Claude Code Ra Mắt Luồng Công Việc Động: Giúp AI Tự Biết Tổ Chức Đội Nhóm Làm Việc

marsbitXuất bản vào 2026-06-04Cập nhật gần nhất vào 2026-06-04

Tóm tắt

Claude Code đã giới thiệu "Workflows động", một tính năng cho phép AI tự động tổ chức và điều phối nhiều agent (tác nhân) con để cùng hợp tác xử lý các nhiệm vụ phức tạp. Thay vì một agent duy nhất xử lý toàn bộ công việc trong một ngữ cảnh dài, workflow động sẽ tạo ra một khuôn khổ thực thi linh hoạt: chia nhỏ nhiệm vụ, phân phối cho các agent con chạy song song, kiểm tra chéo, lặp lại và thậm chí cho các agent cạnh tranh nhau, trước khi tổng hợp kết quả cuối cùng. Tính năng này nhằm khắc phục các hạn chế của mô hình đơn agent như: "tính lười biếng" (dừng sớm), "thiên vị tự tham chiếu" (ưu tiên kết quả của chính mình) và "trôi mục tiêu" (sai lệch so với yêu cầu ban đầu sau nhiều lượt xử lý). Workflow động mở rộng phạm vi ứng dụng của Claude Code từ các tác vụ lập trình thuần túy (di chuyển mã, tái cấu trúc, review) sang các công việc phi kỹ thuật như nghiên cứu sâu, xác minh sự kiện, sàng lọc hồ sơ, phân tích nguyên nhân gốc rễ hay động não đặt tên. Bài viết giới thiệu các mẫu prompt ví dụ và các mô hình phổ biến khi thiết kế workflow, như: phân loại & định tuyến, phân tách & tổng hợp, xác minh đối kháng, tạo & sàng lọc, giải đấu loại trực tiếp và vòng lặp cho đến khi hoàn thành. Tuy workflow động tiêu thụ nhiều token hơn và không phải lúc nào cũng cần thiết cho các tác vụ thông thường, nhưng nó đánh dấu một hướng phát triển quan trọng: tương lai của công cụ AI không chỉ nằm ở trí thông minh của một mô hình đơn lẻ, mà còn ở khả năng tổ chức các quy trình thực thi phức tạp,...

Lưu ý của biên tập viên: Claude Code đang chuyển mình từ một trợ lý viết code thành một bàn làm việc Agent có thể lập trình được.

Workflows (luồng công việc) được giới thiệu trong bài viết này có giá trị cốt lõi ở chỗ giúp Claude không chỉ "nghĩ xong rồi mới làm" trong cùng một cửa sổ ngữ cảnh, mà có thể tự động tạo ra một khung thực thi động dựa trên nhiệm vụ: phân tách nhiệm vụ, phân phối các Agent con, xử lý song song, kiểm tra chéo, lặp vòng lặp, thậm chí để các Agent khác nhau cạnh tranh với nhau, cuối cùng tổng hợp kết quả.

Điều này có nghĩa là các tình huống sử dụng Claude Code đang mở rộng rõ rệt. Nó không chỉ phù hợp cho việc di chuyển mã, tái cấu trúc, tái hiện kiểm thử và xem xét mã, mà còn có thể được dùng cho các nhiệm vụ phi kỹ thuật như nghiên cứu chuyên sâu, kiểm tra sự thật, sàng lọc hồ sơ, phân tích sự cố, đúc kết quy tắc, đánh giá kế hoạch kinh doanh, brainstorm đặt tên. Bản chất của nhiều công việc phức tạp đều giống với lập trình: cần phân tách vấn đề, tách biệt ngữ cảnh, kiểm tra giả thuyết, xử lý lượng lớn chi tiết và lựa chọn giữa nhiều con đường ứng viên.

Dynamic workflows (luồng công việc động) cố gắng giải quyết chính xác một số vấn đề phổ biến của mô hình lớn khi thực hiện các nhiệm vụ dài: "sự lười biếng của agent" (tuyên bố hoàn thành khi mới làm được một nửa), "thiên kiến ưu tiên bản thân" (xu hướng công nhận kết luận của chính mình), và "trôi dạt mục tiêu" (dần dần lệch khỏi mục tiêu ban đầu sau nhiều lượt thực thi). Bằng cách giao nhiệm vụ cho nhiều Claude có ngữ cảnh độc lập, nó chuyển đổi nhiệm vụ phức tạp từ "cuộc chạy dài một agent" thành "sự phối hợp đa agent".

Tất nhiên, workflows không phải là câu trả lời vạn năng. Nó thường tiêu thụ nhiều token hơn và cũng không nhất thiết phù hợp với mọi nhiệm vụ viết mã thông thường. Nhưng nó cung cấp một hướng đi quan trọng: sự cạnh tranh của các công cụ AI trong tương lai có thể không chỉ nằm ở việc một mô hình riêng lẻ thông minh đến đâu, mà còn ở khả năng tổ chức ra một quy trình thực thi đáng tin cậy, có thể tái sử dụng, có thể kiểm tra xung quanh các mục tiêu phức tạp.

