Giải mã sách trắng công nghệ Eliza: Một hệ điều hành tác nhân AI thân thiện với Web3

Tác giả: TechFlow

Sau bao ngày mong đợi, Eliza cuối cùng cũng đã chính thức công bố sách trắng kỹ thuật của mình hôm nay.

Mặc dù chúng ta thường nghe nhiều về các Agent AI được xây dựng dựa trên khung mã nguồn mở Eliza, nhưng cách định nghĩa bản thân của Eliza vẫn luôn thiếu một giải thích chi tiết và nghiêm túc về mặt kỹ thuật.

Tài liệu này là một câu trả lời rất tốt, mô tả rõ ràng cách Eliza thực hiện sự tích hợp sâu giữa AI và Web3, thiết kế kiến trúc hệ thống theo mô-đun, cũng như các chi tiết kỹ thuật về việc triển khai nó như một khung mã nguồn mở.

Sách trắng do Shaw, nhiều thành viên của Eliza Labs và các kỹ sư từ các tổ chức liên quan cùng biên soạn. Tuy nhiên, vì tài liệu chứa rất nhiều chi tiết kỹ thuật và khái niệm chuyên môn, có thể không thân thiện với người đọc thông thường.

TechFlow đã đơn giản hóa và tinh lọc nội dung để truyền tải bằng ngôn ngữ dễ hiểu, giúp bạn nhanh chóng nắm bắt toàn bộ nội dung của cuốn sách trắng này.

1. Vì sao cần xây dựng Eliza?

Lưu ý: Biên tập viên cho rằng trước khi suy nghĩ, cần xác định phạm vi — tức là trong lĩnh vực mã hóa hoặc Web3, tại sao lại cần Eliza, chứ không phải so sánh khung này với các khung AI tương tự ở quy mô lớn hơn.

Theo hướng tư duy này, phần giới thiệu và bối cảnh trong sách trắng thực tế đã đưa ra câu trả lời rất tốt:

Trong lĩnh vực giao thoa giữa AI và Web3, luôn tồn tại một khoảng trống rõ rệt: thiếu một khung đại lý (agent framework) có khả năng tích hợp hoàn hảo các ứng dụng Web3.

Cụ thể hơn, sách trắng chỉ ra rằng lĩnh vực Web3 đang đối mặt với ba thách thức chính:

1. Độ phức tạp của giao dịch phi tập trung: Cùng với sự phát triển mạnh mẽ của các chuỗi công khai như Ethereum, Solana, BASE,... việc quản lý tài sản và thực hiện giao dịch trên các chuỗi khác nhau ngày càng trở nên thách thức. Dù thị trường hiện đã có một số nền tảng giao dịch, nhưng với những người dùng trung cấp đến cao cấp có nhu cầu tùy chỉnh, các chức năng cơ bản của các nền tảng này thường không đủ dùng.

2. Khắc phục giá trị dữ liệu trên chuỗi: Blockchain chứa đựng lượng lớn thông tin có giá trị, từ các chỉ số cơ bản như địa chỉ ví sở hữu, giá token, vốn hóa thị trường, đến các chỉ số nâng cao như tỷ lệ tài khoản cá mập (whale), phong cách làm thị trường (market maker). Làm thế nào để hiệu quả chuyển đổi những dữ liệu phức tạp này thành các thông tin hữu ích là vấn đề cấp thiết cần giải quyết.

3. Sự phân mảnh thông tin trên mạng xã hội: Đối với ngành Web3, các nền tảng như Twitter, Discord, Farcaster là kênh quan trọng để tiếp nhận thông tin. Nhưng khi số lượng các lãnh đạo dư luận (KOL) tăng lên, thông tin ngày càng bị phân mảnh. Làm thế nào để tìm ra thông tin có giá trị trong dòng lũ thông tin đã trở thành thách thức phổ biến của mọi nhà giao dịch.

Chính từ những nhu cầu thực tế này, Eliza ra đời. Là hệ điều hành đại lý AI mã nguồn mở đầu tiên thân thiện với Web3, Eliza áp dụng thiết kế mô-đun, cho phép nhà phát triển và người dùng tuỳ chỉnh giải pháp theo nhu cầu riêng.

Eliza cố gắng giảm门槛 sử dụng các tính năng AI nâng cao cho người dùng phổ thông, giúp họ xây dựng đại lý AI riêng mà không cần kinh nghiệm lập trình sâu.

