їм краще розуміти поточне середовище та контекст.

• Дії: «набір навичок» агентів

Коли потрібні конкретні дії, дії служать «набором вмінь» агентів. Від простих замовлень на купівлю/продаж до складного створення NFT, кожна дія проходить сувору перевірку безпеки, щоб забезпечити абсолютну безпеку при виконанні фінансових завдань. Ці вміння дозволяють агентам ефективно працювати в екосистемі Web3.

• Оцінювачі: «система прийняття рішень» агентів

Наостанку, Оцінювачі виступають в ролі «системи прийняття рішень» агентів, відповідальних за оцінку змісту розмови, видобування ключової інформації та допомогу агентам у формуванні довготривалої пам'яті. Вони не лише відстежують прогрес досягнення цілей, але й забезпечують згуртованість усього процесу розмови.

Інтелектуальна взаємодія: більше, ніж прості розмови

У плані взаємодії Eliza використовує багатошарову систему розуміння, схожу на досвідченого перекладача, який не тільки розуміє буквальне значення, але й розуміє контекст та намір за словами. Ця система може точно сприймати справжні потреби користувачів, підтримувати постійний досвід на різних платформах комунікації та гнучко налаштовувати відповіді на основі контексту.

Система плагінів: необмежені можливості розширення

Система плагінів Eliza — це, по суті, набір інструментів, який забезпечує потужну розширюваність усього фреймворку. Ця розширюваність відображається у трьох напрямках: генерація мультимедіа, інтеграція з Web3 та інфраструктура:

• Для мультимедійної генерації воно може створювати зображення, відео та 3D-моделі, підтримувати автоматичне створення колекцій NFT та надавати можливості опису та аналізу зображень.
• Для інтеграції з Web3 підтримується багатоцепова робота в мережах, таких як Ethereum та Solana, пропонується всеосяжний набір торговельних функцій та інтегрує різноманітні операції DeFi.
• Для інфраструктури надаються базові можливості, такі як браузерні сервіси, обробка документів та конвертація мовлення в текст.

Завдяки цьому модульному дизайну Eliza не тільки підтримує стабільність системи, але й пропонує розробникам майже необмежені можливості розширення. Це дозволяє Eliza адаптуватися до найновіших вимог та сценаріїв у екосистемі Web3.

4. Наскільки компетентна Еліза? Висновки з даних

Коли з'являється нова технологічна платформа, її фактична продуктивність часто є основною проблемою. У цьому відношенні Еліза надає відверту відповідь.
У тесті бенчмарку GAIA (платформа, спеціально розроблена для оцінки здатності штучних інтелектуальних агентів вирішувати реальні проблеми), Еліза продемонструвала вражаючі можливості. Цей тест не лише оцінює базові навички Q&A, але потребує, щоб штучні інтелектуальні агенти володіли різними компетенціями, такими як логічне мислення, багатомодальна обробка, веб-перегляд та використання інструментів.
Хоча загальний бал Елізи (19,42%) все ще поступається найкращим рішенням на даний момент, це є визначним результатом, особливо з урахуванням її спрямування на домен Web3. Зокрема, у вирішенні фундаментальних завдань (рівень 1) Еліза досягла рівня завершення 32,21%, демонструючи свої міцні фундаментальні можливості.

Web3 Домен: піонер з установлення стандартів

Навіть більш важливо, що Еліза відіграє роль «встановлювача стандартів» в сфері Web3. Оскільки системи штучного інтелекту з фокусом на Web3 все ще знаходяться на ранніх стадіях, Еліза взяла на себе лідерство у пропозиції комплексної системи оцінки, встановивши напрямок для всієї галузі.

Ця система оцінювання поділена на три рівні, відомі в білій книзі як Web3 AI версія "Тесту Тюрінга":

• Основні можливості: включають фундаментальні операції, такі як створення гаманця, транзакції з токенами та взаємодія з розумними контрактами.
• Розширені функції: Включає останні технології штучного інтелекту, такі як генерація тексту відео/3D та підтримка RAG.
• Преміальні якості: Дозволяє автономне планування та міркування на основі інструкцій користувача, досягаючи дійсно інтелектуального прийняття рішень.