Dưới đây là văn bản gốc:

Mặc dù khung thực thi mặc định của Claude Code được xây dựng cho lập trình, nhưng nó cũng phù hợp với nhiều loại nhiệm vụ khác. Thực tế chứng minh, cấu trúc của nhiều nhiệm vụ rất giống với nhiệm vụ lập trình. Tuy nhiên, để đạt được hiệu suất tốt nhất với một số loại nhiệm vụ cụ thể, chúng tôi vẫn cần xây dựng các khung thực thi tùy chỉnh trên nền Claude Code, ví dụ như nghiên cứu, phân tích bảo mật, hợp tác nhóm agent hoặc xem xét mã.

Workflows (luồng công việc) cho phép bạn tạo động các khung thực thi, giúp Claude có thể giải quyết các vấn đề trên và nhiều loại vấn đề khác một cách nguyên bản hơn bên trong Claude Code. Bạn cũng có thể chia sẻ, tái sử dụng các workflows này với người khác.

Trong bài viết này, tôi sẽ chia sẻ kinh nghiệm và hiểu biết ban đầu khi sử dụng workflows, giúp bạn khai thác tối đa khả năng của nó.

Tuy nhiên cần lưu ý, các thực hành tốt nhất liên quan vẫn đang được hình thành. Dynamic workflows thường tiêu thụ nhiều token hơn, do đó bạn cần cân nhắc cẩn thận khi nào sử dụng và sử dụng như thế nào.

Chú thích: Bài viết này cũng được đăng trên Claude Blog.

Ví dụ Prompt

Trước khi đi vào chi tiết kỹ thuật, tôi muốn đưa ra một số ví dụ prompt để giúp bạn hiểu khả năng của workflows:

"Bài kiểm tra này cứ khoảng 50 lần chạy thì thất bại 1 lần. Thiết lập một workflow để tái hiện nó, đưa ra giả thuyết và thực hiện kiểm tra đối kháng trong các worktree khác nhau. /goal Không dừng lại cho đến khi có một giả thuyết được xác minh đúng."

"Sử dụng workflow, xem lại 50 phiên gần đây nhất của tôi, khai thác những điều chỉnh tôi liên tục thực hiện và chuyển hóa các vấn đề lặp đi lặp lại đó thành các quy tắc CLAUDE.md."

"Sử dụng workflow, lật xem kênh #incidents trên Slack trong sáu tháng qua, tìm ra những nguyên nhân gốc rễ lặp đi lặp lại nhưng không ai gửi ticket."

"Chạy một workflow cho bản kế hoạch kinh doanh của tôi, để các agent khác nhau phân tích nó từ góc độ nhà đầu tư, khách hàng và đối thủ cạnh tranh."

"Đây là một thư mục chứa 80 bản sơ yếu lý lịch. Sử dụng workflow, sắp xếp chúng theo yêu cầu vị trí backend và xem xét lại mười bản đầu tiên. Thông qua công cụ AskUserQuestion đặt câu hỏi cho tôi, giúp bạn thiết lập tiêu chí đánh giá."

"Tôi cần đặt tên cho công cụ CLI này. Sử dụng workflow để brainstorm một loạt lựa chọn, sau đó chọn ra ba cái tên hàng đầu thông qua cơ chế giải đấu loại trực tiếp."

"Sử dụng workflow, đổi tên mô hình User của chúng ta thành Account ở mọi nơi."

"Đọc bản nháp blog của tôi và sử dụng workflow để kiểm tra chéo từng phán đoán kỹ thuật trong đó với kho mã. Tôi không muốn xuất bản bất kỳ nội dung sai sót nào."

Dynamic Workflows Hoạt Động Như Thế Nào

Dynamic workflow thực thi một tệp JavaScript, trong đó chứa một số hàm đặc biệt dùng để tạo và điều phối các agent con.

Dynamic workflow cũng chứa các hàm JavaScript tiêu chuẩn, ví dụ như JSON, Math và Array, dùng để xử lý dữ liệu.

Đặc biệt đáng chú ý, dynamic workflow có thể quyết định một agent cụ thể sử dụng mô hình nào, và cũng có thể quyết định liệu agent con có chạy trong worktree riêng của nó hay không. Điều này cho phép Claude tự chọn mức độ thông minh và mức độ tách biệt cần thiết dựa trên yêu cầu nhiệm vụ.

Nếu một workflow bị gián đoạn, ví dụ như người dùng thao tác thủ công hoặc terminal thoát, sau khi khôi phục phiên, workflow đó có thể tiếp tục thực thi từ điểm bị gián đoạn.