Đồng thời, sách trắng cũng so sánh Eliza với một số khung AI phổ biến khác. Bảng dưới đây cho thấy rõ ràng rằng về mức độ hỗ trợ Web3, Eliza tuyên bố là phù hợp nhất — đây cũng là điểm then chốt mà cả cuốn sách trắng muốn truyền tải.

2. Triết lý thiết kế và đột phá công nghệ của Eliza

Ba nguyên tắc thiết kế: Đơn giản nhưng không tầm thường

Sự thành công của Eliza không phải ngẫu nhiên. Ngay từ đầu, nhóm phát triển đã xác định ba nguyên tắc cốt lõi:

1. Ưu tiên nhà phát triển Web3: Do Web3 chủ yếu sử dụng JavaScript/TypeScript để phát triển, Eliza chọn TypeScript làm ngôn ngữ phát triển. Điều này không chỉ giúp các nhà phát triển tận dụng công cụ quen thuộc, mà còn dễ dàng tích hợp chức năng blockchain vào các ứng dụng web hiện có. Nói đơn giản, chính là để nhà phát triển Web3 có thể "lấy ra dùng ngay".

2. Thiết kế mô-đun dạng plugin: Eliza chia hệ thống thành phần lõi (runtime) và bốn thành phần chính:

• Adapter (bộ thích ứng dữ liệu)

• Character (tính cách đại lý)

• Client (tương tác tin nhắn)

• Plugin (chức năng tổng quát)

Thiết kế này cho phép nhà phát triển tự do thêm plugin, client, nhân vật và bộ thích ứng riêng mà không cần lo lắng về chi tiết phần lõi. Nhờ đó, Eliza có thể hỗ trợ đa dạng nhất các nhà cung cấp mô hình (như OpenAI, Llama, Qwen...), tích hợp nền tảng (Twitter, Discord, Telegram...) và tương thích chuỗi (Solana, Ethereum, Ton...).

3. Thà đơn giản còn hơn phức tạp:

Dưới nguồn lực kỹ thuật hạn chế, giữ cho phần triển khai bên trong đơn giản sẽ tiết kiệm thời gian để phát triển chức năng mới, thích nghi với các tình huống mới và theo kịp tốc độ phát triển nhanh chóng của lĩnh vực AI và Web3.

Đổi mới công nghệ: Cả trong lẫn ngoài

Về triển khai cụ thể, đổi mới của Eliza được chia thành hai chiều: tăng cường nội bộ và mở rộng bên ngoài.

1. Tăng cường nội bộ: Để nâng cao khả năng tư duy của mô hình AI, Eliza tích hợp nhiều công nghệ tiên tiến:

• Chain-of-Thoughts (Dây chuyền tư duy):

  • Định nghĩa kỹ thuật: Giới thiệu cách giải thích từng bước

  • Hiểu đơn giản: Giống như giải toán phải viết từng bước vậy, AI cũng sẽ trình bày quá trình suy nghĩ từng bước thay vì đưa ra đáp án trực tiếp. Như vậy kết quả chính xác hơn, con người cũng hiểu được AI đã đi đến kết luận thế nào.

• Tree-of-Thoughts (Cây tư duy):

  • Định nghĩa kỹ thuật: Cho phép khám phá song song nhiều giải pháp

  • Hiểu đơn giản: Như đánh cờ cần cân nhắc nhiều nước đi khả dĩ, AI sẽ đồng thời khám phá nhiều giải pháp rồi chọn ra cái tối ưu nhất. Giống như trên một cây tư duy, chọn ra nhánh tốt nhất.

• Graph-of-Thoughts (Đồ thị tư duy):

  • Định nghĩa kỹ thuật: Kết nối các đường dẫn lập luận

  • Hiểu đơn giản: Xem vấn đề như một mạng lưới, các ý tưởng liên kết với nhau. Như khi giải quyết vấn đề phức tạp, ta sẽ kết nối các ý tưởng liên quan để tạo sơ đồ tư duy.

• Layer-of-Thoughts (Lớp tư duy):

  • Định nghĩa kỹ thuật: Suy luận phân tầng cho AI

  • Hiểu đơn giản: Như một bộ lọc, chia quá trình suy nghĩ thành các tầng khác nhau. Như khi giải quyết vấn đề, ta xét hướng lớn trước, sau đó mới đi sâu vào chi tiết, từng bước một.

