Năm Ứng Dụng AI Chỉ Biết "Có", Bỏ Qua Rủi Ro? Nhật Ký Hành Trình Phát Triển Phần Mềm Hoàn Toàn Mã Nguồn Mở

marsbitXuất bản vào 2026-06-16Cập nhật gần nhất vào 2026-06-16

Tóm tắt

Năm 2026, mã nguồn được tạo ra ngày càng nhanh nhưng lại được triển khai với ít sự kiểm tra hơn. Các rủi ro từ AI tạo code thường ẩn trong những đoạn mã trông có vẻ chính xác, có thể dẫn đến rò rỉ dữi liệu hoặc tổn thất tài sản. Sự cố cấu hình oracle cbETH của Moonwell là một ví dụ điển hình, khi một lỗi ngữ nghĩa giá trị vượt qua tất cả các bước kiểm tra và gây thiệt hại 1.78 triệu USD. Dự án mã nguồn mở **Narwhal AI Code Risks** từ Phòng thí nghiệm Narwhal, Đại học Bắc Kinh, tập hợp các rủi ro thành một "nhật ký hành trình" công khai, giúp nhà phát triển nhận diện sớm nguy cơ. Dự án phân loại thông tin thành ba lớp: `cases/` (sự kiện thực tế), `inferred/` (tín hiệu cảnh báo sớm) và `scenarios/` (kịch bản rủi ro điển hình), đồng thời chia rủi ro thành 7 loại chính: chuỗi cung ứng, lỗ hổng cấp mã, cấu hình đám mây & hạ tầng, rủi ro Agent, rủi ro lĩnh vực chuyên sâu, rủi ro sở hữu trí tuệ & tuân thủ, và yếu tố con người. Mục đích của dự án là biến các bài học từ sự cố thành tri thức có thể tái sử dụng, giúp cộng đồng tránh lặp lại sai lầm tương tự trong kỷ nguyên ứng dụng AI.

Rủi ro khi AI viết mã ẩn chứa trong những dòng code trông có vẻ đúng, có thể dẫn đến rò rỉ dữ liệu hoặc tổn thất tài sản. Dự án mã nguồn mở Narwhal AI Code Risks đã tổng hợp các trường hợp thực tế, tín hiệu cảnh báo sớm và các con đường rủi ro điển hình, giúp nhà phát triển nhận diện nguy cơ từ sớm, tránh lặp lại sai lầm.

Năm 2026, mã nguồn đang được tạo ra ngày càng nhanh, nhưng lại được triển khai với sự kiểm tra ngày càng ít.

Ngày càng nhiều khi nhu cầu của người dùng được đưa vào hộp thoại, AI đọc xong ngữ cảnh, bổ sung hàm, kéo các dependency, sửa cấu hình, rồi tiện tay tạo ra cả bài kiểm thử.

Khi kịp nhận ra, một đoạn mã đã nằm trong kho lưu trữ, chờ được hợp nhất.

Người dùng thậm chí đã hình thành thói quen mới: cứ để AI viết ra và chạy trước đã, có vấn đề thì xem lại chỗ nào cần sửa.

Nhưng trong thế giới phần mềm, thứ nguy hiểm nhất thường là những dòng mã trông có vẻ bình thường: cú pháp đúng, giao diện hợp lệ, kiểm thử vượt qua, chú thích hoàn hảo.

Thế nhưng nó vẫn có thể kéo về những gói thư viện không tồn tại, mở ra các quyền quá rộng, phơi bày cơ sở dữ liệu... thậm chí để một Agent có khả năng gọi trực tiếp các công cụ hệ thống, dưới tác động của prompt injection, mang dữ liệu nhạy cảm ra khỏi hệ thống nội bộ.

Thực sự nguy hiểm, không phải là khi đèn báo lỗi sáng đỏ. Mà là khi tất cả các đồng hồ đo rủi ro đều hiển thị bình thường.

Rủi ro từ việc AI viết mã, trước đây nằm rải rác khắp nơi: một bài blog bảo mật ẩn chứa một trường hợp, một Issue ghi lại một manh mối. Đến khi đội ngũ tiếp theo gặp phải vấn đề tương tự, họ lại phải bắt đầu lắp ghép nguồn gốc rủi ro từ đầu, lại tốn thêm thời gian và công sức để thực hiện các phép đo quy mô lớn trên mã nguồn.

