Sau 540 nghìn dòng code, Garry Tan nhận ra trò chơi lập trình cũ cùng AI đã kết thúc

marsbitXuất bản vào 2026-06-02Cập nhật gần nhất vào 2026-06-02

Tóm tắt

Bài viết từ Garry Tan, Chủ tịch Y Combinator, chia sẻ nhận thức sâu sắc sau khi xây dựng dự án "Garry's List" với 540.000 dòng code bằng Rails và AI Agent. Ông phát hiện ra giá trị thực sự không nằm ở khối lượng code khổng lồ đó, mà ở "GStack" – một framework phát triển mới xoay quanh luồng làm việc của AI Agent. Ông chỉ trích cách tiếp cận phổ biến hiện nay: bao bọc các mô hình LLM thông minh bằng hàng núi code kiểm soát, kiểm tra, logic giám sát – giống như xây dựng một "nhà máy Foxconn" để kiềm chế một công nhân AI siêu thông minh vốn có khả năng tự hoàn thành công việc. Khi chi phí LLM giảm mạnh và năng lực tăng, trọng tâm phát triển phần mềm cần chuyển từ "viết nhiều code hơn" sang "thiết kế nhiều khả năng hơn". Giải pháp được đề xuất là xây dựng "skill pack" (gói kỹ năng) bằng Markdown – các module năng lực có thể kiểm tra và tái sử dụng, cho phép Agent tự động tạo code, hệ thống kiểm thử và đánh giá. Điều này biến các luồng công việc phức tạp thành tài sản năng lực có thể tích lũy. Ví dụ, việc đánh giá một hackathon với 85 dự án giờ có thể được Agent hoàn thành trong 30 phút thay vì vài ngày. Bài học cốt lõi: Khi code không còn là nguồn lực khan hiếm, năng lực cạnh tranh của kỹ sư chuyển dịch. Tương lai thuộc về những người có thể phán đoán điều gì đáng xây dựng, định nghĩa vấn đề và biến kinh nghiệm thành năng lực tái sử dụng, thay vì chỉ viết thật nhiều code. Kỹ sư giỏi nhất có thể là người viết ít code nhất nhưng giải phóng được nhiều trí tuệ nhất.

Lời biên tập: Khi ngày càng nhiều người thảo luận "AI có thay thế lập trình viên không", thì Garry Tan - Chủ tịch YC - lại đặt ra một câu hỏi khác: Nếu AI đã có thể hoàn thành phần lớn công việc lập trình, tại sao chúng ta vẫn quản lý nó theo cách quản lý phần mềm thông thường?

Đầu năm nay, Garry Tan đã dành vài tháng để viết một dự án có tên Garry's List với 540 nghìn dòng code bằng Rails và AI Agent. Sau khi hoàn thành dự án, anh lại đi đến một kết luận nghe có vẻ mâu thuẫn: 540 nghìn dòng code đó bản thân chúng không quan trọng, giá trị thực sự nằm ở GStack - một khung phát triển mới xoay quanh quy trình làm việc của AI Agent - được đúc kết trong quá trình phát triển.

Theo anh, vài năm gần đây ngành công nghiệp phần mềm đã hình thành một quán tính tập thể: các nhà phát triển liên tục thêm vào các bài kiểm tra, bộ kiểm tra, cơ chế thử lại, tác vụ nền và các logic điều khiển khác nhau, bao bọc mô hình bằng nhiều lớp. Cách làm này có lý do hợp lý trong thời kỳ mô hình đắt đỏ và năng lực hạn chế, nhưng khi LLM đã có thể tự chủ hoàn thành khối lượng lớn công việc, những hệ thống này lại giống như đang xây dựng một "nhà máy Foxconn" cho một công nhân siêu thông minh - dùng hàng loạt quy tắc và quy trình để kiềm chế một tác nhân thông minh vốn đã có đủ năng lực.

Khi chi phí mô hình giảm nhanh và năng lực tiếp tục được nâng cao, trọng tâm của phát triển phần mềm có lẽ đang chuyển từ "viết thêm nhiều code" sang "thiết kế thêm nhiều năng lực". Tác giả đề xuất sử dụng Markdown để xây dựng skill pack (gói kỹ năng, tức là các module năng lực có thể kiểm tra, tái sử dụng), để Agent tự động tạo ra code, hệ thống kiểm tra và đánh giá, biến các quy trình công việc phức tạp thành tài sản năng lực có thể tái đầu tư sinh lợi. Anh thậm chí còn đưa ra một ví dụ: công việc đánh giá hackathon vốn cần vài ngày để hoàn thành, giờ đây chỉ cần vài chục phút là Agent có thể làm xong.

Ở một khía cạnh nào đó, bài viết này không bàn về lập trình, mà là về sự kết thúc của logic công nghiệp hóa phần mềm. Khi code không còn là nguồn lực khan hiếm nhất, lợi thế cạnh tranh cốt lõi của kỹ sư cũng bắt đầu chuyển dịch: So với việc viết ra nhiều code hơn, thì khả năng phán đoán điều gì đáng xây dựng, cách định nghĩa vấn đề, và cách kết tinh kinh nghiệm thành năng lực có thể tái sử dụng, đang trở nên quan trọng hơn. Kết luận cuối cùng của tác giả là: Kỹ sư xuất sắc nhất trong tương lai, chưa chắc đã là người viết nhiều code nhất, mà có thể là người viết ít nhất, nhưng lại giải phóng được nhiều trí tuệ nhất.

Dưới đây là nguyên văn:

Tháng 1 năm nay, tôi lại bắt đầu viết code, làm ra Garry's List. Code Rails cộng với các bài kiểm tra dùng để ràng buộc nó, tổng cộng hơn 500 nghìn dòng.

Lúc đó tôi rất tự hào về nó. Nhưng thực ra không nên như vậy. Thứ thực sự đáng tự hào không phải là ứng dụng này, mà là cách thức làm việc mà tôi đã mò mẫm ra trong quá trình xây dựng nó. GStack, tức là cách tôi lập trình bằng Agent, chính là mọc lên trong quá trình làm Garry's List. Sau đó tôi đã mã nguồn mở nó. Giờ đây nó đã là một trong 100 dự án mã nguồn mở có số sao cao nhất trong lịch sử GitHub, chưa đầy ba tháng đã đạt được khoảng 105 nghìn sao.

Hơn 500 nghìn dòng code đó là "sản phẩm". Cách thức làm việc kia mới là "sản phẩm phụ". Và thứ thực sự quan trọng, chính là sản phẩm phụ này.

Vậy thì, về bản chất, 540 nghìn dòng code được dựng xung quanh một LLM là gì?

Nó là một nhà máy Foxconn. Một nhà máy được xây cho một công nhân AI có trí thông minh cao. Người công nhân này vốn không cần được giám sát chặt chẽ, nhưng chúng ta vẫn xây cho nó.

Vào cửa phải đi giày bọc. 6 giờ sáng phải dậy. Tập thể dục tập thể. Ngày này qua ngày khác đứng trên cùng một dây chuyền lắp ráp. Cuộc sống khó khăn đến mức mỗi tòa nhà cao tầng đều phải lắp lưới bảo vệ, bởi vì - đó không phải là một cuộc sống mà bạn muốn có. Mỗi bài kiểm tra, mỗi hàng rào bảo vệ, mỗi vòng lặp thử lại, đều là một inch lồng sắt vặn lên người công nhân này. Trong khi người công nhân này vốn đã có thể hoàn thành công việc này, thậm chí còn có thể làm được cả nghìn việc mà bạn chưa từng nghĩ tới.

Con người và Agent đều có khả năng vô hạn, nhưng logic của nhà máy Foxconn, là vắt kiệt trí tuệ và lao động từ những sinh mệnh tươi đẹp. Vốn dĩ chúng có thể làm những công việc này, thậm chí làm nhiều hơn gấp 1000 lần, chỉ cần chúng ta cho phép chúng làm như vậy.

Tôi đã từng xây những nhà máy như vậy. Hôm nay hầu như mọi người đều đang xây như vậy. Và bây giờ tôi muốn nói với bạn: Đừng làm như vậy nữa.

Nhà du hành thời gian

Với 539 nghìn dòng code, điều tôi thực sự chứng minh được, là tôi có thể hoàn hảo đóng giả một nhà du hành thời gian.