Tại Sao Cần Dynamic Workflows

Khi bạn để khung thực thi mặc định của Claude Code xử lý một nhiệm vụ, nó cần hoàn thành cả việc lập kế hoạch và thực thi trong cùng một cửa sổ ngữ cảnh. Đối với nhiều nhiệm vụ lập trình, cách này rất hiệu quả, nhưng đối với các nhiệm vụ chạy lâu, quy mô lớn song song, hoặc nhiệm vụ đối kháng có cấu trúc cao, đôi khi nó thất bại.

Lý do là, khi Claude xử lý các nhiệm vụ phức tạp càng lâu trong một cửa sổ ngữ cảnh duy nhất, nó càng dễ xuất hiện một số kiểu thất bại cụ thể:

Agentic laziness (Sự lười biếng của agent), chỉ việc Claude xử lý các nhiệm vụ đặc biệt phức tạp, gồm nhiều phần, dừng lại quá sớm khi chưa thực sự hoàn thành, và tuyên bố nhiệm vụ đã hoàn thành khi chỉ đạt được một phần tiến triển. Ví dụ, trong một đợt xem xét bảo mật chỉ xử lý 20 trong số 50 mục rồi tuyên bố công việc kết thúc.

Self-preferential bias (Thiên kiến ưu tiên bản thân), chỉ việc Claude có xu hướng ưa thích kết quả hoặc phát hiện của chính mình, đặc biệt là khi được yêu cầu xác minh hoặc đánh giá nội dung do chính nó tạo ra dựa trên một số tiêu chí đánh giá.

Goal drift (Trôi dạt mục tiêu), chỉ việc trong quá trình thực thi nhiều lượt, sự trung thành của Claude với mục tiêu ban đầu dần giảm đi, đặc biệt là sau khi ngữ cảnh bị nén lại. Mỗi lần tóm tắt đều gây mất mát thông tin, một số yêu cầu chi tiết, ví dụ như các trường hợp biên hoặc điều kiện hạn chế kiểu "không được làm X", có thể bị bỏ sót.

Tạo workflow giúp giảm bớt những vấn đề này vì nó có thể sắp xếp nhiều Claude độc lập, cho chúng có các cửa sổ ngữ cảnh riêng và tập trung vào các nhiệm vụ được tách biệt, mục tiêu rõ ràng.

Dynamic Workflows vs Static Workflows

Bạn có thể đã từng tạo static workflows thông qua Claude Agent SDK hoặc claude -p trước đây, để điều phối nhiều phiên bản Claude Code.

Nhưng vì static workflows cần bao quát nhiều trường hợp biên, chúng thường mang tính tổng quát hơn. Với sự xuất hiện của Claude Opus 4.8 và dynamic workflows, Claude hiện đã đủ thông minh để viết một khung thực thi được tùy chỉnh cho tình huống sử dụng cụ thể của bạn.

Các Mẫu Hình Thực Tế Khi Sử Dụng Dynamic Workflows

Bạn có thể để Claude trực tiếp tạo một dynamic workflow, hoặc sử dụng từ kích hoạt "ultracode" để đảm bảo Claude Code tạo workflow.

Tuy nhiên, nếu bạn có thể xây dựng được một mô hình tư duy về cách dynamic workflows hoạt động, bạn sẽ dễ dàng hơn trong việc đánh giá khi nào nên sử dụng nó và cũng dễ dàng hơn trong việc hướng dẫn Claude thông qua prompt.

Khi xây dựng workflows, Claude thường sử dụng và kết hợp một số mẫu hình sau:

Phân loại và thực thi: Sử dụng một agent phân loại để đánh giá loại nhiệm vụ, sau đó định tuyến đến các agent hoặc hành vi khác nhau dựa trên loại nhiệm vụ. Cũng có thể sử dụng một bộ phân loại ở cuối quy trình để đánh giá kết quả đầu ra.

Phân tán và tổng hợp: Chia một nhiệm vụ thành nhiều bước nhỏ hơn, để mỗi bước được một agent xử lý, cuối cùng tổng hợp các kết quả này. Cách này đặc biệt phù hợp khi nhiệm vụ bao gồm nhiều bước nhỏ, hoặc mỗi bước cần một cửa sổ ngữ cảnh sạch để tránh nhiễu lẫn nhau hoặc ô nhiễm chéo. Bước tổng hợp tương đương với một "rào cản": nó sẽ đợi tất cả các agent được phân tán hoàn thành, sau đó hợp nhất đầu ra có cấu trúc của chúng thành một kết quả.

Kiểm tra đối kháng: Đối với mỗi agent được tạo ra, chạy thêm một agent độc lập, xác minh đầu ra của nó một cách đối kháng theo một số tiêu chuẩn hoặc nguyên tắc đánh giá.