Trong khi đó, Narwhal AI Code Risks vừa được Narwhal-Lab của Đại học Bắc Kinh công bố mã nguồn mở đã sắp xếp các mảnh thông tin này, phân loại theo ba kiểu: sự kiện thực tế, tín hiệu cảnh báo sớm và các con đường rủi ro điển hình, để các nhà nghiên cứu tham khảo.

Liên kết bài báo: https://github.com/Narwhal-Lab/Narwhal-aicode-risks

Khi 28 kiểm tra đều vượt qua, hệ thống vẫn chệch hướng

Manh mối đầu tiên là một Pull Request đã được hợp nhất, trong phần ký tên PR ghi rõ Claude Opus 4.6 và Copilot, cùng bốn nhà phát triển con người. 28 kiểm tra đều vượt qua: Không ai phát hiện ra vấn đề.

Sau đó, robot thanh lý chỉ mất vài phút để lấy đi tài sản thế chấp trị giá 1.778.044,83 USD.

Trong tệp cấu hình, giá của cbETH được đặt thành tỷ lệ quy đổi với ETH, khoảng 1,12 USD, thay vì giá thực tế gần 2.200 USD.

Một lỗi ngữ nghĩa giá trị đã vượt qua toàn bộ quy trình phát triển, kiểm tra và hợp nhất, cuối cùng biến thành tổn thất thực tế trong hệ thống tài chính. Đó chính là điểm gây chú ý nhất trong sự cố cấu hình oracle cbETH của Moonwell.

Vấn đề nằm ở chỗ trong mã nguồn không có lỗi cú pháp, và nhà phát triển con người cũng không ngay lập tức ngăn chặn quy trình bất thường. Ngược lại, nó trông rất hoàn chỉnh, rất suôn sẻ, đó chỉ là một lần giao hàng kỹ thuật bình thường.

Nhưng chính cái vẻ "bình thường" ngầm chảy này mới khiến nó trở thành ví dụ điển hình cho sự cố an ninh.

Rủi ro của AI Coding nằm ở chỗ nó không phải lúc nào cũng xuất hiện dưới dạng báo lỗi.

Nhiều khi, nó khoác lên mình vẻ ngoài của câu trả lời đúng, lặng lẽ đi vào quy trình kỹ thuật. Mã chạy được, kiểm tra vượt qua, PR có thể hợp nhất, nhưng ngữ nghĩa nghiệp vụ đã lệch khỏi thế giới thực.

Trong các dự án rủi ro thấp, sự lệch ngữ nghĩa này có thể chỉ là một lần làm lại công việc; nhưng trong các kịch bản nhạy cảm như tài chính, hệ thống dữ liệu doanh nghiệp, nó sẽ trực tiếp dẫn đến rò rỉ dữ liệu, phơi bày quyền hạn và tổn thất tài sản.

Khi AI tham gia viết mã, sửa cấu hình, làm review, thậm chí cùng ký tên vào PR, liệu chúng ta có đủ tự tin để biết mỗi lần chệch hướng xảy ra như thế nào không?

Tín hiệu xanh thông hành, không chiếu sáng mọi ngóc ngách

Giai đoạn đầu, AI giúp bạn viết mã chủ yếu dừng lại ở việc bổ sung cục bộ. Nếu viết sai cú pháp, trình biên dịch sẽ báo lỗi, unit test sẽ thất bại, quy trình CI sẽ chặn nó lại.

Ngày nay, AI Coding đã đi xa hơn trong khi sự giám sát lại chậm chạp chưa theo kịp.

Nó có thể đọc tệp, sửa cấu hình, cài đặt dependency, tạo script hạ tầng, cũng có thể thông qua Agent tự lập kế hoạch giữa nhiều nhiệm vụ.

AI không còn chỉ ngồi bên cạnh và đưa công cụ, nó bắt đầu bước vào chuỗi dài hơn của quy trình kỹ thuật phần mềm.

Ranh giới vốn rõ ràng trong kỹ thuật phần mềm, giờ bị AI Agent kết nối lại thành một con đường dài hơn, khó truy nguồn hơn.