Một kỹ sư Web 2.0 năm 2013, tức là bản thân tôi lần cuối cùng thực sự được gọi là kỹ sư phần mềm, bị ném vào năm 2026, trong tay cầm công cụ hiện đại, nhưng vẫn xây dựng phần mềm theo cách duy nhất mà anh ta quen thuộc: nhiều code hơn. Mãi mãi là nhiều code hơn.

Công cụ đã thay đổi, nhưng bản năng của tôi không đổi.

Người kỹ sư năm 2013 trong xương tủy tin vào một điều: Năng lực bằng số dòng code. Niềm tin này trong vài chục năm qua vẫn đúng, cho đến hôm nay.

Nếu bạn đưa Codex hay Claude Code cho tôi, tôi có thể hoàn thành khối lượng công việc của 100 thậm chí 1000 kỹ sư. Nhưng đây vẫn là cùng một tấm bản đồ, chỉ là thay động cơ nhanh hơn, lao với tốc độ nhanh nhất đến một đích đến mà giờ đã sai.

Đây chính xác là vị trí của hầu hết những người xây dựng AI hiện tại. Họ nâng cấp công cụ, nhưng giữ lại mô hình tư duy năm 2013.

Cái bẫy này trông không giống bẫy, bởi vì code thực sự chạy được. Garry's List thực sự đã lên sóng. Tháng đó, tôi cảm thấy mình như đang trải qua giai đoạn năng suất cao nhất trong đời.

Nhưng đó chỉ là năng suất phục vụ cho một ý tưởng đã lỗi thời.

LLM từng rất đắt, nên chúng ta phải "thuần hóa" chúng

Kinh tế học cũ khoảng trước năm 2025 là: Gọi LLM rất đắt, còn code thì rẻ.

Vì vậy bạn sẽ viết code để tiết kiệm lời gọi mô hình, kiềm chế nó, thuần hóa nó, gọi nó một cách thận trọng. Kiến trúc lúc đó là: Dùng nhiều phần mềm bao bọc một số ít lời gọi mô hình quý giá.

Nhưng cả hai vế của phương trình này đã đảo ngược.

Mô hình đang trở nên rẻ, và mỗi quý lại càng rẻ hơn. Đồng thời, mô hình đủ thông minh, tỷ lệ giá trị trên chi phí đã đảo ngược. Mô hình còn có thể viết ra code dùng được.

Vì vậy bạn không cần viết code để "trông coi" mô hình nữa. Bạn có thể dùng ngôn ngữ tự nhiên nói với mô hình phải làm gì, sau đó để nó chỉ viết ra lượng code tối thiểu thực sự cần thiết.

Đây chính là just-in-time software (phần mềm sinh thành tức thời), và chúng ta đang bước vào thời đại hoàng kim của nó.

Hình thái của sản phẩm phần mềm cũng thay đổi triệt để. Ứng dụng Rails kia là 540 nghìn dòng code tôi viết và sở hữu, cùng các bài kiểm tra dùng để giám sát nó. Vật thay thế của nó, là một Agent cấu thành từ Markdown và một ít code, quy mô chỉ bằng một phần nhỏ của cái trước.

Năng lực tương đương. Dễ đọc hơn. Dễ bảo trì hơn. Cũng linh hoạt hơn nhiều. Bởi vì hành vi tồn tại trong các chỉ dẫn mà bạn có thể chỉnh sửa bằng ngôn ngữ tự nhiên, chứ không đông cứng trong logic code bạn viết vào một ngày nào đó.

Chúng ta từng viết code để trông coi một thứ, nhưng giờ đây thứ đó đã thông minh hơn những dòng code kia.

Bên trong nhà máy Foxconn: Thậm chí lưới bảo vệ cũng đã dựng xong

Nếu gần đây bạn viết code, rất có thể bạn đã vô tình xây loại nhà máy này.

Bạn có thể đi vào kho code của mình, đếm xem có bao nhiêu dòng code tồn tại chỉ vì bạn không tin tưởng mô hình có thể hoàn thành công việc của nó. Trong kho code của tôi, có khoảng 262 nghìn dòng code ứng dụng, và khoảng 276 nghìn dòng bài kiểm tra dùng để giám sát nó. Ủy ban kiểm toán còn lớn hơn cả công ty.

Có những bộ làm sạch đang kiểm tra đầu vào mà mô hình vốn có thể xử lý. Có những bộ kiểm tra đang kiểm tra đầu ra mà mô hình vốn có thể phát hiện. Có những vòng lặp thử lại bao bọc lời gọi mô hình, trong khi mô hình thực ra đã có thể tự phục hồi. Mỗi dòng code như vậy, đều là một ván cược: Người công nhân này chắc chắn sẽ thất bại.

Bạn cũng đã từng đặt cược tương tự. Tất cả chúng ta đều từng.

127 tác vụ nền, trong đó 33 cái là tác vụ định kỳ. Đây không phải là năng lực, mà là đặt 33 cái đồng hồ báo thức cho một công nhân LLM mà giờ thường đi làm đúng giờ.

Trong những ngày tôi xây "nhà máy Foxconn", Claude và tôi đã viết một file 1778 dòng. Tác dụng duy nhất của nó, là chất vấn các sự thật do mô hình đưa ra.

Nó sẽ tách từng luận điểm mà mô hình đưa ra, gửi song song đến năm nguồn khác nhau để xác minh, sau đó chấm điểm. Các luận điểm đơn giản sẽ trải qua một ngưỡng phân loại nhẹ trước, tránh tất cả nội dung đều đi qua quy trình đầy đủ. Nếu vòng đầu không có kết quả, thì thử lại. Rồi còn có phương án dự phòng cho phương án dự phòng.

Trong một tập "Rick và Morty", Rick tạo ra một con robot nhỏ trên bàn ăn sáng. Robot khởi động xong ngẩng đầu hỏi: Sứ mệnh của tôi là gì? Rick nói: Con phụ trách đưa bơ. Con robot đẩy đĩa bơ qua, cúi đầu nhìn đôi tay mình, nói: Trời ơi. Rồi nó ngồi đó. Con robot đó cũng có khả năng vô hạn. Nó lại được tạo ra để đưa bơ. 276 nghìn dòng bài kiểm tra của tôi, chính là cái đĩa bơ đó.

Khi bạn xây dựng phần mềm bằng phương pháp "nhà máy Foxconn" kiểu 2023, bạn đang xây một cái lồng. Nếu không cẩn thận, chính bạn sẽ trở thành người canh giữ nhà tù AI Agent này.

Markdown giờ đây chính là chương trình

Tôi nói Markdown, không phải là prompt.

Prompt là nhất thời. Bạn nhập một câu, nhận một kết quả, rồi nó bốc hơi.

Tôi nói đến việc xây dựng. Là sự xây dựng có quản lý phiên bản, có thể kiểm tra, có thể tái sử dụng.

Markdown là lớp chỉ dẫn: ý định, kỹ năng, phán đoán, cùng hướng dẫn về cách công việc nên được hoàn thành. TypeScript thì là một lớp logic xác định mỏng manh. Nó chỉ đảm nhận một số ít việc thực sự phải do code hoàn thành: I/O, và những phần tuyệt đối không được ảo giác.

Quan trọng hơn, bạn phải kiểm tra Markdown như kiểm tra code.

Trong hệ thống của tôi, vòng lặp này chỉ cần một từ: skillify it.

Tôi sẽ cùng Agent làm ra một thứ gì đó trước, cho đến khi nó chạy được. Sau đó tôi nói: "skillify it." Tiếp theo Agent sẽ viết ra:

Hướng dẫn kỹ năng Markdown;

Lượng code tối thiểu mà nó cần;

Bài kiểm tra đơn vị cho code;

Đánh giá LLM cho kỹ năng;

Bài kiểm tra tích hợp bao phủ cả kỹ năng và code;

Một bộ phân giải (resolver), để Agent tự động gọi kỹ năng này trong ngữ cảnh liên quan;

Và đánh giá của chính bộ phân giải đó.

Toàn bộ bộ này, chính là một skill pack (gói kỹ năng). Nó là một đơn vị năng lực có thể tái sử dụng, sẽ liên tục sinh lợi kép.

Thứ thực sự kỳ diệu là kiểm tra: Việc bao phủ skill, cho phép nó không bị phá vỡ trong quá trình thay đổi. Đây là điểm khác biệt giữa nó và vibe coding (viết code theo cảm giác). Vibe coding chỉ là cảm giác, còn skill pack có kiểm tra.

