Après une longue attente, Eliza a officiellement publié aujourd'hui son livre blanc technique.

Alors que de nombreux agents d'IA sont couramment connus pour être construits sur le cadre open-source Eliza, il a toujours manqué une documentation détaillée et formelle sur la façon dont Eliza se définit d'un point de vue technique.

Ce livre blanc fournit une réponse complète, décrivant comment Eliza permet une intégration profonde entre l'IA et Web3, son architecture système modulaire, et les détails de sa mise en œuvre technique en tant que cadre open-source.

Le livre blanc a été co-écrit par Shaw, plusieurs membres d'Eliza Labs et des experts techniques d'autres organisations connexes. Cependant, en raison de ses détails techniques approfondis et de ses concepts spécialisés, il peut ne pas être très accessible aux lecteurs en général.

Pour remédier à cela, TechFlow a simplifié et condensé le contenu, dans le but d'expliquer le livre blanc en langage clair pour aider les lecteurs à en saisir rapidement l'essence.

1. Pourquoi Eliza a-t-elle été créée?

Il est important de définir clairement un cadre lors de la prise en compte de cette question. Plus précisément, pourquoi développer Eliza dans le contexte de la crypto ou de Web3, plutôt que de comparer ce cadre à des cadres d'IA plus larges ?

Suivant cette ligne de pensée, les sections d'introduction et de contexte du livre blanc technique fournissent une excellente réponse :

Dans l'intersection de l'IA et de Web3, il y a toujours eu un écart significatif - un manque d'un cadre qui peut s'intégrer parfaitement aux applications Web3.

Plus précisément, le livre blanc identifie trois grands défis auxquels est confronté l'espace Web3 :

1. Complexité des transactions décentralisées Avec la croissance rapide des chaînes publiques telles qu'Ethereum, Solana et BASE, la gestion des actifs et l'exécution des transactions sur différentes chaînes est devenue de plus en plus difficile. Bien qu'il existe des plateformes de trading, leurs fonctionnalités de base sont souvent insuffisantes pour les utilisateurs intermédiaires et avancés ayant des besoins de personnalisation.
2. Extraction de valeur à partir des données de la chaîne Blockchain détient une immense quantité d'informations précieuses, allant des métriques de base telles que les changements d'adresse de portefeuille, les prix des jetons et la capitalisation boursière aux métriques plus avancées telles que les ratios de compte baleine et les modèles de market maker. Transformer efficacement ces données complexes en informations exploitables reste un problème urgent.
3. Fragmentation des informations des médias sociaux Pour l'industrie Web3, des plateformes comme Twitter, Discord et Farcaster sont des canaux essentiels pour l'information. Cependant, à mesure que le nombre d'influenceurs clés (KOL) augmente, l'information devient de plus en plus fragmentée. Extraire des informations précieuses de cette avalanche d'informations est devenu un défi courant pour les traders.

Eliza a été créée en réponse à ces besoins réels. En tant que premier système d'exploitation d'agent d'intelligence artificielle open source et compatible Web3, Eliza adopte une conception modulaire, permettant aux développeurs et aux utilisateurs de personnaliser des solutions en fonction de leurs besoins spécifiques.

Eliza vise à abaisser la barrière pour que les utilisateurs ordinaires puissent accéder à des fonctionnalités avancées d'IA,

leur permettant de construire leurs propres agents d'IA sans nécessiter une expertise en programmation approfondie.

De plus, le livre blanc compare Eliza à plusieurs cadres AI communs. Un tableau comparatif met clairement en évidence que Eliza prétend offrir le meilleur support pour Web3, ce qui est également le message clé que l'ensemble du livre blanc cherche à transmettre.