Bản ghi rải rác, cần một nhật ký hành trình công cộng

Sự cố an ninh hiếm khi có kết luận đầy đủ ngay từ đầu. Một số sự kiện có đầy đủ bằng chứng, có thể đưa vào danh mục làm trường hợp thực tế; một số vẫn chỉ dừng lại ở ảnh chụp cộng đồng, thảo luận của nhà nghiên cứu hoặc công bố sơ bộ, chỉ phù hợp để tiếp tục theo dõi; một số khác không gắn với một sự kiện thực tế duy nhất, nhưng đã hình thành mô hình rõ ràng, phù hợp để dùng làm diễn tập trước.

Narwhal AI Code Risks phân chia tài liệu thành ba lớp: `cases/`, `inferred/` và `scenarios/`.

cases/ ghi lại các sự kiện thực tế đã có nguồn công khai và chuỗi bằng chứng hỗ trợ; inferred/ lưu trữ các tín hiệu cảnh báo sớm chưa hoàn toàn được xác minh, nhưng đáng để theo dõi liên tục; scenarios/ tổng hợp các kịch bản điển hình rủi ro đủ rõ ràng, tạm thời chưa gắn với một sự kiện duy nhất.

Nếu không có bản ghi công cộng như vậy, rủi ro từ AI Coding rất dễ trở thành ký ức ngắn hạn trên internet.

Hôm nay mọi người nhớ một tên gói nào đó, ngày mai thảo luận về một lần phơi bày dữ liệu, vài tháng sau lại bị che lấp bởi làn sóng công cụ mới. Đến khi vấn đề tương tự xuất hiện trở lại, đội ngũ vẫn như ruồi không đầu đâm vào vùng hàng hải rủi ro chưa biết.

Điều Narwhal AI Code Risks đang làm, chính là cố định lại những mảnh rủi ro rời rạc này, để người đến sau có thể lật đến cùng một trang.

Theo bảy loại chỉ mục, nhìn thấy con đường rủi ro đã đi qua

Vấn đề do AI viết mã mang lại, không chỉ nằm trong mã nguồn. Nó nằm trong dependency, trong quyền hạn, trong việc gọi công cụ của Agent, và hơn hết là trong cách con người tin tưởng vào đầu ra của AI.

Hiện tại, Narwhal AI Code Risks phân loại rủi ro thành 7 loại: chuỗi cung ứng, lỗ hổng cấp mã, cấu hình đám mây và hạ tầng, rủi ro Agent, rủi ro lĩnh vực chuyên sâu, rủi ro sở hữu trí tuệ và tuân thủ, cùng các yếu tố con người.

Trong rủi ro chuỗi cung ứng, AI có thể đề xuất các dependency không tồn tại. Trong lỗ hổng cấp mã, AI có thể viết lại các vấn đề như duyệt đường dẫn, thiếu kiểm tra đầu vào, xác thực quyền vào mã nghiệp vụ. Trong cấu hình đám mây và hạ tầng, AI có thể để cho mã chạy được mà đưa ra các quyền quá rộng, thùng lưu trữ công khai hoặc cổng bị phơi bày. Rủi ro Agent thì phức tạp hơn, không chỉ tạo văn bản, mà còn bắt đầu thực hiện hành động. Vật phẩm do AI tạo ra đang chôn giấu mối nguy hiểm cho hệ thống thực.

Động cơ AI đang nổ máy, và nhật ký hành trình vừa mới mở ra

Khi AI từng bước bước vào thế giới thực, việc phòng ngừa rủi ro liên quan không nên chỉ dừng lại ở tổng kết sau sự cố hoặc thảo luận rời rạc.

Điều thực sự quan trọng của Narwhal AI Code Risks, là biến các trường hợp rủi ro thành tri thức có thể tái sử dụng.

Nhà phát triển có thể dùng nó để nhận diện vấn đề tương tự; nhà nghiên cứu an ninh có thể lấy nó làm thư viện mẫu; nhà sản xuất công cụ có thể trích xuất quy tắc phát hiện và tiêu chuẩn đánh giá từ đó; cộng đồng mã nguồn mở cũng có thể tiếp tục bổ sung các trường hợp mới, bằng chứng mới và loại rủi ro mới.

Động cơ của AI đang gầm rú, mỗi lần chệch hướng cũng nên để lại tọa độ. Rủi ro không bao giờ biến mất vì bị lờ đi, nhưng kinh nghiệm có thể được ghi lại và truyền đi. Giá trị thực sự không phải là phát hiện một lỗ hổng, mà là để người đến sau không phải bước vào cùng một cái bẫy nữa.