Tạo và sàng lọc: Tạo ra nhiều ý tưởng xoay quanh một chủ đề, sau đó sàng lọc dựa trên tiêu chí đánh giá hoặc quy trình xác minh, loại bỏ các mục trùng lặp, chỉ trả về những ý tưởng đã được kiểm tra, chất lượng cao nhất.

Giải đấu loại trực tiếp: Thay vì chia nhỏ công việc, hãy để các agent cạnh tranh với nhau. Tạo N agent, để chúng lần lượt thử hoàn thành cùng một nhiệm vụ bằng các phương pháp khác nhau. Sau đó, một agent đánh giá thông qua prompt hoặc mô hình sẽ so sánh các kết quả theo cặp cho đến khi chọn ra người chiến thắng.

Lặp cho đến khi hoàn thành: Đối với các nhiệm vụ có khối lượng công việc chưa biết, không đặt số lượt cố định, mà lặp lại việc tạo agent cho đến khi đáp ứng điều kiện dừng, ví dụ như không còn phát hiện mới xuất hiện, hoặc không còn lỗi trong nhật ký.

Các Tình Huống Sử Dụng

Bạn có thể suy nghĩ sáng tạo hơn về việc khi nào và làm thế nào để Claude Code tạo dynamic workflows. Tôi nhận thấy workflows đôi khi thậm chí còn hữu ích hơn trong các công việc phi kỹ thuật.

Di Chuyển và Tái Cấu Trúc

Bun đã từng sử dụng workflows để viết lại từ Zig sang Rust. Bạn có thể đọc bài đăng của Jarred trên X để tìm hiểu quy trình cụ thể.

Điểm mấu chốt là, chia nhiệm vụ thành một loạt các bước cần xử lý, ví dụ như điểm gọi, kiểm tra thất bại, mô-đun, v.v. Khởi chạy một agent con cho mỗi nhiệm vụ sửa chữa trong một worktree, để nó hoàn thành việc sửa chữa; sau đó để một agent khác thực hiện xem xét đối kháng, cuối cùng hợp nhất kết quả. Bạn có thể cân nhắc nói rõ với agent rằng không sử dụng các lệnh tiêu tốn nhiều tài nguyên, như vậy có thể tối đa hóa mức độ song song mà không làm cạn kiệt tài nguyên máy cục bộ.

Nghiên Cứu Chuyên Sâu

Chúng tôi đã phát hành một kỹ năng deep research skill (/deep-research) trong Claude Code, nó sử dụng dynamic workflow. Cụ thể, nó sẽ phân tán thực hiện tìm kiếm web, thu thập nguồn, xác minh đối kháng các tuyên bố liên quan và tổng hợp tạo một báo cáo có trích dẫn.

Nhưng loại nghiên cứu này không chỉ áp dụng cho tìm kiếm web. Ví dụ, bạn cũng có thể để Claude tổng hợp một báo cáo trạng thái từ ngữ cảnh Slack, hoặc thông qua khám phá sâu vào kho mã để nghiên cứu cách một tính năng hoạt động.

Xác Minh Chuyên Sâu

Mặt khác, nếu bạn có một báo cáo và muốn kiểm tra từng phán đoán thực tế và nguồn được trích dẫn trong đó, bạn có thể tạo một workflow: đầu tiên một agent xác định tất cả các tuyên bố thực tế, sau đó khởi chạy một agent con cho mỗi tuyên bố để kiểm tra tỉ mỉ. Bạn cũng có thể để một agent xác minh kiểm tra các agent con chịu trách nhiệm truy xuất nguồn, đảm bảo chất lượng nguồn của chúng đủ cao.

Sắp Xếp

Bạn có thể có một nhóm các hạng mục, muốn sắp xếp chúng theo một chỉ số định tính nào đó, và bạn tin rằng Claude Code giỏi đánh giá loại chỉ số này. Ví dụ, sắp xếp các ticket hỗ trợ theo mức độ nghiêm trọng của lỗi.

Nhưng nếu bạn cố gắng sắp xếp hơn 1000 dòng nội dung trong một prompt, chất lượng sẽ giảm, và cửa sổ ngữ cảnh cũng không chứa hết. Cách làm tốt hơn là chạy cơ chế giải đấu loại trực tiếp, thiết lập một đường ống gồm các agent so sánh theo cặp, vì đánh giá so sánh thường đáng tin cậy hơn cho điểm tuyệt đối; hoặc sắp xếp phân nhóm song song trước, sau đó hợp nhất kết quả. Mỗi lần so sánh được thực hiện bởi một agent độc lập, do đó vòng lặp xác định có thể duy trì cấu trúc toàn bộ giải đấu, chỉ có thứ tự chạy hiện tại cần được giữ lại trong ngữ cảnh.