2. Mở rộng bên ngoài: Để tăng khả năng giải quyết vấn đề thực tế, Eliza tích hợp nhiều năng lực bên ngoài:

• RAG (Sinh văn bản tăng cường nhờ truy xuất):

  • Định nghĩa kỹ thuật: Tăng cường khả năng sinh văn bản thông qua truy xuất dữ liệu

  • Hiểu đơn giản: Như học sinh làm bài có thể tra cứu sách giáo khoa, AI khi trả lời câu hỏi cũng có thể tra cứu "kho tư liệu" của mình để đảm bảo câu trả lời chính xác hơn.

• Cơ sở dữ liệu vector:

  • Định nghĩa kỹ thuật: Lưu trữ và truy xuất dữ liệu cấu trúc

  • Hiểu đơn giản: Tương đương "thư viện" của AI, có thể nhanh chóng tìm nội dung tương tự. Ví dụ bạn nói "Tôi muốn tìm một bài thơ về mặt trăng", nó có thể nhanh chóng tìm tất cả các bài thơ liên quan.

• Tìm kiếm mạng:

  • Định nghĩa kỹ thuật: Lấy thông tin thời gian thực từ Internet

  • Hiểu đơn giản: Cho phép AI giống con người có thể tìm kiếm thông tin mới nhất trên mạng, không bị giới hạn trong phạm vi kiến thức cố định.

• Chuyển văn bản sang ảnh/video/mô hình 3D:

  • Định nghĩa kỹ thuật: Chuyển mô tả văn bản thành nội dung đa phương tiện

  • Hiểu đơn giản: Như họa sĩ vẽ tranh theo mô tả bằng lời, AI có thể tạo ảnh, video, thậm chí mô hình 3D theo mô tả của bạn.

So sánh với các khung trong lĩnh vực Web3 khác

Trong số các khung đại lý AI Web3 hiện nay, Eliza thể hiện lợi thế rõ rệt. Theo phản hồi từ hơn 50 nhà nghiên cứu AI và nhà phát triển blockchain hàng đầu, Eliza vượt trội hơn các khung khác ở các chỉ số then chốt sau:

• Mức độ hỗ trợ nhà cung cấp mô hình

• Tình trạng tương thích chuỗi

• Tình trạng hoàn thiện chức năng

• Tình trạng tích hợp mạng xã hội

3. Eliza OS: Một hệ sinh thái Web3 AI được thiết kế công phu

Sau khi hiểu triết lý thiết kế của Eliza, hãy cùng xem khung này vận hành như thế nào. Có thể hình dung Eliza như một hệ thống lego được thiết kế tỉ mỉ, mỗi phần đều phối hợp hoàn hảo nhưng vẫn giữ tính linh hoạt cực cao.

Các thành phần cốt lõi: Năm vai trò chính

Trong thế giới Eliza, năm thành phần cốt lõi phối hợp với nhau tạo thành một hệ thống trí tuệ hoàn chỉnh.

1. Agents (Đại lý): Nhân vật chính của hệ thống

Chúng giống như những "trợ lý số" độc lập, chịu trách nhiệm xử lý các tương tác tự động. Mỗi đại lý đều có "bộ nhớ" và "tính cách" riêng, có thể duy trì cuộc hội thoại liền mạch với người dùng qua các kênh như Discord, Twitter...

2. Character Files (Tệp cấu hình nhân vật): "Bản sắc" của đại lý

Để các đại lý có cá tính, cần đến sự hỗ trợ của Character Files (tệp cấu hình nhân vật). Đây giống như "hồ sơ cá nhân" của đại lý, không chỉ định danh tính và đặc điểm tính cách, mà còn quy định được dùng mô hình nào (như OpenAI, Anthropic), và thực hiện được những thao tác gì (giao dịch blockchain, đúc NFT...). Thông qua cấu hình nhân vật được thiết kế kỹ lưỡng, mỗi đại lý có thể thể hiện chuyên môn và phong cách hành vi riêng biệt.

3. Providers (Nhà cung cấp): "Hệ thống cảm nhận" của đại lý

Khi tương tác với bên ngoài, đại lý cần Providers (nhà cung cấp) làm "hệ thống cảm nhận". Giống như con người cần giác quan để cảm nhận thế giới, nhà cung cấp cung cấp cho đại lý dữ liệu thị trường, thông tin ví, phân tích tâm lý... để giúp chúng hiểu rõ hơn về môi trường và ngữ cảnh hiện tại.

