Setelah banyak antisipasi, Eliza secara resmi merilis whitepaper teknisnya hari ini.

Sementara banyak agen AI umumnya dikenal dibangun di atas kerangka kerja sumber terbuka Eliza, selalu ada kekurangan dokumentasi rinci dan formal tentang bagaimana Eliza mendefinisikan dirinya dari perspektif teknis.

Whitepaper ini memberikan jawaban komprehensif, menjelaskan bagaimana Eliza memungkinkan integrasi yang dalam antara AI dan Web3, arsitektur sistem modularnya, dan detail implementasi teknis perannya sebagai kerangka open-source.

Whitepaper ini ditulis bersama oleh Shaw, beberapa anggota Eliza Labs, dan para ahli teknis dari organisasi terkait lainnya. Namun, karena terdapat banyak detail teknis dan konsep khusus, mungkin tidak mudah dipahami oleh pembaca umum.

Untuk mengatasi ini, TechFlow telah menyederhanakan dan merangkum kontennya, bertujuan untuk menjelaskan whitepaper dengan bahasa yang sederhana untuk membantu pembaca dengan cepat memahami intinya.

1. Mengapa Eliza diciptakan?

Penting untuk menetapkan ruang lingkup yang jelas ketika mempertimbangkan pertanyaan ini. Secara khusus, mengapa mengembangkan Eliza dalam konteks kripto atau Web3, daripada membandingkan kerangka kerja ini dengan kerangka kerja AI yang lebih luas?

Mengikuti garis pemikiran ini, bagian pengantar dan latar belakang dari whitepaper teknis memberikan jawaban yang sangat baik:

Di persimpangan AI dan Web3, selalu ada kesenjangan yang signifikan—kekurangan kerangka kerja yang dapat terintegrasi dengan lancar dengan aplikasi Web3.

Secara khusus, whitepaper mengidentifikasi tiga tantangan utama yang dihadapi ruang Web3:

1. Kompleksitas Transaksi Terdesentralisasi Dengan pertumbuhan pesat dari rantai publik seperti Ethereum, Solana, dan BASE, mengelola aset dan mengeksekusi transaksi di berbagai rantai telah menjadi semakin menantang. Meskipun ada platform perdagangan yang sudah ada, fungsionalitas dasar mereka seringkali kurang memadai bagi pengguna menengah dan lanjutan dengan kebutuhan kustomisasi.
2. Ekstraksi Nilai dari Data On-Chain Blockchain menyimpan sejumlah besar informasi berharga, mulai dari metrik dasar seperti perubahan alamat dompet, harga token, dan kapitalisasi pasar hingga metrik yang lebih canggih seperti rasio akun paus dan pola pembuat pasar. Mengubah data kompleks ini menjadi wawasan yang dapat diambil tetap menjadi masalah yang mendesak.
3. Fragmentasi Informasi Media Sosial Bagi industri Web3, platform seperti Twitter, Discord, dan Farcaster merupakan saluran penting untuk informasi. Namun, seiring dengan bertambahnya jumlah opinion leader (KOL), informasi menjadi semakin terfragmentasi. Menyaring wawasan berharga dari banjir informasi ini telah menjadi tantangan umum bagi para trader.

Eliza dibuat sebagai respons terhadap kebutuhan dunia nyata ini. Sebagai sistem operasi agen AI sumber terbuka pertama yang ramah Web3, Eliza mengadopsi desain modular, memungkinkan pengembang dan pengguna untuk menyesuaikan solusi berdasarkan kebutuhan mereka secara khusus.

Eliza bertujuan untuk menurunkan hambatan bagi pengguna biasa untuk mengakses fungsionalitas AI canggih,

memungkinkan mereka untuk membangun agen AI mereka sendiri tanpa memerlukan keahlian pemrograman yang mendalam.

Selain itu, whitepaper membandingkan Eliza dengan beberapa kerangka AI umum. Tabel perbandingan dengan jelas menyoroti bahwa Eliza mengklaim menawarkan dukungan terbaik untuk Web3, yang juga merupakan pesan kunci yang ingin disampaikan seluruh whitepaper.

