AI Agent: Công cụ hỗ trợ tương tác trên chuỗi, sản phẩm nổi lên trong cơn sốt Meme – liệu có thực sự mang giá trị?
Tuyển chọn TechFlowTuyển chọn TechFlow
AI Agent: Công cụ hỗ trợ tương tác trên chuỗi, sản phẩm nổi lên trong cơn sốt Meme – liệu có thực sự mang giá trị?
AI Agent như một công cụ hỗ trợ cho hợp đồng thông minh, nếu có thể mang lại giá trị ứng dụng thực tiễn, có lẽ sẽ phát triển thành một công cụ hạ tầng phổ biến.
Chuyên sâu báo cáo Web3Tác giả: 0XNATALIE
Từ nửa cuối năm nay, chủ đề về AI Agent liên tục tăng nhiệt. Ban đầu, chatbot AI "terminal of truths" thu hút sự chú ý rộng rãi nhờ những bài đăng và phản hồi hài hước trên X (tương tự như "Laobote" trên Weibo), đồng thời nhận được khoản tài trợ 50.000 USD từ Marc Andreessen – người sáng lập a16z. Chịu ảnh hưởng từ nội dung do nó phát hành, một người nào đó đã tạo ra token GOAT, chỉ trong vòng 24 giờ giá tăng hơn 10.000%. Chủ đề AI Agent ngay lập tức thu hút sự quan tâm của cộng đồng Web3. Sau đó, quỹ giao dịch AI phi tập trung đầu tiên trên Solana – ai16z – ra đời, giới thiệu framework phát triển AI Agent mang tên Eliza, đồng thời gây ra tranh cãi giữa các token viết hoa và viết thường. Tuy nhiên, cộng đồng vẫn chưa thực sự hiểu rõ khái niệm AI Agent: bản chất cốt lõi của AI Agent là gì? Khác biệt giữa nó với bot giao dịch Telegram ra sao?
Nguyên lý hoạt động: Cảm nhận, suy luận và ra quyết định tự chủ
AI Agent là một hệ thống đại lý thông minh dựa trên mô hình ngôn ngữ lớn (LLM), có khả năng cảm nhận môi trường, suy luận ra quyết định, đồng thời hoàn thành các nhiệm vụ phức tạp thông qua việc gọi công cụ hoặc thực thi thao tác. Quy trình hoạt động: Mô-đun cảm nhận (lấy dữ liệu đầu vào) → LLM (hiểu, suy luận và lập kế hoạch) → Gọi công cụ (thực hiện nhiệm vụ) → Phản hồi và tối ưu hóa (xác minh và điều chỉnh).
Cụ thể, AI Agent trước tiên sử dụng mô-đun cảm nhận để thu thập dữ liệu từ môi trường bên ngoài (như văn bản, âm thanh, hình ảnh...) rồi chuyển đổi thành thông tin cấu trúc có thể xử lý được. LLM đóng vai trò là thành phần cốt lõi, cung cấp khả năng hiểu và tạo ngôn ngữ tự nhiên mạnh mẽ, đóng vai trò như bộ não của hệ thống. Dựa trên dữ liệu đầu vào và kiến thức sẵn có, LLM tiến hành suy luận logic, đưa ra các giải pháp khả thi hoặc xây dựng kế hoạch hành động. Sau đó, AI Agent hoàn tất nhiệm vụ cụ thể bằng cách gọi các công cụ, plugin hoặc API bên ngoài, đồng thời xác minh và điều chỉnh kết quả theo phản hồi nhận được, từ đó hình thành vòng lặp tối ưu hóa khép kín.