4. Actions (Hành động): "Kho kỹ năng" của đại lý

Khi cần thực hiện hành động cụ thể, Actions (hành động) trở thành "kho kỹ năng" của đại lý. Từ đặt lệnh mua bán đơn giản đến tạo NFT phức tạp, mỗi thao tác đều trải qua kiểm tra an toàn nghiêm ngặt, đảm bảo chắc chắn khi xử lý các nhiệm vụ liên quan tài chính. Những kỹ năng này giúp đại lý thực sự phát huy tác dụng trong thế giới Web3.

5. Evaluators (Bộ đánh giá): "Hệ thống ra quyết định" của đại lý

Cuối cùng, Evaluators (bộ đánh giá) đóng vai trò là "hệ thống ra quyết định" của đại lý, chịu trách nhiệm đánh giá nội dung hội thoại, trích xuất thông tin quan trọng và giúp đại lý xây dựng bộ nhớ dài hạn. Nó không chỉ theo dõi tiến độ hoàn thành mục tiêu mà còn đảm bảo tính liền mạch xuyên suốt quá trình hội thoại.

Tương tác thông minh: Không chỉ là hội thoại đơn thuần

Về tương tác, Eliza sử dụng hệ thống hiểu đa tầng, giống như một phiên dịch viên giàu kinh nghiệm, không chỉ hiểu nghĩa bề mặt mà còn hiểu bối cảnh và ý định đằng sau lời nói. Hệ thống này có thể chính xác hiểu nhu cầu thực sự của người dùng, duy trì trải nghiệm nhất quán trên các nền tảng truyền thông khác nhau, và linh hoạt điều chỉnh cách phản hồi theo ngữ cảnh.

Hệ thống plugin: Khả năng mở rộng vô hạn

Hệ thống plugin của Eliza về bản chất là một hộp công cụ, mang lại khả năng mở rộng mạnh mẽ cho toàn bộ khung, thể hiện ở ba hướng: sinh đa phương tiện, tích hợp Web3 và hạ tầng:

• Về sinh đa phương tiện: Có thể tạo ảnh, video, mô hình 3D, hỗ trợ tự động tạo bộ sưu tập NFT, cung cấp khả năng mô tả và phân tích ảnh.

• Về tích hợp Web3: Hỗ trợ thao tác đa chuỗi như Ethereum, Solana, cung cấp bộ công cụ giao dịch đầy đủ, tích hợp các thao tác DeFi khác nhau.

• Về hạ tầng: Cung cấp các chức năng cơ bản như dịch vụ trình duyệt, xử lý tài liệu, chuyển giọng nói thành văn bản.

Nhờ thiết kế mô-đun này, Eliza không chỉ duy trì tính ổn định của hệ thống mà còn mang lại khả năng mở rộng gần như vô hạn cho nhà phát triển. Điều này cũng khiến Eliza có thể thích nghi với các nhu cầu và tình huống mới liên tục xuất hiện trong thế giới Web3.

4. Thực lực của Eliza đến đâu? Dữ liệu nói lên sự thật

Khi một khung công nghệ mới xuất hiện, điều mọi người quan tâm nhất thường là hiệu suất thực tế. Về điểm này, Eliza đã đưa ra câu trả lời chân thành.

Trong bài kiểm tra chuẩn GAIA (một nền tảng chuyên đánh giá khả năng giải quyết vấn đề thực tế của các đại lý AI), Eliza thể hiện thực lực ấn tượng. Bài kiểm tra này không đánh giá khả năng trả lời câu hỏi đơn giản, mà yêu cầu đại lý AI phải có nhiều kỹ năng như suy luận logic, xử lý đa mô thức, duyệt web và sử dụng công cụ.

Dù trong bài kiểm tra, điểm số của Eliza (19,42%) vẫn còn cách một khoảng so với giải pháp hàng đầu hiện nay, nhưng xét rằng đây là một khung tập trung vào lĩnh vực Web3, thành tích này đã rất nổi bật. Đặc biệt ở xử lý nhiệm vụ cơ bản (Level 1), Eliza đạt tỷ lệ hoàn thành 32,21%, cho thấy nền tảng vững chắc.

Lĩnh vực Web3: Người tiên phong đặt chuẩn

Đáng chú ý hơn, Eliza thực tế đang đóng vai trò "người đặt chuẩn" trong lĩnh vực Web3. Do các hệ thống AI định hướng Web3 vẫn ở giai đoạn sơ khai, Eliza là người đầu tiên đề xuất một hệ thống tiêu chí đánh giá hoàn chỉnh, định hướng phát triển cho toàn ngành.