2. Filosofi Desain Eliza dan Inovasi Teknis

Tiga Prinsip Desain Inti: Kesederhanaan Tanpa Penyederhanaan Berlebihan

Keberhasilan Eliza bukanlah kebetulan. Sejak awal, tim menetapkan tiga prinsip inti:

1. Pengembang Web3 PertamaMengakui bahwa pengembangan Web3 terutama bergantung pada JavaScript/TypeScript, Eliza memilih TypeScript sebagai bahasa pengembangannya. Keputusan ini memungkinkan pengembang untuk bekerja dengan alat yang sudah dikenal dan mengintegrasikan fungsionalitas blockchain ke dalam aplikasi web yang sudah ada dengan lancar. Dengan kata lain, ini memungkinkan pengembang Web3 untuk "menggunakannya langsung".
2. Arsitektur Plugin Modular Eliza memecah sistemnya menjadi runtime inti dan empat komponen kunci:

• Adapter (Integrasi Data)
• Karakter(Kepribadian Agen)
• Klien (Interaksi Pesan)
• Plugin(Fungsi Umum)

Arsitektur ini memungkinkan pengembang untuk dengan bebas menambahkan plugin, klien, karakter, dan adaptor mereka sendiri tanpa perlu khawatir tentang detail dari runtime inti. Ini juga memungkinkan Eliza untuk mendukung berbagai penyedia model (misalnya, OpenAI, Llama, Qwen), integrasi platform (misalnya, Twitter, Discord, Telegram), dan kompatibilitas blockchain (misalnya, Solana, Ethereum, Ton).

1. Mengutamakan Kesederhanaan Daripada Kompleksitas

Dengan sumber daya teknik yang terbatas, mempertahankan implementasi internal yang sederhana menghemat waktu untuk mengembangkan fitur-fitur baru, beradaptasi dengan skenario baru, dan menjaga agar tetap sejalan dengan evolusi cepat AI dan Web3.

Inovasi Teknis: Memperkuat secara Internal dan Memperluas secara Eksternal

Inovasi teknis Eliza dapat dibagi menjadi dua dimensi: peningkatan internal dan perluasan eksternal.

1. Peningkatan Internal Untuk meningkatkan kemampuan penalaran dari model AI, Eliza mengintegrasikan beberapa teknik terkini:

• Chain-of-Thoughts (CoT):
  • Definisi Teknis: Memperkenalkan penjelasan langkah demi langkah.
  • Pembahasan yang Disederhanakan: Sama seperti menyelesaikan masalah matematika dengan menuliskan setiap langkah, AI menjelaskan proses berpikirnya langkah demi langkah daripada langsung melompat ke jawaban. Ini tidak hanya meningkatkan akurasi tetapi juga memudahkan manusia untuk memahami bagaimana kesimpulan tersebut dicapai.
• Tree-of-Thoughts (ToT):
  • Definisi Teknis: Memungkinkan percabangan untuk mengeksplorasi beberapa solusi.
  • Penjelasan Sederhana: Seperti mempertimbangkan berbagai langkah dalam permainan catur, kecerdasan buatan mengeksplorasi berbagai solusi yang mungkin secara bersamaan dan memilih yang terbaik. Ini mirip dengan menavigasi pohon keputusan untuk menemukan jalur optimal.
• Graph-of-Thoughts (GoT):
  • Definisi Teknis: Menghubungkan jalur pemikiran.
  • Penjelasan Sederhana: Memperlakukan masalah sebagai jaringan di mana gagasan saling terhubung. Sama seperti manusia membuat peta pikiran untuk masalah kompleks, AI menghubungkan berbagai gagasan untuk membentuk pemahaman yang komprehensif.
• Layer-of-Thoughts (LoT):
  • Definisi Teknis: Menghubungkan jalur pemikiran.
  • Penjelasan Sederhana: Memperlakukan masalah sebagai jaringan di mana ide-ide saling terhubung. Mirip dengan bagaimana manusia membuat peta pikiran untuk masalah kompleks, AI menghubungkan berbagai ide untuk membentuk pemahaman yang komprehensif.

