一文解讀 Eliza 技術白皮書：一個 Web3 友好的 AI 代理操作系統

作者：深潮 TechFlow

千呼萬喚始出來，Eliza 於今日終於發布了它們的技術白皮書。

雖然我們常聽到許多 AI Agent 基於 Eliza 開源框架製作，但 Eliza 如何定義自己，在技術上一直都缺乏一個詳細且嚴肅的說明。

這份白皮書是一份很好的回答，對 Eliza 如何讓 AI 與 Web3 的深度融合、模組化的系統架構設計以及其作為 開源框架 的技術實現細節進行了描述。

白皮書由 Shaw 、多名 Eliza Labs 成員和其他相關組織的技術人員一同撰寫，但由於白皮書涉及大量技術細節和專業概念，對普通讀者可能不太友好。

深潮 TechFlow 對其進行了簡化和提煉，以求以通俗的語言，帶大家快速搞懂這份白皮書的內容。

1.為什麼要做 Eliza ？

注意，小編認為思考的前提是劃定範圍 --- 即在加密或 Web3 領域，為什麼要做 Eliza，而不是將該框架與更大範圍的類似 AI 框架做對比。

順著這個思路，在技術白皮書的簡介和背景部分，實際上對這個問題做了很好的回答：

在 AI 與 Web3 的交叉領域，一直存在著一個明顯的空白：缺乏一個能夠完美整合 Web3 應用的代理框架。

具體來說，白皮書認為 Web3 領域面臨著三個主要的挑戰：

1. 去中心化交易的複雜性 隨著以太坊、Solana、BASE 等公鏈的蓬勃發展，在不同鏈上管理資產和執行交易變得越來越具有挑戰性。雖然市面上已有一些交易平台，但對於有定制需求的中高級用戶來說，這些平台的基礎功能往往不夠用。

2. 鏈上數據的價值挖掘 區塊鏈上蘊含著海量的有價值信息，從基礎的持幣地址變化、代幣價格、市值等指標，到更深層的鯨魚賬戶占比、做市商風格等高級指標。如何有效地將這些複雜的數據轉化為有價值的洞察，是一個亟待解決的問題。

3. 社交媒體信息的 碎片化 對 Web3 行業來說，Twitter、Discord、Farcaster 等社交平台是獲取信息的重要渠道。但隨著意見領袖（KOL）數量的增加，信息變得越發碎片化，如何在信息洪流中獲取有價值的洞察，成為每個交易者的普遍挑戰。

正是基於這些現實需求，Eliza 應運而生。作為首個開源的 Web3 友好型 AI 代理操作系統，Eliza 採用了模組化設計，讓開發者和用戶能夠根據自己的需求定制解決方案。

Eliza 嘗試降低普通用戶使用高級 AI 功能的門檻，無需深厚的編程經驗就能構建自己的 AI 代理。

同時，白皮書也將自己和其他的幾個常見的 AI 框架做了對比，下表可以很直觀的看出，在 Web3 支持度上，Eliza宣稱自己的是最適配的，而這也是整個白皮書所要傳達出來的關鍵點。

2.Eliza 的設計理念和技術創新

三大設計原則：簡單但不簡單

Eliza 的成功不是偶然的。在設計之初，團隊就確立了三個核心原則：

1. Web3 開發者優先 考慮到 Web3 主要使用 JavaScript/TypeScript 進行開發，Eliza 選擇了 TypeScript 作為開發語言。這不僅讓開發者能夠使用熟悉的工具，更讓他們能輕鬆地將區塊鏈功能整合到現有的網頁應用中。簡單來說，就是讓 Web3 開發者能夠"拿來即用"。

2. 模組化插件設計 Eliza 將系統分解為核心運行時和四個關鍵組件：

• Adapter（數據適配器）

• Character（代理個性）

• Client（消息交互）

• Plugin（通用功能）

這種設計讓開發者可以自由添加自己的插件、客戶端、角色和適配器，而無需關心核心運行時的細節。這也使得 Eliza 能夠支持最廣泛的模型提供商（如 OpenAI、Llama、Qwen 等）、平台集成（Twitter、Discord、Telegram 等）和鏈兼容性（Solana、Ethereum、Ton 等）。