Hệ thống đánh giá này gồm ba cấp độ, sách trắng gọi đây là "kiểm tra Turing" phiên bản Web3 AI:

• Năng lực cơ bản: Bao gồm các thao tác cơ bản như tạo ví, giao dịch token, tương tác hợp đồng thông minh...

• Chức năng nâng cao: Tích hợp công nghệ AI mới nhất như chuyển văn bản sang video/3D, hỗ trợ RAG...

• Đặc tính cao cấp: Có khả năng tự lập kế hoạch và suy luận dựa trên chỉ dẫn người dùng, thực hiện ra quyết định thông minh thực sự.

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 chắc 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 diễn mã nguồn, nhằm minh họa các ứng dụng thực tế có thể xây dựng bằng khung này; do khó hiểu và chi tiết kỹ thuật cao, phần này được lược bỏ, chỉ trình bày tình hình ứng dụng thực tế ở góc nhìn vĩ mô.

Theo mô tả trong sách trắng, tính đến tháng 1 năm 2025, đã có nhiều dự án Web3 quan trọng xây dựng hệ thống đại lý AI của họ dựa trên Eliza, tổng vốn hóa thị trường của các đối tác này vượt quá 20 tỷ USD.

Con số này có lẽ chính là minh chứng tốt nhất cho thực lực công nghệ của Eliza.

Quan trọng hơn, nhóm Eliza rất tự tin về tương lai. Họ tin rằng khi các "đại lý thông minh" không ngừng tiến hóa, chúng ta sẽ chứng kiến một kỷ nguyên mới nơi nhiều đơn vị AI phối hợp làm việc. Như tầm nhìn "trung tâm dữ liệu thiên tài" của CEO Anthropic Dario Amodei, Eliza đang từng bước mở đường cho tương lai đó.

6. Hạn chế hiện tại và triển vọng tương lai: Phân tích bản thân một cách chân thành

Không có khung công nghệ nào là hoàn hảo, nhóm Eliza trong sách trắng cũng thẳng thắn chỉ ra những hạn chế hiện tại của khung.

Ba thách thức cần giải quyết

• Thiếu hệ thống quy trình làm việc: Như một trợ lý lành nghề cần một bộ quy trình chuẩn hóa, khi nhà phát triển muốn thực hiện các nhiệm vụ định kỳ (ví dụ tổng hợp dữ liệu định kỳ từ nhiều nguồn), khung Eliza hiện tại chưa thể cung cấp giải pháp sẵn sàng. Với các nhu cầu này, có thể vẫn cần đến các hệ thống quy trình có giao diện đồ họa như Dify hay Coze.

• Vấn đề hiệu năng hệ thống đa đại lý: Khi số lượng đại lý tăng lên, lượng ngữ cảnh và nội dung bộ nhớ hệ thống cần xử lý tăng theo cấp số mũ. Đặc biệt khi xử lý khối lượng lớn nhiệm vụ đầu vào/ra, làm thế nào cân bằng chi phí tính toán và hiệu quả vận hành vẫn là một thách thức kỹ thuật cần giải quyết.

• Nhu cầu mở rộng hỗ trợ đa ngôn ngữ: Hiện tại Eliza chủ yếu dựa trên TypeScript, nhưng để thu hút thêm nhà phát triển từ nhiều lĩnh vực, cần mở rộng hỗ trợ các ngôn ngữ lập trình khác như Python, Rust...

Triển vọng: Mở ra kỷ nguyên AI phi tập trung mới

Dù còn những hạn chế này, ý nghĩa của Eliza đã vượt xa một khung kỹ thuật đơn thuần. Nó đại diện cho một nỗ lực tiên phong trong việc tích hợp sâu công nghệ AI và ứng dụng Web3.

Bằng cách thiết kế mỗi mô-đun chức năng thành chương trình TypeScript chuẩn, Eliza đảm bảo quyền kiểm soát hoàn toàn của người dùng đối với hệ thống. Đồng thời, nó cung cấp khả năng tích hợp liền mạch với dữ liệu blockchain và hợp đồng thông minh. Thiết kế này vừa đảm bảo an toàn, vừa duy trì tính mở rộng cực cao.

Như câu nói cuối sách trắng, khả năng của Eliza chỉ bị giới hạn bởi trí tưởng tượng của người dùng. Khi công nghệ AI và Web3 tiếp tục phát triển, Eliza cũng sẽ không ngừng tiến hóa, tiếp tục dẫn dắt định hướng phát triển của AI phi tập trung.