1. Perluasan Eksternal Untuk meningkatkan kemampuan pemecahan masalah yang praktis, Eliza mengintegrasikan berbagai fungsionalitas eksternal:

• Pengambilan yang Ditingkatkan oleh Generasi (RAG):
  • Definisi Teknis: Meningkatkan kemampuan generatif melalui pemulihan.
  • Penjelasan yang Disederhanakan: Seperti seorang siswa yang berkonsultasi dengan buku teks sambil mengerjakan pekerjaan rumah, AI mengakses "basis pengetahuan" untuk memastikan jawaban yang lebih akurat.
• Basis Data Vektor:
  • Definisi Teknis: Menyimpan dan mengambil data terstruktur.
  • Penjelasan yang Disederhanakan: Berfungsi seperti "perpustakaan" untuk AI, memungkinkannya menemukan konten serupa dengan cepat. Misalnya, jika Anda meminta puisi tentang bulan, itu dapat langsung mengambil karya-karya terkait.
• Pencarian Web:
  • Definisi Teknis: Mengambil informasi real-time dari internet.
  • Penjelasan Singkat: Memungkinkan AI untuk menjelajahi web seperti manusia, mengakses informasi terbaru daripada hanya mengandalkan pengetahuan yang sudah ada sebelumnya.
• Model Teks ke Gambar / Video / 3D:
  • Definisi Teknis: Mengubah deskripsi teks menjadi konten multimedia.
  • Penjelasan Sederhana: Seperti seorang seniman yang menggambar berdasarkan deskripsi, AI dapat menghasilkan gambar, video, atau bahkan model 3D berdasarkan masukan Anda.

Perbandingan dengan Kerangka Kerja Lain di Ruang Web3

Di antara kerangka kerja agen AI Web3 saat ini, Eliza menunjukkan keunggulan yang jelas. Berdasarkan umpan balik dari lebih dari 50 peneliti AI dan pengembang blockchain senior, Eliza mengungguli kerangka kerja lain dalam metrik utama berikut:

• Dukungan untuk penyedia model
• Kesesuaian rantai
• Kelengkapan fitur
• Integrasi media sosial

3. Eliza OS: Sebuah Ekosistem AI Web3 yang Dibuat dengan Baik

Setelah memahami filosofi desain Eliza, mari kita masuk ke dalam bagaimana kerangka kerja ini beroperasi. Eliza dapat dipikirkan sebagai sistem LEGO yang dirancang secara cermat, di mana setiap bagian cocok dengan sempurna sambil tetap menjaga fleksibilitas yang luar biasa.

Komponen inti: Lima Peran Kunci

Dalam ekosistem Eliza, lima komponen inti bekerja bersama untuk membentuk sistem cerdas yang lengkap.

• Agen: Karakter utama dari sistem

Mereka berfungsi seperti “asisten digital” yang independen, bertanggung jawab untuk menangani berbagai interaksi otonom. Setiap agen memiliki “memori” dan “kepribadian” sendiri dan dapat terlibat dalam percakapan dan interaksi yang koheren dengan pengguna melalui berbagai saluran seperti Discord dan Twitter.

• File Karakter: 'persona' dari agen-agennya

Untuk membuat agen-agen ini lebih dinamis, File Karakter bertindak sebagai 'resume pribadi' mereka. File-file ini mendefinisikan identitas dan karakteristik pribadi agen-agen, menentukan model-model yang dapat mereka gunakan (misalnya, OpenAI, Anthropic), dan menentukan tindakan-tindakan apa yang dapat mereka lakukan (misalnya, transaksi blockchain, penciptaan NFT). Melalui konfigurasi karakter yang dirancang dengan baik, setiap agen dapat menunjukkan keahlian profesional yang unik dan pola perilaku yang berbeda.

• Penyedia: "Sistem persepsi" agen

Ketika berinteraksi dengan dunia luar, agen mengandalkan Penyedia sebagai "sistem persepsi" mereka. Seperti manusia yang membutuhkan indra untuk merasakan sekitarnya, penyedia menyediakan informasi real-time kepada agen seperti data pasar, rincian dompet, dan analisis sentimen, memungkinkan mereka untuk lebih memahami lingkungan dan konteks saat ini.

• Tindakan: "Keahlian" agen

Ketika tindakan tertentu diperlukan, Tindakan berfungsi sebagai "kemampuan" agen. Dari pesanan jual/beli yang sederhana hingga generasi NFT yang kompleks, setiap tindakan menjalani validasi keamanan yang ketat untuk memastikan keamanan mutlak saat menangani tugas keuangan. Kemampuan ini memungkinkan agen untuk benar-benar beroperasi secara efektif dalam ekosistem Web3.