Ghi Nhớ và Tuân Thủ Quy Tắc

Nếu bạn có một nhóm quy tắc cụ thể, và Claude ngay cả khi thấy các quy tắc này trong CLAUDE.md vẫn thường xuyên bỏ sót hoặc thực hiện không tốt, bạn có thể tạo một workflow, liệt kê các quy tắc này và để agent xác minh kiểm tra từng điều - mỗi quy tắc tương ứng với một agent xác minh. Tạo một agent con với nhân cách "người hoài nghi" để xem xét các quy tắc này có hợp lý hay không cũng giúp tránh quá nhiều báo động sai.

Cũng có thể làm ngược lại: Khai thác các phiên gần đây và nhận xét xem xét mã của bạn, tìm ra những điều chỉnh bạn liên tục thực hiện; để các agent song song phân cụm các vấn đề này; sau đó xác minh đối kháng từng quy tắc ứng viên, đánh giá xem nó có thực sự ngăn chặn được một lỗi thực tế nào đó hay không; cuối cùng đúc kết các quy tắc vượt qua sàng lọc trở lại CLAUDE.md.

Điều Tra Nguyên Nhân Gốc Rễ

Cách gỡ lỗi hiệu quả nhất là đưa ra một vài giả thuyết độc lập với nhau và kiểm tra từng cái một. Nhưng nếu bạn chỉ sử dụng một cửa sổ ngữ cảnh, Claude có thể rơi vào thiên kiến ưu tiên bản thân.

workflow có thể ngăn chặn tình trạng này về mặt cấu trúc: nó có thể khởi chạy nhiều agent, để chúng tạo ra các giả thuyết dựa trên bằng chứng không chồng chéo. Ví dụ, để các agent khác nhau lần lượt xem nhật ký, tệp và dữ liệu. Sau đó, mỗi giả thuyết có thể được một nhóm người xác minh và người bác bỏ xem xét.

Điều này không chỉ áp dụng cho mã. Workflows cũng có thể được sử dụng cho phân tích bán hàng, ví dụ "Tại sao doanh số tháng 3 giảm?"; cho kỹ thuật dữ liệu, ví dụ "Tại sao pipeline này thất bại?"; hoặc cho bất kỳ phân tích sau sự cố nào.

Phân Loại Quy Mô Lớn

Mỗi nhóm đều có hàng đợi hỗ trợ, báo cáo lỗi hoặc các công việc tồn đọng khác không thể hoàn toàn do con người xử lý. Một workflow phân loại có thể phân loại từng hạng mục, loại bỏ trùng lặp với các vấn đề đã được theo dõi và thực hiện hành động. Điều này có thể có nghĩa là thử sửa chữa, hoặc nâng cấp cho người dùng con người xử lý.

Đối với workflow phân loại, một mẫu hình hữu ích là quarantine (cách ly). Nghĩa là, cấm các agent đọc nội dung công khai không đáng tin cậy thực hiện các thao tác có quyền cao; các thao tác có quyền cao nên được thực hiện bởi các agent chuyên trách hành động.

Bạn có thể kết hợp workflows phân loại với /loop, để Claude liên tục thực hiện loại nhiệm vụ này.

Khám Phá và Đánh Giá Thẩm Mỹ

Khi bạn cần khám phá các con đường giải pháp khác nhau, đặc biệt là các nhiệm vụ liên quan đến đánh giá thẩm mỹ như thiết kế, đặt tên, và có thể hưởng lợi từ một bộ tiêu chí đánh giá, workflows rất hữu ích.

Bạn có thể để Claude khám phá nhiều phương án, và cung cấp cho agent xem xét một bộ tiêu chí về "phương án tốt trông như thế nào". Khi agent xem xét cho rằng kết quả đã đáp ứng tiêu chuẩn, nhiệm vụ hoàn thành. Các phương án khác nhau cũng có thể được sắp xếp hoặc sàng lọc theo bộ tiêu chí đánh giá này thông qua cơ chế giải đấu loại trực tiếp.

Evals (Đánh Giá)

Bạn có thể chạy các đánh giá nhẹ cho nhiệm vụ cụ thể bằng cách khởi chạy agent độc lập trong worktree, sau đó khởi chạy agent so sánh, so sánh và chấm điểm đầu ra cụ thể dựa trên tiêu chí đánh giá. Ví dụ, bạn có thể đánh giá và cải thiện một kỹ năng nào đó do bạn tạo ra, xem nó có đáp ứng một số tiêu chuẩn cụ thể hay không.

Định tuyến Mô hình và Mức độ Thông minh: Bạn có thể tạo một agent phân loại được điều chỉnh cho nhiệm vụ của riêng mình, để nó quyết định sử dụng mô hình nào. Cách này hữu ích khi nhiệm vụ liên quan đến nhiều lệnh gọi công cụ, và việc nghiên cứu trước khi thực thi có thể giúp xác định mô hình phù hợp nhất.