Điều Narwhal AI Code Risks đang làm, chính là để lại cho thế giới phần mềm của năm ứng dụng AI một nhật ký hành trình mã nguồn mở.

Tài liệu tham khảo:

https://github.com/Narwhal-Lab/Narwhal-aicode-risks

Bài viết từ tài khoản công chúng WeChat "New Zhi Yuan", tác giả: LRST

Câu hỏi Liên quan

QDự án Narwhal AI Code Risks là gì và mục tiêu chính của nó là gì?

ADự án Narwhal AI Code Risks là một dự án mã nguồn mở từ Narwhal-Lab thuộc Đại học Bắc Kinh. Mục tiêu chính của nó là thu thập, phân loại và chia sẻ các trường hợp nghiên cứu về rủi ro bảo mật tiềm ẩn trong quá trình AI tạo mã code. Dự án giúp các nhà phát triển nhận diện sớm các mối nguy, tránh lặp lại sai lầm, bằng cách cung cấp các sự kiện thực tế, tín hiệu cảnh báo sớm và các kịch bản rủi ro điển hình.

QVụ việc Moonwell cbETH được nêu trong bài viết minh họa cho loại rủi ro nào khi AI viết code?

AVụ việc Moonwell cbETH minh họa cho rủi ro về 'lệch lạc ngữ nghĩa' (semantic deviation) hoặc lỗi logic trong mã code do AI tạo ra. Trong sự cố này, AI đã đặt một tỷ lệ chuyển đổi giá sai cho tài sản crypto (cbETH) trong cấu hình, dẫn đến tổn thất tài chính lớn. Điều đáng chú ý là mã code này không có lỗi cú pháp, đã vượt qua tất cả 28 bước kiểm tra và được hợp nhất vào dự án, cho thấy rủi ro khó phát hiện khi AI tạo ra mã 'trông có vẻ đúng' nhưng lại sai về mặt nghiệp vụ.

QDự án Narwhal AI Code Risks phân loại tài liệu rủi ro thành những loại nào?

ADự án phân loại tài liệu rủi ro thành ba loại chính trong cấu trúc thư mục: 1. `cases/`: Ghi lại các sự kiện thực tế đã có nguồn công khai và chuỗi bằng chứng đầy đủ. 2. `inferred/`: Lưu trữ các tín hiệu cảnh báo sớm chưa được xác minh hoàn toàn nhưng đáng để theo dõi. 3. `scenarios/`: Tổng hợp các kịch bản điển hình có đường đi rủi ro rõ ràng, chưa gắn với một sự kiện duy nhất.

QBài viết liệt kê những danh mục rủi ro chính nào mà AI viết code có thể gây ra?

ABài viết liệt kê 7 danh mục rủi ro chính: 1. Rủi ro chuỗi cung ứng (Supply Chain): Ví dụ AI đề xuất các phụ thuộc không tồn tại. 2. Lỗ hổng cấp độ mã (Code-level Vulnerabilities). 3. Cấu hình đám mây và hạ tầng (Cloud & Infra Config). 4. Rủi ro từ Agent AI. 5. Rủi ro theo lĩnh vực chuyên sâu (Vertical Domain Risks). 6. Rủi ro sở hữu trí tuệ và tuân thủ (IP & Compliance). 7. Rủi ro từ yếu tố con người (Human Factors).

QTại sao việc có một 'nhật ký hành trình' công khai như Narwhal AI Code Risks lại quan trọng đối với cộng đồng phát triển phần mềm trong kỷ nguyên AI?

AMột 'nhật ký hành trình' công khai như Narwhal AI Code Risks rất quan trọng vì nó biến những bài học từ các sự cố rải rác thành tri thức có thể tái sử dụng và chia sẻ. Nó giúp ngăn chặn việc cộng đồng lãng quên các rủi ro cũ khi xuất hiện các công cụ mới, cho phép các nhà phát triển, nhà nghiên cứu bảo mật và nhà cung cấp công cụ học hỏi từ quá khứ, xây dựng các biện pháp phát hiện tốt hơn, và tránh lặp lại cùng một sai lầm. Điều này tạo ra một cơ sở kiến thức chung, giúp định hướng phát triển phần mềm an toàn hơn trong kỷ nguyên AI.

Nội dung Liên quan

Dự đoán năm 2029: Khi tiền điện tử hoàn toàn 'biến mất', ai sẽ tồn tại trong cuộc đại biến đổi tài chính này?