Trong bối cảnh ứng dụng Web3, AI Agent khác gì so với bot giao dịch Telegram hay script tự động? Lấy ví dụ về arbitrage: người dùng muốn thực hiện giao dịch chênh lệch giá khi lợi nhuận vượt quá 1%. Với bot giao dịch Telegram hỗ trợ arbitrage, người dùng thiết lập chiến lược giao dịch với điều kiện lợi nhuận >1%, sau đó bot bắt đầu thực thi. Tuy nhiên, khi thị trường biến động mạnh và cơ hội arbitrage liên tục thay đổi, các bot này lại thiếu khả năng đánh giá rủi ro — chỉ cần điều kiện lợi nhuận >1% được đáp ứng là sẽ thực hiện ngay. Ngược lại, AI Agent có thể tự động điều chỉnh chiến lược. Ví dụ, nếu một giao dịch đạt lợi nhuận trên 1% nhưng phân tích dữ liệu cho thấy rủi ro quá cao, khả năng thị trường đột ngột đảo chiều dẫn đến thua lỗ, AI Agent sẽ quyết định không thực hiện giao dịch arbitrage đó.
Do đó, AI Agent sở hữu tính thích nghi tự thân. Lợi thế cốt lõi của nó nằm ở khả năng tự học và ra quyết định độc lập, thông qua tương tác với môi trường (ví dụ: thị trường, hành vi người dùng...), điều chỉnh chiến lược hành vi dựa trên tín hiệu phản hồi, từ đó không ngừng nâng cao hiệu quả thực hiện nhiệm vụ. Nó còn có thể ra quyết định theo thời gian thực dựa trên dữ liệu bên ngoài, đồng thời liên tục tối ưu hóa chiến lược ra quyết định thông qua học tăng cường (reinforcement learning).
Nói vậy thì có vẻ giống solver (bộ giải) trong khuôn khổ intent (ý định)? Thực tế AI Agent cũng là sản phẩm dựa trên intent. Điểm khác biệt lớn nhất với solver trong khuôn khổ intent là: solver dựa vào thuật toán chính xác, mang tính chặt chẽ về mặt toán học; còn quyết định của AI Agent phụ thuộc vào dữ liệu huấn luyện, thường phải trải qua quá trình thử sai liên tục trong quá trình huấn luyện để tiến gần tới nghiệm tối ưu.
Các framework AI Agent phổ biến
Framework AI Agent là cơ sở hạ tầng dùng để tạo và quản lý các agent thông minh. Hiện tại trong Web3, các framework phổ biến gồm Eliza của ai16z, ZerePy của zerebro và GAME của Virtuals.
Eliza là một framework AI Agent đa năng, được xây dựng bằng TypeScript, hỗ trợ chạy trên nhiều nền tảng (Discord, Twitter, Telegram...). Nhờ hệ thống quản lý bộ nhớ phức tạp, Eliza có thể ghi nhớ các cuộc hội thoại trước đó và bối cảnh liên quan, duy trì đặc điểm cá tính và phản hồi kiến thức ổn định, nhất quán. Eliza sử dụng hệ thống RAG (Retrieval Augmented Generation), có khả năng truy cập cơ sở dữ liệu hoặc tài nguyên bên ngoài để tạo câu trả lời chính xác hơn. Ngoài ra, Eliza tích hợp plugin TEE, cho phép triển khai trong môi trường TEE nhằm đảm bảo an toàn và riêng tư dữ liệu.
GAME là framework trao quyền và vận hành AI Agent trong việc ra quyết định và hành động tự chủ. Nhà phát triển có thể tuỳ chỉnh hành vi của agent theo nhu cầu, mở rộng chức năng và cung cấp thao tác tùy chỉnh (như đăng bài, trả lời trên mạng xã hội...). Các chức năng khác nhau trong framework, ví dụ như vị trí môi trường và nhiệm vụ của agent, được chia thành nhiều module riêng biệt, giúp nhà phát triển dễ dàng cấu hình và quản lý. FRAMEWORK GAME chia quá trình ra quyết định của AI Agent thành hai cấp độ: Hoạch định cấp cao (HLP) và Hoạch định cấp thấp (LLP), chịu trách nhiệm cho các nhiệm vụ và quyết định ở từng cấp độ tương ứng. HLP chịu trách nhiệm đặt mục tiêu tổng thể và lập kế hoạch nhiệm vụ cho agent, xác định thứ tự ưu tiên dựa trên mục tiêu, tính cách, thông tin nền và trạng thái môi trường. LLP tập trung vào khía cạnh thực thi, chuyển đổi các quyết định từ HLP thành các bước thao tác cụ thể, lựa chọn chức năng và phương pháp phù hợp.
