Ngày 10/4, Anthropic âm thầm ra mắt tính năng "Record a skill" trên Claude Cowork, cho phép người dùng ghi lại màn hình, thao tác chuột, bàn phím và giọng nói để tạo ra một kỹ năng tự động hóa có thể tái sử dụng. Gần như cùng lúc, OpenAI cũng công bố tính năng tương tự trên Codex. Hai gã khổng lồ AI đang lao vào cuộc đua cùng một đích: biến Agent thành trợ lý thao tác giao diện người dùng (GUI) đa năng. Nhưng nếu bạn là một nhà đầu tư DeFi hay một builder Layer2, câu hỏi đặt ra là: tính năng này có thể được áp dụng như thế nào trong thế giới on-chain? Và liệu nó có mang lại rủi ro bảo mật chưa từng có?
Ngữ cảnh: Từ tự động hóa desktop đến thao tác on-chain
Trong bối cảnh thị trường crypto đang đi ngang, các giao thức DeFi ngày càng phức tạp với nhiều bước tương tác: swap, stake, farm, bridge, quản lý khoản vay. Người dùng thường phải thực hiện hàng loạt thao tác thủ công trên nhiều tab trình duyệt, kết nối nhiều ví, ký nhiều giao dịch. Đây là mảnh đất màu mỡ cho tự động hóa. Các bot giao dịch, công cụ DCA, hay hợp đồng thông minh có thể thực hiện một phần, nhưng chúng đòi hỏi kiến thức lập trình hoặc kỹ năng kỹ thuật cao. Tính năng "Record a skill" của Claude hứa hẹn hạ thấp rào cản đó xuống mức zero-code: bạn chỉ cần thực hiện một quy trình DeFi một lần, Claude sẽ ghi lại toàn bộ các bước (di chuyển chuột, nhấn nút approve, nhập số lượng, ký giao dịch qua MetaMask), và sau đó có thể chạy lại quy trình đó bất cứ lúc nào.
Tuy nhiên, khác với các tác vụ desktop đơn thuần (như mở file, copy dữ liệu), thao tác on-chain liên quan đến tài sản thực, private key, và các trạng thái giao dịch thay đổi theo thời gian thực. Điều này đặt ra những thách thức kỹ thuật và bảo mật hoàn toàn mới.
Phân tích cốt lõi: Kỹ thuật bên trong – Behavior Cloning cho DeFi
Dựa trên phân tích kỹ thuật từ bài báo gốc, "Record a skill" thực chất là một dạng Behavioral Cloning (học bắt chước hành vi) được áp dụng trên môi trường GUI. Cụ thể, hệ thống thu thập đa phương thức: video màn hình, tín hiệu chuột/phím, và âm thanh giọng nói. Sau đó, một mô hình đa phương thức (Claude 3.5 Sonnet) phân tích để hiểu ý định của người dùng và tạo ra một tập lệnh có thể thực thi (Skill) dưới dạng một structured prompt kết hợp script (Python/Powershell) và các bộ chọn UI element.
Trong bối cảnh DeFi, Skill sẽ bao gồm: - Điều hướng UI: Mở trang Uniswap, chọn token A, token B. - Tương tác với smart contract: Nhấn nút "Approve