• Evaluator: Sistem "pengambilan keputusan" dari agen-agennya

Terakhir, Evaluators bertindak sebagai 'sistem pengambilan keputusan' agen, bertanggung jawab untuk mengevaluasi konten percakapan, mengekstrak informasi kunci, dan membantu agen membangun ingatan jangka panjang. Mereka tidak hanya melacak kemajuan menuju tujuan tetapi juga memastikan koherensi dari seluruh proses percakapan.

Interaksi pintar: Lebih dari sekadar percakapan sederhana

Dalam hal interaksi, Eliza menggunakan sistem pemahaman berlapis-lapis, mirip dengan seorang penerjemah berpengalaman yang tidak hanya memahami makna harfiah tetapi juga memahami konteks dan tujuan di balik kata-kata tersebut. Sistem ini dapat memahami kebutuhan sebenarnya pengguna secara akurat, menjaga pengalaman yang konsisten di berbagai platform komunikasi, dan menyesuaikan respons secara fleksibel berdasarkan konteks.

Sistem Plugin: Potensi Ekspansi Tanpa Batas

Sistem plugin Eliza pada dasarnya adalah kotak peralatan yang membawa kelebihan ekstensibilitas yang kuat ke seluruh kerangka kerja. Ekstensibilitas ini tercermin dalam tiga arah: generasi multimedia, integrasi Web3, dan infrastruktur:

• Untuk generasi multimedia, dapat menghasilkan gambar, video, dan model 3D, mendukung generasi otomatis koleksi NFT, dan menyediakan kemampuan deskripsi dan analisis gambar.
• Untuk integrasi Web3, Gate.io mendukung operasi multi-chain pada jaringan seperti Ethereum dan Solana, menawarkan rangkaian lengkap fitur perdagangan, dan mengintegrasikan berbagai operasi DeFi.
• Untuk infrastruktur, ini menyediakan kemampuan dasar seperti layanan browser, pemrosesan dokumen, dan konversi teks-ke-suara.

Melalui desain modular ini, Eliza tidak hanya menjaga stabilitas sistem tetapi juga menawarkan kepada pengembang kemungkinan ekspansi yang hampir tidak terbatas. Hal ini memungkinkan Eliza untuk beradaptasi dengan permintaan dan skenario yang terus berkembang dalam ekosistem Web3.

4. Seberapa Mampu Eliza? Wawasan dari Data

Ketika kerangka teknologi baru muncul, kinerja aktualnya seringkali menjadi perhatian utama. Dalam hal ini, Eliza memberikan jawaban yang jujur.
Dalam tes benchmark GAIA (platform yang dirancang khusus untuk mengevaluasi kemampuan agen AI dalam menyelesaikan masalah dunia nyata), Eliza menunjukkan kemampuan yang mengesankan. Tes ini tidak hanya menilai keterampilan Q&A dasar tetapi membutuhkan agen AI untuk memiliki berbagai kompetensi, seperti pemikiran logis, pemrosesan multimodal, penjelajahan web, dan penggunaan alat.
Meskipun skor keseluruhan Eliza (19,42%) masih tertinggal dari solusi terbaik saat ini, ini adalah hasil yang patut diacungi jempol, terutama mengingat fokusnya pada domain Web3. Terutama, dalam menangani tugas-tugas dasar (Level 1), Eliza mencapai tingkat penyelesaian sebesar 32,21%, memperlihatkan kemampuan dasarnya yang solid.

Domain Web3: Pencipta Standar Perintis

Yang lebih penting lagi adalah Eliza berperan sebagai "standard setter" di bidang Web3. Karena sistem AI yang berfokus pada Web3 masih dalam tahap awal, Eliza telah memimpin dalam mengusulkan kerangka evaluasi yang komprehensif, menetapkan arah untuk seluruh industri.

Kerangka evaluasi ini terbagi menjadi tiga tingkat, yang disebut dalam white paper sebagai versi Web3 AI dari "Turing Test":

• Kemampuan Dasar: Termasuk operasi dasar seperti pembuatan dompet, transaksi token, dan interaksi kontrak pintar.
• Fitur-Fitur Lanjutan: Menggabungkan teknologi AI terbaru, seperti pembuatan teks-ke-video/3D dan dukungan RAG.
• Fitur Premium: Memungkinkan perencanaan dan penalaran otonom berdasarkan instruksi pengguna, mencapai pengambilan keputusan yang benar-benar cerdas.

Saat ini, Eliza telah berhasil mengimplementasikan semua fungsi pada tingkat dasar dan sedang menuju ke tingkat lanjut. Tim mengungkapkan keyakinan bahwa mereka akan mencapai sistem agen AI yang sepenuhnya otonom dalam beberapa tahun mendatang.