2. La philosophie de conception d'Eliza et les innovations techniques

Trois principes de conception fondamentaux: Simplicité sans simplification excessive

Le succès d'Eliza n'est pas le fruit du hasard. Dès le début, l'équipe a établi trois principes fondamentaux :

1. Développeur Web3 en premier lieuReconnaissant que le développement Web3 repose principalement sur JavaScript/TypeScript, Eliza a choisi TypeScript comme langage de développement. Cette décision permet aux développeurs de travailler avec des outils familiers et d'intégrer de manière transparente des fonctionnalités de blockchain dans des applications Web existantes. En d'autres termes, il permet aux développeurs Web3 de l'utiliser immédiatement.
2. L'architecture modulaire du plugin Eliza décompose son système en un runtime central et quatre composants clés :

• Adaptateur(Intégration de données)
• Caractère (Personnalité de l'agent)
• Client (Interaction de message)
• Plugin (Fonctionnalité Générale)

Cette architecture permet aux développeurs d'ajouter librement leurs propres plugins, clients, personnages et adaptateurs sans se soucier des détails du runtime de base. Il permet également à Eliza de prendre en charge une large gamme de fournisseurs de modèles (par exemple, OpenAI, Llama, Qwen), d'intégrations de plateformes (par exemple, Twitter, Discord, Telegram) et de compatibilité blockchain (par exemple, Solana, Ethereum, Ton).

1. Prioriser la simplicité plutôt que la complexité

Avec des ressources d'ingénierie limitées, maintenir une implémentation interne simple permet de gagner du temps pour développer de nouvelles fonctionnalités, s'adapter à de nouveaux scénarios et suivre l'évolution rapide de l'IA et de Web3.

Innovations techniques : Renforcement interne et expansion externe

Les innovations techniques d'Eliza peuvent être divisées en deux dimensions : améliorations internes et expansions externes.

1. Améliorations internes Pour améliorer les capacités de raisonnement des modèles d'IA, Eliza intègre plusieurs techniques de pointe:

• Chain-of-Thoughts (CoT):
  • Définition technique : Présente des explications pas à pas.
  • Explication simplifiée: Tout comme résoudre un problème mathématique en écrivant chaque étape, l'IA explique son processus de réflexion étape par étape au lieu de passer directement à la réponse. Cela améliore non seulement la précision, mais facilite également la compréhension de la façon dont les conclusions sont atteintes par les humains.
• Arbre de pensées (ToT):
  • Définition technique : Permet de se diviser en plusieurs branches pour explorer plusieurs solutions.
  • Explication simplifiée: tout comme la considération de différentes possibilités de mouvement dans un jeu d'échecs, l'IA explore simultanément différentes solutions possibles et choisit la meilleure. Cela revient à naviguer dans un arbre de décision pour trouver le chemin optimal.
• Graph-of-Thoughts (GoT):
  • Définition technique : Connecte les voies de raisonnement.
  • Explication simplifiée: Traite le problème comme un réseau où les idées sont interconnectées. Tout comme les humains créent des cartes mentales pour des problèmes complexes, l'IA connecte diverses idées pour former une compréhension globale.
• Couche-de-Pensées (LoT) :
  • Définition technique : Connecte les voies de raisonnement.
  • Explication simplifiée: Traite le problème comme un réseau où les idées sont interconnectées. Tout comme les humains créent des cartes mentales pour les problèmes complexes, l'IA connecte diverses idées pour former une compréhension globale.

1. Extensions externes Pour améliorer ses capacités de résolution de problèmes pratiques, Eliza intègre diverses fonctionnalités externes:

• Génération avec récupération améliorée (RAG) :
  • Définition technique : Améliore les capacités génératives grâce à la récupération.
  • Explication simplifiée: Comme un étudiant consultant un manuel tout en faisant ses devoirs, l'IA accède à sa «base de connaissances» pour garantir des réponses plus précises.
• Bases de données vectorielles:
  • Définition technique : Stocke et récupère des données structurées.
  • Explication simplifiée: Fonctions comme une "bibliothèque" pour l'IA, lui permettant de trouver rapidement un contenu similaire. Par exemple, si vous demandez un poème sur la lune, il peut instantanément récupérer des œuvres connexes.
• Recherche Web :
  • Définition technique : Récupère des informations en temps réel depuis Internet.
  • Explication simplifiée: Permet à l'IA de naviguer sur le web comme un être humain, accédant aux dernières informations plutôt que de se fier uniquement aux connaissances préexistantes.
• Texte vers Image/Vidéo/Modèle 3D :
  • Définition technique: Convertit les descriptions textuelles en contenu multimédia.
  • Explication simplifiée : Comme un artiste dessinant d'après une description, l'IA peut générer des images, des vidéos, voire même des modèles 3D en fonction de vos données d'entrée.

Comparaison avec d'autres cadres dans l'espace Web3

Parmi les cadres actuels des agents AI Web3, Eliza présente des avantages clairs. Selon les commentaires de plus de 50 chercheurs en AI et de développeurs seniors en blockchain, Eliza surpasse les autres cadres dans les principaux indicateurs suivants :

• Support pour les fournisseurs de modèles
• Compatibilité de chaîne
• Complétude des fonctionnalités
• Intégration des médias sociaux

3. Eliza OS: Un écosystème Web3 AI bien conçu

Après avoir compris la philosophie de conception d'Eliza, plongeons dans le fonctionnement de ce framework. Eliza peut être envisagée comme un système LEGO méticuleusement conçu, où chaque pièce s'emboîte parfaitement tout en conservant une flexibilité exceptionnelle.

Composants principaux: Cinq rôles clés

Dans l'écosystème d'Eliza, cinq composants principaux travaillent ensemble pour former un système intelligent complet.

• Agents: Les personnages principaux du système

Ils fonctionnent comme des « assistants numériques » indépendants, chargés de gérer diverses interactions autonomes. Chaque agent a sa propre « mémoire » et sa propre « personnalité » et peut engager des conversations et des interactions cohérentes avec les utilisateurs via différents canaux tels que Discord et Twitter.

• Fichiers de caractères : La "personnalité" des agents

Pour rendre ces agents plus dynamiques, les fichiers de caractères agissent comme leurs "curriculums vitae" personnels. Ces fichiers définissent l'identité et les traits de personnalité des agents, spécifient les modèles qu'ils peuvent utiliser (par exemple, OpenAI, Anthropic) et déterminent les actions qu'ils peuvent effectuer (par exemple, transactions de blockchain, création de NFT). Grâce à des configurations de personnage bien conçues, chaque agent peut faire preuve d'une expertise professionnelle et de schémas comportementaux uniques.

• Fournisseurs: Le « système de perception » des agents

Lorsqu'ils interagissent avec le monde extérieur, les agents s'appuient sur les fournisseurs comme leur « système de perception ». Tout comme les humains ont besoin de sens pour percevoir leur environnement, les fournisseurs fournissent aux agents des informations en temps réel telles que des données de marché, des détails de portefeuille et une analyse des sentiments, leur permettant de mieux comprendre l'environnement et le contexte actuels.

• Actions : La « compétence » des agents

Lorsque des actions spécifiques sont requises, les actions servent de "compétences" des agents. Des ordres d'achat/vente simples à la génération complexe de NFT, chaque action fait l'objet d'une validation de sécurité rigoureuse pour garantir une sécurité absolue lors de l'exécution de tâches financières. Ces compétences permettent aux agents de fonctionner efficacement dans l'écosystème Web3.

• Évaluateurs: Le “système de prise de décision” des agents

Enfin, les évaluateurs agissent comme le « système de prise de décision » des agents, chargés d'évaluer le contenu des conversations, d'extraire les informations clés et d'aider les agents à construire une mémoire à long terme. Ils suivent non seulement les progrès vers les objectifs, mais garantissent également la cohérence de l'ensemble du processus de conversation.