ZerePy là một framework mã nguồn mở bằng Python, dùng để triển khai AI Agent trên X. Framework này tích hợp các LLM do OpenAI và Anthropic cung cấp, cho phép nhà phát triển xây dựng và quản lý các agent mạng xã hội, tự động hóa các thao tác như đăng tweet, trả lời tweet, like bài viết... Mỗi nhiệm vụ có thể được thiết lập trọng số khác nhau tùy theo mức độ quan trọng. ZerePy cung cấp giao diện dòng lệnh (CLI) đơn giản, giúp nhà phát triển khởi chạy và quản lý agent một cách nhanh chóng. Đồng thời, framework cũng cung cấp mẫu (template) trên Replit (nền tảng chỉnh sửa và thực thi mã trực tuyến), cho phép nhà phát triển bắt đầu sử dụng ZerePy ngay lập tức mà không cần cấu hình môi trường cục bộ phức tạp.
Tại sao AI Agent lại đối mặt với FUD?
AI Agent trông có vẻ thông minh, có thể giảm rào cản nhập môn và cải thiện trải nghiệm người dùng, vậy tại sao cộng đồng lại xuất hiện FUD (sợ hãi, không chắc chắn, nghi ngờ)? Lý do nằm ở chỗ bản chất AI Agent hiện tại vẫn chỉ là một công cụ, chưa thể hoàn tất toàn bộ quy trình làm việc, mà chỉ nâng cao hiệu suất và tiết kiệm thời gian ở một vài điểm nút nhất định. Ở giai đoạn phát triển hiện nay, tác dụng của AI Agent chủ yếu tập trung vào việc hỗ trợ người dùng phát hành MeMe chỉ bằng một cú nhấp chuột và vận hành tài khoản mạng xã hội. Cộng đồng đùa rằng "assets belong Dev, liabilities belong AI".
Tuy nhiên, ngay trong tuần này, aiPool – một AI Agent chuyên về预售 token – đã được ra mắt, sử dụng công nghệ TEE để đạt được tính phi tin nhiệm (trustlessness). Khóa riêng ví của AI Agent này được sinh động trong môi trường TEE, đảm bảo an toàn. Người dùng có thể gửi tiền (ví dụ như SOL) vào ví do AI Agent kiểm soát, sau đó AI Agent sẽ tự động tạo token theo quy tắc đã định, khởi tạo pool thanh khoản trên DEX và phân phối token cho các nhà đầu tư đủ điều kiện. Toàn bộ quá trình không cần bất kỳ bên trung gian thứ ba nào, hoàn toàn do AI Agent tự chủ thực hiện trong môi trường TEE, loại bỏ rủi ro rug pull phổ biến trong DeFi. Điều này cho thấy AI Agent đang từng bước phát triển. Tôi cho rằng, dù chỉ đơn giản là giúp người dùng giảm rào cản, cải thiện trải nghiệm, thậm chí chỉ là đơn giản hóa một phần quy trình phát hành tài sản, thì điều đó cũng đã có ý nghĩa. Nhưng xét dưới góc nhìn vĩ mô của Web3, AI Agent hiện tại vốn là sản phẩm ngoài chuỗi (off-chain), ở giai đoạn hiện nay chỉ đóng vai trò công cụ hỗ trợ hợp đồng thông minh, vì vậy không cần thổi phồng quá mức khả năng của nó. Vì nửa cuối năm nay ngoài MeMe thì không có thêm câu chuyện hiệu ứng giàu có nổi bật nào, nên hype về AI Agent xoay quanh MeMe mà lan rộng cũng là điều bình thường. Chỉ dựa vào MeMe thì không thể duy trì giá trị lâu dài, do đó nếu AI Agent có thể mang lại nhiều cách chơi sáng tạo hơn trong quy trình giao dịch, cung cấp giá trị ứng dụng thực tiễn, nó có thể sẽ phát triển thành một công cụ hạ tầng phổ biến.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
@ChainFeedsxyz