5. Aplikasi Praktis: Pasar Menggunakan Uang Nyata untuk Memilih

White paper asli mencakup bagian yang menampilkan kode untuk menunjukkan aplikasi praktis yang dapat dicapai dengan kerangka kerja tersebut. Namun, untuk menyederhanakan pemahaman dan menghindari detail teknis, hanya aplikasi yang lebih umum akan disorot di sini.

Menurut white paper, pada Januari 2025, beberapa proyek Web3 penting telah membangun sistem agen AI mereka berdasarkan Eliza. Kapitalisasi pasar gabungan dari mitra-mitra ini melebihi $20 miliar.

Angka ini mungkin merupakan dukungan terbaik atas kekuatan teknologi Eliza oleh pasar itu sendiri.

Lebih penting lagi, tim Eliza yakin tentang masa depan. Mereka percaya bahwa ketika "agen pintar" ini terus berkembang, kita akan menyaksikan era baru di mana beberapa unit AI bekerja sama secara harmonis. Seperti yang dinyatakan CEO Anthropic Dario Amodei dalam visinya tentang "pusat data jenius," Eliza membuka jalan untuk masa depan ini.

6. Batasan yang Ada dan Prospek di Masa Depan: Analisis Diri yang Jujur

Tidak ada kerangka teknologi yang sempurna, dan tim Eliza dengan jujur menunjukkan keterbatasan saat ini dari kerangka kerjanya dalam white paper.

Tiga tantangan utama yang harus diselesaikan

• Kekurangan Sistem Alur Kerja: Seperti asisten terampil yang membutuhkan alur kerja standar, ketika pengembang ingin mengimplementasikan tugas rutin (seperti menggabungkan data dari beberapa sumber secara berkala), kerangka kerja Eliza saat ini tidak menawarkan solusi siap pakai. Untuk kebutuhan seperti itu, sistem alur kerja dengan antarmuka grafis, seperti Dify atau Coze, mungkin masih diperlukan.
• Masalah Kinerja dalam Sistem Multi-Agen: Seiring bertambahnya jumlah agen, konteks dan konten memori yang perlu ditangani sistem tumbuh secara eksponensial. Khususnya, menyeimbangkan beban komputasi dan efisiensi operasional saat menangani tugas input-output besar tetap menjadi tantangan teknis yang harus diatasi.
• Pengembangan Dukungan Multi-Bahasa: Saat ini, Eliza didasarkan terutama pada TypeScript, tetapi untuk menarik pengembang dari domain yang lebih luas, perlu untuk memperluas dukungan untuk bahasa pemrograman lain seperti Python dan Rust.

Outlook: Memimpin Era Baru AI Terdesentralisasi

Meskipun memiliki keterbatasan, makna dari Eliza telah melampaui batas kerangka teknologi biasa.

Ini merupakan upaya inovatif dalam integrasi mendalam teknologi AI dan aplikasi Web3. Dengan merancang setiap modul fungsional sebagai program TypeScript standar, Eliza memastikan pengguna memiliki kendali penuh atas sistem. Ini juga menawarkan integrasi yang mulus dengan data blockchain dan kontrak pintar.

Desain ini menjamin keamanan dan skalabilitas. Seperti yang disebutkan di akhir white paper, kemungkinan Eliza hanya terbatas oleh imajinasi penggunanya.

Dengan terus berkembangnya teknologi AI dan Web3, Eliza juga akan terus berkembang, terus memimpin pengembangan AI terdesentralisasi.

Disclaimer:

1. Artikel ini diambil dari [ deep tide TechFlow], hak cipta adalah milik penulis asli [Deep Chao TechFlow], jika Anda memiliki keberatan terhadap cetakan ulang, silakan hubungi Gate Pelajaritim, tim akan menanganinya secepat mungkin sesuai dengan prosedur yang relevan.
2. Persetujuan: Pandangan dan opini yang terdapat dalam artikel ini hanya mencerminkan pandangan pribadi penulis dan tidak merupakan saran investasi apa pun.
3. Versi bahasa lain dari artikel diterjemahkan oleh tim Belajar gate. Kecuali dinyatakan lain, artikel yang diterjemahkan tidak boleh disalin, didistribusikan, atau diplagiatkan.