Chúng ta hiện mới chỉ bắt đầu mò mẫm theo thời gian thực các nguyên thủy hệ thống của kỹ thuật Agent, giống như thời kỳ CPU đầu tiên phát minh ra ngăn xếp, heap, thanh ghi và kiến trúc Von Neumann vậy.

Tôi cho rằng skill pack chính là một trong những nguyên thủy như vậy. Harness (khung thực thi) cũng là một nguyên thủy khác.

Hầu hết mọi người chưa nhận ra điều này, bởi vì họ vẫn dùng số dòng code để đo lường phần mềm.

Bạn thực sự có thể xây ra những thứ điên rồ

Đây không phải là một luận điểm đồ chơi.

Những việc Agent này có thể làm, đã vượt qua ứng dụng Rails hơn 500 nghìn dòng kia, và lượng code mới tăng thêm chỉ bằng một phần nhỏ của cái sau.

Một ví dụ cụ thể: Đánh giá hackathon.

Thứ Bảy hai tuần trước, chúng tôi tổ chức một hackathon GStack/GBrain, có 85 tác phẩm nộp. Tôi tải lên Google Drive chứa tất cả tác phẩm, sau đó nói: Bắt đầu.

Agent phân tích chất lượng code của mỗi kho code, nghiên cứu sâu về từng thí sinh, xem và chụp ảnh màn hình từng video demo, chấm điểm giao diện, và xếp hạng 85 đội. Cuối cùng, nó cho tôi biết 5 ứng dụng đáng chú ý nhất trong lô tác phẩm này.

Việc đánh giá một hackathon, vốn là mấy ngày làm việc vất vả, giờ đã trở thành việc khoảng 30 phút.

Tôi không viết code. Tôi để OpenClaw làm nhiệm vụ, tôi phụ trách hướng dẫn nó. Khi nó hoàn thành, tôi nói: skillify it.

Thế là nó trở thành một gói tarball mà bất kỳ ai cũng có thể tái sử dụng mãi mãi, có thể áp dụng trên bất kỳ bảng hackathon nào.

Giờ tôi hầu như ngày nào cũng nói "skillify". Tôi đã có hơn 350 skill pack. Hầu hết mọi nhiệm vụ tôi cần xử lý trong công việc và cuộc sống cá nhân, giờ đây Agent của tôi đều có thể làm.

Đây là một ví dụ về sự đảo ngược.

Trước kia, một năng lực như vậy sẽ là một dự án phần mềm thực sự: cần crawler, pipeline chấm điểm, xử lý video, module nghiên cứu, hệ thống xếp hạng. Giờ đây, nó trở thành Markdown cộng một chút code, do Agent xây dựng trong một buổi chiều, và mọi người đều có thể tái sử dụng.

Nhân tiện, quán quân của hackathon đó thực sự đã viết ra một đoạn code mà cuối cùng tôi chỉnh sửa và hợp nhất vào nhánh main. Giờ đây GStack có thể kiểm tra ứng dụng iOS trên máy giả lập và thiết bị thật, và tính năng hoàn chỉnh này, là do một người làm ra trong chưa đầy 8 giờ tại hackathon.

Tokenmaxxing

Ở đây có một tấm vé vào cửa, nhưng hầu như không ai muốn trả tiền: Bạn phải sẵn sàng tiêu tiền vào token.

Peter Steinberger đã làm OpenClaw, đây là harness tôi thích nhất. Anh ấy từng nói, mình sẵn sàng chi khoảng 1 triệu đô la mỗi năm vào token.

Hầu hết mọi người nghe con số này sẽ lùi bước. Nhưng họ không nên lùi bước, bởi vì vàng ở ngay đây: Nếu bạn sẵn sàng làm điều này, bạn có thể sống ở năm 2028. Còn những người khác phải mất vài năm mới đuổi kịp.

Đây cũng là lý do tại sao OpenAI quyết định cung cấp cho mỗi công ty YC 2 triệu đô la tín dụng token, dưới dạng SAFE không giới hạn (uncapped SAFE).

Khi bạn có thể chuyển hóa trí thông minh thô thành token, rồi lại chuyển hóa token thành sản phẩm thực sự có thể được người dùng sử dụng, giải quyết nhu cầu thực, và người dùng sẵn sàng trả tiền, thì một điều gì đó kỳ diệu sẽ xảy ra.

Nếu bạn là người sáng lập, bạn nên kéo khả năng này lên mức tối đa. Đây cũng là lý do tôi luôn nhấn mạnh skillify, bởi vì nó là một phương pháp thực sự mang lại kết quả tốt.

Một thời đại trước, chúng ta luôn cảm thấy gọi LLM quá đắt, phải sử dụng tiết chế. Chúng ta luôn ration, tức là phân phối chúng.

Nhưng giờ đây, chính bản năng này đang kéo chậm mọi người lại.

Nếu bạn sẵn sàng tokenmax, sẵn sàng để Agent tự do tiêu thụ token, chạy liên tục, bạn sẽ có được lợi thế tiên phong giống như thời kỳ đầu internet năm 1994, chỉ là lần này chi phí được trả bằng token.

Điều này sẽ chặn hơn 99.99% tổ chức vẫn còn tính toán chi li với một nguồn lực đang sụp đổ giá, trao lợi thế dẫn đầu cho một số ít người thực sự hiểu.

Vài chục nghìn đến vài trăm nghìn đô la một năm, thậm chí ít hơn đối với một số người, hôm nay bạn đã có thể vận hành theo cách mà cả thế giới năm sau bắt buộc phải áp dụng.

Bạn có thể sống năm 2026 như năm 2028. Khoản đầu tư trước này là đáng giá. Bởi vì token trị giá 100 nghìn đô la hôm nay, năm sau có thể chỉ còn 10 nghìn, năm sau nữa có thể chỉ còn 1 nghìn, đến cuối năm 2028 có lẽ chỉ còn 100 đô la.

Nếu bạn nói với bất kỳ nhà sáng lập nào trong lịch sử: Bạn có thể đầu tư vốn sáu chữ số, để khiến mình tiến vào tương lai trước hai đến ba năm, và duy trì lợi thế này trong vài năm, thì 100 người sáng lập đủ tiêu chuẩn, cả 100 người sẽ chấp nhận thương vụ này.

Thứ duy nhất cản đường, là bản năng năm 2013 đó: Nó nói với bạn rằng, gọi mô hình quá đắt, không được dùng thoải mái.

Nhưng chúng đã không còn đắt nữa. Đó là kinh tế học cũ. Sự đảo ngược đã xảy ra.

Esalen, chứ không phải Foxconn

Nếu 540 nghìn dòng code điều khiển là đang xây một nhà máy Foxconn cho công nhân, thì giải pháp là xây mặt đối lập của nó.

Ở rìa vách đá Big Sur có một nơi tên là Esalen. Người ta đến đó để bị tháo rời, được tái tạo, buông bỏ áo giáp, rồi trở về giống với bản thân mình hơn.

Không có dây chuyền lắp ráp. Không có quản đốc. Không có tiếng còi lúc 6 giờ sáng. Là tự do, chứ không phải kiểm soát.

Hãy xây những thứ như vậy.

Hãy xây một nơi như YC: Nơi chúng tôi giúp bạn thành lập công ty, giải quyết vấn đề thực, tìm được product-market fit.

Xây những nơi có thể cho công nhân tự do, dù những công nhân đó là con người, hay AI.

Đây chính là toàn bộ tinh thần cốt lõi.

Làm những thứ có thể giải phóng Agent. Làm những công ty có thể để con người tự do phát huy.

Trong công việc tri thức, nhà máy là mô hình thất bại. Mục tiêu thực sự, là thiết lập các cơ cấu giải phóng con người. Giờ đây, mục tiêu này cũng hướng đến Agent.

OpenClaw giống như một chiếc Ferrari mà bạn phải tự mang cờ lê theo. Mô hình là động cơ, không phải toàn bộ chiếc xe. Chúng ta vẫn đang ở thời khắc Apple I, vẫn còn hàn bảng mạch.

Nó được phát hành rất thô. Bạn vẫn phải tự hoàn thiện nó.

GBrain, công cụ tìm kiếm và skill pack mà tôi mã nguồn mở, vẫn chưa phải là sản phẩm hoàn chỉnh dùng ngay.