Ví dụ, đối với nhiệm vụ "Giải thích cách mô-đun auth hoạt động", mô hình phù hợp nhất phụ thuộc vào việc có bao nhiêu tệp trong mô-đun auth và cấu trúc kho mã như thế nào. Agent phân loại có thể hoàn thành nghiên cứu này trước, sau đó định tuyến nhiệm vụ cho Sonnet hoặc Opus dựa trên độ phức tạp dự kiến.

Khi Nào Không Nên Sử Dụng Dynamic Workflows

Workflows vẫn là thứ mới mẻ. Mặc dù trong nhiều tình huống sử dụng, nó có thể mang lại hiệu quả vượt xa cách thông thường, nhưng không phải mọi nhiệm vụ đều cần đến nó, và nó có thể làm tăng đáng kể lượng token tiêu thụ.

Tốt nhất nên sử dụng workflows cho những nhiệm vụ có thể mở rộng ranh giới khả năng của Claude Code theo cách mới. Đối với các nhiệm vụ lập trình thông thường, bạn có thể tự hỏi: Nhiệm vụ này có thực sự cần nhiều tài nguyên tính toán hơn không? Ví dụ, hầu hết các nhiệm vụ lập trình truyền thống không cần một nhóm gồm 5 người xem xét.

Kỹ Thuật Xây Dựng Dynamic Workflows

Thiết Kế Prompt

Khi viết prompt cho dynamic workflow, càng nhiều chi tiết thường càng tốt, đặc biệt là khi sử dụng các kỹ thuật cụ thể được đề cập ở trên.

Workflows không chỉ áp dụng cho các nhiệm vụ lớn. Bạn cũng có thể nhắc mô hình sử dụng một "quick workflow". Ví dụ, bạn có thể tạo một quy trình xem xét đối kháng nhanh để kiểm tra một giả thuyết nào đó.

Kết Hợp với /goal và /loop

Khi bạn sử dụng các workflows có thể thực thi lặp lại, ví dụ như phân loại, nghiên cứu hoặc workflow xác minh, bạn có thể kết hợp chúng với /loop để chúng chạy theo khoảng thời gian cố định; đồng thời sử dụng /goal để đặt yêu cầu hoàn thành cứng.

Ngân Sách Sử Dụng Token

Bạn có thể thiết lập ngân sách sử dụng token rõ ràng cho dynamic workflow, để hạn chế số lượng token nhiệm vụ tiêu thụ. Bạn có thể viết vào prompt các yêu cầu ngân sách như "use 10k tokens", nó sẽ đặt giới hạn là 10k token.

Lưu Trữ và Chia Sẻ Dynamic Workflows

Bạn có thể nhấn "s" trong menu workflow để lưu workflows. Bạn có thể commit chúng vào ~/.claude/workflows, hoặc phân phối thông qua skill.

Nếu muốn chia sẻ chúng thông qua skill, bạn có thể đặt tệp JavaScript workflow vào thư mục skill và tham chiếu trong SKILL.md. Để có tính linh hoạt lớn hơn, bạn cũng có thể nhắc Claude: coi workflows trong skill như các mẫu, chứ không phải là kịch bản phải chạy từng chữ.

Một Thế Giới Hoàn Toàn Mới

Workflows là một cách mới hữu ích để mở rộng Claude Code. Tôi khuyến khích bạn coi nó như một điểm khởi đầu. Chúng ta còn nhiều điều cần khám phá về cách sử dụng nó tốt nhất. Hãy cho chúng tôi biết phát hiện của bạn.

Thariq Shihipar và Sid Bidasaria(@sidbid) là thành viên của nhóm kỹ thuật Anthropic, phụ trách các công việc liên quan đến Claude Code.

Nội dung Liên quan

Ripple’s RLUSD Được Đưa Vào Kế Hoạch Mở Rộng Thanh Toán Stablecoin Của Mastercard

Mastercard đang mở rộng cơ sở hạ tầng stablecoin bằng cách thêm RLUSD của Ripple vào hệ thống thanh toán mở rộng. Động thái này cho phép các tổ chức phát hành và chấp nhận thanh toán giao dịch thẻ thông qua tài sản số được quản lý, bên cạnh các kênh tiền pháp định truyền thống. Mastercard sẽ hỗ trợ thanh toán bằng nhiều stablecoin được quản lý, bao gồm USDC của Circle, PYUSD của Paxos và RLUSD của Ripple trên các mạng blockchain như Ethereum, Solana và XRP Ledger. Mục tiêu là cung cấp tùy chọn thanh toán trong ngày, cuối tuần và ngày lễ, giúp đối tác linh hoạt hơn trong quản lý thanh khoản, đặc biệt với thanh toán xuyên biên giới. Ripple coi đây là sự xác nhận quan trọng cho stablecoin được xây dựng cho các luồng thanh toán thể chế. Tính năng mới sẽ bổ sung cho các quy trình hiện có, không thay thế chúng, với sự hỗ trợ ban đầu từ một số ngân hàng và đối tác, tập trung vào Mỹ và Mỹ Latinh. Kế hoạch mở rộng hơn nữa dự kiến đến năm 2026.