Interaction intelligente : bien plus que de simples conversations

En termes d'interaction, Eliza utilise un système de compréhension à plusieurs niveaux, tout comme un traducteur expérimenté qui comprend non seulement le sens littéral mais aussi le contexte et l'intention derrière les mots. Ce système peut comprendre avec précision les besoins réels des utilisateurs, maintenir une expérience cohérente sur différentes plates-formes de communication et ajuster les réponses de manière flexible en fonction du contexte.

Système de plug-ins: potentiel d'expansion illimité

Le système de plug-ins d'Eliza est essentiellement une boîte à outils qui apporte une extensibilité puissante à l'ensemble du framework. Cette extensibilité se reflète dans trois directions : génération multimédia, intégration Web3 et infrastructure :

• Pour la génération multimédia, il peut produire des images, des vidéos et des modèles 3D, prendre en charge la génération automatique de collections NFT et fournir des capacités de description et d'analyse d'images.
• Pour l'intégration Web3, il prend en charge les opérations multi-chaînes sur des réseaux comme Ethereum et Solana, propose une suite complète de fonctionnalités de trading et intègre diverses opérations DeFi.
• Pour l'infrastructure, il offre des fonctionnalités fondamentales telles que les services de navigateur, le traitement de documents et la conversion texte-parole.

Grâce à cette conception modulaire, Eliza non seulement maintient la stabilité du système, mais offre également aux développeurs des possibilités d'expansion pratiquement illimitées. Cela permet à Eliza de s'adapter aux demandes et scénarios toujours émergents de l'écosystème Web3.

4. À quel point Eliza est-elle capable ? Aperçus des données

Lorsqu'un nouveau cadre technologique émerge, sa performance réelle est souvent la principale préoccupation. À cet égard, Eliza fournit une réponse franche. \
Lors du test de référence GAIA (une plateforme spécialement conçue pour évaluer la capacité des agents d'IA à résoudre des problèmes réels), Eliza a démontré des capacités impressionnantes. Ce test n'évalue pas seulement les compétences de base en Q&A, mais nécessite que les agents d'IA possèdent diverses compétences, telles que le raisonnement logique, le traitement multimodal, la navigation sur le Web et l'utilisation d'outils. \
Bien que le score global d'Eliza (19,42%) soit encore inférieur aux solutions performantes actuelles, il s'agit d'un résultat louable, surtout compte tenu de sa focalisation sur le domaine Web3. Notamment, dans la gestion des tâches fondamentales (Niveau 1), Eliza a réalisé un taux d'achèvement de 32,21%, mettant en évidence ses solides capacités fondamentales.

Domaine Web3: Un pionnier de l'établissement de normes

Ce qui est encore plus remarquable, c'est qu'Eliza joue le rôle de "définition de normes" dans le domaine de Web3. Comme les systèmes d'IA axés sur Web3 en sont encore à leurs débuts, Eliza a pris l'initiative de proposer un cadre d'évaluation complet, fixant ainsi la direction de l'ensemble de l'industrie.

Ce cadre d'évaluation est divisé en trois niveaux, appelés dans le livre blanc la version IA Web3 du "Test de Turing":

• Fonctions de base : Comprend des opérations fondamentales telles que la création de portefeuille, les transactions de jetons et les interactions de contrat intelligent.
• Fonctionnalités avancées : intègre les dernières technologies d'IA, telles que la génération de texte en vidéo/3D et le support RAG.
• Caractéristiques Premium : Permet une planification et un raisonnement autonomes basés sur les instructions de l’utilisateur, ce qui permet une prise de décision vraiment intelligente.

Actuellement, Eliza a mis en œuvre avec succès toutes les fonctions au niveau de base et avance vers le niveau avancé. L'équipe a exprimé sa confiance qu'elle atteindra des systèmes d'agents IA entièrement autonomes dans les années à venir.