1. 寧簡單勿複雜：

在有限的工程資源下，保持簡單的內部實現可以節省時間用於開發新功能，適應新場景，並跟上 AI 和 Web3 領域的快速發展步伐。

技術創新：內外兼修

在具體實現上，Eliza 的創新分為內部增強和外部擴展兩個維度。

1. 內部增強 為了提升 AI 模型的思維能力，Eliza 整合了多項前沿技術：

• Chain-of-Thoughts（思維鏈）：

• 技術定義：引入步驟式解釋

• 通俗理解：就像解數學題要寫過程一樣，AI 也會把思考過程一步步寫出來，而不是直接給出答案。這樣不僅結果更準確，人類也能理解 AI 是如何得出結論的。

• Tree-of-Thoughts（思維樹）：

• 技術定義：允許分支探索多個解決方案

• 通俗理解：像下棋時要考慮多種可能的走法一樣，AI 會同時探索多個解決方案，然後選擇最優的那個。這就像在思維的樹上，選擇最好的那條分支。

• Graph-of-Thoughts（思維圖）：

• 技術定義：連接推理路徑

• 通俗理解：把問題看作一張網，各個想法之間互相連接。就像我們解決複雜問題時，會把各種相關的想法聯繫起來，形成思維導圖。

• Layer-of-Thoughts（思維層）：

• 技術定義：分層推理 AI

• 通俗理解：像過濾器一樣，把思考過程分成不同的層次。就像我們解決問題時，先考慮大方向，再細化到具體細節，層層遞進。

1. 外部擴展 為了增強實際問題解決能力，Eliza 集成了多種外部能力：

• RAG（檢索增強生成）：

• 技術定義：通過檢索來增強生成能力

• 通俗理解：就像學生做作業時可以查閱教科書一樣，AI 在回答問題時也可以查閱它的"資料庫"，確保答案更準確。

• 向量數據庫：

• 技術定義：存儲和檢索結構化數據

• 通俗理解：相當於 AI 的"圖書館"，可以快速找到相似的內容。比如你說"我想找一首關於月亮的詩"，它能快速找到所有相關的詩歌。

• 網絡搜索：

• 技術定義：實時獲取互聯網信息

• 通俗理解：讓 AI 像人類一樣能夠上網搜索最新信息，不被限制在固定的知識範圍內。

• 文本轉圖像/視頻/3D 模型：

• 技術定義：將文字描述轉換為多媒體內容

• 通俗理解：就像畫家能根據文字描述畫出畫作一樣，AI 可以根據你的描述生成圖片、視頻，甚至 3D 模型。

與其他 Web3 領域的框架的對比

在當前的 Web3 AI 代理框架中，Eliza 展現出明顯的優勢。根據來自 50 多位 AI 研究人員和高級區塊鏈開發者的反饋，Eliza 在以下關鍵指標上都優於其他框架：

• 模型提供者的支持度

• 鏈兼容性情況

• 功能完整性情況

• 社交媒體集成情況

3.Eliza OS：一個精心打造的 Web3 AI 生態系統

在了解了 Eliza 的設計理念後，讓我們來看看這個框架究竟是如何運作的。可以把 Eliza 想像成一個精心設計的樂高積木系統，每個部分都能完美配合，又保持著極強的靈活性。

核心組件：五個關鍵角色

在 Eliza 的世界裡，五個核心組件相互配合，構成了一個完整的智能系統。

1. Agents（代理）：系統的主角

它們就像一個個獨立的"數字助手"，負責處理各種自主交互。每個代理都擁有自己的"記憶"和"性格"，能通過 Discord、Twitter 等不同渠道與用戶進行連貫的對話和互動。

1. Character Files（角色配置）：代理的"人設"

要讓這些代理富有個性，就需要 Character Files（角色配置）的支持。這相當於代理的"個人簡歷"，不僅定義了其身份和個性特徵，還規定了它能使用哪些模型（如 OpenAI、Anthropic），以及可以執行哪些操作（如區塊鏈交易、NFT 鑄造）。通過精心設計的角色配置，每個代理都能展現出獨特的專業特長和行為方式。

1. Providers（提供者）：代理的"感知系統"

在與外界互動時，代理需要 Providers（提供者）作為其"感知系統"。就像人類需要感官來感知世界一樣，提供者為代理提供市場數據、錢包詳情、情緒分析等實時信息，幫助它們更好地理解當前環境和上下文。

1. Actions（行動）：代理的"技能庫"

當需要採取具體行動時，Actions（行動）就成為代理的"技能庫"。從簡單的買賣訂單到複雜的 NFT 生成，每個操作都經過嚴格的安全驗證，確保在處理金融相關任務時萬無一失。這些技能讓代理能夠真正地在 Web3 世界中發揮作用。

1. Evaluators（評估器）：代理的" 決策系統 "

最後，Evaluators（評估器）則擔任代理的"決策系統"，負責評估對話內容，提取重要信息，並幫助代理建立長期記憶。它不僅追蹤目標完成進度，還確保整個對話過程的連貫性。

智能交互：不只是簡單的對話

在交互方面，Eliza 採用了多層次的理解系統，就像一個經驗豐富的翻譯官，不僅要理解字面意思，還要理解說話的背景和意圖。這個系統能夠準確理解用戶的真實需求，在不同的通訊平台保持一致的體驗，並根據上下文靈活調整回應方式。