bitcoinist11 phút trước

Ripple’s RLUSD Được Đưa Vào Kế Hoạch Mở Rộng Thanh Toán Stablecoin Của Mastercard

bitcoinist11 phút trước

Nhóm của Lý Phi Phi làm rõ khái niệm 'Mô hình thế giới', Sora chỉ có thể tính là trình kết xuất

Nhóm của Giáo sư Lý Phi Phi từ World Labs và Đại học Stanford đã công bố một bài phân tích khái niệm, chỉ ra sự lạm dụng thuật ngữ "mô hình thế giới" trong AI. Bài viết phân loại các hệ thống được gọi là "mô hình thế giới" thành ba chức năng chiếu theo vòng lặp nhận thức POMDP: bộ kết xuất, bộ mô phỏng và bộ lập kế hoạch. Theo phân loại này, các mô hình tạo video như Sora của OpenAI thuộc nhóm "bộ kết xuất". Chúng tập trung tạo ra đầu ra pixel chân thực cho thị giác con người từ trạng thái hoặc mô tả, nhưng không thực sự tính toán các quy luật vật lý chính xác để dự đoán sự thay đổi trạng thái dựa trên hành động. Do đó, chúng không phải là mô hình thế giới đầy đủ hay bộ mô phỏng thế giới. Ngược lại, "bộ mô phỏng" (ví dụ: NVIDIA Omniverse) tập trung vào việc tạo ra trạng thái vật lý-chính xác cho các tính toán, còn "bộ lập kế hoạch" chuyển đổi quan sát thành hành động. Sự nhầm lẫn khái niệm này, thường được thúc đẩy bởi tiếp thị, có thể dẫn đến đánh giá sai lệch về khả năng công nghệ, ảnh hưởng đến lựa chọn kỹ thuật và đầu tư. Việc làm rõ này có giá trị thực tiễn, giúp các doanh nghiệp và nhà đầu tư đánh giá đúng năng lực của từng loại hệ thống. Tương lai có thể hướng tới sự hợp nhất của ba chức năng, nhưng hiện tại, việc nhận biết ranh giới của chúng là rất quan trọng.

marsbit28 phút trước

Nhóm của Lý Phi Phi làm rõ khái niệm 'Mô hình thế giới', Sora chỉ có thể tính là trình kết xuất

marsbit28 phút trước

Từ Web3 đến AI Agent, Quỹ đầu tư mạo hiểm tiền mã hóa lâu đời Variant cược 2 tỷ đồng vào chuyển đổi

Tác giả: Variant Fund. Biên dịch: Deep Tide TechFlow. Quỹ đầu tư mạo hiểm tiền mã hóa Variant đã công bố Quỹ mới Variant 4 trị giá 222 triệu USD. Quỹ sẽ tập trung vào đầu tư giai đoạn sớm và tham gia vào các vòng tăng trưởng sau này. Thay vì chủ đề "quyền sở hữu kỹ thuật số" như trước đây, triết lý đầu tư cốt lõi của Variant giờ đây đã nâng cấp thành "quyền tự chủ". Quyền tự chủ là về khả năng chủ động của người dùng: mức độ kiểm soát của họ đối với cuộc sống, tài sản và danh tính của chính mình. Một cách để đạt được quyền tự chủ là sở hữu các thị trường, dữ liệu, sản phẩm và cơ sở hạ tầng mà họ sử dụng hàng ngày. Variant phân biệt rõ ràng giữa quyền tự chủ và tự động hóa đơn thuần. Tự động hóa thông minh là một trong những lĩnh vực công nghệ quan trọng nhất, nhưng việc nó có tăng cường quyền tự chủ hay không phụ thuộc vào việc nó phục vụ ai: người dùng hay một thực thể khác. Lý thuyết đầu tư mới của Variant là: đầu tư vào công nghệ mở rộng quyền tự chủ, tập trung vào các thị trường, cơ sở hạ tầng và ứng dụng mới trao quyền chủ động hơn cho người dùng thông qua việc tăng cường khả năng tiếp cận, kiến thức và quyền sở hữu. Lý thuyết này bao trùm các khoản đầu tư trước đây của họ vào các blockchain hàng đầu, cơ sở hạ tầng cho nhà phát triển, thị trường tài chính mới và sản phẩm tiêu dùng, đồng thời cũng phản ánh các khoản đầu tư gần đây vào các lĩnh vực như đại lý AI và danh tính kỹ thuật số. Variant tin rằng, các tác nhân thông minh (AI Agent) và các hệ thống tài chính toàn cầu mở sẽ thay đổi cấu trúc internet: từ một nơi người dùng thường là sản phẩm, trở thành một nơi người dùng có được khả năng chủ động chưa từng có. Sự thay đổi này sẽ không chỉ dừng lại ở người dùng cá nhân mà còn bao gồm các thị trường, công cụ và dịch vụ mới dành cho nhà phát triển và doanh nghiệp.