5. Applications pratiques: le marché vote avec de l'argent réel

Le livre blanc original comprend une section présentant un code pour démontrer des applications pratiques réalisables avec le cadre. Cependant, pour simplifier la compréhension et éviter les détails techniques, seules les applications plus larges seront mises en évidence ici.

Selon le livre blanc, en janvier 2025, plusieurs projets Web3 importants ont construit leurs systèmes d'agents d'intelligence artificielle sur la base d'Eliza. La capitalisation boursière combinée de ces partenaires dépasse 20 milliards de dollars.

Cette figure peut elle-même être le meilleur gage de la force technologique d'Eliza sur le marché.

Plus important encore, l'équipe Eliza est confiante quant à l'avenir. Ils croient qu'à mesure que ces «agents intelligents» continuent d'évoluer, nous assisterons à une nouvelle ère où plusieurs unités d'IA travailleront ensemble en harmonie. Comme l'a déclaré Dario Amodei, PDG d'Anthropic, dans sa vision d'un «centre de données génial», Eliza ouvre la voie à ce futur.

6. Limitations existantes et perspectives futures: une honnête auto-analyse

Aucun cadre technologique n'est parfait, et l'équipe Eliza souligne honnêtement les limites actuelles de leur cadre dans le livre blanc.

Trois grands défis à résoudre

• Absence de système de workflow: Tout comme un assistant qualifié nécessite un flux de travail standardisé, lorsque les développeurs souhaitent mettre en œuvre des tâches routinières (telles que l'agrégation périodique de données provenant de sources multiples), le framework Eliza actuel ne propose pas de solutions clés en main. Pour de tels besoins, il peut encore être nécessaire d'utiliser des systèmes de workflow avec des interfaces graphiques, tels que Dify ou Coze.
• Problèmes de performance dans les systèmes multi-agents : à mesure que le nombre d'agents augmente, le contexte et le contenu de la mémoire que le système doit gérer croissent de manière exponentielle. En particulier, équilibrer la surcharge de calcul et l'efficacité opérationnelle tout en gérant de grandes tâches d'entrée-sortie reste un défi technique à résoudre.
• Expansion of Multi-Language Support: Actuellement, Eliza est principalement basée sur TypeScript, mais pour attirer des développeurs de domaines supplémentaires, elle devra étendre son support à d'autres langages de programmation tels que Python et Rust.

Perspective: Pionnier d'une nouvelle ère de l'IA décentralisée

Malgré ces limitations, la signification d'Eliza a largement dépassé celle d'un simple cadre technologique.

Il représente une tentative pionnière d'intégration profonde de la technologie de l'IA et des applications Web3. En concevant chaque module fonctionnel comme un programme TypeScript standard, Eliza garantit que les utilisateurs ont un contrôle total sur le système. Il offre également une intégration transparente avec les données de la blockchain et les contrats intelligents.

Cette conception garantit à la fois la sécurité et la scalabilité. Comme indiqué à la fin du livre blanc, les possibilités d'Eliza sont uniquement limitées par l'imagination de ses utilisateurs.

Avec l'évolution continue des technologies d'IA et de Web3, Eliza continuera également d'évoluer, continuant de mener le développement de l'IA décentralisée.

Clause de non-responsabilité :

1. Cet article est reproduit à partir de [ gatedeep tide TechFlow], le droit d'auteur appartient à l'auteur original [Deep Chao TechFlow], si vous avez des objections à la reproduction, veuillez contacter Apprendre gatel'équipe, l'équipe s'en occupera dès que possible selon les procédures pertinentes.
2. Avertissement : Les points de vue et opinions exprimés dans cet article ne représentent que les points de vue personnels de l'auteur et ne constituent en aucun cas des conseils en investissement.
3. Les autres versions linguistiques de l'article sont traduites par l'équipe d'apprentissage de Gate. Sauf indication contraire, l'article traduit ne peut être copié, distribué ou plagié.