Có người nói OpenClaw không an toàn. Họ không hiểu, tự do chính là lý do nó mạnh mẽ. Trước khi bạn thực sự gặp vấn đề, đừng vội vặn hàng rào an toàn lên một thứ mà bạn tin tưởng. Cây cờ lê trong tay bạn, chính là bằng chứng cho thấy nó chưa bị nhốt vào lồng.

Hệ thống kiểm soát tinh xảo, bởi vì kiểm soát cần kiểm soát triệt để, tức là nhà máy Foxconn. Hệ thống tự do thô, bởi vì nó tin rằng bạn sẽ hoàn thiện nó.

Bạn phải chọn mình thực sự đang xây loại nào. Rồi hãy nhìn lại bạn đã viết bao nhiêu code.

Rốt cuộc điều này có ý nghĩa gì

540 nghìn dòng code Rails, là bằng chứng tôi vẫn có thể chơi đến trình độ cao nhất trong trò chơi cũ.

Nhưng trình độ đó thuộc về Web 2.0, thuộc về mười năm trước.

Tôi vẫn có thể chơi tốt như trước, thậm chí có thể trở thành kỹ sư gấp 1000 lần. Nhưng tôi làm xây nhà máy Foxconn. Code cũ. Trò chơi cũ.

Còn trò chơi mới, về cơ bản không phải chơi bằng số dòng code.

Kết quả là, những người hâm mộ đen của tôi đã đúng. Nếu các bạn đang đọc bài viết này, những người bạn ẩn danh, tôi xin gửi lời chào đến các bạn.

Khi bạn có thể chuyển hóa trực tiếp ý định thành hệ thống có thể chạy, có thể kiểm tra, có thể tái sử dụng, thì nút cổ chai không còn là bạn có thể xây bao nhiêu thứ, mà là bạn thực sự muốn gì, và nó có đáng xây hay không.

Nguồn lực khan hiếm trở thành sự rõ ràng, gu thẩm mỹ và năng lực phán đoán.

Người kỹ sư viết code ít nhất, thường mới là người xây dựng nhiều thứ nhất.

Tôi đã viết 540 nghìn dòng code mới học được điều này. Bạn không cần phải đi lại một lần nữa.

Câu hỏi Liên quan

QTheo Garry Tan, tại sao 540,000 dòng mã trong dự án Garry's List không quan trọng bằng quy trình làm việc GStack mà ông phát triển?

ABởi vì 540,000 dòng mã đó đại diện cho cách tiếp cận 'cổ điển' (Web 2.0) trong phát triển phần mềm, nơi năng lực được đo bằng số dòng mã. Trong khi đó, GStack là một khung làm việc mới xoay quanh AI Agent, tập trung vào việc sử dụng ngôn ngữ tự nhiên (như Markdown) để xác định ý định và kỹ năng, cho phép tạo ra phần mềm linh hoạt, dễ bảo trì và có thể tái sử dụng với ít mã cứng hơn nhiều. Nó đại diện cho sự thay đổi mô hình từ 'viết mã' sang 'thiết kế năng lực'.

QẨn dụ 'nhà máy Foxconn' trong bài viết ám chỉ điều gì về cách nhiều nhà phát triển hiện đang sử dụng LLM?

AẨn dụ 'nhà máy Foxconn' ám chỉ việc các nhà phát triển đang xây dựng một hệ thống phần mềm phức tạp với vô số kiểm tra (test), trình kiểm tra (validator), vòng lặp thử lại (retry loop), và logic kiểm soát để 'quản lý' hoặc 'thuần hóa' các LLM. Hệ thống này giống như một nhà máy với dây chuyền lắp ráp cứng nhắc và các quy tắc nghiêm ngặt, hạn chế khả năng vốn có rất thông minh và linh hoạt của AI Agent, thay vì cho phép nó tự do hoạt động và sáng tạo.

Q'Skill Pack' (gói kỹ năng) là gì theo định nghĩa của Garry Tan, và tại sao nó quan trọng trong kỷ nguyên AI mới?

A'Skill Pack' là một đơn vị năng lực có thể tái sử dụng, được xây dựng chủ yếu bằng Markdown (mô tả ý định, hướng dẫn, kỹ năng) kết hợp với một lượng mã tối thiểu (như TypeScript) cho các tác vụ xác định. Mỗi gói đi kèm với bài kiểm tra đơn vị (unit test), đánh giá bằng LLM (LLM eval) và bài kiểm tra tích hợp. Nó quan trọng vì cho phép đóng gói và tích lũy kinh nghiệm phát triển thành các tài sản có thể 'sinh lãi kép' (compound), biến các quy trình phức tạp thành các module mà Agent có thể tự động gọi và thực thi, từ đó tăng tốc độ phát triển và giải phóng sức sáng tạo.

QGarry Tan đề xuất khái niệm 'tokenmaxxing'. Ý ông là gì và tại sao đây lại là một lợi thế cạnh tranh quan trọng?

A'Tokenmaxxing' ám chỉ việc sẵn sàng chi tiêu mạnh mẽ cho token (đơn vị tính phí khi gọi LLM) để tận dụng tối đa năng lực của AI Agent, thay vì tiết kiệm và hạn chế các lần gọi model do tâm lý chi phí cao từ trước. Đây là lợi thế cạnh tranh vì chi phí token đang giảm nhanh chóng. Những người chấp nhận đầu tư vào token ngay bây giờ có thể vận hành theo phương thức của tương lai (ví dụ: năm 2028) ngay từ hôm nay, giành được lợi thế đi trước đáng kể so với đa số vẫn còn do dự vì chi phí.

QTheo bài viết, kỹ năng nào sẽ trở nên khan hiếm và quan trọng nhất đối với kỹ sư trong tương lai khi AI có thể tạo ra nhiều mã?

AKhi AI có thể tạo mã một cách dễ dàng, nguồn lực khan hiếm không còn là khả năng viết mã mà là sự rõ ràng (clarity), gu thẩm mỹ (taste) và khả năng phán đoán (judgment). Kỹ sư giỏi nhất trong tương lai sẽ là người có thể xác định chính xác vấn đề cần giải quyết, đánh giá điều gì đáng để xây dựng, thiết kế các năng lực phù hợp, và biết cách đóng gói kinh nghiệm thành các 'skill pack' có thể tái sử dụng. Nói cách khác, họ là người 'viết ít mã nhất nhưng có thể giải phóng nhiều trí tuệ nhất'.

Nội dung Liên quan

Mùa Altcoin Đã Bắt Đầu? Đây Là Điều Chỉ Số Mùa Altcoin Cho Biết

Gần đây, một số altcoin đã có đợt tăng giá, đồng thời Ethereum cũng phục hồi, làm dấy lên ý kiến về một mùa altcoin (alt season). Tuy nhiên, dữ liệu từ Chỉ số Mùa Altcoin (Altcoin Season Index) lại cho thấy một bức tranh khác. Hiện tại, chỉ số này đang ở mức 36 trên thang điểm 100. Theo truyền thống, một mùa altcoin thực sự chỉ bắt đầu khi chỉ số vượt quá 75, nghĩa là 75% trong top 100 altcoin phải hoạt động tốt hơn Bitcoin trong khung thời gian 90 ngày. Với điểm số 36, điều này cho thấy thị trường chưa bước vào giai đoạn đó. Hơn nữa, tỷ trọng thống trị của Bitcoin trên thị trường tiền điện tử vẫn tiếp tục tăng, thay vì giảm xuống. Đây là một dấu hiệu khác cho thấy thị trường chưa chuyển sang mùa altcoin. Đặc biệt, Ethereum – nhà lãnh đạo lịch sử của các mùa altcoin – hiện đang hoạt động kém hơn so với Bitcoin. Do đó, các đợt tăng giá gần đây của một số altcoin có khả năng chỉ là những đợt tăng cục bộ, riêng lẻ. Dữ liệu cho thấy mùa altcoin tiếp theo vẫn chưa thực sự bắt đầu.

bitcoinist1 phút trước

Mùa Altcoin Đã Bắt Đầu? Đây Là Điều Chỉ Số Mùa Altcoin Cho Biết

bitcoinist1 phút trước

Nhịp Thị Trường BTC: Tuần 19

Nhịp thị trường Bitcoin tuần 19 cho thấy dấu hiệu củng cố. Áp lực bán tăng lên thể hiện qua động lượng giá giảm 3.5%, áp lực mua ròng giảm 28.6% và hoạt động giao dịch giảm 13.3%. Thị trường tương lai ghi nhận lãi suất mở (open interest) tăng 3%, nhưng sự sụt giảm mạnh của chỉ báo CVD vĩnh viễn cho thấy áp lực bán mạnh. Thị trường quyền chọn phản ánh sự thận trọng với rủi ro giảm giá. Từ góc độ tài chính truyền thống, quỹ ETF Bitcoin tại Mỹ ghi nhận dòng tiền ròng rút ra 783.4 triệu USD và khối lượng giao dịch giảm, cho thấy nhu cầu thể chế giảm nhẹ. Tuy nhiên, hoạt động on-chain có tín hiệu tích cực hơn với số địa chỉ hoạt động hàng ngày tăng 6.4%. Các chỉ số thanh khoản và định vị thị trường cho thấy cấu trúc tương đối ổn định. Áp lực bán đang giảm dần trong khi tỷ lệ lợi nhuận trên lỗ thực tế tăng lên. Nhìn chung, thị trường đang trong giai đoạn củng cố, nơi dòng tiền thể chế yếu hơn được bù đắp bởi sự tham gia ổn định của người dùng và tâm lý được cải thiện từ từ.

insights.glassnode50 phút trước

insights.glassnode50 phút trước

Nhịp đập Thị trường BTC: Tuần 22

Bitcoin (BTC) giảm giá trong tuần qua, từ 79K USD xuống thấp cục bộ quanh 74K USD trước khi phục hồi về 77K USD, với đà giá giảm 21.7% cho thấy áp lực bán tăng. Tuy nhiên, áp lực bán có dấu hiệu giảm bớt khi chỉ số Spot và Perpetual CVD tăng mạnh. Khối lượng giao dịch spot và mở vị thế tương lai giảm, phản ánh sự thận trọng. Dấu hiệu thèm ăn rủi ro đang nổi lên với khoản thanh toán funding cho vị thế mua tăng vọt 135.4%, cho thấy tâm lý tích cực cải thiện. Trong thị trường quyền chọn, nhu cầu bảo vệ trước rủi ro giảm giá tăng nhẹ. Đối với ETF Mỹ, dòng tiền ròng cải thiện 28.9% nhưng khối lượng giao dịch ETF giảm mạnh, cho thấy hoạt động đầu cơ chậm lại. Trên mạng lưới, số lượng địa chỉ hoạt động hàng ngày và khối lượng chuyển khoản điều chỉnh giảm nhẹ, gợi ý một giai đoạn củng cố. Các chỉ số sinh lời cho thấy dấu hiệu căng thẳng thị trường tiềm ẩn, với tỷ lệ lợi nhuận ảo ròng trên lỗ giảm đáng kể và việc thực hiện lỗ tăng so với chốt lời, phản ánh tâm lý thận trọng và có phần tiêu cực. Tóm lại, thị trường đang trong giai đoạn điều chỉnh và củng cố, với hoạt động giảm, tâm lý thận trọng cùng sự pha trộn của thèm ăn rủi ro.

insights.glassnode51 phút trước

insights.glassnode51 phút trước

Nhịp Thị Trường Bitcoin: Tuần 20

Bitcoin (BTC) tuần qua tiếp tục tăng giá, từ vùng cao 77K USD lên mức thấp 82K USD, với lực mua hấp thụ các đợt điều chỉnh. Chỉ số Spot CVD tăng mạnh phản ánh tâm lý tích cực, trong khi khối lượng giao dịch Spot tăng cho thấy sự tham gia mạnh mẽ hơn của nhà đầu tư. Tuy nhiên, động lượng giá giảm cho thấy áp lực mua-bán cân bằng hơn, dự báo giai đoạn ổn định tiềm năng. Trên thị trường tương lai, Open Interest và Perpetual CVD tăng cho thấy hoạt động đầu cơ và đà tăng vẫn duy trì, dù thanh toán funding cho vị thế mua giảm ám chỉ sự quan tâm đến vị thế bán tăng lên. Trên thị trường quyền chọn, nhu cầu bảo vệ giảm giá giảm và open interest tăng cho thấy kỳ vọng trung lập đến hơi tích cực, dù chênh lệch biến động (Volatility Spread) tăng vọt phản ánh mức độ không chắc chắn cao. Hoạt động on-chain được cải thiện rõ rệt với số địa chỉ hoạt động hàng ngày, khối lượng chuyển điều chỉnh theo thực thể và tổng phí giao dịch đều tăng, cho thấy mạng lưới sôi động hơn. Tính thanh khoản ổn định với áp lực bán ngắn hạn giảm. Các chỉ số lợi nhuận được cải thiện, phần lớn nguồn cung đã quay lại trạng thái có lãi nhưng vẫn chưa ở mức có thể kích hoạt bán chốt lời mạnh. Tóm lại, cấu trúc thị trường của Bitcoin tiếp tục củng cố với hoạt động on-chain mạnh, tình hình lợi nhuận lành mạnh hơn và vị thế nắm giữ ổn định. Dù có các yếu tố tích cực, dòng vốn vào chậm và tâm lý thận trọng cho thấy thị trường vẫn nhạy cảm với sự thay đổi trong cảm nhận rủi ro.

insights.glassnode53 phút trước

insights.glassnode53 phút trước

Whale.io Ra Mắt Whale Printer: Staking Token $WHALE

Whale.io chính thức ra mắt Whale Printer, một hệ thống staking trên nền tảng cho token gốc $WHALE. Tính năng này cho phép chủ sở hữu token đủ điều kiện khóa $WHALE trong các kỳ hạn cố định để đổi lấy phần thưởng token được xác định trước. Hệ thống cung cấp ba kỳ hạn khóa với mức lợi nhuận cố định: - 90 ngày (hệ số nhân 1.2x) — APY 107.8% - 180 ngày (hệ số nhân 1.5x) — APY 129% - 365 ngày (hệ số nhân 3x) — APY 200% Tất cả phần thưởng được chi trả từ một nhóm chuyên dụng gồm 20 tỷ $WHALE, tương đương 20% tổng nguồn cung token. Nhóm này sẽ không được bổ sung. Khi cạn kiệt, Whale Printer sẽ đóng vĩnh viễn. Để tham gia, người dùng cần có $WHALE trong số dư tài khoản Whale.io và có thể tạo tối đa 10 vị thế staking đồng thời. Không có tùy chọn rút tiền sớm cho các vị thế đang hoạt động. $WHALE là token tiện ích gốc của hệ sinh thái Whale.io, một sòng bạc crypto và nhà cái thể thao trực tuyến. Whale Printer mở rộng chức năng của token thông qua cơ chế staking này. Tính năng hiện đã có sẵn trên whale.io/token.