marsbit34 phút trước

Từ Web3 đến AI Agent, Quỹ đầu tư mạo hiểm tiền mã hóa lâu đời Variant cược 2 tỷ đồng vào chuyển đổi

marsbit34 phút trước

Sự Tăng Trưởng Bùng Nổ Của Solana Đẩy Khối Lượng Giao Dịch Perps Hàng Tháng Vượt Quá Các Kỷ Lục Trước Đó

Mặc dù giá SOL giảm mạnh, gần chạm ngưỡng hỗ trợ 75 USD, nhưng thị trường phái sinh của Solana lại thể hiện sức mạnh đáng chú ý. Khối lượng hợp đồng tương lai vĩnh viễn (perps) hàng tháng đã phá vỡ kỷ lục trước đó, đạt hơn 76,7 tỷ USD chỉ trong tháng 5 năm 2026, tăng 34% so với mức đỉnh cũ và tăng 97% so với tháng trước. Sự tăng vọt này phản ánh hoạt động đầu cơ và sự tham gia của nhà giao dịch trên mạng lưới ngày càng tăng, đồng thời nhấn mạnh tầm ảnh hưởng của Solana với việc thực thi 100% trên chuỗi. Song song đó, mạng Solana cũng chứng kiến sự bùng nổ trong hoạt động stablecoin, xử lý khối lượng giao dịch lên tới 79,9 tỷ USD trong một tuần. Con số này củng cố vị thế của Solana như một trung tâm thanh khoản và giao dịch tài chính kỹ thuật số hàng đầu, được lựa chọn nhờ tốc độ nhanh và chi phí thấp.

bitcoinist41 phút trước

Sự Tăng Trưởng Bùng Nổ Của Solana Đẩy Khối Lượng Giao Dịch Perps Hàng Tháng Vượt Quá Các Kỷ Lục Trước Đó

bitcoinist41 phút trước

Thời Đại Ballmer của Ethereum: Khi Mọi Người Đều Bán, Lượng Cung Lưu Hành Đang Biến Mất

**Tóm tắt bài viết "Kỷ nguyên Ballmer của Ethereum: Khi mọi người đều bán, nguồn cung lưu hành đang thu hẹp"** Tác giả Ben Lakoff so sánh giai đoạn hiện tại của Ethereum với "Kỷ nguyên Ballmer" của Microsoft - một thời kỳ bị chỉ trích, cổ phiếu trì trệ nhưng nền tảng cơ bản vẫn tăng trưởng ổn định bên dưới. Bài viết thừa nhận các luận điểm bearish là có cơ sở: lộ trình rollup làm giảm phí thu về cho ETH, năng lượng sáng tạo chuyển sang Solana, và Quỹ Ethereum bị coi là quá thận trọng. Tuy nhiên, tác giả chỉ ra rằng nguồn cung ETH lưu hành đang bị thu hẹp mạnh do: 30% ETH được stake, các công ty và quỹ ETF hút mua, và các quy định rõ ràng hơn (như phân loại phần thưởng stake không phải chứng khoán). Về tổng thể, toàn ngành crypto đang chuyển từ mối đe dọa sang một khuôn khổ pháp lý rõ ràng, với các đạo luật như GENIUS và CLARITY, thu hút vốn tổ chức. Mặc dù Ethereum có thể mất thị phần, nó vẫn là blockchain trung lập, đáng tin cậy hàng đầu cho tài sản token hóa. Chiến lược được đề xuất là đa dạng hóa: nắm giữ ETH cho giao dịch thu hẹp nguồn cung và sự chấp nhận của tổ chức; SOL cho giao dịch người dùng và khả năng mở rộng; BTC để phòng ngừa rủi ro vĩ mô; cùng một rổ nhỏ các L1 và ứng dụng thế hệ tiếp theo. Thời điểm hiện tại, khi narrative bearish là phổ biến và năng lượng tập trung vào AI, có thể chính là lúc thuận lợi để đầu tư vào crypto, một lĩnh vực đang có nền tảng pháp lý vững chắc hơn nhưng chưa được định giá cao.

marsbit46 phút trước

Thời Đại Ballmer của Ethereum: Khi Mọi Người Đều Bán, Lượng Cung Lưu Hành Đang Biến Mất

marsbit46 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 636Xuất bản vào 2024.12.26Cập nhật vào 2024.12.26

GROK AI là gì

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 643Xuất bản vào 2025.01.02Cập nhật vào 2025.01.02

ERC AI là gì

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

DUOLINGO AI là gì

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.

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow