# Bài viết Liên quan Tác nhân

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Tác nhân", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Cách thực hiện nghiên cứu sâu với Dynamic Workflows của Claude

Công việc nghiên cứu kỹ thuật chứa đầy cạm bẫy, dễ bị chìm trong biển thông tin và mất tập trung vào mục tiêu ban đầu. Claude mới giới thiệu tính năng **Dynamic Workflows** (Quy trình làm việc động), một bước tiến vượt bậc so với các phương pháp AI truyền thống bằng cách tự động thiết kế và điều phối quy trình tối ưu cho từng nhiệm vụ cụ thể, đặc biệt hiệu quả cho nghiên cứu sâu (**deep-research**). Dynamic Workflows hoạt động dựa trên sáu mẫu điều phối lõi, giải quyết hai vấn đề cốt lõi: **cách chia nhỏ nhiệm vụ** và **cách hợp nhất kết quả**: 1. **Định tuyến (Classify-And-Act)**: Phân loại nhiệm vụ và định tuyến đến chuyên gia phù hợp nhất. 2. **Chia tách & Hợp nhất (Fan-out & Merge)**: Chia thành các nhiệm vụ con chạy song song, sau đó tổng hợp kết quả. 3. **Xác minh đối kháng (Adversarial Verification)**: Sử dụng nhiều agent độc lập để thách thức và biểu quyết cho một kết luận, chống lại thiên kiến xác nhận. 4. **Tạo & Lọc (Generate & Filter)**: Tạo ra nhiều phương án, sau đó lọc để giữ lại những phương án tốt nhất. 5. **Giải đấu (Tournament)**: Các agent cạnh tranh từng cặp qua nhiều vòng để chọn ra giải pháp tối ưu. 6. **Vòng lặp (Loop)**: Lặp lại nhiệm vụ một cách thích ứng cho đến khi đạt tiêu chí hoàn thành. So sánh với hệ thống deep-research tự xây dựng trước đây, Dynamic Workflows của Claude bổ sung các cơ chế then chốt giúp nghiên cứu **định hướng mục tiêu** và **chắc chắn** hơn: * **Phân tách vấn đề**: Phân tích câu hỏi ban đầu thành các khía cạnh phụ trước khi hành động. * **Đánh giá độ tin cậy**: Xếp hạng độ tin cậy của từng nguồn thông tin. * **Hợp nhất chọn lọc**: Sử dụng biểu quyết đa agent để loại bỏ thông tin không đủ ủng hộ, thay vì gộp chung mọi thứ. * **Đầu ra tập trung vào quyết định**: Báo cáo cuối cùng đưa ra đánh giá và khuyến nghị hành động rõ ràng, phục vụ cho việc ra quyết định. Những cải tiến này giải quyết hiệu quả các vấn đề phổ biến của AI trong các nhiệm vụ dài như: **trôi dạt mục tiêu**, **dừng sớm**, **nhiễm ngữ cảnh** và **thiên kiến đầu ra**. Dynamic Workflows không chỉ là một cuộc đối thoại thông minh hơn, mà là **cơ cấu hóa chính quy trình nghiên cứu**, giúp rút ngắn đáng kể số lần tương tác cần thiết (từ hơn chục lần xuống còn 3-4 lần), dù tiêu tốn token nhiều hơn. Tuy vẫn còn một số thách thức như cơ chế xác minh cần khắt khe hơn với dữ kiện thực tế (ví dụ trong blockchain), khả năng tư duy liên ngành sâu cho các lĩnh vực mới, và việc thiết kế-xác thực giải pháp dựa trên ràng buộc thực tế, Dynamic Workflows đã đánh dấu một bước nhảy vọt về **tính linh hoạt và khả năng thích ứng** của AI, chuyển từ việc giải quyết các vấn đề tĩnh sang xử lý các nhiệm vụ mở với quy trình được tối ưu hóa tự động.

marsbit39 phút trước

Cách thực hiện nghiên cứu sâu với Dynamic Workflows của Claude

marsbit39 phút trước

Khi suy luận trở thành nguồn lực khan hiếm, giá trị sẽ được nắm bắt bởi ai

Tác giả Frank Fu từ IOSG phân tích sự chuyển dịch then chốt trong ngành AI: từ tập trung vào huấn luyện (training) sang suy luận (inference) như là nguồn lực khan hiếm và động lực giá trị chính. Điểm mấu chốt: Vấn đề "lỗ hổng doanh thu" 2000 tỷ USD (nay là 6000 tỷ USD) được David Cahn của Sequoia đưa ra không được lấp đầy từ phía huấn luyện, mà từ phía suy luận. Inference trở thành chi phí thường xuyên, có tính chất phí dịch vụ (service token), và nhu cầu sẽ tăng theo cấp số nhân với sự phát triển của AI dạng tác nhân (agentic AI) và AI vật lý (physical AI). Các bằng chứng: * **Cerebras IPO:** Được định giá cao với mức认购 vượt 20 lần nhờ kiến trúc chip tối ưu cho inference. * **Định hướng lại của NVIDIA:** Tái cấu trúc báo cáo tài chính xoay quanh "dịch vụ token", thành lập mảng Edge Computing song song với Data Center, và công bố chip Vera Rubin tập trung vào inference. * **Tình huống thực tế - Anthropic:** Phải tiếp quản toàn bộ một trung tâm dữ liệu để giải quyết tắc nghẽn inference, và chuyển đổi mô hình định giá cho các tác nhân AI sang tính phí theo mức sử dụng. **Kiến trúc ngăn xếp (stack) và nơi đọng giá trị:** Bài viết mô tả một ngăn xếp 6 tầng từ nhà máy bán dẫn đến API. Khi inference trở thành nút thắt cổ chai, giá trị sẽ chảy mạnh vào các tầng trung gian có khả năng **tổng hợp và định tuyến hiệu quả** nguồn cung điện toán phân mảnh. * **Venice** được nêu như một ví dụ ở tầng ứng dụng - một "trạm xăng" mua sức mạnh inference để bán lại với giá trị gia tăng là quyền riêng tư, nhưng lợi nhuận mỏng do phụ thuộc vào giá inference. * **Hyperbolic** được giới thiệu như một công ty độc đáo, đóng vai trò "nhà máy lọc dầu" ở các tầng giữa (cho thuê GPU, triển khai, API model). Bằng cách tổng hợp GPU từ nhiều nhà cung cấp đám mây thành một thị trường chuẩn hóa, họ không sở hữu phần cứng nhưng tạo ra thanh khoản và dữ liệu định giá, từ đó định tuyến workload đến nơi có chi phí thấp nhất. Mô hình này thậm chí được hưởng lợi từ tình trạng dư thừa GPU. **Kết luận:** Công ty chiến thắng cuối cùng trong nền kinh tế inference có thể không phải là công ty sở hữu nhiều GPU nhất, mà là công ty có thể tổng hợp, định giá và định tuyến chúng một cách hiệu quả nhất. Hyperbolic đang xây dựng một công ty như vậy.

链捕手12 giờ trước

Khi suy luận trở thành nguồn lực khan hiếm, giá trị sẽ được nắm bắt bởi ai

链捕手12 giờ trước

Người sáng lập Baixing.com: 14 kinh nghiệm sử dụng Claude Code của tôi

Tác giả Wang Jianshuo, người sáng lập Baixing.com, chia sẻ 14 kinh nghiệm cá nhân khi sử dụng Claude Code: 1. Tập trung sử dụng thành thạo một công cụ (Claude Code), thay vì so sánh nhiều công cụ. 2. Ghi nhớ các phím tắt quan trọng (Ctrl+G, Ctrl+A, Ctrl+E, Ctrl+U). 3. Sử dụng tính năng nhập liệu bằng giọng nói (HoldSpeak). 4. Bắt đầu dự án bằng cách viết tài liệu PROJECT.md có cấu trúc. 5. Mặc định sử dụng chế độ Claude agents. 6. Kết hợp Claude Code với GitHub và Cloudflare để tự động hóa quy trình xây dựng, triển khai và quản lý tên miền. 7. Tách biệt mã do người viết và mã do AI tạo. Chỉ quản lý thủ công file CLAUDE.md cốt lõi, không đọc trực tiếp mã AI tạo ra. 8. Kéo và thả file (âm thanh, video, tài liệu, ảnh chụp màn hình) vào cửa sổ Claude Code để giải thích yêu cầu. 9. Tái cấu trúc hệ thống ghi nhớ xung quanh file ~/.claude/CLAUDE.md, liên kết đến nhiều file bộ nhớ, lưu trữ chúng trong git (GitHub private) để tích lũy kiến thức lâu dài. 10. Viết Skill và yêu cầu Claude tự động tóm tắt những gì đã học vào Skill sau mỗi phiên làm việc. 11. Đối với nhiệm vụ phức tạp, sử dụng ultracode để kích hoạt dynamic workflow (hiệu quả cao dù tốn kém và chậm). 12. Liên tục tích lũy và tái cấu trúc Skill, lưu trữ chúng trong git. 13. Sử dụng tài liệu trong git làm đầu ra cho nhiệm vụ trước và đầu vào cho nhiệm vụ tiếp theo, giúp các agent giao tiếp rõ ràng thay vì phụ thuộc vào ngữ cảnh. 14. Coi Claude Code như một "con ngựa" (có khả năng tự tìm đường) chứ không phải một "cỗ xe" (chỉ làm theo chỉ dẫn). Tính tự chủ này là một đặc điểm, không phải lỗi.

链捕手14 giờ trước

Người sáng lập Baixing.com: 14 kinh nghiệm sử dụng Claude Code của tôi

链捕手14 giờ trước

Hướng dẫn sử dụng chế độ Goal của Codex: Cách để AI không ngừng thúc đẩy một mục tiêu cụ thể

Biên tập viên: Bài viết này từ Dominik Kundel, thành viên quan hệ nhà phát triển của OpenAI, tổng kết kinh nghiệm sử dụng tính năng "goal mode / /goal" của Codex. Nó không chỉ nói về kỹ thuật nhắc lệnh thông thường, mà nói về sự thay đổi vai trò của công cụ lập trình AI: Codex không còn chỉ là trợ lý mã hóa phản hồi lệnh đơn lẻ, mà bắt đầu trở thành một tác nhân hành động có thể liên tục thúc đẩy theo đuổi một mục tiêu rõ ràng. Trong chế độ /goal, điều thực sự quan trọng không phải là viết yêu cầu càng dài càng chi tiết, mà là thiết lập tiêu chuẩn thoát rõ ràng, có thể xác minh cho Codex. Ví dụ: "giảm 30% thời gian triển khai", "đạt 100% parity về phạm vi kiểm thử", "LCP xuống dưới 2,5 giây". Những chỉ số này cho phép Codex đánh giá nhiệm vụ đã hoàn thành hay chưa, đồng thời tránh nó thử sai vô hạn trong mục tiêu mơ hồ. Đồng thời, người dùng cần cung cấp đủ định hướng, công cụ và môi trường thực tế để Codex có thể đo lường tiến độ, xác minh kết quả, thay vì chỉ hoàn thành một giải pháp khả thi trong điều kiện giả định cục bộ. Bài viết đặc biệt nhắc nhở, nhiệm vụ liên quan đến hình ảnh dễ khiến Codex sa lầy vào chi tiết nhất. Thay vì yêu cầu "khôi phục chính xác đến từng pixel 100%", nên phân giải mục tiêu hình ảnh thành danh sách chức năng, quy tắc hệ thống thiết kế và chỉ số có thể đánh giá. Đối với nhiệm vụ dài hạn kéo dài hàng giờ thậm chí vài ngày, cũng cần theo dõi liên tục thông qua commit, draft PR, tài liệu tiến độ, cập nhật Slack hoặc side chat, tránh cuối cùng chỉ nhận được một loạt thay đổi không thể truy nguyên. Thông tin tăng thêm của bài viết nằm ở việc định nghĩa lại /goal như một "cơ chế quản lý nhiệm vụ dài hạn". Khi AI có thể thực thi liên tục hàng chục thậm chí hàng trăm giờ, năng lực cốt lõi của nhà phát triển cũng thay đổi: không chỉ là để AI tạo mã, mà là định nghĩa mục tiêu cho nó, thiết lập hệ thống đo lường, cấu hình môi trường thực thi, và cuối cùng hoàn thành xem xét và tổng kết. Nói cách khác, lập trình AI đang chuyển từ "viết lời nhắc" sang "quản lý một tác nhân thực thi kỹ thuật làm việc liên tục".

marsbit2 ngày trước 08:13

Hướng dẫn sử dụng chế độ Goal của Codex: Cách để AI không ngừng thúc đẩy một mục tiêu cụ thể

marsbit2 ngày trước 08:13

Huawei Cloud không đánh trận giá Token, Chu Việt Phong muốn thay đổi cách thắng cho AI Cloud

“Tôi không quá quan tâm tổng số Token là bao nhiêu, cũng không quá quan tâm tổng doanh thu là bao nhiêu.” Tại Hội nghị Sáng tạo INSPIRE 2026 của Huawei Cloud, ông Chu Dược Phong, Tổng giám đốc Huawei Cloud, lần đầu tiên trả lời phỏng vấn đã truyền tải rõ ràng trọng tâm chiến lược hiện tại. Trong bối cảnh các nhà cung cấp đám mây như Alibaba hay Volcano Engine liên tục nhấn mạnh vào lượng Token và quy mô doanh thu MaaS, Huawei Cloud chọn một con đường khác. Họ công bố hàng loạt sản phẩm mới tập trung vào AI, bao gồm cụm trí tuệ AICS Lingqu, bộ nhớ AMS Agentic, động cơ điều phối thống nhất CCE Volcano Next, nền tảng vận hành tự trị AgentSphere, cùng nền tảng ModelArts Next và AgentArts (phiên bản mã nguồn mở openJiuwen), qua đó đề xuất mô hình mới “Agentic Infra”. KPI mà ông Chu Dược Phong đặt ra cho Huawei Cloud không phải là số Token, mà là “liệu mỗi Token phía sau có thực sự nâng cao năng suất hay không”. Huawei Cloud rút mình khỏi cuộc cạnh tranh thứ hạng trên đám mây AI, tập trung vào ba điểm khác biệt chính: con đường tính toán tự chủ (sử dụng phần cứng và phần mềm nội địa như Ascend, Kunpeng), trọng tâm khách hàng doanh nghiệp và chính phủ, cùng cách tiếp cận sinh thái mã nguồn mở triệt để. “Agentic Infra” dịch chuyển trọng tâm cạnh tranh từ bán Token sang bán năng suất. Các sản phẩm của Huawei Cloud nhắm vào các thách thức kỹ thuật khi triển khai tác nhân AI trong doanh nghiệp. Đặc biệt, họ mạnh tay đầu tư vào các “Khu vực ngành nghề” như Y tế thông minh và Trí tuệ thể hiện, cung cấp các nền tảng chuyên biệt (ví dụ: RuiPath cho chẩn đoán bệnh lý, CloudRobo cho phát triển robot). Tóm lại, chiến lược của Huawei Cloud là sử dụng nền tảng tính toán nội địa và sinh thái mã nguồn mở, phủ sóng khách hàng doanh nghiệp thông qua đám mây lai và điện toán bảo mật, đồng thời dịch chuyển cuộc cạnh tranh từ “bán Token” sang “bán năng suất” thông qua Agentic Infra và các khu vực ngành nghề. Con đường này tránh vùng biển đỏ về giá cả hiện tại, đặt cược vào thị trường cơ sở hạ tầng chưa được định giá khi tác nhân AI thực sự bước vào ngành công nghiệp.

marsbit2 ngày trước 05:49

Huawei Cloud không đánh trận giá Token, Chu Việt Phong muốn thay đổi cách thắng cho AI Cloud

marsbit2 ngày trước 05:49

Từ ‘cấm cửa’ Doubao đến ‘ôm lấy’ Honor: Tại sao WeChat bất ngờ thay đổi thái độ?

