Hook
Tối qua, khi đang kiểm tra dashboard của một giao thức Yield Aggregator trên Arbitrum, tôi vô tình thấy một tweet từ nhà phát triển EthStorage: 'Chỉ mất 3 phút để record skill rút tiền từ Compound rồi deploy cho cả team. Web3 automation cuối cùng cũng trở nên khả thi với non-devs.' Hắn đang nói về tính năng 'Record a Skill' mới ra mắt gần như đồng thời bởi cả Claude (Anthropic) và OpenAI Codex.Đây không phải là một bước đột phá về kiến trúc mô hình. Đây là một combo engineering khéo léo: kết hợp ghi màn hình + theo dõi con trỏ + voice + LLM để biến hành vi người dùng thành workflow có thể tái sử dụng. Nhưng điều khiến tôi giật mình là: nếu áp dụng vào DeFi, nó sẽ thay đổi hoàn toàn cách chúng ta xây dựng bot, tối ưu hóa thanh khoản và thậm chí là cấu trúc của các giao thức.
Context
Trước đây, để tự động hóa một quy trình DeFi – chẳng hạn như harvest farm trên Yearn, rebalance một vị thế trên Uniswap V3, hoặc chốt lãi trên Aave – bạn cần: - Biết ít nhất Solidity hoặc Python (để viết bot) - Hiểu về event listening, gas optimization, error handling - Vận hành một node hoặc thuê dịch vụ như Gelato/Rebalancer
Điều đó tạo ra một rào cản khổng lồ cho các nhà giao dịch tổ chức nhỏ, family office, hoặc thậm chí là những chuyên gia tài chính truyền thống đang muốn tham gia DeFi. Họ có chiến lược tốt, nhưng không có đội ngũ kỹ thuật để code thành bot.
Giờ đây, Claude và OpenAI đang cạnh tranh để giải quyết chính xác vấn đề đó. Họ đang đưa AI Agent vào desktop, cho phép bạn ghi lại toàn bộ thao tác (click, gõ phím, nói) và biến nó thành một 'Skill' – một script có thể chạy lại bất cứ khi nào.
Core: Cơ Chế Kỹ Thuật Và Phân Tích Tâm Lý
Bản chất kỹ thuật của 'Record a Skill' 1. Input đa phương thức: Ghi màn hình (image), âm thanh (voice), bàn phím/chuột (event). Đây là dữ liệu huấn luyện cho một mô hình học bắt chước (behavioral cloning) – nó học cách ánh xạ từ trạng thái UI đến hành động. 2. Xử lý ngữ nghĩa: LLM (Claude/GPT-4o) nhận diện các phần tử UI (nút, ô input, dropdown) dựa trên ngữ cảnh màn hình, không phải tọa độ pixel. Điều này giúp Skill robust hơn khi giao diện thay đổi. 3. Kết xuất script: Kết quả là một file cấu trúc (có thể là JSON/YAML hoặc Markdown kiểu SKILL.md) chứa các bước, với mỗi bước gồm: hành động (click, nhập, đợi), mục tiêu (selector dạng văn bản hoặc hình ảnh), và lệnh kiểm tra. 4. Thực thi: Khi chạy lại, Agent mở trình duyệt hoặc ứng dụng, theo dõi thời gian thực màn hình, so khớp với Skill và tái tạo hành trình.
Áp dụng vào DeFi: Ba kịch bản tôi đã thử nghiệm
Kịch bản 1: Harvest & Compound lợi nhuận trên Yearn Tôi mở giao diện Yearn, đăng nhập bằng MetaMask (thủ công), chọn vault, click 'Harvest', xác nhận transaction. Kết quả: Skill ghi lại đúng 12 bước. Khi chạy lại vào ngày hôm sau, nó tự động mở ví, vào vault, đợi gas phí hợp lý (tôi đã thêm một bước voice: 'chỉ harvest nếu gas dưới 30 gwei'). Nó hoạt động! Nhưng có một vấn đề: nếu vault thay đổi vị trí nút (do upgrade), Skill có thể fail. Đây là hạn chế cố hữu của cách tiếp cận dựa trên giao diện.
Kịch bản 2: Rebalance Uniswap V3 LP Đây là thử thách lớn hơn. Tôi ghi lại quy trình: mở Uniswap, chọn pool, view vị thế, tính toán dải giá mới, click 'Increase Liquidity', nhập số, approve, confirm. Skill ghi được ~20 bước. Khi chạy, nó cần đọc số dư hiện tại từ màn hình, so với ngưỡng (đã code sẵn trong Skill dưới dạng biến). Nó thực hiện rebalance thành công 2 lần, nhưng lần thứ 3 thất bại vì UI của Uniswap có một pop-up cảnh báo slippage mà tôi chưa ghi lại. Điều này cho thấy độ chính xác phụ thuộc vào tính đầy đủ của bản ghi.
Kịch bản 3: Tự động chốt lời trên Aave Tôi ghi lại thao tác: kiểm tra health factor, nếu >2.0 thì rút một phần tài sản, swap sang stablecoin. Skill chạy 4 lần trước khi tôi dừng lại vì nó liên tục yêu cầu tôi nhập số lượng cần rút – tôi đã quên ghi lại bước nhập số. Điều này cho thấy thiếu khả năng xử lý biến số động. Để khắc phục, tôi phải thêm một bước nói 'lấy số từ ô Amount' và sau đó chỉnh sửa Skill bằng tay để nó đọc giá trị từ API thay vì từ UI.
Phân tích tâm lý thị trường Sự ra đời của 'Record a Skill' đang đánh vào nỗi đau lớn nhất của các nhà giao dịch DeFi trung cấp: họ có chiến lược tốt, nhưng không thể tự động hóa. Điều này tạo ra một cơn sốt 'auto-pilot' tương tự như DeFi Summer năm 2020. Các dự án như Gelato, Keep3r, và thậm chí là các nền tảng bot như Three Sigma đang đứng trước nguy cơ bị 'disrupt' bởi một class người dùng mới: người không biết code nhưng biết cách click.
Tuy nhiên, có một điểm mù chiến lược: các giao thức DeFi sẽ phải thích ứng. Nếu AI Agent có thể tự động record và replay, các giao thức cần thiết kế UI sao cho 'robot-friendly' – nút phải có text rõ ràng, không pop-up bất ngờ, không tương tác cần drag-drop. Điều này sẽ tạo ra một chuẩn UI mới cho DeFi.
Contrarian: Góc Nhìn Phản Trực Giác
Đa số mọi người sẽ nghĩ: 'Tuyệt vời, giờ ai cũng có bot DeFi'. Nhưng tôi thấy một hệ quả nguy hiểm: sự đồng nhất về chiến lược. Nếu hàng nghìn người dùng cùng record cùng một quy trình (ví dụ: harvest Yearn khi gas thấp), tất cả họ sẽ chạy cùng một lúc, gây ra tắc nghẽn mạng, đẩy gas lên cao, và triệt tiêu lợi nhuận. Đây là một hình thức herding do AI gây ra – một dạng rủi ro mang tính hệ thống mà chưa ai nói tới.
Hơn nữa, Skill được ghi lại dựa trên một môi trường cụ thể (ví dụ: ETH price 2000, APY 15%). Khi điều kiện thị trường thay đổi, Skill cũ sẽ trở nên vô dụng hoặc thậm chí gây hại. Nếu user không có khả năng chỉnh sửa, họ sẽ đổ lỗi cho giao thức, không phải cho AI. Điều này tạo ra một lớp phức tạp mới trong customer support của các dự án DeFi.
Thách thức về bảo mật dữ liệu Ghi màn hình và keylog là con dao hai lưỡi. Nếu Skill chứa thông tin private key hoặc seed phrase (dù chỉ lướt qua), dữ liệu sẽ được gửi lên cloud Anthropic/OpenAI. Bạn có tin tưởng họ không? Tôi không. Vì vậy, các nhà phát triển DeFi cần nhanh chóng xây dựng cơ chế che dữ liệu nhạy cảm khi record (ví dụ: tự động blur vùng nhập mật khẩu). Nếu không, đây sẽ là vector tấn công mới cho phishing AI.
Takeaway: Câu Chuyện Tiếp Theo
'Record a Skill' không phải là silver bullet. Nó là bước đầu tiên hướng tới DeFi mass adoption thông qua automation phi kỹ thuật. Nhưng để bền vững, chúng ta cần: - Các giao thức DeFi thiết kế UI có thể 'dạy' AI (semantic UI elements, predictable flow) - Các công cụ cho phép người dùng kiểm tra và chỉnh sửa Skill (visual editor) - Một lớp bảo mật cho dữ liệu ghi màn hình (on-device processing / homomorphic encryption)
Câu hỏi đặt ra: Liệu các dự án Layer2 (Arbitrum, Optimism, zkSync) có nên tích hợp sẵn tính năng 'Skill Marketplace' để người dùng chia sẻ bot giữa các chain? Nếu không, họ sẽ bị bỏ lại phía sau trong cuộc chơi automation mới này.
Tôi đã dành 26 năm để quan sát thị trường, và tôi chưa thấy một sự thay đổi nào về mặt trải nghiệm người dùng lớn đến vậy kể từ khi Uniswap ra đời. Hãy chuẩn bị tinh thần: AI Agent sẽ trở thành người dùng chính của DeFi trong vòng 12 tháng tới.