插件系統：無限擴展的可能

Eliza 的插件系統本質上是一個工具箱，為整個框架帶來了強大的擴展性，這種擴展體現在多媒體生成、Web3 集成和基礎設施三個方向上：

• 在多媒體生成方面，它能夠生成圖片、視頻、3D 模型，支持 NFT 系列的自動生成，還提供圖片描述和分析能力。

• 在 Web3 集成方面，它支持以太坊、Solana 等多鏈操作，提供完整的交易功能套件，並集成各類 DeFi 操作。

• 在基礎設施方面，它提供了瀏覽器服務、文檔處理、語音轉文字等基礎能力。

通過這種模組化的設計，Eliza 不僅保持了系統的穩定性，還為開發者提供了近乎無限的擴展可能。這也使得 Eliza 能夠適應 Web3 世界中不斷湧現的新需求和新場景。

4.Eliza 的實力幾何？從數據看真相

當一個新技術框架出現時，大家最關心的往往是它的實際表現。Eliza 在這方面給出了一個坦誠的答案。

在 GAIA 基準測試（這是一個專門評估 AI 代理解決現實問題能力的測試平台）中，Eliza 展現出了不俗的實力。這個測試不是在考察簡單的問答能力，而是要求 AI 代理具備邏輯推理、多模態處理、網頁瀏覽和工具使用等多項技能。

雖然在測試中，Eliza 的得分（19.42%）與當前最頂尖的方案還有一定差距，但考慮到它是一個專注於 Web3 領域的框架，這個成績已經相當亮眼。特別是在基礎任務的處理上（Level 1），Eliza 達到了 32.21% 的完成率，顯示出其扎實的基礎能力。

Web3 領域：開創性的標準制定者

更值得關注的是，Eliza 在 Web3 領域實際上扮演著"標準制定者"的角色。由於 Web3 導向的 AI 系統仍處於早期階段，Eliza 率先提出了一個完整的評估標準體系，為整個行業指明了發展方向。

這個評估體系分為三個層次，白皮書把它叫做 Web3 AI 版本的 "圖靈測試"：

• 基礎能力：包括錢包創建、代幣交易、智能合約交互等基本操作。

• 進階功能：整合最新的 AI 技術，如文本轉視頻/3D、RAG 支持等。

• 高級特性：能夠基於用戶指令自主規劃和推理，實現真正的智能決策。

目前，Eliza 已經成功實現了基礎層次的全部功能，並正在向進階層次邁進。團隊表示，他們堅信在未來幾年內，將能夠實現完全自主的 AI 代理系統。

5.實際應用：市場用真金白銀投票

原白皮書還有一節是關於代碼展示，用來說明目前能用該框架做出來的實際應用；考慮到理解難度以及技術細節，在此略過，僅展現更加宏觀的實際應用情況。

根據白皮書描述，截至 2025 年 1 月，已經有多個重要的 Web3 項目基於 Eliza 構建了他們的 AI 代理系統，這些合作夥伴的總市值超過 200 億美元。

這個數字或許本身就是市場對 Eliza 技術實力的最好背書。

更重要的是，Eliza 團隊對未來充滿信心。他們認為，隨著這些"智能代理"的不斷進化，我們將看到一個由多個 AI 單元協同工作的新时代。正如 Anthropic 的 CEO Dario Amodei 所說的"天才數據中心"願景，Eliza 正在為這個未來鋪平道路。

6.現存限制與未來展望：誠懇的自我剖析

任何技術框架都不可能十全十美，Eliza 團隊在白皮書中也坦誠地指出了當前框架存在的局限性。

待解決的三大挑戰

• 工作流程系統的缺失：就像一個熟練的助手需要一套標準化的工作流程一樣，當開發者想要實現一些常規性的任務時（比如定期從多個源頭匯總數據），現有的 Eliza 框架還無法提供現成的解決方案。對於這類需求，可能還是需要借助 Dify 或 Coze 這樣帶有圖形界面的工作流系統。

• 多代理系統的性能問題。隨著代理數量的增加，系統需要處理的上下文和記憶內容呈指數級增長。特別是在處理大量輸入輸出任務時，如何平衡計算開銷和運行效率，仍然是一個待解決的技術難題。

• 多語言支持的拓展需求。目前 Eliza 主要基於 TypeScript，但要吸引更多領域的開發者加入，還需要擴展對 Python、Rust 等其他編程語言的支持。

展望：開創去中心化 AI 新紀元

儘管存在這些限制，但 Eliza 的意義已經遠遠超出了個技術框架本身。它代表了 AI 技術和 Web3 應用深度融合的一次開創性嘗試。

通過將每個功能模組都設計成標準的 TypeScript 程序，Eliza 確保了用戶對系統的完全控制權。同時，它還提供了與區塊鏈數據、智能合約的無縫集成能力。這種設計既保證了安全性，又維持了極強的擴展性。

正如白皮書結尾所說，Eliza 的可能性僅受限於使用者的想像力。隨著 AI 和 Web3 技術的持續演進，Eliza 也將不斷發展，繼續引領去中心化 AI 的發展方向。