Từ chặn Doubao đến bắt tay Honor: Tại sao WeChat đột nhiên “thay đổi thái độ”? Bài viết phân tích về việc WeChat của Tencent, sau một thời gian dài phong tỏa các trợ lý AI của hãng điện thoại, đã đột ngột hợp tác với các nhà sản xuất như Huawei, Honor, Xiaomi, OPPO, vivo để phát triển khả năng trợ lý A2A (Agent-to-Agent). Động thái này diễn ra trong bối cảnh Tencent đang chịu áp lực cạnh tranh lớn về AI so với các đối thủ như ByteDance và Alibaba. Trước đây, WeChat kiên quyết chống lại các phương pháp như GUI Agent (AI mô phỏng thao tác màn hình) mà Doubao của ByteDance sử dụng, coi đó là sự “xâm phạm”. Giờ đây, Tencent chọn giải pháp A2A, trong đó trợ lý AI hệ thống điện thoại phân tích ý định người dùng và gửi lệnh được ủy quyền tới WeChat để thực thi nội bộ. Cách tiếp cận này cho phép WeChat duy trì quyền kiểm soát hệ sinh thái và bảo mật dữ liệu trong khi vẫn mở rộng tiếp cận thông qua cổng vào AI cấp hệ thống. Các hãng điện thoại, dẫn đầu là Honor, nhiệt tình tham gia vì con đường GUI đã bị chứng minh là không khả thi. Hợp tác A2A mang lại cho họ sự ổn định, tuân thủ và cơ hội tập trung phát triển các khả năng AI độc lập khác. Cơ chế ủy quyền kép (người dùng + ứng dụng) được nhấn mạnh để đảm bảo quyền riêng tư và an ninh. Bài viết kết luận rằng đây là một liên minh chiến lược tạm thời. Tencent muốn biến WeChat thành “hệ điều hành dịch vụ” trong kỷ nguyên AI, trong khi các nhà sản xuất điện thoại muốn củng cố vị thế là trung tâm hệ sinh thái AI của riêng họ. Cuộc chiến giành cổng vào AI thời đại mới chỉ vừa bắt đầu.

marsbit06/06 01:51

Từ ‘cấm cửa’ Doubao đến ‘ôm lấy’ Honor: Tại sao WeChat bất ngờ thay đổi thái độ?

marsbit06/06 01:51

Near Tái Xuất Hiện Trên Sân Khấu AI: Chuyển Đổi Thành Blockchain Công Cộng Vì 'Khó Trả Lương', Agent và Quyền Riêng Tư Trở Thành Câu Chuyện Tăng Trưởng Mới

Tác giả: Jae, PANews Dù đã trải qua nhiều chu kỳ thị trường với các xu hướng khác nhau, từ blockchain hiệu suất cao, phân mảnh đến trừu tượng chuỗi và gần đây là AI Agent, Near luôn có mặt. Được đồng sáng lập bởi Illia Polosukhin, một trong những tác giả của kiến trúc AI Transformer nổi tiếng, Near có nền tảng kỹ thuật vững chắc. Điều ít người biết là Near ban đầu là một công ty khởi nghiệp AI, tập trung vào "tổng hợp chương trình" (dạy máy viết code). Tuy nhiên, họ gặp khó khăn trong việc trả lương xuyên biên giới cho các nhà phát triển toàn cầu do hạn chế của hệ thống thanh toán truyền thống và phí gas cao, tốc độ chậm của các blockchain thời kỳ đầu. Điều này buộc họ tạm dừng giấc mơ AI và tự xây dựng một blockchain riêng - Near - vào năm 2018. Sau một thời gian phát triển công nghệ phân mảnh nhưng gặp khó khăn trong việc thu hút hệ sinh thái, Near tìm thấy cơ hội mới khi làn sóng AI bùng nổ. Danh tiếng của Polosukhin với tư cách là đồng tác giả Transformer được công nhận rộng rãi, đưa Near trở lại ánh đèn sân khấu với tư cách là một dự án có "dòng máu AI" chính thống. Near hiện tập trung vào hai hướng phát triển chính: Near Intents và giao dịch riêng tư (Confidential Transactions). **Near Intents** đơn giản hóa trải nghiệm giao dịch chuỗi chéo. Thay vì thực hiện nhiều thao tác thủ công trên các chuỗi khác nhau, người dùng chỉ cần nêu ý định (ví dụ: "đổi BTC lấy ETH"), và mạng lưới "trình giải quyết" (Solver) sẽ tự động tìm đường đi tối ưu. Cơ chế này đã xử lý hơn 200 tỷ USD khối lượng giao dịch tích lũy, tạo ra hơn 34 triệu USD phí giao dịch, với TVL đạt 85 triệu USD trên 25 blockchain. Tuy nhiên, nguy cơ tập trung hóa trong mạng lưới Solver là một rủi ro tiềm ẩn. **Giao dịch riêng tư** là lợi thế cạnh tranh khác. Tính năng "Hoán đổi Bảo mật" cho phép ẩn số lượng, hướng giao dịch trước khi thanh toán, bảo vệ người dùng khỏi MEV và trượt giá. Trong 30 ngày qua, giao dịch riêng tư chiếm tới 41,63% tổng khối lượng giao dịch trên Near (~87 triệu USD trong tổng số 209 triệu USD), phản ánh nhu cầu thị trường mạnh mẽ. Tuy nhiên, tỷ lệ cao này cũng có thể thu hút sự giám sát từ các cơ quan quản lý. Tóm lại, sau hành trình đầy biến động, Near đang định vị lại mình ở giao lộ của blockchain và AI, thông qua trừu tượng hóa chuỗi, cơ chế ý định và giao dịch riêng tư. Việc liệu những nỗ lực này có giúp Near xây dựng được hào rào cạnh tranh vững chắc hay không vẫn cần được theo dõi thêm.

marsbit06/05 12:53

Near Tái Xuất Hiện Trên Sân Khấu AI: Chuyển Đổi Thành Blockchain Công Cộng Vì 'Khó Trả Lương', Agent và Quyền Riêng Tư Trở Thành Câu Chuyện Tăng Trưởng Mới

marsbit06/05 12:53

Sau khi được IBM "để mắt tới", three tăng gấp 50 lần

Một tin hợp tác với IBM đã đưa dự án Solana three.ws (token: THREE) vào tầm ngắm thị trường, khiến giá token tăng tới 50 lần, từ vốn hóa 300.000 USD lên mức cao nhất 16,38 triệu USD. Three.ws định nghĩa mình là "Lớp Agent 3D cho Internet", nhằm giải quyết vấn đề AI Agent thường bị ẩn trong khung chat. Dự án muốn cung cấp cho AI Agent một cơ thể 3D, ký ức, danh tính, ví tiền và kênh phân phối, biến nó thành một nhân vật số có thể xuất hiện trên trang web, thực hiện hành động và giao dịch. Kiến trúc của three.ws gồm 4 tầng: Tầng Hiển thị (Viewer) để kết xuất mô hình 3D; Tầng Agent (não bộ) với LLM, trí nhớ, kỹ năng và hệ thống cảm xúc; Tầng Danh tính tùy chọn (có thể đăng ký trên Solana hoặc EVM); và Tầng Nhúng & Phân phối để triển khai Agent vào website. Dự án đã có mặt trên AWS Marketplace và tham gia chương trình Google Cloud for Web3 Startups. Hợp tác với IBM hướng đến việc kết hợp công nghệ Agent 3D với AI doanh nghiệp, điện toán đám mây lai và kênh thị trường của IBM, đồng thời tích hợp các mô hình Granite của IBM. Mục tiêu cuối cùng là biến AI Agent 3D trong trình duyệt từ một bản demo thành một dịch vụ mà doanh nghiệp có thể mua sắm, triển khai và quản lý được, với AWS xử lý khía cạnh mua sắm/tính cước và IBM bổ sung năng lực AI doanh nghiệp.

foresightnews_api06/05 04:28

Sau khi được IBM "để mắt tới", three tăng gấp 50 lần

foresightnews_api06/05 04:28

Casper Ra Mắt Bộ Công Cụ AI Dành cho Các Tác Nhân Tự Động và Nhà Phát Triển

Casper Association đã ra mắt Bộ công cụ AI Casper, cung cấp giải pháp toàn diện nhất cho các tác nhân AI tự trị trên blockchain Lớp 1. Bộ công cụ này cho phép AI thực hiện hai nhiệm vụ chính: tiến hành giao dịch tự trị như một tác nhân kinh tế và tự động xây dựng, triển khai ứng dụng. Với giao thức x402 đang hoạt động trên mainnet, AI giờ đây có thể thanh toán vi mô theo từng yêu cầu (pay-per-request) chỉ trong vài giây mà không cần tài khoản thanh toán hay sự can thiệp của con người. Đồng thời, thông qua Odra Framework và CSPR.build Agent Skills, một tác nhân AI có thể tự thiết kế, kiểm tra và triển khai hợp đồng thông minh hoàn chỉnh. Các thành phần trong Bộ công cụ AI được tích hợp liền mạch, tạo thành một hệ sinh thái kinh tế máy móc khép kín: một AI xây dựng dịch vụ và một AI khác trả tiền để sử dụng chúng. Để thúc đẩy phát triển, Casper Association đang tổ chức cuộc thi Buildathon với tổng giải thưởng 150.000 USD và cung cấp quyền sử dụng x402 miễn phí cho các đội tham gia.

TheNewsCrypto06/04 13:22

Casper Ra Mắt Bộ Công Cụ AI Dành cho Các Tác Nhân Tự Động và Nhà Phát Triển

TheNewsCrypto06/04 13:22

Codex và ChatGPT hợp nhất, cuộc đại phân định công cụ lập trình bắt đầu

OpenAI đang chuyển trọng tâm từ ChatGPT sang Codex, thông báo hợp nhất ba sản phẩm Codex, ChatGPT và Atlas thành một siêu ứng dụng desktop trong vài tuần tới. Động thái này phản ánh nhận thức nội bộ rằng Codex, ban đầu là công cụ lập trình, mới đại diện cho hình thái AI thế hệ tiếp theo. Lý do là trong khi ChatGPT trả lời câu hỏi, Codex giải quyết công việc thực tế. Điều này mang lại giá trị hơn cho doanh nghiệp. Codex đã phát triển từ công cụ bổ sung code thành "đại lý AI" có khả năng gọi công cụ và xử lý tác vụ phức tạp, với người dùng hoạt động hàng tuần tăng lên hơn 5 triệu. Đáng chú ý, 40% người dùng mới gần đây không phải là nhà phát triển, mà là các nhà phân tích, quản lý đầu tư, người làm marketing, quản lý sản phẩm... Điều này cho thấy Codex đang trở thành nền tảng cho lao động tri thức. OpenAI cũng giới thiệu sáu plugin phục vụ các vai trò nghề nghiệp khác nhau, nhắm mục tiêu tái cấu trúc cách thức làm việc của công việc văn phòng. Tham vọng lớn hơn của OpenAI là định hình lại phần mềm tương lai. Với tính năng mới "Sites", Codex có thể tạo website tương tác từ tài liệu, biến các báo cáo hay mô hình phân tích thành trang web tự động cập nhật. Mô hình đang chuyển dịch từ việc người dùng học phần mềm sang việc AI hiểu công việc và tự động gọi các công cụ cần thiết để hoàn thành mục tiêu, biến Codex thành một "nhân viên kỹ thuật số".

marsbit06/04 11:35

Codex và ChatGPT hợp nhất, cuộc đại phân định công cụ lập trình bắt đầu