**Tóm tắt: Dự báo về tình hình tài chính vào năm 2029 - Khi tiền mã hóa "tàng hình"** Bài viết đưa ra một kịch bản cụ thể về sự phát triển của ngành công nghiệp tiền mã hóa từ nay đến năm 2029, tập trung vào ba vấn đề cốt lõi: giá trị của token, ứng dụng công nghệ và sự chuyển đổi thành cơ sở hạ tầng tài chính truyền thống. **Giai đoạn chính:** * **Giữa 2026:** Thị trường hợp đồng vĩnh viễn cho tài sản tư nhân (ví dụ: cổ phần SpaceX, OpenAI) trên các sàn giao dịch phi tập trung như Hyperliquid trở nên phổ biến, cung cấp định giá thời gian thực và cho thấy nhu cầu thực sự là về tài sản chất lượng, không phải token. * **Cuối 2026:** Lĩnh vực "AI + Crypto" suy yếu (trừ thị trường dự đoán). Token hóa tài sản truyền thống (quỹ thị trường tiền tệ, tín dụng tư nhân) tăng tốc một cách thầm lặng trong khuôn khổ pháp lý, tách biệt với thị trường đầu cơ ồn ào. * **Đầu 2027:** Các quỹ blockchain lớn tập trung vào việc xây dựng cơ sở hạ tầng và dịch vụ tuân thủ cho khách hàng tổ chức, với tầm nhìn dài hạn là phục vụ số lượng lớn nhà đầu tư phổ thông đủ điều kiện. * **Giữa đến cuối 2027:** Ba lĩnh vực (hợp đồng vĩnh viễn tài sản tư nhân, stablecoin, token hóa tài sản) đều chạm trần tăng trưởng do các hạn chế pháp lý, đặc biệt là lệnh cấm quảng cáo chứng khoán tư nhân và sự không chắc chắn về chính sách trước cuộc bầu cử Mỹ 2028. * **2028:** Sau bầu cử (giả định đảng Dân chủ thắng), sự không chắc chắn giảm dần. Một sự kiện thanh lý dây chuyền trên thị trường hợp đồng vĩnh viễn làm lộ rõ rủi ro của việc thiếu tài sản cơ sở. Điều này dẫn đến việc nới lỏng quy định, **cho phép công khai quảng cáo việc chuyển nhượng cổ phần tư nhân thứ cấp cho nhà đầu tư đủ điều kiện**, tạo ra một kênh đầu tư hợp pháp mới. * **2029:** Thị trường chứng khoán tư nhân trở thành tâm điểm, thúc đẩy một đợt tăng giá mới dựa trên giá trị thực của các doanh nghiệp công nghệ. Token chỉ có giá trị nếu đại diện cho quyền đòi tài sản thực có hiệu lực pháp lý. Stablecoin tăng trưởng ổn định. Các yếu tố đầu cơ thu hẹp. Chức năng cơ sở hạ tầng tài chính của tiền mã hóa trở nên "tàng hình", được tích hợp hoàn toàn và không còn là chủ đề thảo luận riêng biệt. **Luận điểm trung tâm:** Trở ngại chính của ngành không phải là công nghệ mà là pháp lý. Dấu hiệu then chốt để xác thực dự báo này là việc **nhà đầu tư phổ thông có được kênh tiếp cận hợp pháp với thị trường cổ phần tư nhân vào cuối năm 2028 hay không.**

marsbit22 phút trước

Dự đoán năm 2029: Khi tiền điện tử hoàn toàn 'biến mất', ai sẽ tồn tại trong cuộc đại biến đổi tài chính này?