На даний момент Еліза успішно впроваджує всі функції на базовому рівні та рухається вперед до рівня експерта. Команда висловила впевненість, що вони досягнуть повністю автономних систем агентів ШІ в найближчі роки.

5. Практичне застосування: ринок голосує реальними грошима

Оригінальний білий папір містить розділ, в якому демонструється код для практичних застосувань, які можна досягти за допомогою цієї структури. Однак, для спрощення розуміння та уникнення технічних деталей, тут будуть виділені лише загальні застосування.

Згідно з білою книгою, на січень 2025 року кілька значущих проектів Web3 побудували свої системи штучного інтелекту на основі Eliza. Загальна ринкова капіталізація цих партнерів перевищує 20 мільярдів доларів.

Ця цифра сама по собі може бути найкращим підтвердженням технологічної потужності Елізи ринком.

Ще важливіше, команда Елізи впевнена в майбутньому. Вони вважають, що по мірі того, як ці "розумні агенти" продовжують еволюціонувати, ми будемо свідками нової ери, коли кілька штучних інтелектів працюватимуть разом у гармонії. Як заявив генеральний директор Anthropic Даріо Амодеї у своєму баченні "геніального центру обробки даних", Еліза відкриває шлях до цього майбутнього.

6. Існуючі обмеження та перспективи: Чесна самоаналітика

Жодна технологічна рамка не є ідеальною, і команда Еліза чесно вказує на поточні обмеження своєї рамки в білій книзі.

Три основні виклики, які потрібно вирішити

• Відсутність системи робочого процесу: Точно так само, як навички асистента вимагають стандартизованого робочого процесу, коли розробники хочуть реалізувати рутинні завдання (наприклад, періодичне агрегування даних з кількох джерел), поточна структура Eliza не пропонує готових рішень. Для таких потреб можуть знадобитися системи робочих процесів з графічним інтерфейсом, такі як Dify або Coze.
• Проблеми продуктивності в багатоагентних системах: зі збільшенням кількості агентів зростає контекст і обсяг пам'яті, які система повинна обробляти, зростає експоненційно. Зокрема, збалансувати обчислювальне навантаження та операційну ефективність при обробці великих введено-виведених завдань залишається технічним викликом, який потрібно вирішити.
• Розширення підтримки багатьох мов: Зараз Eliza базується в основному на TypeScript, але для привертання розробників з інших галузей, їй потрібно розширити підтримку інших мов програмування, таких як Python та Rust.

Перспективи: Відкривають нову еру децентралізованого штучного інтелекту

Незважаючи на ці обмеження, значення Елізи далеко перевищує звичайний технологічний каркас.

Вона представляє собою піонерську спробу глибокої інтеграції технології штучного інтелекту та веб-додатків Web3. Завдяки тому, що кожний функціональний модуль проектується як стандартна програма TypeScript, Eliza забезпечує користувачам повний контроль над системою. Вона також пропонує безшовну інтеграцію з даними блокчейну та смарт-контрактами.

Цей дизайн гарантує як безпеку, так і масштабованість. Як зазначено в кінці білого паперу, можливості Елізи обмежені лише уявою її користувачів.

З продовженням розвитку технологій штучного інтелекту та Web3 Еліза також буде продовжувати розвиватися, продовжуючи лідирувати в розробці децентралізованого штучного інтелекту.

Disclaimer:

1. Ця стаття відтворена з [ глибокий приплив TechFlow], авторські права належать оригінальному автору [Deep Chao TechFlow], якщо у вас є будь-які заперечення щодо репринту, будь ласка, зв'яжіться зГейт Опануйтекоманда, команда якнайшвидше займеться цим згідно відповідних процедур.
2. Увага: Погляди та думки, висловлені в цій статті, представляють лише особисті погляди автора й не становлять жодної інвестиційної поради.
3. Інші мовні версії статті перекладаються командою Gate Learn. Якщо не зазначено інше, перекладена стаття не може бути скопійована, розповсюджена або скопійована.