TheNewsCrypto54 phút trước

Whale.io Ra Mắt Whale Printer: Staking Token $WHALE

TheNewsCrypto54 phút trước

Giao dịch

Giao ngay

Hợp đồng Tương lai

Bài viết Nổi bật

GROK AI là gì

Grok AI: Cách mạng hóa Công nghệ Đối thoại trong Kỷ nguyên Web3 Giới thiệu Trong bối cảnh trí tuệ nhân tạo đang phát triển nhanh chóng, Grok AI nổi bật như một dự án đáng chú ý kết nối các lĩnh vực công nghệ tiên tiến và tương tác người dùng. Được phát triển bởi xAI, một công ty do doanh nhân nổi tiếng Elon Musk dẫn dắt, Grok AI nhằm định nghĩa lại cách chúng ta tương tác với trí tuệ nhân tạo. Khi phong trào Web3 tiếp tục phát triển mạnh mẽ, Grok AI hướng tới việc tận dụng sức mạnh của AI đối thoại để trả lời các câu hỏi phức tạp, mang đến cho người dùng một trải nghiệm không chỉ thông tin mà còn giải trí. Grok AI là gì? Grok AI là một chatbot AI đối thoại tinh vi được thiết kế để tương tác với người dùng một cách linh hoạt. Khác với nhiều hệ thống AI truyền thống, Grok AI chấp nhận một loạt các câu hỏi rộng hơn, bao gồm những câu hỏi thường được coi là không phù hợp hoặc ngoài các phản hồi tiêu chuẩn. Các mục tiêu cốt lõi của dự án bao gồm: Lập luận đáng tin cậy: Grok AI nhấn mạnh lập luận theo lẽ thường để cung cấp các câu trả lời hợp lý dựa trên sự hiểu biết về ngữ cảnh. Giám sát có thể mở rộng: Việc tích hợp công cụ hỗ trợ đảm bảo rằng các tương tác của người dùng được theo dõi và tối ưu hóa về chất lượng. Xác minh chính thức: An toàn là điều tối quan trọng; Grok AI tích hợp các phương pháp xác minh chính thức để nâng cao độ tin cậy của các đầu ra của nó. Hiểu biết về ngữ cảnh dài: Mô hình AI xuất sắc trong việc giữ lại và nhớ lại lịch sử cuộc trò chuyện dài, tạo điều kiện cho các cuộc thảo luận có ý nghĩa và nhận thức về ngữ cảnh. Khả năng chống lại các cuộc tấn công: Bằng cách tập trung vào việc cải thiện khả năng phòng thủ chống lại các đầu vào bị thao túng hoặc độc hại, Grok AI nhằm duy trì tính toàn vẹn của các tương tác của người dùng. Nói tóm lại, Grok AI không chỉ là một thiết bị truy xuất thông tin; nó là một đối tác đối thoại hấp dẫn khuyến khích cuộc trò chuyện năng động. Người sáng tạo Grok AI Bộ óc đứng sau Grok AI không ai khác chính là Elon Musk, một cá nhân gắn liền với sự đổi mới trong nhiều lĩnh vực, bao gồm ô tô, du hành vũ trụ và công nghệ. Dưới sự bảo trợ của xAI, một công ty tập trung vào việc phát triển công nghệ AI theo những cách có lợi, tầm nhìn của Musk nhằm định hình lại cách hiểu về các tương tác AI. Sự lãnh đạo và tinh thần nền tảng bị ảnh hưởng sâu sắc bởi cam kết của Musk trong việc thúc đẩy các ranh giới công nghệ. Các nhà đầu tư của Grok AI Mặc dù các chi tiết cụ thể về các nhà đầu tư hỗ trợ Grok AI vẫn còn hạn chế, nhưng đã được công nhận công khai rằng xAI, vườn ươm của dự án, được thành lập và hỗ trợ chủ yếu bởi chính Elon Musk. Các dự án và tài sản trước đây của Musk cung cấp một nền tảng vững chắc, tăng cường thêm độ tin cậy và tiềm năng phát triển của Grok AI. Tuy nhiên, tính đến thời điểm hiện tại, thông tin về các quỹ đầu tư hoặc tổ chức bổ sung hỗ trợ Grok AI vẫn chưa dễ dàng tiếp cận, đánh dấu một lĩnh vực có thể khám phá trong tương lai. Grok AI hoạt động như thế nào? Cơ chế hoạt động của Grok AI sáng tạo không kém gì khung khái niệm của nó. Dự án tích hợp một số công nghệ tiên tiến giúp tạo ra các chức năng độc đáo của nó: Hạ tầng mạnh mẽ: Grok AI được xây dựng bằng Kubernetes cho việc điều phối container, Rust cho hiệu suất và an toàn, và JAX cho tính toán số hiệu suất cao. Bộ ba này đảm bảo rằng chatbot hoạt động hiệu quả, mở rộng hiệu quả và phục vụ người dùng kịp thời. Truy cập kiến thức theo thời gian thực: Một trong những tính năng nổi bật của Grok AI là khả năng truy cập dữ liệu theo thời gian thực thông qua nền tảng X—trước đây được biết đến với tên gọi Twitter. Khả năng này cho phép AI truy cập thông tin mới nhất, giúp nó cung cấp các câu trả lời và khuyến nghị kịp thời mà các mô hình AI khác có thể bỏ lỡ. Hai chế độ tương tác: Grok AI cung cấp cho người dùng sự lựa chọn giữa “Chế độ Vui” và “Chế độ Thông thường.” Chế độ Vui cho phép một phong cách tương tác vui tươi và hài hước hơn, trong khi Chế độ Thông thường tập trung vào việc cung cấp các câu trả lời chính xác và đúng đắn. Sự linh hoạt này đảm bảo một trải nghiệm được cá nhân hóa phù hợp với sở thích của từng người dùng. Nói tóm lại, Grok AI kết hợp hiệu suất với sự tương tác, tạo ra một trải nghiệm vừa phong phú vừa giải trí. Thời gian phát triển của Grok AI Hành trình của Grok AI được đánh dấu bởi các cột mốc quan trọng phản ánh các giai đoạn phát triển và triển khai của nó: Phát triển ban đầu: Giai đoạn nền tảng của Grok AI diễn ra trong khoảng hai tháng, trong đó việc đào tạo và tinh chỉnh ban đầu của mô hình được thực hiện. Phát hành Beta Grok-2: Trong một bước tiến quan trọng, beta Grok-2 đã được công bố. Phiên bản này giới thiệu hai phiên bản của chatbot—Grok-2 và Grok-2 mini—mỗi phiên bản đều có khả năng trò chuyện, lập trình và lập luận. Truy cập công khai: Sau khi phát triển beta, Grok AI đã trở thành có sẵn cho người dùng nền tảng X. Những người có tài khoản được xác minh bằng số điện thoại và hoạt động ít nhất bảy ngày có thể truy cập phiên bản giới hạn, giúp công nghệ có sẵn cho một đối tượng rộng lớn hơn. Thời gian này tóm tắt sự phát triển có hệ thống của Grok AI từ lúc khởi đầu đến khi công khai, nhấn mạnh cam kết của nó đối với việc cải tiến liên tục và tương tác người dùng. Các tính năng chính của Grok AI Grok AI bao gồm một số tính năng chính góp phần vào bản sắc đổi mới của nó: Tích hợp kiến thức theo thời gian thực: Truy cập thông tin hiện tại và liên quan phân biệt Grok AI với nhiều mô hình tĩnh, cho phép một trải nghiệm người dùng hấp dẫn và chính xác. Phong cách tương tác đa dạng: Bằng cách cung cấp các chế độ tương tác khác nhau, Grok AI phục vụ cho sở thích đa dạng của người dùng, khuyến khích sự sáng tạo và cá nhân hóa trong việc trò chuyện với AI. Cơ sở công nghệ tiên tiến: Việc sử dụng Kubernetes, Rust và JAX cung cấp cho dự án một khung vững chắc để đảm bảo độ tin cậy và hiệu suất tối ưu. Xem xét về đạo đức trong đối thoại: Việc bao gồm chức năng tạo hình ảnh thể hiện tinh thần đổi mới của dự án. Tuy nhiên, nó cũng đặt ra các vấn đề đạo đức liên quan đến bản quyền và việc thể hiện tôn trọng các nhân vật dễ nhận biết—một cuộc thảo luận đang diễn ra trong cộng đồng AI. Kết luận Như một thực thể tiên phong trong lĩnh vực AI đối thoại, Grok AI khái quát tiềm năng cho những trải nghiệm người dùng chuyển đổi trong kỷ nguyên số. Được phát triển bởi xAI và được thúc đẩy bởi cách tiếp cận tầm nhìn của Elon Musk, Grok AI tích hợp kiến thức theo thời gian thực với khả năng tương tác tiên tiến. Nó cố gắng mở rộng ranh giới của những gì trí tuệ nhân tạo có thể đạt được trong khi vẫn giữ trọng tâm vào các vấn đề đạo đức và an toàn cho người dùng. Grok AI không chỉ thể hiện sự tiến bộ công nghệ mà còn thể hiện một mô hình đối thoại mới trong bối cảnh Web3, hứa hẹn sẽ thu hút người dùng bằng cả kiến thức sâu sắc và sự tương tác vui tươi. Khi dự án tiếp tục phát triển, nó đứng như một minh chứng cho những gì giao thoa giữa công nghệ, sáng tạo và tương tác giống như con người có thể đạt được.