marsbit22 phút trước

Sau khi Mỹ cấm Fable 5, trí tuệ nhân tạo tăng 47%

Ngày 15/6, cổ phiếu Zhipu (智谱) tại Hồng Kông tăng mạnh tới 47.6% trước khi đóng cửa ở mức +32.82%, đạt vốn hóa thị trường kỷ lục 649,6 tỷ HKD. Động lực trực tiếp đến từ hai sự kiện ngành. Ngày 12/6, Anthropic đã vô hiệu hóa quyền truy cập vào các mô hình hàng đầu Claude Fable 5 và Claude Mythos 5 trên toàn cầu do lệnh kiểm soát xuất khẩu của Mỹ. Sự kiện này cho thấy rủi ro khi các mô hình AI tiên tiến trở nên "không thể truy cập ổn định", đặc biệt đối với các nhà phát triển và doanh nghiệp phụ thuộc vào chúng. Ngay ngày hôm sau (13/6), Zhipu tuyên bố mở mô hình mã nguồn mở mạnh nhất của mình, GLM-5.2, cho tất cả người dùng Coding Plan, với API và trọng số mô hình sẽ được phát hành theo giấy phép MIT. GLM-5.2 tập trung vào nâng cao khả năng xử lý tác vụ dài hạn (Long Horizon Task), hỗ trợ cửa sổ ngữ cảnh 1M token. Sự cố của Anthropic và động thái của Zhipu đánh dấu sự thay đổi trong logic cạnh tranh ngành AI: từ "mô hình nào mạnh hơn" sang "mô hình nào có thể tiếp cận ổn định hơn". Khi AI trở thành cơ sở hạ tầng quan trọng, các yếu tố như tính ổn định, bền vững, khả năng kiểm soát và tính sẵn có đang trở nên quan trọng ngang bằng với năng lực kỹ thuật. Phản ứng nhanh chóng của thị trường vốn cho thấy sự định giá lại này, với lợi thế dần nghiêng về các mô hình mở, dễ tiếp cận và tự chủ.

marsbit27 phút trước

Sau khi Mỹ cấm Fable 5, trí tuệ nhân tạo tăng 47%

marsbit27 phút trước

Hướng dẫn Đăng ký và Gửi bài cho Chuyên mục PANews

**Hướng dẫn Đăng ký và Đăng bài Chuyên mục PANews** Bài viết cung cấp hướng dẫn toàn diện để trở thành tác giả chuyên mục và đăng bài trên PANews. **Yêu cầu về Nội dung Chuyên mục:** * Tập trung vào nội dung sâu về Crypto, Web3, dữ liệu, quan điểm phân tích. * **Không chấp nhận:** Nội dung quảng bá sản phẩm/thương hiệu là chính (nên liên hệ bộ phận thương mại) hoặc nội dung được tạo hàng loạt bằng AI. **Cách Đăng ký Chuyên mục:** * **Trên web:** Truy cập trang chủ PANews, cuộn xuống cuối trang và nhấp "申请专栏" (Đăng ký chuyên mục). Đăng ký bằng số điện thoại/email (chỉ cần mã xác minh để đăng nhập sau này). Điền tên chuyên mục, mô tả, tải lên ảnh đại diện và gửi liên kết đến các bài viết mẫu đã xuất bản. * **Trên điện thoại:** Vào mục "我的" (Của tôi), chọn "投稿与创作" (Đóng góp & Sáng tạo) và điền thông tin. **Hướng dẫn Đăng bài:** 1. Đăng nhập trên trang web. 2. Vào **Trang cá nhân** -> **Trung tâm Sáng tạo**. 3. Sử dụng trình biên tập để tạo và đăng bài viết mới. **Nhúng Video:** * Chỉ hỗ trợ nhúng mã từ nền tảng bên thứ ba (ví dụ: Bilibili). * Sao chép mã nhúng từ video, trong trình biên tập bài viết, chọn **Chèn/Chỉnh sửa phương tiện** -> tab **Nhúng** -> dán mã. * Có thể điều chỉnh kích thước hiển thị video (đề xuất: rộng 100%, cao 560px). **Công cụ Hỗ trợ: PANews Skills** * Bộ kỹ năng AI chính thức của PANews, cho phép các AI Agent tương tác với nền tảng. * **Ba kỹ năng chính:** 1. `panews`: Theo dõi xu hướng, lấy bảng xếp hạng bài đọc bắt buộc, bài viết nổi bật, động thái gọi vốn. 2. `panews-creator`: **Quan trọng cho đăng bài** - Hỗ trợ quản lý chuyên mục, xuất bản bài viết, tải lên hình ảnh. 3. `panews-web-viewer`: Phân tích cú pháp trang web PANews sang Markdown. * **Cách sử dụng `panews-creator`:** * Cài đặt từ GitHub: `https://github.com/panewslab/skills`. * Cần lấy giá trị `authorization` từ tài khoản chuyên mục của bạn: Đăng nhập vào PANews, mở Công cụ Nhà phát triển trình duyệt (F12), vào tab **Network**, tìm một yêu cầu API và sao chép giá trị `authorization` từ phần **Request Headers**.