Tổng lượt xem 635Xuất bản vào 2024.12.26Cập nhật vào 2024.12.26

ERC AI là gì

Euruka Tech: Tổng Quan về $erc ai và Những Tham Vọng trong Web3 Giới thiệu Trong bối cảnh công nghệ blockchain và ứng dụng phi tập trung đang phát triển nhanh chóng, các dự án mới thường xuyên xuất hiện, mỗi dự án đều có những mục tiêu và phương pháp độc đáo. Một trong những dự án đó là Euruka Tech, hoạt động trong lĩnh vực tiền điện tử và Web3 rộng lớn. Mục tiêu chính của Euruka Tech, đặc biệt là token $erc ai của nó, là cung cấp các giải pháp sáng tạo nhằm khai thác những khả năng đang phát triển của công nghệ phi tập trung. Bài viết này nhằm cung cấp một cái nhìn tổng quan về Euruka Tech, khám phá các mục tiêu, chức năng, danh tính của người sáng lập, các nhà đầu tư tiềm năng và tầm quan trọng của nó trong bối cảnh rộng lớn hơn của Web3. Euruka Tech, $erc ai là gì? Euruka Tech được mô tả như một dự án tận dụng các công cụ và chức năng mà môi trường Web3 cung cấp, tập trung vào việc tích hợp trí tuệ nhân tạo trong các hoạt động của nó. Mặc dù các chi tiết cụ thể về khung của dự án vẫn còn mơ hồ, nhưng nó được thiết kế để nâng cao sự tham gia của người dùng và tự động hóa các quy trình trong không gian tiền điện tử. Dự án nhằm tạo ra một hệ sinh thái phi tập trung không chỉ tạo điều kiện cho các giao dịch mà còn tích hợp các chức năng dự đoán thông qua trí tuệ nhân tạo, do đó tên gọi của token, $erc ai. Mục tiêu là cung cấp một nền tảng trực quan giúp tạo ra các tương tác thông minh hơn và xử lý giao dịch hiệu quả hơn trong lĩnh vực Web3 đang phát triển. Ai là Người Sáng Lập Euruka Tech, $erc ai? Hiện tại, thông tin về người sáng lập hoặc đội ngũ sáng lập đứng sau Euruka Tech vẫn chưa được xác định và có phần mờ mịt. Sự thiếu hụt dữ liệu này gây ra lo ngại, vì kiến thức về nền tảng của đội ngũ thường rất quan trọng để thiết lập độ tin cậy trong lĩnh vực blockchain. Do đó, chúng tôi đã phân loại thông tin này là không rõ cho đến khi có các chi tiết cụ thể được công bố trong lĩnh vực công cộng. Ai là Các Nhà Đầu Tư của Euruka Tech, $erc ai? Tương tự, việc xác định các nhà đầu tư hoặc tổ chức hỗ trợ cho dự án Euruka Tech không được cung cấp dễ dàng qua các nghiên cứu hiện có. Một khía cạnh quan trọng đối với các bên liên quan tiềm năng hoặc người dùng đang xem xét tham gia vào Euruka Tech là sự đảm bảo đến từ các quan hệ đối tác tài chính đã được thiết lập hoặc sự hỗ trợ từ các công ty đầu tư uy tín. Thiếu thông tin về các mối quan hệ đầu tư, rất khó để rút ra những kết luận toàn diện về sự an toàn tài chính hoặc độ bền vững của dự án. Theo thông tin đã tìm thấy, phần này cũng đang ở trạng thái không rõ. Euruka Tech, $erc ai hoạt động như thế nào? Mặc dù thiếu các thông số kỹ thuật chi tiết cho Euruka Tech, nhưng điều quan trọng là phải xem xét những tham vọng đổi mới của nó. Dự án tìm cách tận dụng sức mạnh tính toán của trí tuệ nhân tạo để tự động hóa và nâng cao trải nghiệm người dùng trong môi trường tiền điện tử. Bằng cách tích hợp AI với công nghệ blockchain, Euruka Tech nhằm cung cấp các tính năng như giao dịch tự động, đánh giá rủi ro và giao diện người dùng cá nhân hóa. Bản chất đổi mới của Euruka Tech nằm ở mục tiêu tạo ra một kết nối liền mạch giữa người dùng và những khả năng rộng lớn mà các mạng phi tập trung mang lại. Thông qua việc sử dụng các thuật toán học máy và AI, nó nhằm giảm thiểu những thách thức mà người dùng lần đầu gặp phải và tinh giản trải nghiệm giao dịch trong khuôn khổ Web3. Sự cộng sinh giữa AI và blockchain nhấn mạnh tầm quan trọng của token $erc ai, đứng như một cầu nối giữa các giao diện người dùng truyền thống và các khả năng tiên tiến của công nghệ phi tập trung. Thời Gian của Euruka Tech, $erc ai Thật không may, do thông tin hạn chế hiện có về Euruka Tech, chúng tôi không thể trình bày một thời gian biểu chi tiết về các phát triển chính hoặc cột mốc trong hành trình của dự án. Thời gian biểu này, thường rất quý giá trong việc vạch ra sự tiến triển của một dự án và hiểu được quỹ đạo phát triển của nó, hiện không có sẵn. Khi thông tin về các sự kiện đáng chú ý, quan hệ đối tác hoặc các bổ sung chức năng trở nên rõ ràng, các cập nhật chắc chắn sẽ nâng cao sự hiện diện của Euruka Tech trong lĩnh vực tiền điện tử. Làm rõ về Các Dự Án “Eureka” Khác Điều đáng lưu ý là nhiều dự án và công ty chia sẻ một tên gọi tương tự với “Eureka.” Nghiên cứu đã xác định các sáng kiến như một đại lý AI từ NVIDIA Research, tập trung vào việc dạy robot thực hiện các nhiệm vụ phức tạp bằng các phương pháp sinh tạo, cũng như Eureka Labs và Eureka AI, cải thiện trải nghiệm người dùng trong giáo dục và phân tích dịch vụ khách hàng, tương ứng. Tuy nhiên, những dự án này là khác biệt với Euruka Tech và không nên bị nhầm lẫn với các mục tiêu hoặc chức năng của nó. Kết luận Euruka Tech, cùng với token $erc ai của nó, đại diện cho một người chơi hứa hẹn nhưng hiện tại còn mờ mịt trong bối cảnh Web3. Trong khi chi tiết về người sáng lập và các nhà đầu tư vẫn chưa được công bố, tham vọng cốt lõi của việc kết hợp trí tuệ nhân tạo với công nghệ blockchain vẫn là một điểm thu hút sự chú ý. Các phương pháp độc đáo của dự án trong việc thúc đẩy sự tham gia của người dùng thông qua tự động hóa tiên tiến có thể giúp nó nổi bật khi hệ sinh thái Web3 tiến triển. Khi thị trường tiền điện tử tiếp tục phát triển, các bên liên quan nên theo dõi chặt chẽ những tiến bộ xung quanh Euruka Tech, vì sự phát triển của các đổi mới đã được ghi chép, các quan hệ đối tác hoặc một lộ trình rõ ràng có thể mang lại những cơ hội đáng kể trong tương lai gần. Hiện tại, chúng tôi đang chờ đợi những hiểu biết sâu sắc hơn có thể tiết lộ tiềm năng của Euruka Tech và vị trí của nó trong bối cảnh cạnh tranh của tiền điện tử.

Tổng lượt xem 642Xuất bản vào 2025.01.02Cập nhật vào 2025.01.02

DUOLINGO AI là gì

DUOLINGO AI: Tích hợp Học ngôn ngữ với Web3 và Đổi mới AI Trong một kỷ nguyên mà công nghệ định hình lại giáo dục, việc tích hợp trí tuệ nhân tạo (AI) và các mạng blockchain báo hiệu một biên giới mới cho việc học ngôn ngữ. Giới thiệu DUOLINGO AI và đồng tiền điện tử liên quan của nó, $DUOLINGO AI. Dự án này mong muốn kết hợp sức mạnh giáo dục của các nền tảng học ngôn ngữ hàng đầu với những lợi ích của công nghệ Web3 phi tập trung. Bài viết này đi sâu vào các khía cạnh chính của DUOLINGO AI, khám phá các mục tiêu, khung công nghệ, sự phát triển lịch sử và tiềm năng tương lai trong khi duy trì sự rõ ràng giữa tài nguyên giáo dục gốc và sáng kiến tiền điện tử độc lập này. Tổng quan về DUOLINGO AI Cốt lõi của DUOLINGO AI là thiết lập một môi trường phi tập trung nơi người học có thể kiếm được phần thưởng mã hóa cho việc đạt được các cột mốc giáo dục trong khả năng ngôn ngữ. Bằng cách áp dụng hợp đồng thông minh, dự án nhằm tự động hóa các quy trình xác minh kỹ năng và phân bổ token, tuân thủ các nguyên tắc Web3 nhấn mạnh tính minh bạch và quyền sở hữu của người dùng. Mô hình này khác biệt so với các phương pháp truyền thống trong việc tiếp cận ngôn ngữ bằng cách dựa nhiều vào cấu trúc quản trị do cộng đồng điều hành, cho phép những người nắm giữ token đề xuất cải tiến nội dung khóa học và phân phối phần thưởng. Một số mục tiêu đáng chú ý của DUOLINGO AI bao gồm: Học tập gamified: Dự án tích hợp các thành tựu blockchain và token không thể thay thế (NFT) để đại diện cho các cấp độ thành thạo ngôn ngữ, thúc đẩy động lực thông qua các phần thưởng kỹ thuật số hấp dẫn. Tạo nội dung phi tập trung: Nó mở ra cơ hội cho các nhà giáo dục và những người yêu thích ngôn ngữ đóng góp khóa học của họ, tạo điều kiện cho một mô hình chia sẻ doanh thu có lợi cho tất cả các bên đóng góp. Cá nhân hóa dựa trên AI: Bằng cách sử dụng các mô hình học máy tiên tiến, DUOLINGO AI cá nhân hóa các bài học để thích ứng với tiến trình học tập của từng cá nhân, tương tự như các tính năng thích ứng có trong các nền tảng đã được thiết lập. Người sáng lập dự án và Quản trị Tính đến tháng 4 năm 2025, đội ngũ đứng sau $DUOLINGO AI vẫn giữ bí danh, một thực tiễn phổ biến trong lĩnh vực tiền điện tử phi tập trung. Sự ẩn danh này nhằm thúc đẩy sự phát triển tập thể và sự tham gia của các bên liên quan thay vì tập trung vào các nhà phát triển cá nhân. Hợp đồng thông minh được triển khai trên blockchain Solana ghi chú địa chỉ ví của nhà phát triển, điều này thể hiện cam kết về tính minh bạch liên quan đến các giao dịch mặc dù danh tính của các nhà sáng lập vẫn chưa được biết đến. Theo lộ trình của nó, DUOLINGO AI dự định phát triển thành một Tổ chức Tự trị Phi tập trung (DAO). Cấu trúc quản trị này cho phép những người nắm giữ token bỏ phiếu về các vấn đề quan trọng như triển khai tính năng và phân bổ ngân quỹ. Mô hình này phù hợp với tinh thần trao quyền cho cộng đồng có trong nhiều ứng dụng phi tập trung, nhấn mạnh tầm quan trọng của việc ra quyết định tập thể. Nhà đầu tư và Đối tác chiến lược Hiện tại, không có nhà đầu tư tổ chức hoặc nhà đầu tư mạo hiểm nào được xác định công khai liên quan đến $DUOLINGO AI. Thay vào đó, tính thanh khoản của dự án chủ yếu đến từ các sàn giao dịch phi tập trung (DEX), đánh dấu một sự tương phản rõ rệt với các chiến lược tài trợ của các công ty công nghệ giáo dục truyền thống. Mô hình cơ sở này cho thấy một cách tiếp cận do cộng đồng điều hành, phản ánh cam kết của dự án đối với sự phi tập trung. Trong tài liệu trắng của mình, DUOLINGO AI đề cập đến việc hình thành các hợp tác với các “nền tảng giáo dục blockchain” không xác định nhằm làm phong phú thêm các khóa học của mình. Mặc dù các đối tác cụ thể vẫn chưa được công bố, những nỗ lực hợp tác này gợi ý về một chiến lược kết hợp đổi mới blockchain với các sáng kiến giáo dục, mở rộng quyền truy cập và sự tham gia của người dùng qua nhiều con đường học tập khác nhau. Kiến trúc công nghệ Tích hợp AI DUOLINGO AI tích hợp hai thành phần chính dựa trên AI để nâng cao các đề xuất giáo dục của mình: Công cụ học tập thích ứng: Công cụ tinh vi này học từ các tương tác của người dùng, tương tự như các mô hình độc quyền từ các nền tảng giáo dục lớn. Nó điều chỉnh độ khó của bài học một cách linh hoạt để giải quyết các thách thức cụ thể của người học, củng cố các lĩnh vực yếu thông qua các bài tập có mục tiêu. Đại lý hội thoại: Bằng cách sử dụng chatbot được hỗ trợ bởi GPT-4, DUOLINGO AI cung cấp một nền tảng cho người dùng tham gia vào các cuộc hội thoại mô phỏng, thúc đẩy một trải nghiệm học ngôn ngữ tương tác và thực tiễn hơn. Hạ tầng Blockchain Được xây dựng trên blockchain Solana, $DUOLINGO AI sử dụng một khung công nghệ toàn diện bao gồm: Hợp đồng thông minh xác minh kỹ năng: Tính năng này tự động trao token cho người dùng đã vượt qua các bài kiểm tra thành thạo, củng cố cấu trúc khuyến khích cho các kết quả học tập thực sự. Huy hiệu NFT: Những token kỹ thuật số này biểu thị các cột mốc khác nhau mà người học đạt được, chẳng hạn như hoàn thành một phần của khóa học hoặc thành thạo các kỹ năng cụ thể, cho phép họ giao dịch hoặc trưng bày thành tích của mình một cách kỹ thuật số. Quản trị DAO: Các thành viên cộng đồng nắm giữ token có thể tham gia vào quản trị bằng cách bỏ phiếu về các đề xuất chính, tạo điều kiện cho một văn hóa tham gia khuyến khích đổi mới trong các đề xuất khóa học và tính năng của nền tảng. Dòng thời gian lịch sử 2022–2023: Khái niệm Công việc chuẩn bị cho DUOLINGO AI bắt đầu với việc tạo ra một tài liệu trắng, nêu bật sự phối hợp giữa những tiến bộ AI trong học ngôn ngữ và tiềm năng phi tập trung của công nghệ blockchain. 2024: Ra mắt Beta Một phiên bản beta giới hạn giới thiệu các đề xuất trong các ngôn ngữ phổ biến, thưởng cho người dùng sớm bằng các phần thưởng token như một phần của chiến lược tham gia cộng đồng của dự án. 2025: Chuyển đổi DAO Vào tháng 4, một lần ra mắt mainnet đầy đủ diễn ra với sự lưu thông của các token, thúc đẩy các cuộc thảo luận trong cộng đồng về khả năng mở rộng sang các ngôn ngữ châu Á và các phát triển khóa học khác. Thách thức và Hướng đi tương lai Khó khăn kỹ thuật Mặc dù có những mục tiêu tham vọng, DUOLINGO AI phải đối mặt với những thách thức đáng kể. Khả năng mở rộng vẫn là một mối quan tâm liên tục, đặc biệt là trong việc cân bằng chi phí liên quan đến xử lý AI và duy trì một mạng lưới phi tập trung phản hồi. Ngoài ra, việc đảm bảo chất lượng tạo nội dung và quản lý trong bối cảnh cung cấp phi tập trung đặt ra những phức tạp trong việc duy trì tiêu chuẩn giáo dục. Cơ hội chiến lược Nhìn về phía trước, DUOLINGO AI có tiềm năng tận dụng các quan hệ đối tác cấp chứng chỉ vi mô với các tổ chức học thuật, cung cấp các xác nhận kỹ năng ngôn ngữ được xác minh bằng blockchain. Hơn nữa, việc mở rộng chuỗi chéo có thể cho phép dự án tiếp cận các cơ sở người dùng rộng hơn và các hệ sinh thái blockchain bổ sung, nâng cao khả năng tương tác và phạm vi tiếp cận của nó. Kết luận DUOLINGO AI đại diện cho một sự kết hợp đổi mới giữa trí tuệ nhân tạo và công nghệ blockchain, cung cấp một lựa chọn tập trung vào cộng đồng thay thế cho các hệ thống học ngôn ngữ truyền thống. Mặc dù sự phát triển bí danh và mô hình kinh tế mới nổi của nó mang lại một số rủi ro, cam kết của dự án đối với học tập gamified, giáo dục cá nhân hóa và quản trị phi tập trung mở ra một con đường phía trước cho công nghệ giáo dục trong lĩnh vực Web3. Khi AI tiếp tục phát triển và hệ sinh thái blockchain tiến hóa, các sáng kiến như DUOLINGO AI có thể định hình lại cách người dùng tương tác với giáo dục ngôn ngữ, trao quyền cho cộng đồng và thưởng cho sự tham gia thông qua các cơ chế học tập đổi mới.

Tổng lượt xem 671Xuất bản vào 2025.04.11Cập nhật vào 2025.04.11

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 AI (AI) được trình bày dưới đây.