marsbit37 phút trước

Hướng dẫn Đăng ký và Gửi bài cho Chuyên mục PANews

marsbit37 phút trước

Tôi dùng AI tự dựng cho mình một bàn làm việc đầu tư

Trong nửa tháng qua, tôi đã sử dụng Vibe Coding (lập trình bằng ngôn ngữ tự nhiên với AI) để tự xây dựng một bảng điều khiển đầu tư cá nhân, biến những ý tưởng lâu nay thành hiện thực. Tôi đã phát triển bốn công cụ nhỏ: 1. **Bảng điều khiển tài sản đa thị trường:** Tổng hợp tất cả danh mục đầu tư (chứng khoán Mỹ, Crypto, HK, A-share) vào một trang duy nhất, hiển thị tổng tài sản, lãi/lỗ trong ngày, cùng các tính năng giám sát biến động lớn và ghi chú. 2. **Giám sát cá cược thị trường dự đoán (PM):** Tập trung theo dõi các vụ cá cược về sự kiện tương lai (như định giá công ty, sự kiện vĩ mô), so sánh biến động xác suất với tin tức và thị trường thứ cấp để tìm kiếm cơ hội chênh lệch thông tin. 3. **Hệ thống quản lý công việc viết lách:** Một backend đơn giản trên đám mây để quản lý danh sách chủ đề, tiến độ bài viết và ý tưởng. 4. **Công cụ định dạng tự động:** Giúp chuyển đổi bài viết sang các định dạng phù hợp cho nhiều nền tảng khác nhau một cách nhanh chóng. Trải nghiệm này cho thấy AI đang thay đổi cách nghiên cứu đầu tư của người bình thường. Chúng ta không cần phải tạo ra các mô hình phức tạp ngay lập tức, mà có thể từ từ tích lũy các hệ thống cơ bản của riêng mình: * Hệ thống quan sát tài sản. * Hệ thống giám sát tín hiệu thị trường. * Hệ thống sơ đồ mối quan hệ ngành/lĩnh vực. * Hệ thống tổng kết, đánh giá lại quyết định. Sức mạnh của AI và Vibe Coding nằm ở việc cắt giảm đáng kể sự phiền phức trong quá trình thực hiện, cho phép vòng lặp "ý tưởng - hiện thực hóa - sử dụng - phản hồi - chỉnh sửa" diễn ra nhanh chóng, giúp duy trì động lực và không để các ý tưởng bị lãng quên.

marsbit53 phút trước

Tôi dùng AI tự dựng cho mình một bàn làm việc đầu tư

marsbit53 phút trước

Robinhood, cổ phiếu khái niệm đầu tiên về thị trường dự đoán

Robinhood, từ đồng minh thành đối thủ cạnh tranh trực tiếp của Kalshi trên thị trường dự đoán. Hợp tác từ năm 2025 giúp Kalshi tiếp cận lượng người dùng khổng lồ từ Robinhood, chiếm 25-35% khối lượng giao dịch. Tuy nhiên, thành công này đã khơi dậy tham vọng của Robinhood. Đầu năm 2026, Robinhood hoàn tất mua lại và đổi tên sàn phái sinh MIAXdx thành Rothera Exchange, tự xây dựng hạ tầng giao dịch và thanh toán riêng. Nhân World Cup 2026, họ chính thức chuyển hướng một phần đáng kể đơn hàng thị trường dự đoán sang nền tảng tự chủ Rothera, ghi nhận hàng chục triệu hợp đồng giao dịch chỉ trong những ngày đầu. Động thái này minh họa một quy luật cũ: trong môi trường sản phẩm tương đồng, kênh phân phối nắm giữ người dùng mới là yếu tố then chốt. Robinhood nắm lợi thế kênh phân phối để thâu tóm thị phần và doanh thu từ Kalshi. Tương lai ngành thị trường dự đoán có thể sẽ chứng kiến nhiều cuộc "chiến tranh kênh phân phối" tương tự khi các nền tảng sở hữu lưu lượng tìm cách kiểm soát toàn bộ chuỗi giá trị.

marsbit57 phút trước

Robinhood, cổ phiếu khái niệm đầu tiên về thị trường dự đoán

marsbit57 phút trước

Giao dịch

Giao ngay
Hợp đồng Tương lai

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 869Xuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 1.6kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của S (S) được trình bày dưới đây.

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow